매년 10월 9일 한글날은 보통 서체나 타이포그래피 이야기로 채워지지만, 2026년 한글날에는 조금 다른 결과물이 등장했다. 한 개발자가 스마트펜으로 직접 모은 한글 손글씨 데이터를 바탕으로, 손글씨의 획을 생성하는 순환신경망(RNN)을 학습시키고 그 데이터셋까지 함께 공개한 것이다. 완성된 글자 이미지를 찍어내는 것이 아니라, 사람이 펜을 움직이듯 획의 좌표 궤적을 시간 순서대로 그려내는 '필기 합성' 방식이라는 점이 핵심이다.
이 작업의 뿌리는 알렉스 그레이브스(Alex Graves)가 제시한 손글씨 생성 아키텍처다. 그레이브스의 접근은 펜 끝의 위치 변화와 펜을 떼는 시점을 하나의 시퀀스로 보고, RNN이 다음 획의 방향을 확률 분포로 예측하도록 설계된 것으로 잘 알려져 있다. 영문 필기 합성에서 자연스러운 결과를 보여 준 이 구조를, 이번 프로젝트는 한글이라는 전혀 다른 문자 체계에 맞게 손본 것이다.
영문과 다른 한글의 난이도
한글을 이 틀에 그대로 얹기 어려운 이유는 문자 구조에 있다. 알파벳은 글자들이 왼쪽에서 오른쪽으로 일렬로 이어지는 선형 구조에 가깝지만, 한글은 초성·중성·종성이 하나의 네모 안에 모여 음절 블록을 이룬다. 같은 'ㄱ'이라도 어떤 글자의 어느 자리에 오느냐에 따라 크기와 위치, 기울기가 달라진다. 획을 순서대로 생성하는 모델 입장에서는 단순히 선을 길게 잇는 문제가 아니라, 2차원 공간 안에서 자모의 배치와 비율까지 함께 학습해야 한다는 뜻이다. 원제가 '문자' 생성이 아니라 '획(stroke)' 생성이라고 밝힌 데에는 이런 맥락이 깔려 있다.
데이터 수집 방식도 눈여겨볼 만하다. 개발자는 스마트펜을 이용해 4,500줄 분량의 손글씨를 직접 모았다고 밝혔다. 스마트펜은 종이에 쓰는 동안 펜 끝의 궤적을 시간 축을 따라 디지털 좌표로 기록하기 때문에, 완성된 글씨를 사진으로 찍어 다시 획으로 역추적하는 방식보다 훨씬 자연스러운 '쓰는 과정' 데이터를 얻을 수 있다. 이런 시계열 궤적 데이터야말로 그레이브스식 모델이 필요로 하는 입력 형태다.
공개 데이터셋의 실무적 의미
국내 실무자 입장에서 이 프로젝트의 가치는 모델 자체보다 함께 공개된 데이터셋에 있을 수 있다. 영문 손글씨에는 오래전부터 공개된 궤적 데이터가 존재해 왔지만, 한글은 자모 조합의 폭이 넓은 데 비해 획 순서가 기록된 공개 데이터가 상대적으로 드물다. 손글씨 인식, 필기 입력기, 교육용 쓰기 피드백, 서체 생성 등 한글 필기를 다루는 응용을 시도하려는 쪽에서는 이렇게 궤적 단위로 정제된 데이터가 출발점을 크게 앞당겨 준다.
다만 한계도 분명히 염두에 둘 필요가 있다. 4,500줄은 한 사람의 취미 프로젝트 규모로는 상당하지만, 수많은 사람의 필체 다양성을 담아내는 산업용 데이터셋에 비하면 작은 편이다. 소수의 필기 습관에 치우쳐 학습된 모델은 특정 손글씨 스타일에 과적합될 수 있고, 자주 쓰이지 않는 글자나 받침 조합에서는 품질이 떨어질 가능성이 있다. 수집 환경과 라이선스, 전처리 방식에 따라 재현성과 활용 범위도 달라진다.
그럼에도 이 작업이 의미 있는 것은, 한글을 단순한 폰트 렌더링의 대상이 아니라 '시간에 따라 손으로 그려지는 과정'으로 다루려는 시도이기 때문이다. 상업적 완성도를 갖춘 서비스라기보다는 한글 필기 생성 연구의 공개된 참고 자료이자 출발선에 가깝다. 비슷한 문제를 고민하던 개발자라면 공개된 코드와 데이터셋을 직접 들여다보고, 자신의 데이터로 범위를 넓혀 보는 방식으로 활용하는 것이 현실적인 접근일 것이다.