목소리에서 스트레스를 발견할 수 있을까?
사람이 스트레스를 받으면 목소리도 달라질까요?
Minsoo · Founder & CEO
Voice AI읽기 14 분
긴장한 사람의 목소리를 떠올려보면 어느 정도 직관적으로 이해할 수 있습니다.
평소보다 말이 빨라지기도 하고, 목소리가 높아지기도 합니다. 반대로 말수가 줄거나 긴 침묵이 생기는 사람도 있습니다.
그렇다면 한 단계 더 나아가 이런 질문을 던질 수 있습니다.
사람이 직접 “나 지금 스트레스받고 있어요”라고 말하지 않아도, 목소리의 변화를 통해 스트레스와 관련된 신호를 발견할 수 있을까?
최근 연구들을 보면 가능성은 분명히 존재합니다.
2025년 발표된 체계적 문헌고찰 및 메타분석에서는 급성 스트레스가 음성의 기본주파수(F0)에 유의한 영향을 미쳤으며, 전체 효과크기는 중간 수준으로 나타났습니다.
또 다른 2025년 체계적 검토에서는 스트레스와 관련해 F0와 음성 강도의 증가, 발화 지속시간 감소 등의 패턴이 보고됐습니다. 다만 모든 정서나 모든 음향 특성에서 일관된 결과가 나타난 것은 아니었습니다.
즉, 목소리는 스트레스와 관련된 정보를 담고 있을 가능성이 있습니다. 하지만 여기에는 아주 중요한 조건이 붙습니다.
목소리 하나만으로 사람의 스트레스를 확정적으로 판단할 수 있다는 뜻은 아닙니다.이번 글에서는 그 차이를 살펴보겠습니다.
01. Problem
스트레스를 받으면 왜 목소리가 달라질까?
목소리는 단순한 소리가 아닙니다. 우리가 말하기 위해서는 호흡, 성대, 후두, 혀, 입술 등 여러 기관이 함께 움직여야 합니다.
스트레스가 발생하면 우리의 생리적 상태도 변화합니다. 심박이나 호흡이 달라질 수 있고, 근육 긴장 역시 변할 수 있습니다. 이러한 변화는 발성 과정에도 영향을 줄 가능성이 있습니다.
특히 스트레스 상황에서 후두 주변의 근육 긴장이 변화하면 성대의 진동 특성이 달라질 수 있고, 결과적으로 음높이와 같은 음향적 특징에도 변화가 나타날 수 있습니다.
실제로 2025년 메타분석은 급성 스트레스가 음성의 Fundamental Frequency(F0)에 유의한 영향을 미쳤다고 보고했습니다.
F0는 무엇일까?
음성 AI 논문을 읽다 보면 가장 자주 만나는 단어 중 하나가 F0, Fundamental Frequency입니다. 한국어로는 기본주파수라고 부릅니다.
쉽게 생각하면 목소리의 높낮이, 즉 우리가 느끼는 pitch와 밀접하게 관련된 음향적 특성입니다. 성대가 빠르게 진동할수록 F0가 높아집니다.
급성 스트레스 상황에서는 후두 근육의 긴장 등이 변화하면서 F0가 증가할 가능성이 제안되어 왔습니다. 2025년 메타분석에서도 급성 스트레스와 F0 변화 사이에서 SMD 0.55의 중간 정도 효과크기가 보고됐습니다.
그렇다면 질문 하나가 생깁니다. F0만 측정하면 스트레스를 알 수 있을까요? 답은 훨씬 복잡합니다.
02. Why it matters
목소리에서는 무엇을 측정할 수 있을까?
Voice AI에서는 음성에서 다양한 특징을 추출할 수 있습니다.
1. Fundamental Frequency, F0
목소리의 기본적인 높낮이입니다. 스트레스 상황에서 증가하는 경향이 여러 연구에서 보고됐지만 사람과 상황에 따라 결과가 달라질 수 있습니다.
2. Speech Rate
말하는 속도입니다. 예를 들어 1초 동안 얼마나 많은 음절이나 단어를 말하는지를 분석할 수 있습니다. 스트레스나 각성 수준이 달라지면 발화 속도 역시 변할 가능성이 있지만, 방향은 상황과 개인에 따라 달라질 수 있습니다. 그래서 “빠르게 말한다 = 스트레스”라는 단순한 공식으로 사용할 수는 없습니다.
