에코 제거기에서 가장 많이 인용되는 수치인 ERLE는 사람 청취자의 평가와 피어슨 상관계수 겨우 0.31로만 일치하는 반면, Microsoft의 신경망 지표 AECMOS는 원단 에코 평가에서 0.99에 도달한다 (Microsoft, ICASSP 2021 및 ICASSP 2023 AEC Challenge 논문). 규격 측면에서 ITU-T G.168은 네트워크 에코 제거기에 수렴을 위한 시간으로 대략 1초를 주고, 3GPP TS 26.131은 헤드셋에 46 dB 이상의 에코 손실을 요구하며, Microsoft의 대회는 2021년에서 2023년 사이에 지연 허용치를 40 ms에서 20 ms로 절반으로 줄였다. 에코는 사람들이 회의실 장비를 더 좋은 것으로 바꾸게 만드는 문제이기도 하며, 이는 마이크 쪽에서 회의실 천장 빔포밍 마이크 통계에서 다룬 바 있다. 본 글은 ITU-T, 3GPP, Microsoft Research의 AEC Challenge 논문 4편, Amazon Web Services, ByteDance, Alibaba의 Tongyi Lab, arXiv의 독립 연구자, HEAD acoustics의 데이터를 종합했다.
요약
- 네트워크 에코 제거기는 테스트 2A에서 약 1초 안에 요구되는 합성 손실에 도달해야 한다 (ITU-T G.168, 04/2015).
- 헤드셋에는 어떤 볼륨에서든 46 dB 이상의 가중 단말 결합 손실이 필요하며, 공칭 볼륨에서는 55 dB가 권장된다 (3GPP TS 26.131, Rel-19).
- ERLE와 청취자 평가의 상관은 PCC 0.31, SRCC 0.23이다 (Microsoft, ICASSP 2021 AEC Challenge 논문).
- AECMOS와 원단 에코 평가의 상관은 PCC 0.99이다 (Microsoft, ICASSP 2023 AEC Challenge 논문).
- 대회의 지연 상한은 2021년 알고리즘 지연 40 ms에서 2023년 알고리즘 지연과 버퍼링 지연 합계 20 ms로 낮아졌다 (Microsoft AEC Challenge 논문 및 저장소).
- INTERSPEECH 2021의 최고 점수 출품작은 평균 4.43을 기록해 기준선 3.87을 앞섰다 (Microsoft, INTERSPEECH 2021 AEC Challenge 결과).
- 더블토크 시 열화에서 모바일 기기는 데스크톱보다 MOS 0.75 낮았다 (Microsoft, ICASSP 2022 AEC Challenge 논문).
- WebRTC AEC3는 약 30 dB의 에코를 제거한 반면 신경망 억제기는 40.8 dB를 제거했다 (ByteDance, arXiv 2020).
- 2026년 1월의 종단간 모델은 120만 개 파라미터로 78.69 dB의 ERLE에 도달했다 (Alibaba Tongyi Lab, E2E-AEC, arXiv 2026).
- 소형 신경망 에코 및 잡음 모델은 프레임당 0.14 ms에 동작하며, 실시간 계수는 0.014이다 (Microsoft, DeepVQE, Interspeech 2023).
- 더블토크 성능이 가장 좋은 범주(범주 1)의 핸즈프리 단말은 더블토크 중 송화 음성을 최대 3 dB만 감쇠한다 (HEAD acoustics, ITU-T P.340을 설명).
1. ITU-T 규격 체계: 수렴, 더블토크, 누설 시험
에코 제거기에 관한 통신 분야의 핵심 규칙은 오래되었지만 여전히 유효하다. 여기서 ‘에코’란 내 목소리가 원단에 도달한 뒤 복귀 경로로 새어 들어가 나에게 되돌아오는 것을 뜻한다. G.168은 제거기가 요구 손실에 도달하는 데 대략 1초를 허용하고, 이후 두 사람이 동시에 말하는 경우(‘더블토크’)와 회선이 몇 분간 조용해지는 경우에도 그 손실을 유지하는지 계속 시험한다. 비선형 프로세서(NLP)는 적응 필터가 남긴 잔여 에코를 모두 억제하는 마지막 단계이며, 필터 자체를 측정하기 위해 일부 시험에서는 이를 끈다.
