요약

  • 새draft-nygate-ippm-mrl-00문서는 마지막 전송 음성 샘플부터 응답 시작까지를 측정하는 입에서 귀까지 응답 지연(Mouth-to-Ear Response Latency)을 호출 단말의 단일 단조 시계로 정의합니다.
  • 패킷 도착 시점과 버퍼 재생 시점 결과를 모두 요구하며, 시작 시점 임계값 불확실성, 첫 소리 이후의 연속성, 교정(calibration), 턴 인덱스, 시도/보고/폐기 전체 분모를 요구합니다.
  • 이 제안은 채택된 IPPM 문서도, 등록된 지표도 아닌 활성 개인 인터넷 드래프트이며, 답변이 정확한지 유용한지가 아니라 시간만을 측정합니다.

구간 없는 밀리초 숫자

두 음성 에이전트를 상상해 보십시오. 하나는 420밀리초 후 짧은 "음"을 내보내고 반 초간 침묵한 뒤 960밀리초에 답변을 시작합니다. 다른 하나는 720밀리초에 끊김 없는 답변이 시작될 때까지 조용히 있습니다. 첫 소리에서 측정을 멈추는 감지기는 첫 번째 시스템이 더 빠르다고 판정합니다. 실제 전화 사용자는 반대 결론에 도달할 수 있습니다.

이것은 단순한 취향 논쟁이 아닙니다. 두 측정은 서로 다른 이벤트에서 끝납니다. 첫 번째는 음향적 시작점을 기록하고, 두 번째는 지속 응답의 시작에 더 가깝습니다. 그 숫자를 만들어낸 규칙에서 분리되는 순간, 어느 숫자도 스스로를 설명할 수 없습니다.

새 개인 인터넷 드래프트Mouth-to-Ear Response Latency for Conversational Voice Systems는 그 숨겨진 규칙이 결과와 함께 이동하도록 만들려 합니다. Datatracker는 2026년 9월 7일에 업로드 및 접수된 리비전 00을 기록하고 있습니다. 저자는 이를 Informational로 표시하고 IPPM, DISPATCH, Independent Submission을 가능한 소속지로 언급합니다. 채택된 IPPM 문서도, IETF 합의 결과도, IANA에 등록된 지표도 아닙니다. 오늘날 이 문서의 가치는 검토 중인 검증 가능한 명세라는 점에 있습니다.

이 드래프트는 입에서 귀까지 응답 지연(MRL)을t1 - t0으로 정의합니다. 시작점t0은 사전 녹음된 호출자 자극 음성의 마지막 샘플이 호출자의 RTP 경계에서 전송되는 순간입니다. 이 샘플은 오프라인으로 주석 처리되고, 해당 RTP 패킷에 매핑되며, 프레임 내 위치가 파악됩니다. 런타임 음성 활동 감지(VAD)로는 이 경계를 정의할 수 없습니다. 감지기 자체의 판단 지연이 측정하려는 시스템 구간의 일부이기 때문입니다. 시작점을 나중으로 옮기면 모든 결과가 더 빨라 보입니다.

끝점t1은 같은 단말에서 관측된 첫 응답 샘플입니다. 두 타임스탬프는 한 호스트의 단일 단조 시계에서 나옵니다. 이는 기기 간 단방향 측정의 시계 오프셋 문제를 피합니다. 네트워크 지연을 제거하지는 않으며, 경로와 테스트 대상 시스템이 하나의 짝으로 측정된다는 점을 명확히 합니다.

MRL은 부호를 가집니다. 백채널(backchannel)을 먼저 내보내거나 발화 끝을 공격적으로 예측하는 시스템은 응답 오디오가 자극이 끝나기 전에 도착할 수 있어 음수 결과가 나올 수 있습니다. 드래프트는 이 관측값을 0으로 고정하지 말고 그대로 보존하라고 말합니다. 음수는 실제 동작을 설명할 수도 있고, 인사말이 응답으로 잘못 감지된 결과일 수도 있습니다. 캡처와 감지 경계가 어느 쪽인지 결정합니다.