3. Pause / Silence
말하는 동안 얼마나 자주, 얼마나 오래 멈추는가입니다. 텍스트로 보면 같은 내용이라도 음성에서는 pause frequency, pause duration, silence ratio 같은 특성이 상당히 다른 정보를 담을 수 있습니다.
4. Intensity / Energy
쉽게 표현하면 목소리가 얼마나 강하게 발성되는가와 관련된 특성입니다. 2025년 체계적 검토에서는 스트레스 상황에서 F0와 함께 음성 강도가 증가하는 경향도 보고됐습니다. 하지만 이 역시 마이크 거리나 주변 소음의 영향을 매우 쉽게 받을 수 있습니다.
5. Jitter
성대 진동 주기의 미세한 불규칙성입니다. 사람의 성대는 기계처럼 완벽하게 같은 주기로 진동하지 않으며, 이 작은 시간 차이를 측정한 값 중 하나가 Jitter입니다.
6. Shimmer
시간 대신 진폭의 변화를 봅니다. 각 성대 진동에서 음성의 크기가 얼마나 불규칙하게 달라지는지를 나타내는 특성입니다. 실험적 스트레스 상황에서 F0와 HNR이 증가하고 shimmer가 감소한 연구도 있지만, 모든 연구에서 동일한 방향으로 나타난다고 일반화해서는 안 됩니다.
7. HNR
Harmonics-to-Noise Ratio. 목소리에 포함된 규칙적인 harmonic 성분과 noise 성분의 비율로, 목소리가 얼마나 규칙적이고 깨끗하게 구성되어 있는지와 관련된 음향 지표 중 하나입니다.
결국 음성 하나에는 굉장히 많은 정보가 들어 있습니다. Acoustic Feature Vector를 만들고 Pattern Analysis로 이어가는 접근을 활용해 스트레스뿐 아니라 우울, 정서 상태, 피로, 일부 신경학적 질환 등을 연구하려는 시도가 계속되고 있습니다.
03. Approach
그런데 왜 아직 병원에서 목소리로 진단하지 않을까?
가능성이 있다는 것과 충분히 검증된 임상적 바이오마커라는 것은 완전히 다른 단계입니다.
음성은 굉장히 많은 것의 영향을 받습니다. 오늘 목소리가 평소와 다르게 나왔다면 원인은 스트레스일 수도 있지만, 수면 부족, 감기, 카페인, 음주, 운동, 주변 소음, 다른 마이크, 평소보다 큰 발성 등일 수도 있습니다.
같은 음성 변화가 여러 원인에서 나타날 수 있다는 점이 음성 바이오마커 연구의 핵심적인 어려움 중 하나입니다.
실제로 최신 연구에서도 결과는 완벽하게 일관되지 않습니다
우울증과 음성 특성의 관계에서도 가능성을 보여주는 연구가 많이 존재하지만, 2026년 발표된 체계적 문헌고찰·메타분석에서는 우울군의 평균 F0가 대조군보다 낮은 경향은 있었으나 메타분석상 통계적으로 유의하지 않았습니다.
이는 Voice AI 연구에서 우리가 가져야 할 태도를 잘 보여줍니다. 논문 하나에서 차이가 발견됐다고 해서, 모든 사람에게 사용할 수 있는 바이오마커가 발견됐다고 곧바로 넘어갈 수 없습니다. 연구 대상자, 언어, 성별, 연령, 녹음 환경, 발화 과제, 마이크, 특징 추출 방식, 통계 모델 등이 달라지면 결과 역시 달라질 수 있습니다.
그래서 ‘누구와 비교하느냐’가 중요합니다
원래 말이 빠르고 목소리가 높은 사람과, 천천히 말하고 목소리가 낮은 사람의 F0와 Speech Rate를 단순 비교하면 전자가 훨씬 높은 값을 보일 가능성이 있습니다. 그렇다고 전자가 더 스트레스가 높다고 판단할 수 없습니다. 사람마다 원래 목소리가 다르기 때문입니다.
04. Implementation / Research
그래서 SYMPLE은 Personal Baseline을 중요하게 봅니다
우리가 더 관심을 가지고 있는 것은 사람과 사람 사이의 차이가 아닙니다. 한 사람 안에서 발생하는 변화입니다.
