2021년 Deep Noise Suppression(DNS) Challenge는 총 알고리즘 지연의 상한을 40 ms로 정했지만, 2025년 히어러블 연구는 저전력 DSP에서 신경망 노이즈 억제를 알고리즘 지연 1.25 ms, 종단 간 지연 3.35 ms로 구동했다(Microsoft Research, Interspeech 2021 DNS Challenge 논문; Dementyev 외, arXiv 2025). 모델 크기는 세 자릿수 이상에 걸쳐 분포한다. RNNoise는 가중치 87,503개를 사용하고 GTCRN은 파라미터 23.7K개를 보고하는 반면, Interspeech 2025 URGENT의 1위 시스템은 약 102M을 사용했다. 청취 테스트는 실험실 지표가 놓치는 부분을 계속 드러낸다. 완전한 PercepNet은 포스트필터를 뺀 변형보다 PESQ가 낮았지만(2.54 대 2.73) 청취자 MOS는 더 높았다(4.05 대 3.91). 노이즈 억제는 음성 격리의 절반일 뿐이다. 나머지 절반인 한 화자를 다른 화자들로부터 분리하는 문제는 저희 음성 분리와 칵테일 파티 통계에서 다루고, 이런 도구의 비즈니스 측면은 저희 기업용 노이즈 캔슬링 소프트웨어 통계에서 다룬다. 데이터는 Microsoft Research의 DNS Challenge 논문, ITU-T, Mozilla와 Xiph.Org의 RNNoise 작업, DeepFilterNet 논문, URGENT 챌린지 주최 측, NVIDIA Maxine 문서, 그리고 대학과 산업계의 독립 연구자들로부터 취합했다.
요약
- 1.25 ms 신경망 억제기가 저전력 DSP에서 종단 간 지연 3.35 ms로 동작했다(Dementyev 외, 히어러블 서브밀리초 논문, arXiv 2025).
- RNNoise는 가중치 87,503개로 동작하며, 이는 x86 코어 하나의 약 1.3%에 해당한다(Mozilla, RNNoise 논문, MMSP 2018).
- GTCRN은 파라미터 23.7K개와 초당 39.6 MMACs를 보고한다(Rong 외, GTCRN, ICASSP 2024).
- DeepFilterNet2는 파라미터가 2.306 M이며, Raspberry Pi 4에서도 실시간 계수가 0.42다(Schröter 외, DeepFilterNet2 논문 2022).
- GPU 디노이저는 노트북 GPU에서 10 ms 프레임을 처리하는 데 0.410 ms(p95)가 필요하다(NVIDIA, Maxine AFX SDK 성능 가이드, 벤더 주장).
- PercepNet은 VCTK에서 노이즈 입력의 3.40에 비해 청취자 MOS 4.05를 기록했다(Valin 외, PercepNet 논문, Interspeech 2020).
- Interspeech 2025 URGENT 우승 시스템은 약 102M 파라미터를 사용했으며, 이는 8.5M 베이스라인의 약 12배다(Saijo 외, URGENT 2025 Challenge 논문).
- 0 ms 지연에 도달하기 위해 앞을 예측하자 SI-SDR이 2.8341 dB에서 -3.6493 dB로 떨어졌다(Wang 외, IEEE/ACM TASLP 2022).
- 노이즈 억제기를 위한 3항목 평가 테스트인 ITU-T P.835에는 새 판인 P.835 (07/26)가 있다(ITU-T 권고 P.835 페이지, 2026).
- ICASSP 2026 URGENT Challenge에는 Track 1 등록이 80건 있었고 29개 팀이 유효한 제출을 했다(Li 외, ICASSP 2026 URGENT Challenge 논문).