이 시험이 모사하는 실제 에코 경로는 짧다. ITU-T G.168(04/2015)에 재수록된 현장 데이터에서는 몬트리올에서 북미 전역으로 연결된 장거리 통화 101건(1998년 6월~1999년 4월)을 측정했으며, 그중 88건의 히스토그램에서 평균 분산 시간은 6.02 ms였고 12 ms를 넘은 통화는 없었다. 음향 쪽 대응 규격인 G.167은 폐지되어 그 내용이 P.340과 G.161로 옮겨졌다.
| 지표 | 값 | 출처 |
|---|---|---|
| 현행 네트워크 에코 제거기 권고의 판 | G.168(04/2015) 및 Corrigendum 1(12/2022) | ITU-T G.168 |
| 시험에 사용되는 최소 에코 반환 손실(에코 경로 자체가 제공하는 손실), 표준 에코 경로 모델 수 | 최소 6 dB, 8개 모델(m1~m8), m2, m7, m8의 최솟값은 각각 6.55 dB, 11.06 dB, 9.27 dB | ITU-T G.168(04/2015), Annex D |
| 테스트 2A 수렴, 비선형 프로세서 활성화 | 에코 경로 지연과 시작 오프셋에 1 s를 더한 시간 안에 요구되는 합성 손실, 피크는 한계를 5 dB 이상 넘지 않음 | ITU-T G.168(04/2015) |
| 테스트 3A, 근단 신호가 원단 수준보다 15 dB 낮은 더블토크(원단 -25~0 dBm0) | 5 s 이내에 수렴해야 함 | ITU-T G.168(04/2015) |
| 테스트 3B(a) 및 테스트 4: 더블토크 중, 그리고 원단 신호가 멈춘 2분 뒤(누설 시험)에 허용되는 잔여 에코 상승 | 두 경우 모두 정상 상태 요건보다 10 dB 이하로만 높음 | ITU-T G.168(04/2015) |
| 최초의 음향 에코 컨트롤러 권고 G.167(03/1993)의 상태 | 폐지, 1~5항은 P.340(2000), 6항은 G.161(2002)로 대체 | ITU-T G.167 기록 |
| 에코와 더블토크 성능을 다루는 핸즈프리 단말 권고의 최신 판 | P.340(07/2026) | ITU-T P.340 2026년 요약 |
| 차량용 광대역 핸즈프리 권고의 주파수 범위 | 50~7,000 Hz, 현행 판은 P.1110(10/2025) | ITU-T P.1110 |
참고: dBm0는 네트워크 내 기준점에 대한 신호 수준이므로, ‘-25~0 dBm0’는 조용한 목소리에서 큰 목소리까지의 원단 화자를 뜻한다. P.340의 2026년 개정은 새것이며 집필 시점에는 전문이 공개되지 않았기 때문에, 본 글은 공개된 요약만 인용한다.
2. 헤드셋, 핸즈프리 장치, 네트워크의 에코 손실 목표
단말 결합 손실(TCLw)이란 장치의 스피커나 이어피스로 재생된 원단 음성이 그 장치의 마이크로 새어 들어가 다시 전송되기 전에 얼마나 감쇠되는지를 나타낸다. 이동통신 표준은 어떤 볼륨에서든 헤드셋의 하한을 46 dB로 정하고 있으며, 권장 목표인 55 dB에는 장치 자체의 유휴 잡음 때문에 모든 장치에서 측정되지는 않을 수 있다는 단서가 붙는다.
