---
title: "음성 활동 감지(VAD)란? 음성 인식 전 무음 제거 | BroadRouter"
description: "음성 활동 감지(VAD)는 오디오에서 말소리가 있는 구간을 찾아냅니다. 10~30ms 프레임 단위로 작동하는 방식, 전사 전 무음을 잘라내는 방법, 그로 인한 절감 효과를 정리했습니다."
url: https://broadrouter.com/ko/glossary/vad/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/glossary/vad/) (2026-11-14 업데이트).

# 음성 활동 감지(VAD)

업데이트 2026-11-14

음성 활동 감지(VAD)는 오디오를 짧은 프레임으로 나눠 각 프레임이 음성인지 아닌지 분류하는 신호 처리 단계입니다. 음성 시스템은 이를 이용해 무음을 건너뛰고, 긴 녹음을 쉬는 지점에서 나누고, 화자가 말을 마쳤는지 감지하고, 배경 소음을 전사하지 않도록 합니다.

다른 이름: 음성 활동 감지, 음성 구간 검출, 발화 구간 검출, 음성 검출, 무음 감지, 무음 제거, voice activity detection, speech activity detection, speech detection, silence detection

VAD는 1초에도 여러 번 같은 질문에 답합니다. 이 오디오 조각에서 누군가 말하고 있는가?

## 작동 방식

오디오를 짧은 프레임으로 자르고, 각 프레임에 음성 또는 비음성 라벨을 붙입니다. 가장 많이 쓰이는 오픈 감지기 두 가지를 보면 대표적인 파라미터를 알 수 있습니다.

|  | WebRTC VAD | Silero VAD |
| --- | --- | --- |
| 유형 | Google WebRTC 프로젝트의 고전적인 감지기 | 사전 학습된 신경망 모델, MIT 라이선스 |
| 샘플링 레이트 | 8, 16, 32, 48kHz | 8, 16kHz |
| 프레임 또는 청크 | 10, 20, 30ms | 30ms 이상 |
| 오디오 형식 | 16비트 모노 PCM만 | 저장소 문서 참고 |
| 튜닝 | 공격성 0(필터링 최소)~3(최대) | 저장소 예제 참고 |
| 속도 | 작은 C 코드 | CPU 스레드 하나에서 청크당 1ms 미만, 모델 약 2MB |

프레임 크기와 [샘플링 레이트](https://broadrouter.com/ko/glossary/sample-rate/)는 서로 연결되어 있습니다. 초당 16,000샘플이라면 30ms 프레임은 16,000 x 0.030 = 480샘플, 16비트 오디오로 960바이트입니다. 프레임 단위 라벨은 그대로 두면 깜빡이듯 자주 바뀌므로, 도구들은 이를 평활화합니다. 수백 밀리초 이상 음성이 이어져야 구간을 열고, 어느 정도 무음이 이어져야 구간을 닫는 식입니다.

호스팅 API도 같은 원리를 씁니다. OpenAI의 음성 인식 가이드에서는 화자 분리 모델에 30초보다 긴 오디오를 보낼 때 `chunking_strategy`를 `auto` 또는 VAD 설정으로 지정할 수 있습니다. 가이드는 이 모델을 지원 중단 목록에 올려 두었습니다.

## 왜 중요한가

-   **비용.** 음성 인식 API는 보통 오디오 분 단위로 과금합니다. 업로드 전에 긴 무음을 잘라내면 과금 분량이 줄어듭니다.
-   **지연 시간.** 업로드하는 오디오가 줄면 요청이 작아지고 처리할 양도 줄어듭니다.
-   **파일 크기 제한.** 파일이 커서 한 번의 요청에 담기지 않을 때, 고정된 시간이 아니라 쉬는 지점에서 나누면 단어가 반으로 잘리지 않습니다.
-   **음성 봇.** 발화 턴이 끝났는지 감지하는 속도가 봇이 얼마나 빨리 답하는지를 좌우합니다.

