KR20200007496A - 개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법 - Google Patents

개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법 Download PDF

Info

Publication number
KR20200007496A
KR20200007496A KR1020180081676A KR20180081676A KR20200007496A KR 20200007496 A KR20200007496 A KR 20200007496A KR 1020180081676 A KR1020180081676 A KR 1020180081676A KR 20180081676 A KR20180081676 A KR 20180081676A KR 20200007496 A KR20200007496 A KR 20200007496A
Authority
KR
South Korea
Prior art keywords
asr
data
candidate
speech
user
Prior art date
Application number
KR1020180081676A
Other languages
English (en)
Inventor
김수면
박상연
박성파
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180081676A priority Critical patent/KR20200007496A/ko
Priority to PCT/KR2019/004695 priority patent/WO2020013428A1/ko
Priority to US17/256,275 priority patent/US20210264916A1/en
Priority to EP19834166.1A priority patent/EP3779964A4/en
Publication of KR20200007496A publication Critical patent/KR20200007496A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/065—Adaptation
    • G10L15/07—Adaptation to the speaker
    • G10L15/075—Adaptation to the speaker supervised, i.e. under machine guidance
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/221—Announcement of recognition results
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Abstract

본 발명의 다양한 실시예에 따른 전자 장치는 프로세서; 및 상기 프로세서에 전기적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행될 때, 상기 프로세서가: 사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를, 상기 음성 데이터와 함께 하나의 발화 데이터로서, 상기 프로세서에 기능적으로 연결된 발화 데이터 저장소에 저장하고, 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하고, 상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하고, 상기 후보에 대한 사용자의 반응을 상기 프로세서에 기능적으로 연결된 입력 장치를 통해 수신하고, 상기 사용자 반응에 기반하여, 상기 ASR 모델을 상기 개인화 ASR 모델로 업데이트하도록 하는 인스트럭션들을 저장할 수 있다. 그 외에도, 다양한 실시예들이 가능하다.

Description

개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법{ELECTRONIC DEVICE FOR GENERATING PERSONAL AUTOMATIC SPEECH RECOGNITION MODEL AND METHOD FOR OPERATING THE SAME}
본 발명의 다양한 실시예는 사용자의 발화를 분석하고 분석 결과를 이용하여 개인화된 ASR 모델을 생성하도록 설정된 전자 장치에 관한 것이다.
인공 지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다
인공 지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(deep learning) 기술 및 기계학습 기술을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성될 수 있다.
요소기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.
언어적 이해 기술은 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함할 수 있다.
언어적 이해 기술의 한 예로 ASR 모듈이, 기계 학습 기술로 훈련하여 생성된 ASR 모델을 이용하여 사용자의 발화(utterance)를 인식함으로써, 발화에 대응하는 텍스트 데이터를 생성할 수 있다.
ASR모듈이 음성 인식하여 생성한 텍스트 데이터에 있어서, 잘못 인식된 부분은 사용자가 직접 수정할 수 있다. 예컨대, 전자 장치는 음성 인식을 통해 생성된 텍스트 데이터를 UI(user interface)를 통해 표시하고, 이에 대한 반응을 사용자로부터 수신할 수 있다. 사용자 반응이 오인식이 있음을 의미할 경우, 전자 장치는 오류 부분을 대체할 텍스트를 사용자가 입력할 수 있도록 하는 UI를 표시할 수 있다. 이와 같이 사용자로부터 오류 부분에 대해 피드백(feedback)을 받는 방법은 사용자에게 추가적인 동작을 요구하게 되며, 또한 이를 수행하지 않으면, 반복적으로 사용자의 발화를 오인식 할 수 있다. 이러한 반복적인 ASR 오류는 사용자에게 음성 명령의 불편함을 줄 수 있다.
본 발명의 다양한 실시예에 따르면, 전자 장치는 발화의 인식 오류를 줄여 음성 기반 전자 장치의 제어에 정확도를 높이고, 사용자 불편을 줄일 수 있다.
본 발명의 다양한 실시예에 따른 전자 장치는 프로세서; 및 상기 프로세서에 전기적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행될 때, 상기 프로세서가: 사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를, 상기 음성 데이터와 함께 하나의 발화 데이터로서, 상기 프로세서에 기능적으로 연결된 발화 데이터 저장소에 저장하고, 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하고, 상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하고, 상기 후보에 대한 사용자의 반응을 상기 프로세서에 기능적으로 연결된 입력 장치를 통해 수신하고, 상기 사용자 반응에 기반하여, 상기 ASR 모델을 상기 개인화 ASR 모델로 업데이트하도록 하는 인스트럭션들을 저장할 수 있다.