도착과 재생은 서로 다른 근거

이 제안은 끝 시점을 두 가지 버전으로 요구합니다. 인그레스(ingress) MRL은 버퍼링 이전, 패킷이 도착할 때 시작 샘플을 관측합니다. 여기에는 지터를 포함한 시스템과 경로의 기여가 드러납니다. 플레이아웃(playout) MRL은 선언된 목표 깊이의 지터 제거 버퍼에서 해당 샘플이 재생되는 시점을 관측합니다. 호출자가 체감하는 대기에 더 가깝지만, 단말의 버퍼링 정책까지 포함합니다.

어느 쪽도 단독으로 사용될 수 없습니다. 인그레스는 사람이 체감하는 대기를 과소 보고할 수 있습니다. 플레이아웃은 측정 클라이언트 하나가 더 깊은 버퍼를 선택한 것만으로 시스템을 느려 보이게 만들 수 있습니다. 두 값을 함께 담지 않은 헤드라인은 차이가 서비스 쪽인지 관측자 쪽인지 구분해 줄 수 없습니다.

기준점도 같은 이유로 중요합니다. RTP 단말, 호스트 패킷 캡처, 브리지 녹음, 통신사 녹음, 단말 오디오 장치는 각각 서로 다른 스택, 릴레이, 트랜스코딩, 버퍼링, 하드웨어를 구간 안에 넣습니다. 드래프트는 선언된다면 다른 관측점을 허용합니다. 다만 추가된 요소들이 특성 분석되지 않았다면 그 결과는 상한이며, RTP 단말 수치와 함께 합산·풀링되어서는 안 됩니다.

바로 여기서 겉보기에 정밀한 순위가 거버넌스 주장으로 바뀝니다. 벤더는 구간 정의를 비워 둔 채 소수점 세 자리를 게시할 수 있습니다. 산술적 정밀도가 근거의 비교 가능성을 대신하지는 못합니다.

첫 오디오는 측정 지름길이 될 수 있다

합성 음성은 풀 레벨에서 시작하기보다 서서히 레벨이 올라가는 경우가 많습니다. 따라서 "첫 샘플"에는 임계값이 필요합니다. 드래프트는 민감형, 헤드라인형, 엄격형 시작 변형을 규정하고, 그 MRL 값들 사이의 차이를 시작 정의 불확실성으로 게시하도록 요구합니다. 완만한 램프는 더 넓은 불확실성 대역을 만듭니다. 헤드라인 수치에는 이 값이 없으면 불완전합니다.

인사말에는 별도의 경계가 필요합니다. 감지기가 수신 스트림 전체를 훑으면 호출자 자극보다 앞서 말한 오디오를 선택할 수 있습니다. 드래프트는 실제 900밀리초 응답이 800밀리초 인사말이 선택되면서 겉보기에 유효한 음수가 된 기준 캡처 사례를 설명합니다. 자극 없는 오디오는 응답 감지가 시작되기 전에 끝나야 합니다.

다음은 채움 음입니다. 알림음, 숨소리, 채움 표현은 아무 의미를 전달하지 않으면서 첫 오디오 MRL을 낮출 수 있습니다. 드래프트는 의미 분류기를 의도적으로 피합니다. 외부 검증자가 공개된 캡처에서 "의미"를 신뢰할 수 있게 재도출할 수 없기 때문입니다. 대신 연속성을 사용합니다. 첫 시작 이후 2000밀리초 내에서 가장 긴 임계값 미만 구간을 찾고, 그 침묵이 150밀리초를 넘으면 응답을 비연속으로 표시하고 최종 연속 구간의 시작에서 두 번째 MRL을 보고합니다.

