AI 기반 영어 말하기 분석 애플리케이션 👑 SpeaKing 👑
영어 자격증을 공부할 때, 영어로 업무를 처리해야할 때, 외국인과 이야기를 나눌 때 등 다양한 상황에서 영어 말하기 실력이 요구되고 있다. 그러나 한국의 영어 말하기 수준은 토플 speaking 성적을 기준으로 168개국 중 122위로 세계 하위권이며, 한국의 영어 학습자는 교실 밖에서 영어를 사용하는 일이 적을 뿐 아니라 교사에게 일대일로 피드백을 제공받기 어려운 스피킹 암흑 지대에 살고있다.
자체 진행한 설문조사에 따르면, 응답자 모두 영어 말하기 첨삭이 필요하다고 생각했지만 첨삭을 받아본 경험이 있다고 응답한 비율은 단 13% 였다. 첨삭을 받지 않은 주된 이유로는 “어디서 어떻게 받아야 할지 모르겠다, 사람을 상대로 말하는 것이 부담스럽다, 기관을 통해 피드백을 받는 과정이 번거롭다” 가 선택되었다.
이 결과를 바탕으로 사용자가 자신의 발화속도를 확인할 수 있고, 격식/비격식체 문장을 구분할 수 있으며, 반복되는 표현을 얼마나 사용했는지 확인할 수 있는 기능을 어플리케이션에 담고자 한다.
- Client: Swift(iOS)
- Server: django, SQLite 및 AWS를 사용한 배포
- NLP: BERT, LSTM, LR, NLTK
 |
 |
 |
|---|---|---|
| 이서영 | 이지영 | 이남영 |
| 클라이언트 | 백엔드 | NLP |
BERT: 사용자의 발화에서 격식적과 비격식적 표현을 구분하기 위해 BERT 기반의 모델을 활용했습니다. 이 모델은 문맥에 맞는 적절한 표현을 평가하여, 사용자가 말한 내용이 격식에 맞는지 확인하고, 비격식적인 표현은 그에 맞는 격식 있는 형태로 변환할 수 있도록 지원합니다.
LSTM: Written Text를 Spoken Text로 변환하는 데 LSTM(Long Short-Term Memory) 모델을 사용했습니다.
OpenAI API: GPT-3기반 text-davinci-003 모델을 사용하여 문법 수정 및 피드백 제공 기능을 향상시켰습니다.
ETRI 발음 평가 API: 사용자의 발음 정확도를 평가하기 위해 ETRI 발음 평가 API를 통합하여, 발음 정확도를 체크하는 데 사용했습니다.