본 발명의 다양한 실시예에 따른 전자 장치는 통신 회로; 사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를 상기 음성 데이터와 함께 하나의 발화 데이터로서 저장하도록 설정된 발화 데이터 저장소; 및 상기 통신 회로 및 상기 발화 데이터 저장소에 전기적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하고, 상기 후보 및 상기 ASR 오류 부분에 관한 정보를 상기 통신 회로를 통해 외부 전자 장치로 전송하고, 상기 정보에 대한 사용자의 반응을 상기 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고, 상기 사용자 반응이 상기 후보에 대해 긍정적인 반응인 경우, 상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하도록 설정할 수 있다.
본 발명의 다양한 실시예에 따른 전자 장치를 동작하는 방법은 사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를, 상기 음성 데이터와 함께 하나의 발화 데이터로서, 발화 데이터 저장소에 저장하는 동작; 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하는 동작; 상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하는 동작; 상기 후보에 대한 사용자의 반응을 수신하는 동작; 및 상기 사용자 반응에 기반하여, 상기 ASR 모델을 상기 개인화 ASR 모델로 업데이트하는 동작을 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 전자 장치는 사용자의 발화 분석을 통해 사용자에게 개인화된 ASR 모델을 생성하고, 이를 활용하여 음성 인식을 수행할 수 있도록 함으로써 발화의 인식 오류를 줄일 수 있고, 사용자 불편을 줄일 수 있다.
도 1은 다양한 실시예에서의, 네트워크 환경 내의 전자 장치를 도시한다.
도 2는 다양한 실시예에 따른 프로그램 모듈의 블록도이다.
도 3은 개인화된 자동 음성 인식(ASR; automatic speech recognition)을 운용하도록 구성된, 본 발명의 다양한 실시예에 따른 시스템을 도시한다.
도 4는 개인화된 ASR을 운용하기 위한 본 발명의 다양한 실시예에 따른 동작들을 설명하기 위한 흐름도이다.
도 5는 음성 인식의 결과를 분석하기 위한 본 발명의 다양한 실시예에 따른 동작들을 설명하기 위한 흐름도이다.
도 6은 ASR 오류 분석의 결과에 대한 사용자의 반응을 수신하기 위한 본 발명의 다양한 실시예에 따른 UI(user interface)를 나타내는 도면이다.
도 7은 ASR 오류 분석의 결과에 대한 사용자의 반응을 수신하기 위한 본 발명의 다양한 실시예에 따른 UI(user interface)를 나타내는 도면이다.
도 8은 ASR 오류 분석의 결과에 대한 사용자의 반응을 수신하기 위한 본 발명의 다양한 실시예에 따른 UI(user interface)를 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)은, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)이 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 안테나 모듈은, 일실시예에 따르면, 도전체 또는 도전성 패턴으로 형성될 수 있고, 어떤 실시예에 따르면, 도전체 또는 도전성 패턴 이외에 추가적으로 다른 부품(예: RFIC)을 더 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 하나 이상의 안테나들을 포함할 수 있고, 이로부터, 제 1 네트워크 198 또는 제 2 네트워크 199와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, or 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나," "A, B 또는 C," "A, B 및 C 중 적어도 하나," 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는 본 발명의 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다. 도 2를 참조하면, 통합 지능화 시스템(10)은 사용자 단말(210; 예: 도 1의 전자 장치(101)), 지능형 서버(220; 예: 도 1의 서버(108)), 클라우드 서버(230) 또는 서드파티 서버(240)를 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 사용자 단말(210)은 사용자 단말(210) 내부에 저장된 앱(app)(또는, 어플리케이션 프로그램(application program))(예: 알람 앱, 메시지 앱, 사진(갤러리) 앱 등)을 통해 사용자에게 필요한 서비스를 제공할 수 있다. 예를 들어, 사용자 단말(210)은 사용자 단말(210) 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 다른 앱을 실행할 수 있다. 사용자 단말(210)의 상기 지능형 앱을 통해 상기 다른 앱의 실행하기 위한 사용자 입력을 수신할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼, 터치 패드, 음성 입력, 원격 입력 등을 통해 수신될 수 있다. 일 실시 예에 따르면, 사용자 단말(210)은 휴대폰, 스마트폰, PDA(personal digital assistant) 또는 노트북 컴퓨터 등 인터넷에 연결 가능한 각종 단말 장치(또는, 전자 장치)가 이에 해당될 수 있다.