1. 지연 예산: 실시간 노이즈 억제에 허용되는 지연
알고리즘 지연은 방법 자체에 내장된 지연(분석 프레임의 길이에 미래 오디오에 대한 룩어헤드를 더한 것)이므로, CPU가 더 빨라도 없앨 수 없다. 처리 시간은 별개의 문제다. 실시간 시스템은 다음 프레임이 도착하기 전에 각 프레임의 처리를 끝내기만 하면 된다. 2021년 DNS Challenge는 총 알고리즘 지연의 상한을 40 ms로 정했다. 이는 보청기 기준으로는 넉넉하지만 미래 오디오를 보고 싶어 하는 모델에게는 빠듯하다.
이 40 ms는 오디오가 컴퓨터를 떠나기도 전에 소모된다. 통화에서는 억제기의 지연이 에코 제거, 코덱, 네트워크의 지연과 누적된다. 에코 제어에는 자체 예산과 벤치마크가 있으며, 저희 음향 에코 제거 통계에서 다룬다. 이 규칙은 Interspeech 2021 DNS Challenge 논문에 명시되어 있고, 설계 수치는 PercepNet 논문과 DeepFilterNet3 논문에서 가져왔다.
| 지표 | 값 | 출처 |
|---|---|---|
| DNS Challenge 실시간 규칙: 총 알고리즘 지연(프레임 + 스트라이드 + 룩어헤드)과 프레임당 처리 시간 | 40 ms 이하; 2.4 GHz Intel Core i5 쿼드코어에서 스트라이드 시간 미만(32 ms 프레임에 16 ms 스트라이드, 즉 48 ms는 탈락) | Microsoft Research, ICASSP 2021 및 Interspeech 2021 DNS Challenge 논문 |
| RNNoise의 분석 윈도, 홉, 룩어헤드 | 20 ms 윈도, 10 ms 오프셋; 룩어헤드 10 ms | Mozilla, RNNoise 논문, MMSP 2018; Xiph.Org RNNoise 데모 페이지 2017 |
| PercepNet의 프레임 크기와 룩어헤드 | 10 ms 프레임, 룩어헤드 40 ms | Valin 외, PercepNet 논문, Interspeech 2020 |
| DeepFilterNet3의 알고리즘 지연 | 40 ms(20 ms 윈도, 10 ms 홉, 룩어헤드 2프레임) | Schröter 외, DeepFilterNet3 논문, Interspeech 2023 |
| 초저지연 STFT 설계: 윈도 크기와 그 결과 알고리즘 지연 | 입력 윈도 16 ms, 출력 윈도 4 ms, 홉 2 ms; 지연 4 ms, 한 프레임 앞을 예측하면 2 ms | Wang 외(CMU, MERL), IEEE/ACM TASLP 2022 |
| 일반적인 머신러닝 음성 향상의 알고리즘 지연과 히어러블 목표 비교 | 16~32 ms 대 종단 간 2 ms 미만(알고리즘 지연으로는 약 1 ms 이하) | Dementyev 외, 히어러블 서브밀리초 논문, arXiv 2025 |
| Denoiser v2 GPU 효과: 프레임 크기와 프레임별 완료 임계값(벤더 자체 테스트) | 10 ms 프레임(16 kHz에서 160 샘플); p95 프레임 시간은 10 ms 예산 아래로 유지되어야 함 | NVIDIA, Maxine AFX SDK Windows 성능 가이드(벤더 주장) |
챌린지 규칙에 대해 입수 가능한 최신 데이터: 2021년. 이후 DNS 대회들은 밀리초 정의를 챌린지 웹사이트에 맡긴다. RNNoise와 PercepNet에 대해 입수 가능한 최신 데이터: 2018년과 2020년 논문.
2. 연산량과 모델 크기: 23.7K 파라미터에서 800만까지
GTCRN은 파라미터 23.7K개를 보고하는 반면 PercepNet은 가중치 8M개와 약 800 MMACS를 사용한다. 가중치로는 약 340배(8,000,000 / 23,700) 차이이며, PercepNet 역시 실시간으로 동작하는 모델이다. 실시간 계수(RTF)는 처리 시간을 오디오 길이로 나눈 값이므로, RTF가 1 미만이면 모델이 라이브 오디오를 따라간다는 뜻이다.