이 상수들이 절대적인 것은 아닙니다. 저자는 실제 채움 음 코퍼스가 이 값들에 반영되지 않았음을 명시하고, 검토자들에게 그 값이 맞는지 묻고 있습니다. 그 불확실성이 중요합니다. 이 제안은 머뭇거림과 답변 사이의 보편적 경계를 발견한 것이 아니라, 반증 가능한 규칙을 제시한 것입니다.

분모는 백분위와 함께 있어야 한다

측정 묶음은 두 지연 값보다 넓습니다. 코덱, 프레임 주기, 버퍼 목표, 임계값 파라미터, 자극 식별자와 해시, 교정 조건, SUT 식별자, 권장 구성 해시, 권고 플래그, 턴 인덱스가 포함됩니다. 원시 페이로드와 원시 타임스탬프를 보관하므로 검증자가 통화를 다시 수집하지 않고도 다른 시작 규칙으로 재실행할 수 있습니다.

첫 턴과 이후 턴은 조용히 합쳐져서는 안 됩니다. 첫 교환에는 세션 설정, 차가운 모델 상태, 비어 있는 캐시, 아직 열리지 않은 연결이 포함될 수 있습니다. 이후 턴은 누적된 컨텍스트의 이점을 얻을 수 있습니다. 둘 다 실제이지만 서로 다른 운영 질문에 답합니다. 분포에는 어느 턴 인덱스를 담는지 반드시 밝혀야 합니다.

또한 시도, 보고, 폐기된 시행 수를, 폐기 사유가 폐기 수의 합과 맞도록 보고해야 합니다. 시작이 감지되지 않은 사례를 모두 제거한 실행은 신뢰성 실패를 숨긴 채 생존자들에게 유리한 백분위를 낼 수 있습니다. 패킷 손실과 지연 폐기는 권고 조건으로 계속 드러나며, 시작 프레임이 손실되면 그 숫자는 상한이 됩니다.

교정은 숫자와 근거 사이의 또 다른 선입니다. 기준 응답기는 프로그램된 지연 후에 응답을 내보냅니다. 측정 장비는 명시된 조건에서 편향과 오차를 보고합니다. 교정되지 않은 장치는 그 사실을 생략할 수 없으며, 그 수치는 상한으로 남습니다. 드래프트는 프레임 정렬된 지연에서만 교정하면 프레임 양자화 오류가 숨겨질 수 있다고까지 경고합니다.

이 지표가 결정할 수 없는 것

MRL에는 응답의 정확성, 인식 정확도, 관련성, 유용성에 대한 판단이 담겨 있지 않습니다. 시스템은 빠르게, 그러나 틀리게 답할 수 있습니다. 유창한 발화를 신속하게 시작하면서도 여전히 환각을 일으킬 수 있습니다. 이런 결과들은 서로 다른 도구가 필요하며 지연 값에서 추론할 수 없습니다.

능동 측정은 무결점 활동도 아닙니다. 다른 운영자의 서비스에 대해 승인 없이 호출을 생성하면 약관을 위반할 수 있고, 규모가 커지면 서비스 거부 공격과 유사해질 수 있습니다. 캡처에는 자극과 응답 오디오가 담기며, 녹음된 사람 음성은 개인 정보 및 생체 정보적 의미를 가질 수 있습니다. 합성 또는 동의된 소재, 접근 통제, 보관 기간 한도가 측정 설계에 포함되어야 합니다.

따라서 제안된 보고서는 보편적인 순위 기계가 아니라 최소 근거 패키지입니다. 관측 가능한 경계들을 분리해 유지합니다. 최종 호출자 발화, 패킷 도착, 버퍼 재생, 첫 소리, 연속 발화, 구성 식별, 생존 샘플 집합. 이것이 유용한 소식입니다. 구매자는 어느 시스템이 가장 작은 숫자를 냈는지만 물어서는 안 됩니다. 그 이전 질문은 이 숫자들이 같은 이벤트를 설명하는지 여부입니다.

출처