예를 들어 어떤 사람의 평소 F0가 145–155Hz 범위라면 Personal Baseline은 대략 149 근처일 수 있습니다. 어느 시점부터 159 → 164 → 168처럼 지속적인 변화가 나타난다면, 중요한 질문은 “168이라는 숫자가 높은가?”보다 “이 사람의 평소 패턴에서 지속적으로 벗어나고 있는가?”입니다.
단 한 번의 음성보다 Longitudinal Data
1회 녹음으로 “Stress?”를 판단하는 것은 불확실성이 큽니다. 반대로 Day 1부터 Day 21까지 반복 측정하면 Personal Baseline → Change Over Time → Meaningful Pattern?처럼 다른 질문을 할 수 있습니다.
실제 2024년 연구에서도 스마트폰 기반 반복 음성 측정을 활용해 mental fitness 및 스트레스 관련 vocal biomarker를 장기간 추적하는 접근이 시도됐습니다. 2026년에는 일상적 환경에서 순간적인 심리적 스트레스와 음성 특성의 관계를 살펴보려는 연구도 등장하고 있습니다. 연구의 방향 자체가 laboratory → real-world longitudinal measurement로 확장되고 있는 것입니다.
그리고 목소리만 보는 것도 충분하지 않을 수 있습니다
SYMPLE은 장기적으로 Voice 하나만으로 모든 것을 설명하는 접근보다 Voice · Self-report · Conversation을 함께 이해하는 방향을 중요하게 보고 있습니다. 서로 다른 데이터가 같은 방향의 변화를 보여줄 때, 하나의 음향 특성만 변한 경우보다 더 많은 맥락을 확보할 수 있기 때문입니다.
그렇다면 Voice Biomarker란 무엇일까?
Vocal Biomarker 또는 Voice Biomarker는 음성에서 추출된 특징 가운데 사람의 생리적·심리적 상태와 관련된 정보를 제공할 가능성이 있는 지표를 의미합니다.
음성은 웨어러블 없이도 스마트폰 마이크와 일상 대화를 통해 수집할 수 있어, 디지털 헬스 분야에서 비침습적이고 반복 측정 가능한 디지털 바이오마커 후보로 연구되고 있습니다. 하지만 아직 표준화된 임상 평가 프로토콜이 충분하지 않다는 점 역시 최근 리뷰에서 지적되고 있습니다.
05. Result
“목소리만 들으면 마음을 알 수 있다”는 말이 위험한 이유
“AI가 목소리만 듣고 당신의 마음을 알아냅니다.”는 기술적으로 매력적인 문장이지만 과학적으로는 지나치게 강한 주장입니다.
현재 근거가 이야기하는 것은 훨씬 신중합니다. 일부 심리·생리적 상태에서 특정 음향 특징의 통계적인 변화가 관찰될 수 있고, 이러한 신호들을 활용해 상태를 추정하거나 변화 모니터링에 활용할 가능성이 연구되고 있다—여기까지입니다. 우리는 이 차이를 중요하게 생각합니다.
SYMPLE이 풀고 싶은 문제
- 개인의 정상 범위는 어떻게 정의할 것인가?
- 어떤 음향 특징이 개인 내 변화에 가장 민감한가?
- 환경 변화의 영향을 어떻게 제거할 것인가?
- Voice와 Self-report가 함께 변할 때 신뢰도가 높아지는가?
- 변화가 발견된 다음 무엇을 할 것인가?
가장 중요한 다섯 번째 질문입니다. Detection → Understanding → Intervention으로 이어져야 합니다.
우리가 만들고 싶은 것은 ‘스트레스 탐지기’가 아닙니다
“🚨 스트레스 87%”만으로 충분한 mental health technology가 만들어진다고 생각하지 않습니다. 사람에게 더 필요한 것은 “최근 3주 동안 평소보다 회복감이 떨어지고 있습니다.”처럼 자신의 변화를 이해할 수 있는 정보일 수 있습니다.
06. What we learned
결국 우리가 보고 싶은 것은 ‘목소리’가 아니라 ‘변화’입니다
Voice AI는 매우 흥미로운 기술입니다. 하지만 우리가 연구하는 대상은 음성 자체가 아니라 사람입니다.
사람마다 다른 목소리를 하나의 기준에 맞추는 것보다, 그 사람이 평소 어떤 상태였고, 최근 어떻게 달라지고 있으며, 그 변화가 반복적으로 나타나는지를 이해하는 것이 더 중요합니다.
그래서 SYMPLE은 이렇게 질문합니다.