실무적인 해석은 이렇다. 노트북에서 신경망 억제를 가로막는 것은 더 이상 연산량이 아니다. RNNoise는 Haswell 세대 노트북 CPU에서 코어 하나의 약 1.3%가 필요했고, PercepNet은 코어의 5% 미만이 필요했다. 열린 문제는 스마트폰, 이어버드, DSP이며, 여기서는 Raspberry Pi 4에서의 RTF 0.42도 여유가 거의 남지 않는다. 수치는 RNNoise 논문, DeepFilterNet2 논문, GTCRN 논문 페이지에서 가져왔다.
| 지표 | 값 | 출처 |
|---|---|---|
| RNNoise의 크기와 CPU 부하 | 가중치 87,503개; 약 40 MFLOPS; Intel i7-4800MQ 코어 하나의 약 1.3%, Raspberry Pi 3 코어 하나의 약 14% | Mozilla, RNNoise 논문, MMSP 2018 |
| 8비트 가중치 대 32비트 부동소수점의 RNNoise 모델 파일, 그리고 속도 | 85 kB 대 340 kB; x86에서 실시간의 약 60배, Raspberry Pi 3에서 약 7배 빠름 | Xiph.Org, RNNoise 데모 페이지 2017 |
| PercepNet의 크기와 CPU 부하 | 가중치 8M개; 약 800 MMACS; Intel i7-8565U 코어 하나의 5.2%(10 ms 프레임), 4.1%(40 ms 프레임) | Valin 외, PercepNet 논문, Interspeech 2020 |
| DeepFilterNet 대 DeepFilterNet2: Core i5-8250U에서의 파라미터, 연산량, RTF | 1.778 M 대 2.306 M; 0.348 대 0.356 GMACs; RTF 0.11 대 0.04(Raspberry Pi 4에서는 0.42) | Schröter 외, DeepFilterNet2 논문 2022 |
| GTCRN의 크기와 연산량 | 파라미터 23.7K개; 초당 39.6 MMACs | Rong 외, GTCRN, ICASSP 2024 |
| UL-UNAS의 크기와 연산량 | 파라미터 169k개; 초당 34M MACs; 룩어헤드 0 ms | Rong 외, UL-UNAS, Neural Networks 2025 |
| RTX 3500 Ada 노트북 GPU에서의 Denoiser v2(벤더 자체 측정) | 10 ms 프레임당 p95 0.410 ms; p50 처리량 실시간의 26.74배; GPU 메모리 215 MiB | NVIDIA, Maxine AFX SDK Windows 성능 가이드(벤더 주장) |
NVIDIA의 디노이저 문서에는 자체 단서 조항이 있다. SNR이 5 dB 미만인 입력은 왜곡된 출력을 낼 수 있다.
3. 벤치마크 품질 점수: 이름이 알려진 모델의 PESQ와 DNSMOS
PESQ는 처리된 오디오를 깨끗한 기준 음성과 비교한다. DNSMOS는 기준 음성 없이도 청취자가 어떻게 평가할지 예측하는 신경망 모델이다. 흔히 쓰는 VoiceBank+DEMAND 테스트 세트에서 PESQ는 처리되지 않은 노이즈 음성의 1.97에서 DeepFilterNet3의 3.17로 올랐고, RNNoise는 신경망 모델 중 하위에 위치했다.
더 유용한 경고는 DNSMOS 행에 있다. DNS4 블라인드 테스트 세트에서 RNNoise는 예측된 음성(SIG) 점수를 노이즈 입력보다 낮추면서 종합 점수는 높였는데, 이는 전형적인 절충이다. 노이즈는 줄지만 목소리는 약간 손상된다. PercepNet 자체 논문은 PESQ에서 반대 문제를 보여준다. 청취자들이 가장 선호한 버전의 PESQ가 더 낮았다. 데이터는 DeepFilterNet3 논문과 UL-UNAS 논문에서 가져왔다.