흥미로운 격차는 핸즈프리에 있다. 탁상형 스피커폰은 최대 볼륨에서 40 dB까지 낮아져도 규격에 적합하기 때문에, 핸즈프리의 더블토크 동작에는 별도의 범주가 있다. 범주 1 장치는 상대방이 말하는 동안에도 내 목소리를 거의 줄이지 않고(최대 3 dB), 범주 3 장치는 12 dB를 넘게 줄여 한 번에 한쪽만 들리는 무전기에 가까운 동작을 보인다.
| 지표 | 값 | 출처 |
|---|---|---|
| 헤드셋 가중 단말 결합 손실: 어떤 볼륨 설정에서든 대 공칭 볼륨에서의 권장값 | 46 dB 이상 대 55 dB 이상 | 3GPP TS 26.131(Rel-19) |
| 탁상형 핸즈프리 가중 단말 결합 손실: 어떤 볼륨에서든 대 자유 음장 조건의 공칭 볼륨 | 40 dB 이상 대 46 dB 이상 | 3GPP TS 26.131(Rel-19) |
| 탁상형 핸즈프리의 공칭 볼륨 권장 성능 목표 | 55 dB 이상(유휴 채널 잡음 때문에 측정되지 않을 수 있음) | 3GPP TS 26.131(Rel-19) |
| GSM, 3G, LTE, NR 네트워크가 상호 접속 지점에서 제공하는 에코 손실, 단일 화자 상태 | 46 dB 이상 | 3GPP TS 26.132(Rel-19) |
| 에코 제거기가 수렴할 수 있도록 에코 손실 시험 초반에 버려지는 음성, 시험 신호 수준 | 처음 17.0 s, 10 dBm0 | 3GPP TS 26.132(Rel-19) |
| 단말 결합 손실 지침: 디지털 입력에서 출력까지(P.341 기준) 대 현장 조건(P.342 기준) 대 G.131 화자 에코 목표에서 바람직한 값 | 35 dB 이상 대 40 dB 초과 대 45 dB 초과 | ITU-T G.168(04/2015), Appendix I |
| 핸즈프리 단말의 더블토크 범주와 송화 음성의 감쇠 | 5개 범주(1, 2a, 2b, 2c, 3): 범주 1은 최대 3 dB, 범주 2b는 최대 9 dB, 범주 3은 12 dB 초과 | HEAD acoustics ACOPT 32 데이터시트, ITU-T P.340을 설명 |
참고: 3GPP 수치는 TS 26.131과 TS 26.132의 Rel-19 본문에서 읽은 것이며, TS 26.132는 3GPP 아카이브에 2026년 7월자의 더 새로운 Rel-20 파일이 있다. HEAD acoustics 문서는 P.340 범주를 다시 서술한 시험 장비 데이터시트이며, 범주 2a와 2c의 한계값은 제시하지 않는다.
3. 지연 예산: 에코 제거기가 쓸 수 있는 밀리초
에코 제거기가 오디오를 버퍼링하는 데 쓰는 1밀리초는 그대로 대화에 더해지는 1밀리초다. 연구용 벤치마크는 이 점에서 크게 움직였다. Microsoft의 대회는 2021년에 알고리즘 지연 40 ms를 허용했지만, 2023년에는 상한을 절반으로 낮춰 알고리즘 지연과 버퍼링 지연 합계 20 ms로 정했고, 주최 측 자체 모델은 더 엄격한 상한에서도 에코 점수가 사실상 떨어지지 않았다. ICASSP 2023 논문은 종단간 50 ms 미만(식별 한계)이라는 목표와, 알고리즘과 버퍼링을 합쳐 5 ms 미만이라는 향후 목표를 제시한다(Microsoft, ICASSP 2023 AEC Challenge 논문).