“오늘 당신의 목소리가 다른 사람과 얼마나 다른가?”보다 “오늘의 당신은 평소의 당신과 얼마나 다른가?”
이 질문이 Voice AI 기반 mental health technology에서 훨씬 중요한 출발점이 될 수 있다고 생각합니다.
결론: 목소리에서 스트레스를 발견할 수 있을까?
현재까지의 연구를 기반으로 답하면, 스트레스와 관련된 음성 변화는 분명 관찰되고 있습니다. 특히 급성 스트레스와 F0 증가 사이의 관계는 최근 메타분석에서도 확인됐습니다. F0 외에도 intensity, speech rate, pause, jitter, shimmer 등 다양한 음향적 특징이 연구되고 있습니다.
하지만 아직, 한 번의 음성을 분석해 개인의 스트레스를 확정적으로 판단할 수 있다고 말하기에는 한계가 많습니다.
그래서 우리는 사람과 사람을 비교하는 모델보다, 한 사람의 목소리가 시간에 따라 어떻게 변화하는지를 이해하는 기술에 관심을 가지고 있습니다.
Voice AI가 사람의 마음을 읽는 기술이 될 필요는 없습니다. 우리는 오히려, 사람이 자신의 작은 변화를 조금 더 일찍 알아차릴 수 있게 해주는 기술이 되는 것이 더 중요하다고 생각합니다.
FAQ
Q. 목소리로 스트레스를 측정할 수 있나요?연구에서는 스트레스 상황에서 F0, 음성 강도, 발화 특성 등 여러 음향적 특징의 변화가 관찰되고 있습니다. 특히 최근 메타분석에서는 급성 스트레스와 F0 증가 사이에 유의한 관계가 확인됐습니다. 그러나 목소리 하나만으로 개인의 스트레스 수준을 확정적으로 판단할 수 있는 단계는 아닙니다.
Q. 스트레스를 받으면 목소리가 높아지나요?급성 스트레스 상황에서 F0가 증가하는 경향이 여러 연구에서 보고됐고, 2025년 체계적 문헌고찰 및 메타분석에서도 중간 정도의 효과크기가 확인됐습니다. 다만 개인차와 스트레스 유형 등에 따라 다르게 나타날 수 있습니다.
Q. Jitter와 Shimmer는 무엇인가요?Jitter는 성대 진동 주기의 미세한 불규칙성을, Shimmer는 음성 진폭의 미세한 변동을 나타내는 음향적 특징입니다. 음성 품질과 관련된 연구에서 자주 활용됩니다.
Q. Voice Biomarker란 무엇인가요?Voice Biomarker는 사람의 음성에서 추출한 특징 가운데 특정한 생리적 또는 심리적 상태와 관련된 정보를 제공할 가능성이 있는 지표를 의미합니다. 디지털 헬스 분야에서 비침습적 모니터링 기술로 활발하게 연구되고 있습니다.
Q. 음성 AI로 번아웃을 진단할 수 있나요?현재 근거만으로 음성 AI가 개인의 번아웃을 단독으로 진단할 수 있다고 보기에는 한계가 있습니다. 번아웃은 복합적인 현상이며 음성 역시 수면, 건강 상태, 환경, 개인차 등 다양한 변수의 영향을 받습니다.
Q. Personal Baseline이란 무엇인가요?한 개인의 데이터를 반복 측정해 그 사람에게 일반적으로 나타나는 범위를 만드는 접근입니다. 다른 사람과 단순 비교하는 대신 자신의 과거 상태에서 얼마나 변화했는지를 분석하는 데 사용할 수 있습니다.
References
- de Lacerda Veiga D, et al. The Fundamental Frequency of Voice as a Potential Stress Biomarker: A Systematic Review and Meta-Analysis. 2025.
- Schewski L, et al. Measuring negative emotions and stress through acoustic voice characteristics: a systematic review. 2025.
- Fagherazzi G, et al. Voice for Health: The Use of Vocal Biomarkers from Research to Clinical Practice. Digital Biomarkers. 2021.
- Kappen M, et al. Acoustic speech features in social comparison: how stress impacts the way we sound. 2022.
- Kappen M, et al. Acoustic and prosodic speech features reflect physiological stress. 2024.
- Rodrigo I, et al. Listening to the Mind: Integrating Vocal Biomarkers into Digital Mental Health. 2025.