| 지표 | 값 | 출처 |
|---|---|---|
| VoiceBank+DEMAND PESQ: 노이즈 입력 대 RNNoise 대 DeepFilterNet2(포스트필터 포함) | 1.97 대 2.33 대 3.03 | Schröter 외, DeepFilterNet2 논문 2022 |
| DeepFilterNet3의 VoiceBank+DEMAND PESQ와 STOI | 3.17과 0.944 | Schröter 외, DeepFilterNet3 논문, Interspeech 2023 |
| DNS4 블라인드 세트의 DNSMOS, 음성(SIG)과 종합(OVRL): 노이즈 입력 대 RNNoise 대 DeepFilterNet2 | SIG 4.144 대 3.884 대 4.196; OVRL 3.291 대 3.378 대 3.882 | Schröter 외, DeepFilterNet2 논문 2022 |
| VCTK-DEMAND PESQ: GTCRN 대 PESQ 손실로 학습한 UL-UNAS | 2.87 대 3.09 | Rong 외, UL-UNAS, Neural Networks 2025 |
| DNS3 블라인드 세트 PESQ와 룩어헤드: GTCRN 대 LiSenNet 대 UL-UNAS | 2.10(0 ms) 대 2.23(32 ms) 대 2.28(0 ms) | Rong 외, UL-UNAS, Neural Networks 2025 |
| PercepNet PESQ-WB, 포스트필터 사용 대 미사용 | 2.54 대 2.73 | Valin 외, PercepNet 논문, Interspeech 2020 |
| VCTK 48 kHz에서의 P.808 청취자 MOS: 노이즈 입력 대 RNNoise 대 PercepNet | 3.40 대 3.70 대 4.05 | Valin 외, PercepNet 논문, Interspeech 2020 |
참고: VoiceBank+DEMAND는 규모가 작고 대부분 합성된 테스트 세트이므로, 이 순위는 실제 통화보다 상대적인 진전에 대해 더 많은 것을 말해 준다. 지연 시간에 관심 있는 독자가 눈여겨볼 행은 DNS3로, 룩어헤드가 0인 모델(2.28)이 룩어헤드 32 ms 모델(2.23)보다 PESQ에서 높은 점수를 받았다.
4. 챌린지 결과: DNS 20212023과 URGENT 20252026
2020년부터 2026년까지의 챌린지 결과는 우승자조차 노이즈 입력 대비 측정된 개선폭이 작다는 것을 보여준다. ICASSP 2021에서 최고 모델은 노이즈 입력보다 겨우 0.53 DMOS(평균 의견 점수의 차이) 나았을 뿐이며, 주최 측은 이 노이즈 입력을 절대 MOS 3.38로 추정했고 베이스라인을 넘은 제출은 절반뿐이었다. Teams가 음성 격리로 제공하는 개인화 억제는 사용자 목소리의 샘플을 등록하고 다른 화자도 제거한다. ICASSP 2022 개인화 부문에서는 음성 점수를 개선한 팀이 없었다. Teams에서 음성 격리는 관리자 정책에서 기본적으로 활성화되어 있으며 음성 프로필은 사용자 기기에 저장된다(Microsoft Learn, Teams 음성 격리 관리자 페이지, 2026년 갱신).
URGENT(‘범용’ 음성 향상)는 노이즈 억제보다 범위가 넓다. 잔향, 클리핑, 코덱 손실, 패킷 손실, 바람 소리를 더하고 8~48 kHz 입력을 받는다. 2025년 결과는 모델 크기가 섹션 2와는 반대 방향으로 움직이고 있음을 보여준다. 출처: ICASSP 2021 DNS 논문, ICASSP 2022 DNS 논문, ICASSP 2023 DNS 논문, URGENT 2025 논문, URGENT 2026 논문.