본 발명의 다양한 실시예에 따르면, 사용자 단말(210)은 사용자의 발화(utterance)를 사용자 입력으로 수신할 수 있다. 사용자 단말(210)은 사용자의 발화를 수신하고, 상기 사용자의 발화에 기초하여 앱을 실행하라는 명령을 생성할 수 있다. 이에 따라, 사용자 단말(210)은 상기 명령을 이용하여 상기 앱을 실행할 수 있다.
본 발명의 다양한 실시예에 따르면, 사용자 단말(210)은 사용자의 발화에 대응하는 음성 데이터를 생성할 수 있고, 음성 데이터를 지능형 서버(320)에 전송할 수 있다.
본 발명의 다양한 실시예에 따르면, 사용자 단말(210)은, 음성 데이터를 지능형 서버(220)로 전송하기에 앞서, 음성 데이터를 전처리할 수 있다. 예를 들어, 사용자 단말(210)은 음성 데이터에 포함된 에코(echo)를 제거하는 동작, 음성 데이터에 포함된 배경 잡음을 제거하는 동작, 및 음성 데이터에 포함된 음성의 크기를 조절하는 동작 등을 포함하는 음성 전처리 동작을 수행할 수 있고, 전처리된 음성 데이터를 지능형 서버(220)로 전송할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 서버(220)는 통신망(250; 예: 도 1의 네트워크(199))을 통해 사용자 단말(100)로부터 수신된 음성 데이터를 텍스트 데이터(text data)로 변환하는 동작을 수행할 수 있다. 예를 들어, 지능형 서버(220)는, 기계학습 기술에 의해 학습되어 지능형 서버(220)에 저장된 음향 모델(acoustic model; AM) 및 언어 모델(language model; LM)을 이용하여 텍스트 변환 동작을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 서버(220)는 변환된 텍스트 데이터를 통신망(250)을 통해 사용자 단말(210) 및/또는 클라우드 서버(230)에 전송할 수 있다. 사용자 단말(210)은 수신한 텍스트 데이터를 디스플레이를 이용하여 출력할 수 있다.
본 발명의 다양한 실시예에 따르면, 클라우드 서버(230)는 지능형 서버(220)로부터 수신된 텍스트 데이터에 대해 자연어 이해(NLU; natural language understanding) 처리를 수행할 수 있다. 자연어 이해 처리는 텍스트 데이터를 이용하여 사용자가 발화한 의도(intent)를 파악하는 동작을 의미할 수 있다. 예를 들어, 클라우드 서버(230)는 텍스트 데이터에 대한 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다.
본 발명의 다양한 실시예에 따르면, 클라우드 서버(230)는 자연어 이해 동작을 통해 판단한 사용자의 의도 및 사용자의 의도에 알맞은 동작을 확인하고, 사용자의 의도에 대응하는 동작을 실행하는데 필요한 파라미터에 대한 정보를 확인할 수 있다. 클라우드 서버(230)는, 사용자의 의도에 대응하는 동작을 실행하는데 필요한 파라미터가 부족한 경우, 파라미터를 사용자 단말(210)에 요청할 수 있다.
본 발명의 다양한 실시예에 따르면, 클라우드 서버(230)는 동작, 파라미터 및 상기 동작을 수행할 어플리케이션에 관한 정보를 사용자 단말(210)에 전송할 수 있다. 사용자 단말(210)은 상기 정보에 기반하여 어플리케이션을 선택하고, 선택된 어플리케이션을 실행하여 사용자 입력(명령)에 따른 동작을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, 클라우드 서버(230)는 파라미터를 이용하여 사용자의 의도에 대응하는 동작을 수행하고, 수행 결과를 사용자 단말(210)에 전송할 수 있다.
본 발명의 다양한 실시예에 따르면, 클라우드 서버(230)는 사용자의 의도에 대응하는 동작을 실행할 것을 요청하는 신호를 서드파티 서버(240)에 전송할 수 있다. 서드파티 서버(240)는 지능형 서버(220) 및 클라우드 서버(230)를 운영하는 주체와 다른 주체가 운영하는 서버를 의미할 수 있다. 서드 파티 서버(240)는 사용자의 의도(예를 들면, 피자 주문)에 대응하는 동작을 실행하고, 실행 결과를 사용자 단말(210)에 전송할 수 있다.