연산량은 또 하나의 예산이다. 프레임당 1밀리초에도 못 미치는 시간이 드는 신경망 모델은 회의에 참여한 모든 노트북에서 돌릴 수 있지만, CPU 코어 대부분을 필요로 하는 모델은 그렇지 못하다. 지연 예산의 나머지를 지터 버퍼와 코덱이 어떻게 쓰는지는 VoIP 지터 버퍼와 음성 품질 통계를 참고하세요.
| 지표 | 값 | 출처 |
|---|---|---|
| 사실상 투명한 상호작용을 위한 편도 입에서 귀까지의 지연 대 일반 네트워크 계획의 상한 | 150 ms 미만 대 400 ms | ITU-T G.114(05/2003) |
| AEC Challenge 알고리즘 지연 상한, ICASSP 2021 | 최대 40 ms(20 ms 프레임과 10 ms 스트라이드, 즉 30 ms는 허용) | Microsoft, ICASSP 2021 AEC Challenge 논문 |
| AEC Challenge 지연 상한, ICASSP 2023 | 알고리즘 지연과 버퍼링 지연 합계 20 ms | Microsoft AEC-Challenge 저장소 |
| AEC Challenge 연산량 상한, ICASSP 2023 | 2.4 GHz Intel Core i5 쿼드코어 단일 스레드에서 실시간 계수 최대 0.5 | Microsoft, ICASSP 2023 AEC Challenge 논문 |
| 20 ms의 Microsoft 모델 대 40 ms의 2022년 대회 우승 모델: 원단 에코 MOS, 더블토크 에코 MOS | 4.65 대 4.66, 4.68 대 4.68 | Microsoft, ICASSP 2023 AEC Challenge 논문 |
| DeepVQE 전체 모델 대 DeepVQE-S 소형 모델: 파라미터 수와 프레임당 CPU 시간 | 7.5M과 3.66 ms 대 0.59M과 0.14 ms(실시간 계수 0.014) | Microsoft, DeepVQE, Interspeech 2023 |
| 선형 에코 제거기와 신경망 잔여 에코 억제기의 결합, 16 kHz 대회 출품작 | Intel i7-8565U 코어 1개의 5.5%, 10 ms 프레임당 0.55 ms | Amazon Web Services, PercepNet 에코 제어, arXiv 2021 |
대회 상한에 관해 입수 가능한 최신 데이터: Microsoft, 2023년. AEC-Challenge 저장소는 여전히 ICASSP 2023을 최신 회차로 올려 두고 있으므로, 이것이 이 시리즈에서 가장 최근의 공개 벤치마크 규칙이다.
4. AEC Challenge 점수판, 2021년부터 2023년까지
Microsoft의 AEC Challenge는 이 분야에서 공개 리그 순위표에 가장 가까운 것이다. 출품작은 크라우드소싱 청취자가 1~5점 척도로 평가한다(근단 음성 품질은 MOS, 에코와 기타 아티팩트는 열화 점수인 DMOS). INTERSPEECH 2021에서는 최고 점수 출품작이 평균 4.43을 기록해 기준선 3.87을 앞섰으며(상위 4개는 통계적으로 동률이어서 Microsoft는 연산 복잡도 순으로 순위를 매겼다), 향상분의 대부분은 에코 제거와 더블토크(기존 제거기가 에코를 통과시키거나 근단 화자의 목소리를 잘라 먹던 상황)에서 나왔고, 근단 음성 품질은 4.18에서 4.25로 거의 움직이지 않았다.
데이터셋은 회차마다 커졌다. ICASSP 2021에서는 2,500개가 넘는 실제 환경과 장치(Microsoft, ICASSP 2021 AEC Challenge 논문), INTERSPEECH 2021에서는 5,000개, 2023년 회차에서는 10,000개 이상이었다(2022년 수치는 Microsoft의 논문 사이에서 다르다. 방법론 참조). 실제 운영 통화에서 에코가 사용자에게 얼마나 자주 도달하는지에 대한 공개 데이터는 여전히 없다. Microsoft의 논문은 에코를 ‘낮은 음성 품질 평가의 주요 원인 중 하나’라고만 서술할 뿐 비율은 제시하지 않는다.