| 지표 | 값 | 출처 |
|---|---|---|
| Interspeech 2020 DNS 실시간 부문: PercepNet의 순위와, 노이즈 입력 및 베이스라인 대비 P.808 MOS | 2위; 3.52 대 3.01 대 3.03 | Valin 외, PercepNet 논문, Interspeech 2020 |
| ICASSP 2021 DNS Track 1: 팀 수와 노이즈 입력 대비 최고 결과 | 16개 팀; 최고 모델이 노이즈 입력보다 0.53 DMOS 우수(절대 MOS 3.38); 제출의 절반이 베이스라인을 넘음 | Microsoft Research, ICASSP 2021 DNS Challenge 논문 |
| Interspeech 2021 DNS: 최고 종합 MOS 대 완벽한 노이즈 제거 시의 상한; 음성 점수 | 약 3.78 대 3.92; 상위 두 팀을 제외한 대부분의 팀은 음성 MOS가 노이즈 입력보다 낮음 | Microsoft Research, Interspeech 2021 DNS Challenge 논문 |
| ICASSP 2022 개인화(음성 격리) 부문: 등록 길이와 노이즈 입력 대비 결과 | 화자당 2.5분; SIG를 개선한 팀 없음; 단어 정확도 2% 악화 | Microsoft Research, ICASSP 2022 DNS Challenge 논문 |
| ICASSP 2023 DNS: 제출 수와 노이즈 블라인드 세트 대비 우승 Score 향상폭, 헤드셋 대 스피커폰 | 11건과 11건; 0.145 대 0.141 | Microsoft Research, ICASSP 2023 DNS Challenge 논문 |
| Interspeech 2025 URGENT: 제출 수와 우승 시스템 대 베이스라인의 크기 | 제출 32건; 약 102M 대 약 8.5M 파라미터 | Saijo 외, Interspeech 2025 URGENT Challenge 논문 |
| Interspeech 2025 URGENT: 순수 생성형 시스템의 MOS, 종합 순위, 중국어와 일본어 문자 정확도 | 가장 높은 MOS(3.69)지만 13위; 20.1%와 36.8% | Saijo 외, Interspeech 2025 URGENT Challenge 논문 |
| ICASSP 2026 URGENT: Track 1 등록 수, 유효 팀 수, 블라인드 테스트 규모 | 등록 80건; 두 부문에 걸쳐 유효한 제출이 있는 팀 29개; 학습에 쓰이지 않은 5개 언어를 포함한 840개 샘플 | Li 외, ICASSP 2026 URGENT Challenge 논문 |
Interspeech 2021 행의 상한 3.92는 주최 측 자체 계산이다. 노이즈가 완벽한 5로 평가되고 음성이 노이즈 클립과 같은 품질로 유지된다면 종합 MOS는 이 값에서 한계에 도달한다. 2021년까지 우승자들은 노이즈 대부분을 제거했고 남은 격차는 음성 품질에 있었다. ICASSP 2023의 Score는 0.5 × [WAcc + 0.25 × (OVRL - 1)]이므로 단어 정확도와 청취자 품질에 같은 가중치를 둔다.
5. 품질 측정: ITU-T P.835, P.808, DNSMOS
ITU-T P.835는 청취자에게 음성 신호(SIG), 배경 노이즈(BAK), 종합 품질(OVRL)을 따로 평가하게 한다. 이 구분은 노이즈 억제에서 중요한데, 한 모델이 같은 클립에서 노이즈는 이기고 목소리는 질 수 있기 때문이다. DNSMOS는 모델별 PCC 0.93으로 사람의 평가를 따라갔으며, PESQ는 0.78, SDR은 겨우 0.23이었다. DNS 주최 측이 PESQ에 의존하지 않고 청취자 평가로 지표를 학습시킨 이유가 이것이다.