본 발명의 다양한 실시예에 따르면, 클라우드 서버(230)에서 수행되는 상기의 동작들 중 적어도 하나(예: 사용자의 의도 파악)은 지능형 서버(220)에서 수행될 수도 있다.
본 발명의 다양한 실시예에 따르면, 지능형 서버(220)에서 수행되는 상기의 동작들 중 적어도 하나(예: 텍스트 변환) 및/또는 클라우드 서버(230)에서 수행되는 상기의 동작들 중 적어도 하나는 사용자 단말(210)에서 수행될 수도 있다.
도 3은 개인화된 자동 음성 인식(ASR; automatic speech recognition)을 운용하도록 구성된, 본 발명의 다양한 실시예에 따른 시스템을 도시한다.
도 3을 참조하면, 제 1 전자 장치(310)(예: 도 1의 서버(108))는, 통합 지능화 시스템(예: 도 2의 통합 지능화 시스템(10))을 구현하기 위한 서버를(예: 도 2의 지능형 서버(220) 또는 클라우드 서버(230)중 적어도 하나) 포함할 수 있고, 통합 지능화 시스템에 연결 가능한 제 2 전자 장치(320)(예: 사용자 단말(210))과 데이터 통신, 제 2 전자 장치(320)에 제공 가능한 서비스 및 권한 등과 관련된 관리, 및 저장소 관리 등의 역할을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, 제 1 전자 장치(310)는 제 1 프로세서(311), ASR 모델 저장소(automatic speech recognition model repository)(318a), NLU 저장소(318b), 액션 플래닝(action planning) 저장소(318c), ASR 발화 데이터 저장소(318d), 및 ASR 오류 데이터 저장소(318e)를 포함할 수 있다. 제 1 프로세서(311)는 ASR 모듈(312), 분석 모듈(313), NLU 모듈(314), UI(user interface) 모듈(315), 개인화 ASR 모델 생성 모듈(316), 및 액션 플래너(action planner) 모듈(317)을 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 상기 모듈들 중 적어도 하나는 제 1 프로세서(311)와 다른 별도의 하드웨어로서 제 1 전자 장치(310)에 구성될 수도 있다.
본 발명의 다양한 실시예에 따르면, 상기 모듈들은 제 1 전자 장치(310)의 메모리(미도시)에 저장된 소프트웨어일 수 있으며 이에 따라 제 1 프로세서(311)는 상기 모듈들을 실행하여 그 동작들을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, ASR 모듈(312)은 제 2 전자 장치(320)로부터 수신된 사용자의 음성 데이터를 음성 인식하여 텍스트 데이터를 생성할 수 있다. 예를 들어, ASR 모듈(312)은, 음향 모델(acoustic model) 및/또는 언어 모델(language model)을 이용하여, 음성 데이터를 텍스트 데이터로 변환할 수 있다. 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있으며, 음향 모델 및 언어 모델은, 예를 들어, ASR 모델 저장소(318a)에 저장될 수 있다.
본 발명의 다양한 실시예에 따르면, ASR 발화 데이터 저장소(318d)는 사용자의 발화 데이터를 저장할 수 있다. 예를 들어, 표 1과 같이 발화 데이터가, ASR 모듈(312)에 의해 ASR 발화 데이터 저장소(318d)에 저장될 때, 발화 데이터들 간의 구분을 위해 식별자(ID)가 부여될 수 있고, 제 2 전자 장치(320)로부터 수신된 음성 데이터, 상기 음성 데이터에 대응하는 텍스트 데이터, 및 상기 음성 데이터를 설명해주는 속성 정보(바꾸어 말해, 메타데이터)를 포함할 수 있다. 메타 데이터는 예를 들어, 해당 발화의 사용자 정보와, 상기 음성 데이터가 상기 텍스트 데이터로 변환된 시간(또는, 해당 발화가 이루어진 시간이나 해당 발화 데이터가 ASR 발화 데이터 저장소(318d)에 저장된 시간)을 나타내는 시간 정보를 포함할 수 있다. 일 실시예에 따르면, , 메타데이터는 해당 발화가 이루어진 위치를 나타내는 정보를 더 포함할 수 있다. 예를 들어, 위치 정보는, 해당 음성 데이터가 제 2 전자 장치(320)에서 생성될 때 제 2 전자 장치(320)가 예컨대, 통신 모듈(190)을 이용하여 수집한 정보(예: GNSS 정보, IP(internet protocol), 주소 정보 또는 특정 지명 정보 등) 중 적어도 하나로서, 음성 데이터와 함께 제 2 전자 장치(320)에서 제 1 전자 장치(310)로 수신된 것일 수 있다.