| 지표 | 값 | 출처 |
|---|---|---|
| ICASSP 2021: 기준선 대 1위 시스템, 4개 주관 시험의 평균 | 3.68 대 4.11(출품 17건) | Amazon Web Services, PercepNet 에코 제어, arXiv 2021 |
| ICASSP 2021: 기준선 대 1위 시스템, 더블토크 중 근단 음성의 열화(DMOS) | 3.28 대 4.07 | Amazon Web Services, PercepNet 에코 제어, arXiv 2021 |
| INTERSPEECH 2021: 최고 점수 출품작(ERCESI) 대 기준선, 평균 점수 | 4.43 대 3.87 | Microsoft, INTERSPEECH 2021 AEC Challenge 결과 |
| INTERSPEECH 2021: 최고 점수 출품작 대 기준선, 원단 단일 화자 에코 DMOS, 더블토크 중 기타 열화 DMOS | 4.59 대 3.82, 4.18 대 3.45 | Microsoft, INTERSPEECH 2021 AEC Challenge 결과 |
| INTERSPEECH 2021: 평균이 기준선을 웃돈 순위권 팀 출품작 | 14건 중 10건(결과표에서 집계) | Microsoft, INTERSPEECH 2021 AEC Challenge 결과 |
| ICASSP 2022: 출품 수, 더블토크 열화에서 모바일과 데스크톱의 격차 | 출품 18건, 모바일이 MOS 0.75 낮음 | Microsoft, ICASSP 2022 AEC Challenge 논문 |
| ICASSP 2023: 출품작 수, 우승 점수와 모델 크기 | 20건(비개인화 17건, 개인화 3건), 1.5M 파라미터로 0.854 | Microsoft, ICASSP 2023 AEC Challenge 논문 |
| ICASSP 2023: 기준선 대 우승 시스템, 최종 점수와 음성 인식 단어 정확도 | 0.736 대 0.852, 64.9% 대 82.3% | Microsoft, DeepVQE, Interspeech 2023 |
참고: 2023년 최종 점수는 재조정한 다섯 개의 주관 점수와 단어 정확도를 평균한 0~1 사이의 종합 값이므로 2021년 MOS 평균과 비교할 수 없다. Microsoft의 두 논문은 2023년 우승 점수를 서로 조금 다르게 싣고 있다(방법론 참조). 입수 가능한 최신 데이터: Microsoft, 2023년.
5. 에코 측정: ERLE가 지각 기반 지표에 밀려난 이유
ERLE(에코 반환 손실 개선량)는 에코 제거기가 마이크 신호에서 제거하는 데시벨 수다. 계산이 쉬워서 지금도 데이터시트의 머리를 장식하지만, **ERLE와 청취자 평가의 상관은 겨우 0.31(피어슨)**에 그친다. 회선을 무음으로 만들고 근단 화자의 목소리를 망가뜨리면 제거기가 엄청나게 큰 ERLE를 얻을 수 있기 때문이다. 출력을 깨끗한 기준 음성과 비교하는 구형 침습형 음성 품질 지표인 PESQ는 0.67로 더 낫다.
Microsoft의 신경망 추정기인 AECMOS는 깨끗한 기준 음성이 필요 없고, 청취자가 매길 에코 및 열화 점수를 예측한다. 실용적인 변화는 팀이 매번 청취 시험 비용을 치르지 않고도 모델의 순위를 매길 수 있게 되었다는 점이다. 이는 실제 방이 아니라 실험실에서 장치를 비교해 본 모든 사람에게 중요하며, 이 격차는 무반향실 음향 시험 통계에서 다룬 바 있다.