VAD는 [화자 분리](https://broadrouter.com/ko/glossary/diarization/)의 첫 단계이기도 합니다.

## BroadNet Inference에서는

BroadNet 문서에는 `/v1/audio/transcriptions`에 대한 VAD 설정이나 무음 제거 옵션이 나와 있지 않습니다. 최대 26,214,400바이트의 WAV나 MP3를 업로드하면 `{"text": ...}`가 돌아옵니다. 음성 메시지나 통화 녹음처럼 오디오에 긴 공백이 많다면, 로컬에서 WebRTC VAD나 Silero VAD를 실행해 음성 구간만 남겨서 보내세요. 두 감지기 모두 받아들이는 16kHz 모노로 ffmpeg 변환하는 방법은 [WhatsApp 음성 메시지 가이드](https://broadrouter.com/ko/guides/transcribe-whatsapp-voice-notes/)에 있습니다. 전사는 분당 요금이며, [BroadNet Transcribe Arabic](https://broadrouter.com/ko/models/cohere-transcribe-arabic/)의 요금은 분당 $0.0042입니다. 무음을 잘라내면 얼마나 아낄 수 있는지는 [음성 인식 비용 계산기](https://broadrouter.com/tools/speech-to-text-cost-calculator/)에서 확인할 수 있습니다.

## 자주 묻는 질문

### 쓸 만한 오픈소스 VAD는 무엇인가요?

흔히 쓰는 것은 두 가지입니다. 공격성 모드 0~3을 지원하는 작고 고전적인 감지기 WebRTC VAD, 그리고 MIT 라이선스의 약 2MB 신경망 모델로 30ms 이상의 청크 하나를 CPU 스레드 하나에서 1ms 이내에 처리하는 Silero VAD입니다.

### BroadNet은 제 오디오에 VAD를 적용하나요?

BroadNet 문서에는 VAD 설정이 나와 있지 않습니다. 직접 제어해야 한다면 업로드 전에 사용자 쪽에서 무음을 잘라내거나 쉬는 지점에서 나누세요.

### VAD로 음성 인식 비용을 어떻게 줄이나요?

분당 과금 API는 보낸 오디오만큼 요금을 매깁니다. 녹음의 40%가 무음이고 음성 구간만 보낸다면 약 60%의 분량에 대해서만 비용을 냅니다. 단어가 잘리지 않도록 짧은 쉼은 남겨 두세요.

## 함께 보기

-   [음성 인식(Speech-to-text, STT)](https://broadrouter.com/ko/glossary/speech-to-text/) (용어)
-   [화자 분리(speaker diarization)](https://broadrouter.com/ko/glossary/diarization/) (용어)
-   [샘플링 레이트(sample rate)](https://broadrouter.com/ko/glossary/sample-rate/) (용어)
-   [타임스탬프(음성 인식, ASR timestamps)](https://broadrouter.com/ko/glossary/timestamps-asr/) (용어)
-   [API로 WhatsApp 음성 메시지를 텍스트로 전사하기](https://broadrouter.com/ko/guides/transcribe-whatsapp-voice-notes/) (가이드)
-   [비즈니스용 음성 메시지 텍스트 변환: WhatsApp·Telegram에서 티켓까지](https://broadrouter.com/ko/blog/voice-notes-to-text-for-business/) (글)
-   [콜센터 녹음 전사하는 법: 아랍어까지 지원하는 파이프라인](https://broadrouter.com/ko/blog/transcribe-call-center-recordings/) (글)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

[시작하기](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-vad&utm_content=page-cta) ·

**출처**

-   [Silero VAD 공식 GitHub 저장소](https://github.com/snakers4/silero-vad)
-   [py-webrtcvad, WebRTC VAD용 Python 인터페이스](https://github.com/wiseman/py-webrtcvad)
-   [OpenAI, 음성 인식 가이드(VAD를 쓰는 chunking\_strategy)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [BroadNet Inference API 레퍼런스, 전사 (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-vad&utm_content=sources)