문제는 세분성이다. DNSMOS의 P.835 버전은 모델 전체로 평균 낸 경우보다 단일 클립에서 훨씬 약하므로, 단일 클립의 DNSMOS 수치는 판결이 아니라 힌트로 봐야 한다. 같은 논리가 합성 음성에도 적용되며, 저희 합성 음성 자연스러움 MOS 통계에서 다룬다. 출처: ITU-T P.835 페이지, ITU-T P.808 페이지, DNSMOS 논문, DNSMOS P.835 논문.
| 지표 | 값 | 출처 |
|---|---|---|
| ITU-T P.835 판 | P.835 (07/26) 유효, 사전 공개; P.835 (11/03) 대체됨 | ITU-T 권고 P.835 페이지, 2026년 10월 열람 |
| ITU-T P.808 판 | P.808 (06/21) 유효; P.808 (06/18) 대체됨 | ITU-T 권고 P.808 페이지, 2026년 10월 열람 |
| 모델별 DNSMOS와 청취자의 상관(PCC) 대 PESQ, POLQA, SDR; DNSMOS P.835 종합, 모델 수준 대 단일 클립 | 0.93 대 0.78, 0.79, 0.23; 0.98 대 0.82 | Reddy 외, Microsoft, DNSMOS(2020) 및 DNSMOS P.835(2021) 논문 |
| PercepNet 청취 테스트: VCTK 샘플 수와 샘플당 청취자 수; DNS 테스트 클립당 청취자 수 | 샘플 824개, 각 청취자 8명(95% 신뢰구간 0.04); 각 청취자 10명(95% 신뢰구간 0.02) | Valin 외, PercepNet 논문, Interspeech 2020 |
| URGENT 2025 주관 평가 방법과 범위 | Amazon Mechanical Turk에서의 ITU-T P.808 절대 범주 평가; 영어 데이터만 사용 | Saijo 외, Interspeech 2025 URGENT Challenge 논문 |
| ICASSP 2026 URGENT 청취 테스트와 MOS 예측 데이터 | 상위 6개 시스템을 P.808 ACR 및 CCR로 평가; 16개 시스템에서 MOS 주석이 달린 샘플 8,000개 | Li 외, ICASSP 2026 URGENT Challenge 논문 |
P.835 개정은 여기서 가장 최신 항목이다. 2003년 판은 P.835 (07/26)으로 대체되었고, 그 제목은 이제 ‘노이즈 억제 기능을 제공하는’ 단말을 포괄한다. 우리가 확인했을 때 전문이 아직 공개되지 않았으므로, 방법의 변경 사항은 위 수치에 반영되어 있지 않다.
6. 지연 시간 대 품질의 절충
지연을 줄이면 품질과 연산량이 동시에 희생된다. 2025년 히어러블 연구에서 1 ms 모델은 840 MIPS가 필요했고 16 ms 오버랩-애드 모델은 105 MIPS면 충분했으며, 그럼에도 16 ms 모델의 점수가 더 높았다(CHiME-2에서 DNSMOS OVRL 2.35 대 2.13). 이전의 CMU와 MERL 연구도 PESQ에서 같은 양상을 발견했고, 0 ms에 도달하기 위해 오디오보다 앞서 예측하려 하면 SI-SDR이 무너진다는 것을 보여주었다.
히어러블 연구의 해법은 윈도를 줄이는 대신 출력 필터를 바꾸는 것이었다. 최소 위상 FIR 설계는 SI-SDR을 0.32~1.25 ms 구간에서 거의 일정하게 유지했고 종단 간 지연을 7.1 ms에서 3.35 ms로 줄였다. 라이브 채팅은 히어러블보다 지연에 훨씬 관대하지만, 억제기의 지연은 다른 모든 단계에 더해진다. 예를 들어 Discord 보이스 체인저 체인에 이펙트를 겹쳐 쓰는 경우가 그렇다. 데이터는 히어러블 논문과 초저지연 STFT 논문에서 가져왔다.