| 지표 | 값 | 출처 |
|---|---|---|
| ERLE와 주관 평가: 피어슨(PCC) 및 스피어만(SRCC) 상관 | 0.31과 0.23 | Microsoft, ICASSP 2021 AEC Challenge 논문 |
| PESQ와 주관 평가: PCC와 SRCC | 0.67과 0.57 | Microsoft, ICASSP 2021 AEC Challenge 논문 |
| AECMOS(2023년 버전), 청취자 평가와의 피어슨 상관: 원단 단일 화자 에코, 더블토크 에코, 더블토크 중 기타 열화 | 0.99(SRCC 0.92), 0.99, 0.96 | Microsoft, ICASSP 2023 AEC Challenge 논문 |
| 최초 AECMOS 학습 세트, 클립당 크라우드소싱 투표 수 | 64,013개 클립(145.8시간), 클립당 5표 | Microsoft, AECMOS 논문, ICASSP 2022 |
| 최초 AECMOS 스택 랭킹: 순위를 매긴 모델 수, 원단 단일 화자 에코에서 참가자별 PCC | 22개 모델(참가자 14팀, 저자들의 딥러닝 모델 4개와 DSP 모델 4개), 0.996 | Microsoft, AECMOS 논문, ICASSP 2022 |
| 음성 인식 단어 정확도와 ICASSP 2022 출품작 전체의 주관 점수 평균(PCC) | 0.85 | Microsoft, ICASSP 2022 AEC Challenge 논문 |
| ICASSP 2021 주관 시험에서 발화당 청취자 수, 95% 신뢰구간 | 청취자 10명, 0.01 MOS | Amazon Web Services, PercepNet 에코 제어, arXiv 2021 |
이상치 참고: 클립 단위 상관은 모델 단위 상관보다 훨씬 약하다. 최초의 AECMOS 논문은 더블토크 에코에 대한 클립 단위 PCC를 0.582로 보고하므로, 이 지표는 시스템의 순위를 매기는 데는 믿을 만하지만 개별 녹음을 판단하는 데는 적합하지 않다.
6. 신경망 대 선형 에코 제어: 직접 비교가 보여 주는 것
선형 적응 필터는 에코 경로를 직선적인 시스템으로 모델링하므로, 싸구려 노트북 스피커가 과구동되어 왜곡된 에코에는 힘을 못 쓴다. ICASSP 2022 상위 5개 시스템에서는 신경망 시스템 대부분이 선형 필터를 대체하는 것이 아니라 그 위에 구축되었다. ByteDance의 한 시험에서는 WebRTC AEC3가 약 30 dB의 에코를 제거한 반면 신경망 잔여 억제기는 40.8 dB에 도달했으며, AEC3는 신호 대 에코비 0 dB(에코가 근단 목소리만큼 큰 상황)의 더블토크 음성 품질을 아무 처리도 하지 않은 때보다 오히려 악화시켰다.
ERLE 수치는 5절에서 설명한 신중함을 가지고 다뤄야 한다. 78.69 dB의 ERLE는 원단 음성 중에 회선이 매우 조용했다는 뜻일 뿐, 근단 목소리가 무사했다는 뜻이 아니다. 벤더 쪽에서는 Microsoft가 Teams의 에코 모델을 30,000시간의 음성 샘플로 학습시켰다고 밝히며(Microsoft 365 블로그 2022, 벤더 자체의 주장), DeepVQE 연구진은 소형 모델을 수억 명의 사용자를 대상으로 Teams에서 시험했다고 밝힌다.
| 지표 | 값 | 출처 |
|---|---|---|
| ERLE, 음성이 있는 원단 단일 화자: 선형 적응 필터 대 WebRTC AEC3 대 적응 필터와 신경망 잔여 억제기의 결합 | 16.612 dB 대 29.976 dB 대 40.786 dB | ByteDance, 잔여 에코 억제, arXiv 2020 |
| ERLE, 음성과 음악이 있는 원단 단일 화자: WebRTC AEC3 대 신경망 잔여 억제기 | 25.376 dB 대 43.144 dB | ByteDance, 잔여 에코 억제, arXiv 2020 |
| 신호 대 에코비 0 dB 더블토크 중 PESQ: 무처리 대 WebRTC AEC3 대 신경망 잔여 억제기 | 1.908 대 1.610 대 2.816 | ByteDance, 잔여 에코 억제, arXiv 2020 |
| ERLE: Speex 대 WebRTC 대 적응 필터와 순환 신경망의 결합 | 25 dB 대 40 dB 대 68 dB | Ma 외, arXiv 2020 |
| 이중 신호 LSTM 에코 제거기(DTLN-aec): AEC Challenge 기준선 대비 MOS 향상, 학습 데이터 | 0.30 MOS, 실제 및 합성 에코 시나리오 60시간 | Westhausen과 Meyer, DTLN-aec, arXiv 2020 |
| ICASSP 2022 상위 5개 시스템: 선형과 신경망의 하이브리드 설계, 파라미터 범위 | 5개 중 3개, 1.5M~55.5M 파라미터 | Microsoft, ICASSP 2022 AEC Challenge 논문 |
| ICASSP 2023 출품작: 최종 점수와 모델 크기의 상관, 하이브리드 설계 사용 여부와의 상관(PCC) | -0.54, 0.10 | Microsoft, ICASSP 2023 AEC Challenge 논문 |
| 종단간 신경망 에코 제거기(2026년 1월): 음성 활동 마스킹을 적용한 ERLE, 파라미터 수, 한 가지 학습 전략에 따른 MOS 평균 향상 | 78.69 dB, 1.2M 파라미터, 4.31에서 4.38 | Alibaba Tongyi Lab, E2E-AEC, arXiv 2026 |
참고: 이 결과들은 서로 다른 시험 세트에서 나온 것이므로 각 논문 안에서의 방법 순위만 보여 줄 뿐, 논문 간 순위는 아니다. AEC3와 Speex 비교에 관해 입수 가능한 최신 데이터: ByteDance 및 Ma 외, 2020년.
