---
id: VOICE-001
category: Dev
confidence_score: 1.0
tags: [ai, voice-assistant, stt, tts, nlp, audio-[[Processing|Processing]]]
last_reinforced: 2026-04-26
---

# Voice Assistant [[Architecture|Architecture]] (음성 비서 아키텍처)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "소리에서 의도를 추출하고, 지능을 다시 소리로 빚어내라" — 음성 신호를 텍스트로 변환(STT), 의미 파악 및 답변 생성(NLU/LLM), 그리고 다시 음성으로 합성(TTS)하는 일련의 지능형 파이프라인.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 오디오 스트림에서 핵심 정보를 순차적으로 처리하여 자연스러운 대화형 경험을 제공하는 멀티스테이지 신호 처리 패턴.
- **핵심 구성 요소:**
    - **Wake Word Detection:** "헤이 지니"와 같은 특정 단어를 저전력으로 상시 감시.
    - **Automatic Speech Recognition (ASR/STT):** 오디오 파형을 텍스트 토큰 시퀀스로 변환.
    - **Natural Language Understanding (NLU):** 의도(Intent)와 엔티티(Entity)를 추출. 현대 시스템에서는 LLM이 이 역할을 통합 수행.
    - **Dialog [[Management|Management]]:** 대화의 맥락을 유지하고 다음 행동 결정.
    - **Text-to-Speech (TTS):** 생성된 텍스트를 감정과 톤이 실린 자연스러운 음성으로 합성.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 각 단계를 독립적인 모델로 연결하던 방식(Cascaded)에서, 최근에는 소리를 듣고 바로 이해하여 대답하는 엔드투엔드(End-to-End) 오디오 모델로 발전 중.
- **정책 변화:** Antigravity 프로젝트는 향후 음성 인터페이스 지원 시, 지연 시간을 줄이기 위해 온디바이스 STT와 서버급 LLM을 결합한 하이브리드 아키텍처를 검토함.

## 🔗 지식 연결 (Graph)
- [[Natural-Language-Processing|Natural-Language-Processing]], [[LLM|LLM]], Signal-Processing, Agentic-Workflow
- **Raw Source:** 10_Wiki/Topics/AI/Voice-Assistant-Architecture.md