발화 ID 시간 정보 음성
데이터		 USER 텍스트 데이터(ASR)
1 20180109/210930 9259164.wav A do you watch starwars?
2 20180109/213007 9259167.wav B open
3 20180110/093130 9259168.wav C open settings and optimize my phone
4 20180110/093155 9259170.wav A makes me go to main screen unlock my phone
5 20180110/200930 9259171.wav B next music please
6 20180110/221005 9259172.wav A go to main screen and log my phone
7 20180110/221034 9259173.wav A go to main screen and lock my phone
8 20180110/221054 9259174.wav A Backlight off
본 발명의 다양한 실시예에 따르면, NLU 모듈(314)은 사용자 입력(예: ASR 모듈(312)로부터 수신된 텍스트 데이터)에 대해 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 이해할 수 있다. 상기 문법적 분석은 사용자 입력을 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 상기 나누어진 단위가 어떤 문법적인 요소를 갖는지 이해하는 분석 방법일 수 있다. 상기 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행될 수 있다.
본 발명의 다양한 실시예에 따르면, NLU 모듈(314)은 사용자 입력으로부터 도메인(domain), 의도(intent) 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))를 얻을 수 있다.
일 실시 예에 따르면, NLU 모듈(314)은 도메인(domain), 의도(intent) 및 상기 의도를 파악하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))로 나누어진 매칭 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 예를 들어, 하나의 도메인(예: 알람)은 복수의 의도(예: 알람 설정, 알람 해제 등)를 포함할 수 있고, 하나의 의도는 복수의 파라미터들(예: 시간, 반복 횟수, 알람음 등)을 포함할 수 있다. 복수의 파라미터들은, 예를 들어, 하나 이상의 필수 요소 파라미터를 포함할 수 있다. 상기 매칭 규칙은 NLU 저장소(natural language understanding repository)(318b)에 저장될 수 있다.
일 실시 예에 따르면, NLU 모듈(314)은 형태소, 구 등의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 이해하고, 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 예를 들어, NLU 모듈(314)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는 지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시 예에 따르면, NLU 모듈(314)은 사용자의 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 입력의 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 자연어 NLU 모듈(314)은 사용자 입력의 의도를 이해하기 위한 언어적 특징이 저장된 NLU 저장소(318b)를 이용하여 사용자의 의도를 결정할 수 있다. 다른 실시 예에 따르면, NLU 모듈(314)은 개인화 언어 모델(personal language model)(PLM)을 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, NLU 모듈(314)은 개인화된 정보(예: 연락처 리스트, 음악 리스트)를 이용하여 사용자의 의도를 결정할 수 있다. 상기 개인화 언어 모델은, 예를 들어, ASR 모델 저장소(318a)에 저장될 수 있다. 일 실시 예에 따르면, NLU 모듈(314)뿐만 아니라 ASR 모듈(312)도 NLU 저장소(318b)에 저장된 개인화 언어 모델을 참고하여 사용자의 음성을 인식할 수 있다.
본 발명의 다양한 실시예에 따르면, 액션 플래너 모듈(317)은 사용자 입력으로부터 이해된 사용자의 의도 및 파라미터에 기반하여 사용자의 의도를 수행하기 위한 액션 플래닝(action planning)을 생성할 수 있다. 예를 들어, 액션 플래너 모듈(317)은 사용자의 의도에 기초하여 실행될 적어도 하나의 어플리케이션을 선택하고, 선택된 적어도 하나의 어플리케이션에 의해 수행될 적어도 하나의 동작(action)(또는, 오퍼레이션(operation))을 결정할 수 있다. 액션 플래너 모듈(317)은 결정된 동작에 대응하는 파라미터를 결정하여 액션 플래닝을 생성할 수 있다. 일 실시예에 따르면, 생성된 액션 플래닝은 어플리케이션, 상기 어플리케이션에서 수행될 동작, 및 상기 어플리케이션이 상기 동작을 수행하는데 필요한 파라미터에 관한 정보를 포함할 수 있다. 일 실시예에 따르면, 생성된 액션 플래닝은, 수행될 동작이 여럿인 경우, 각 동작을 수행할 어플리케이션 및 동작들의 순서를 나타내는 정보를 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 상기 액션 플래닝 생성은 NLU 모듈(314)에 의해 수행될 수도 있다.