정리: 숫자로 보는 음향 에코 제거
| 지표 | 값 | 출처 |
|---|---|---|
| G.168 테스트 2A 수렴 시간 | 약 1 s에 에코 경로 지연을 더한 시간 | ITU-T G.168(04/2015) |
| 헤드셋 가중 단말 결합 손실, 어떤 볼륨에서든 대 공칭 볼륨 | 46 dB 이상 대 55 dB 이상 | 3GPP TS 26.131(Rel-19) |
| 상호 접속 지점의 네트워크 에코 손실 | 46 dB 이상 | 3GPP TS 26.132(Rel-19) |
| 핸즈프리 더블토크 범주 | 5개, 범주 1은 송화 음성 감쇠가 최대 3 dB | HEAD acoustics, ITU-T P.340을 설명 |
| 핸즈프리 단말 권고, 최신 판 | P.340(07/2026) | ITU-T P.340 2026년 요약 |
| 투명한 상호작용을 위한 편도 지연 | 150 ms 미만 | ITU-T G.114(05/2003) |
| AEC Challenge 지연 상한, 2023년 | 알고리즘 지연과 버퍼링 지연 합계 20 ms | Microsoft AEC-Challenge 저장소 |
| ERLE와 청취자 평가 | PCC 0.31 | Microsoft, ICASSP 2021 AEC Challenge 논문 |
| AECMOS와 원단 에코 평가 | PCC 0.99 | Microsoft, ICASSP 2023 AEC Challenge 논문 |
| 최초 AECMOS 학습 세트 | 64,013개 클립, 145.8시간 | Microsoft, AECMOS 논문, ICASSP 2022 |
| ICASSP 2021 기준선 대 우승 시스템 | 3.68 대 4.11 | Amazon Web Services, PercepNet 에코 제어, arXiv 2021 |
| INTERSPEECH 2021 최고 점수 출품작 대 기준선 | 4.43 대 3.87 | Microsoft, INTERSPEECH 2021 AEC Challenge 결과 |
| 모바일 대 데스크톱, 더블토크 열화 | 모바일이 MOS 0.75 낮음 | Microsoft, ICASSP 2022 AEC Challenge 논문 |
| DeepVQE-S 프레임당 CPU 시간 | 0.14 ms(실시간 계수 0.014) | Microsoft, DeepVQE, Interspeech 2023 |
| WebRTC AEC3 대 신경망 잔여 억제기, ERLE | 29.976 dB 대 40.786 dB | ByteDance, 잔여 에코 억제, arXiv 2020 |
| Speex 대 WebRTC 대 하이브리드 RNN, ERLE | 25 dB 대 40 dB 대 68 dB | Ma 외, arXiv 2020 |
| DTLN-aec의 대회 기준선 대비 향상 | 0.30 MOS | Westhausen과 Meyer, DTLN-aec, arXiv 2020 |
| 종단간 신경망 AEC, ERLE(2026년) | 1.2M 파라미터로 78.69 dB | Alibaba Tongyi Lab, E2E-AEC, arXiv 2026 |
방법론과 출처
- ITU-T: G.168, 디지털 네트워크 에코 제거기(04/2015, Corrigendum 12/2022), G.167, 음향 에코 컨트롤러(03/1993, 폐지), P.340 요약(07/2026), P.1110, 자동차의 광대역 핸즈프리 통신(10/2025), G.114, 편도 전송 시간(05/2003)
- 3GPP: TS 26.131, 전화용 단말 음향 특성, 요건(Rel-19) 및 TS 26.132, 음성 및 영상 전화 단말 음향 시험 사양(Rel-19)
- HEAD acoustics: ACOPT 32 Speech-based Double Talk 데이터시트(ITU-T P.340 범주를 다시 서술)