| 지표 | 값 | 출처 |
|---|---|---|
| CHiME-2의 DNSMOS OVRL: 미처리 대 1 ms 대 2 ms 대 4 ms 대 16 ms 모델 | 1.3 대 2.13 대 2.25 대 2.28 대 2.35 | Dementyev 외, 히어러블 서브밀리초 논문, arXiv 2025 |
| CHiME-2의 SI-SDR: 1 ms 대 2 ms 대 16 ms 모델 | 8.0 dB 대 11.10 dB 대 12.98 dB | Dementyev 외, 히어러블 서브밀리초 논문, arXiv 2025 |
| 1 ms 모델 대 16 ms 오버랩-애드 모델의 연산량 | 840 MIPS 대 105 MIPS | Dementyev 외, 히어러블 서브밀리초 논문, arXiv 2025 |
| 제안된 1.25 ms Deep FIR 모델: NXP i.MX RT600에서의 파라미터, 연산량, 종단 간 지연 | 파라미터 626k개; 376 MIPS; 3.35 ms | Dementyev 외, 히어러블 서브밀리초 논문, arXiv 2025 |
| 단일 마이크 PESQ, 사각 윈도 시스템: 미처리 대 4 ms 대 2 ms 대 0 ms(앞을 예측) | 1.44 대 1.8997 대 1.84575 대 1.7138 | Wang 외(CMU, MERL), IEEE/ACM TASLP 2022 |
| 단일 마이크 SI-SDR, 사각 윈도 시스템, 4 ms 대 0 ms(앞을 예측) | 2.8341 dB 대 -3.6493 dB | Wang 외(CMU, MERL), IEEE/ACM TASLP 2022 |
| 마이크 6개 PESQ, 4 ms 대 2 ms(같은 2단계 시스템) | 2.698490 대 2.47482 | Wang 외(CMU, MERL), IEEE/ACM TASLP 2022 |
| DeepFilterNet 윈도 크기 테스트: 복소 비율 마스크의 품질이 떨어지기 시작하는 지점 | 20 ms 이하의 FFT 윈도(딥 필터링은 5~30 ms에서 안정적) | Schröter 외, DeepFilterNet 논문, ICASSP 2022 |
이상치 관련 참고: 히어러블 연구의 1 ms 이하 모델은 대상 DSP에서 실시간으로 동작하지 못했으므로, 그 종단 간 수치는 저자들의 추정치다.
숫자로 보는 신경망 노이즈 억제와 AI 음성 격리 지연 시간
| 지표 | 값 | 출처 |
|---|---|---|
| 저전력 DSP에서 실시간 동작하는 히어러블용 Deep FIR 모델 | 알고리즘 1.25 ms, 종단 간 3.35 ms | Dementyev 외, arXiv 2025 |
| ICASSP 2026 URGENT 블라인드 테스트 규모 | 학습에 쓰이지 않은 5개 언어를 포함한 840개 샘플 | Li 외, ICASSP 2026 URGENT Challenge 논문 |
| RNNoise 가중치 | 87,503 | Mozilla, RNNoise 논문, MMSP 2018 |
| GTCRN 파라미터와 연산량 | 23.7K; 초당 39.6 MMACs | Rong 외, GTCRN, ICASSP 2024 |
| UL-UNAS 파라미터와 룩어헤드 | 169k; 0 ms | Rong 외, UL-UNAS, Neural Networks 2025 |
| VoiceBank+DEMAND PESQ, 노이즈 입력 대 DeepFilterNet3 | 1.97 대 3.17 | Schröter 외, DeepFilterNet2 및 DeepFilterNet3 논문 |
| 노트북 GPU에서 10 ms 프레임당 Denoiser v2 p95 시간(벤더 주장) | 0.410 ms | NVIDIA, Maxine AFX SDK 성능 가이드 |
| VCTK에서 PercepNet 청취자 MOS 대 노이즈 입력 | 4.05 대 3.40 | Valin 외, PercepNet 논문, Interspeech 2020 |
| URGENT 2025 우승 시스템 대 베이스라인의 크기 | 약 102M 대 8.5M 파라미터 | Saijo 외, URGENT 2025 Challenge 논문 |
| URGENT 2025 생성형 시스템: 청취자 MOS 대 종합 순위 | 3.69(최고) 대 13위 | Saijo 외, URGENT 2025 Challenge 논문 |
| ICASSP 2026 URGENT 유효 팀 | 29 | Li 외, ICASSP 2026 URGENT Challenge 논문 |
| 지연 4 ms 대 0 ms에서의 단일 마이크 PESQ | 1.8997 대 1.7138 | Wang 외, IEEE/ACM TASLP 2022 |
| 최신 ITU-T P.835 판 | P.835 (07/26), 유효(사전 공개) | ITU-T 권고 P.835 페이지 |
| 유효한 ITU-T P.808 판 | P.808 (06/21) | ITU-T 권고 P.808 페이지 |
| 8비트 가중치를 쓴 RNNoise 모델 크기 | 85 kB | Xiph.Org, RNNoise 데모 페이지 2017 |
| x86에서의 RNNoise 속도 | 실시간의 약 60배 빠름 | Xiph.Org, RNNoise 데모 페이지 2017 |
방법론과 출처
- Microsoft(Research 논문 및 Learn 문서): ICASSP 2021 DNS Challenge 논문(2020), Interspeech 2021 DNS Challenge 논문(2021), ICASSP 2022 DNS Challenge 논문(2022), ICASSP 2023 DNS Challenge 논문(2023), Reddy 외 DNSMOS(2020) 및 DNSMOS P.835(2021), 그리고 Teams 음성 격리 관리자 페이지(2026년 갱신).