본 발명의 다양한 실시예에 따르면, 액션 플래너 모듈(317)은 생성된 액션 플래닝을 액션 플래닝 저장소(318c)에 저장할 수 있다.
본 발명의 다양한 실시예에 따르면, 액션 플래너 모듈(317)은 액션 플래닝 저장소(318c)에서 사용자 입력에 대응하는 액션 플래닝(action planning)을 선택할 수 있다. 예를 들어, 액션 플래너 모듈(317)은 액션 플래닝 저장소(318c)에 저장된 액션 플래닝들 중 사용자의 의도 및 파라미터에 대응하는 하나 또는 그 이상의 액션 플래닝을 선택할 수 있다.
본 발명의 다양한 실시예에 따르면, 데이터 분석 모듈(313)은 ASR 모듈(312)의 음성 인식 결과로서 생성된 복수의 텍스트 데이터들에서 오류가 있는 것으로 추정되는 텍스트(이하, ASR 오류 부분)과 이를 대체할, 사용자가 의도한 것으로 추정되는 텍스트(이하, 대체 후보)를 결정할 수 있다. 일 실시예에 따르면, 데이터 분석 모듈(313)은 ASR 발화 데이터 저장소(318d)에 저장된 동일 사용자의(예: 사용자 정보가 같은) 텍스트 데이터들 중에서 유사한 텍스트 데이터들을 추출할 수 있다. 데이터 분석 모듈(313)은 추출된 텍스트 데이터들을 비교하여 다른 부분들을 추출할 수 있다. 데이터 분석 모듈(313)은, 추출된 텍스트 데이터들의 각 속성 정보에 기반하여, 다른 부분들 중 어느 하나를 ASR 오류 부분으로, 다른 하나를 대체 후보로 결정할 수 있다. 예를 들어, 사용자의 첫 번째 발화 "What's up"를 ASR 모듈(312)이 "What's app"로 음성 인식할 수 있다. 사용자의 두 번째 발화 또한 'what's up'일 수 있고 이에 대해 ASR 모듈(312)이 "What's up"으로 음성 인식할 수 있다. 데이터 분석 모듈(313)은 시간 상 먼저 음성 인식된 "What's app"을 ASR오류 부분으로, 나중에 음성 인식된 "What's up"을 대체 후보로 결정할 수 있다.
본 발명의 다양한 실시예에 따르면, ASR 오류 데이터 저장소(318e)는, 예컨대 표 2와 같이, ASR 모듈(312)이 잘못 음성 인식하여 생성한 오류 부분 (예: 데이터 분석 모듈(313)에 의해 결정된 ASR 오류 부분)와 실제 사용자가 발화한 것으로 추정되는 대체 후보(예: 데이터 분석 모듈(313)에 의해 결정된 대체 후보)를 저장할 수 있다. 표 2에서 가로 안의 숫자는 해당 텍스트 데이터의 생성 횟수를 의미할 수 있다.
대체 후보 오류 부분
what's up Whatsapp(144), what set(3), what shop(2), hot soup(1), what's of(1), water(1), auto tap(1), watch app(1), what's happy(1), what's about(1), vot's up(1), what sep(1), worker(1), what's the(1), notes app(1)
lock look(55), log(31), like(11), love(8), lek(1), book a(1), lack(1), luck(1), lok(1)
snap chat snapshot(100)
본 발명의 다양한 실시예에 따르면, 데이터 분석 모듈(313)은 ASR 모듈(312)이 사용자의 음성 데이터를 음성 인식함으로써 생성된 텍스트 데이터를 ASR 오류 데이터 저장소(318e)와 비교하여 텍스트 데이터에서 ASR 오류 부분을 확인할 수 있다. 데이터 분석 모듈(313)은 ASR 오류 부분을 대체할 후보를 ASR 오류 데이터 저장소(318e)에서 확인할 수 있다.