- Microsoft Research: ICASSP 2021 AEC Challenge 논문, INTERSPEECH 2021 AEC Challenge 결과, ICASSP 2022 AEC Challenge 논문, ICASSP 2023 AEC Challenge 논문, AECMOS 논문, DeepVQE, Interspeech 2023, AEC-Challenge 저장소
- Amazon Web Services: Low-complexity joint neural echo control and speech enhancement based on PercepNet(2021년)
- ByteDance: Residual acoustic echo suppression based on efficient multi-task convolutional neural network(2020년)
- Ma, Huang, Zhao, Su: Acoustic echo cancellation by combining adaptive digital filter and recurrent neural network(2020년)
- Westhausen과 Meyer: Acoustic echo cancellation with the dual-signal transformation LSTM network(2020년)
- Alibaba Tongyi Lab: E2E-AEC, an end-to-end neural network approach for acoustic echo cancellation(2026년 1월)
- Microsoft 365 블로그: How Microsoft Teams uses AI and machine learning to improve calls and meetings(2022년, 벤더의 주장)
- 데이터 참고 사항: 실제 통화에서 텔레메트리에 기반한 에코 발생률을 공개한 플랫폼은 없으므로 본 글은 그런 수치를 싣지 않는다. Microsoft의 논문은 에코를 가장 큰 불만 중 하나로 정성적으로만 서술한다. Microsoft의 두 출처는 2023년 우승 점수에 대해 조금 엇갈린다. ICASSP 2023 대회 논문은 1위 점수를 0.854로 적었지만, DeepVQE 논문의 표는 AEC 우승을 0.852로 적었다. Microsoft의 출처들은 ICASSP 2022 데이터셋에 대해서도 엇갈리는데, ICASSP 2022 논문은 10,000개가 넘는 환경과 장치라고 하지만 ICASSP 2023 논문은 해당 회차를 7,500개로 적었다. ERLE 0.31과 PESQ 0.67이라는 상관은 2021년, 2022년, 2023년 대회 논문에서 동일하며, 이는 세 개의 독립 측정이 아니라 하나의 바탕 연구에서 나온 것임을 시사한다. AECMOS 상관은 모델 버전에 따라 다르다(ICASSP 2022 논문은 원단 에코 PCC를 0.828, 2023년 논문은 0.99로 보고한다). INTERSPEECH 2021 논문은 거의 모든 참가자가 기준선을 이겼다고 하지만, 공개 결과표에서는 순위권 14건 중 10건만 기준선 평균을 웃돈다. 2020년 Speex와 WebRTC 비교의 ERLE 값은 각 논문의 자체 시험 세트와 설정에서 나온 것이다. AEC Challenge 데이터 대부분이 2021년부터 2023년 것인 이유는 AEC-Challenge 저장소가 ICASSP 2023을 최신 회차로 올려 두고 있기 때문이며, P.340(07/2026) 전문과 3GPP TS 26.132 Rel-20 파일이 다음에 확인할 업데이트다.
마지막 업데이트: 2026년 10월 24일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 ITU-T P.340(07/2026)의 전문이 공개될 때로 예상한다.