- ITU-T, 권고 P.835 및 권고 P.808, 2026년 10월 열람.
- Mozilla, RNNoise 논문(MMSP 2018) 및 Xiph.Org RNNoise 데모 페이지(2017).
- Valin 외, PercepNet 논문(Interspeech 2020).
- Schröter 외, DeepFilterNet(ICASSP 2022), DeepFilterNet2(2022) 및 DeepFilterNet3(Interspeech 2023).
- Rong 외, GTCRN(ICASSP 2024) 및 UL-UNAS(Neural Networks 2025).
- Wang 외(CMU, MERL), STFT-Domain Neural Speech Enhancement with Very Low Algorithmic Latency(IEEE/ACM TASLP 2022).
- Dementyev 외, Towards Sub-millisecond Latency Real-Time Speech Enhancement Models on Hearables(arXiv v2, 2025년 3월).
- Saijo 외, Interspeech 2025 URGENT Challenge(2025) 및 Li 외, ICASSP 2026 URGENT Challenge(2026).
- NVIDIA, Maxine AFX SDK 성능 가이드 및 디노이저 효과 페이지(벤더 문서, 벤더 주장으로 표기).
- 데이터 참고 사항: DNS Challenge 데이터 대부분은 2020~2023년의 것이다. ICASSP 2023 논문은 우리가 찾은 가장 최근의 DNS Challenge 보고서이므로, 이 벤치마크 시리즈에서 입수 가능한 최신 데이터다. VoiceBank+DEMAND에서 RNNoise의 PESQ는 DeepFilterNet2 표에서는 2.33이지만 PercepNet과 UL-UNAS 표에서는 2.29다. GTCRN은 ICASSP 2024 초록에서는 파라미터 23.7K개와 39.6 MMACs로 나오지만, UL-UNAS 논문은 갱신된 저장소 수치인 파라미터 48k개와 34 MMACs를 인용한다. DeepFilterNet2는 RTF 0.04, DeepFilterNet3는 같은 Core i5-8250U에서 RTF 0.19(단일 스레드)를 보고하므로 스레딩 또는 측정 설정이 다르다. 히어러블 논문은 가장 짧은 지연으로 초록에서는 0.32 ms, 서론에서는 0.34 ms를 제시한다. CMU와 MERL 저지연 논문의 값은 해당 표에 인쇄된 정밀도 그대로 인용한다. 벤더의 GPU 수치는 노트북 GPU 한 대에서 나온 것이며 보증 값이 아니다. 2022년과 2023년 DNS 대회의 팀별 SIG, BAK, OVRL 값은 차트로만 존재하므로 옮겨 적지 않았다. ITU-T P.835 (07/26)의 전문은 아직 공개되지 않았다.
마지막 업데이트: 2026년 10월 25일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 ICASSP 2026 URGENT Challenge 논문집과 ITU-T P.835 (07/26)의 공개 본문을 입수할 수 있게 되는 시점으로 예상한다.