본 발명의 다양한 실시예에 따르면, 데이터 분석 모듈(313)은, ASR 모듈(312)의 음성 인식 결과에 따라 수행된 동작에 대한 사용자의 반응(피드백)에 기반하여, ASR 오류 부분 및/또는 대체 후보를 결정할 수 있다. 일 실시예에 따르면, NLU 모듈(314)은 데이터 분석 모듈(313)에 의해 결정된 대체 후보를 이용하여 사용자 의도를 이해할 수 있다. 액션 플래너 모듈(317)은 상기 사용자 의도에 기반하여 액션 플래닝을 생성할 수 있다. 액션 플래닝은 제 2 전자 장치(320)로 전달됨으로써 대응하는 동작이 제 2 전자 장치(320)에서 수행될 수 있다. 사용자의 반응이 상기 수행된 동작에 대해 부정적일 수 있고(예: 사용자 입력이 상기 수행된 동작의 취소를 요구하는 것인 경우), 이러한 부정적인 사용자 반응은 데이터 분석 모듈(313)로 전달될 수 있고, 데이터 분석 모듈(313)은 상기 대체 후보를 ASR 오류 부분을 대체할 후보 군에서 제외할 수 있다. 예를 들어, 데이터 분석 모듈(313)은, 표 1에서 발화 ID 6번과 7번의 비교를 통해, log을 ASR 오류 부분으로 lock을 대체 후보로 결정하였으나, 발화 ID 7번에 대해 사용자 반응이 부정적일 경우, 발화 ID 7번은 대체 후보 군에서 제외될 수 있다.
본 발명의 다양한 실시예에 따르면, 데이터 분석 모듈(313)은, ASR 모듈(312)에 의하여 음성 인식된 결과에 대한 사용자 반응에 기반하여, ASR 오류 부분 및/또는 대체 후보를 결정할 수 있다. 일 실시예에 따르면, ASR 모듈(312)의 음성 인식의 결과로서 텍스트 데이터가 제 2 전자 장치(320)로 전달될 수 있고 디스플레이(325)를 통해 표시될 수 있다. 제 2 전자 장치(320)는 입력 장치(327)를 통해 수신된 사용자 입력에 따라 동작을 수행할 수 있고, 수행된 동작에 관한 정보를 데이터 분석 모듈(313)로 전달될 수 있다. 데이터 분석 모듈(313)로 전달된 정보는 상기 음성 인식 결과에 대한 사용자 반응이 부정적인 것을 의미할 수 있다. 예를 들어, 발화 ID 7번에 해당하는 텍스트 데이터 "go to main screen and lock my phone"이 제2 전자 장치(320)로 전달되었는데, 사용자 입력에 따라 수행된 동작은 전달된 텍스트 데이터와 적어도 일부 무관할 수 있다. 예컨대, 제 2 전자 장치(320)에서 사용자 입력에 따라 실제 수행된 동작은 "milk music(음악 재생 어플리케이션)으로 이동 후 폰 잠금"일 수 있다. 데이터 분석 모듈(313)은 제 2 전자 장치(320)로 전달된 음성 인식 결과와 제 2 전자 장치(320)에서 수행된 동작 간의 비교를 통해 ASR 오류 부분 및/또는 대체 후보를 결정할 수 있다. 예를 들어, main screen이 ASR 오류 부분으로, 'milk music'이 대체 후보로 결정될 수 있다.
본 발명의 다양한 실시예에 따르면, 개인화 ASR 모델 생성 모듈(316)은 데이터 분석 모듈(313)의 분석 결과(예: 대체 후보)와 이에 대응하는 사용자의 음성 데이터에 기반하여 ASR 모델을 기계 학습(deep learning)함으로써 상기 사용자에 개인화된 ASR 모델을 생성할 수 있다. 생성된 개인화 ASR 모델은 ASR 모델 저장소(318a)에 저장될 수 있고, ASR 모듈(312)은 저장된 개인화 ASR 모델을 활용하여 음성 인식을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, 개인화 ASR 모델 생성 모듈(316)은, 데이터 분석 모듈(313)의 분석 결과와 이에 대응하는 사용자의 음성 데이터에 기반하여, ASR 모델을 개인화(업데이트)할 수 있다. ASR 방법은 HMM(Hidden Markov Model) 기반 방법, ANN(Artificial Neural Network) 기반 방법, SVM(Support Vector Machine) 기반 방법, 또는 DTW(Dynamic Time Warping) 기반 방법 중 적어도 하나의 방법이 사용될 수 있으나 이에 한정하는 것은 아니다. ASR 방법에 따라 참조하는 ASR 모델은 서로 상이할 수 있다. 일 실시예에 따르면, 인식 방법으로 DNN-HMM (Deep Neural Network - Hidden Markov Model)이 사용될 수 있다[참조 1: G. E. Dahl, D. Yu, L. Deng, and A. Acero, "Context-dependent pretrained deep neural networks for large-vocabulary speech recognition," Audio, Speech, and Language Processing, IEEE Transactions on, vol. 20, no. 1, pp. 30-42, 2012]. DNN-HMM에 기반한 ASR 방법은, 음향 모델(acoustic model; AM)을 DNN을 이용하여 모델링하고, 언어 모델(language model; LM)을 HMM을 이용하여 모델링하는 것일 수 있다
본 발명의 다양한 실시예에 따르면, DNN-HMM을 음성 인식 알고리즘으로 사용할 경우, ASR 모델을 개인화(업데이트)하기 위해 AM 또는 LM이 수정될 수 있다. AM을 수정하는 방법은 AM 모델에 사용한 뉴럴 네트워크(neural network) 마지막 레이어(layer) 이후에 adaptation layer을 추가함으로써 구현될 수 있다[참조 2: S. Mirsamadi, and J. Hansen, "A study on deep neural network acoustic model adaptation for robust far-field speech recognition," INTERSPEECH, page 2430-2434. ISCA, (2015)].
본 발명의 다양한 실시예에 따르면, ASR 모델 개인화를 위해 LM을 수정하는 방법이 있을 수 있다. LM에서도 단어들을 음소열(또는 senone sequence)로 표현하는 pronunciation model(PM)이 수정됨으로써 ASR 모델 개인화가 가능하다. 상술한 바와 같이, DNN-HMM에서 언어적 표현은 wFST로 구현될 수 있다. 전체 LM을 구성하는 FST 중 pronunciation을 표현하는 FST(또는 finite state acceptor(FSA)) 정보가 업데이트됨으로써 특정 단어에 대한 발음이 개인화될 수 있다. 예를 들어, PM의 특정 단어의 FST이 수정되거나 상기 FST의 arc에 가중치가 적용될 수 있다 [참조 3: Takaaki Hori, Chiori Hori, Yasuhiro Minami, and Atsushi Nakamura, "Efficient WFST-based one-pass decoding with on-the-fly hypothesis rescoring in extremely large vocabulary continuous speech recognition," IEEE Trans. on Audio, Speech and Lang. Process., vol. 15, no. 4, pp. 1352-1365, 2007.].
본 발명의 다양한 실시예에 따르면, UI(user interface) 모듈(315)은 사용자 입력에 대한 회신으로서, 액션 플래너 모듈(317)에 의해 생성 또는 액션 플래닝 저장소(318c)에서 선택된 액션 플래닝을 제 2 전자 장치(320)로 전송할 수 있다. 제 2 전자 장치(320)는 수신된 액션 플래닝에 기반하여 어플리케이션을 선택하고, 선택된 어플리케이션을 실행하여 사용자 입력에 따른 동작을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, UI 모듈(315)은 NLU 모듈(314)에 의해 결정된 파라미터가 사용자의 의도에 따른 동작을 수행하는데 충분한지 여부를 판단할 수 있다. UI 모듈(315)은, 파라미터가 불충분하다고 판단된 경우, 사용자에게 필요한 정보를 요청하는 피드백을 제 2 전자 장치(320)로 전달할 수 있다.
본 발명의 다양한 실시예에 따르면, UI 모듈(315)은 데이터 분석 모듈(313)의 분석 결과에 대한 사용자의 반응에 기반하여 개인화 ASR 모델 생성 모듈(316)을 제어할 수 있다. 예를 들어, UI 모듈(315)은 데이터 분석 모듈(313)에 의해 결정된 ASR 오류 부분에 관한 정보를 제 2 전자 장치(320)로 전송할 수 있다. 제 2 전자 장치(320)는 수신된 정보에 대한 사용자의 반응을 수신하기 위한 UI(user interface)를 디스플레이를 통해 표시할 수 있다. 예를 들어, UI는 ASR 오류 부분(또는 이를 포함하는 발화 문)과 대체 후보(또는 이를 포함하는 발화 문)을 포함할 수 있다. 추가적으로, UI는, 사용자의 이해를 돕기 위한 정보로서, ASR 오류 부분에 해당하는 발화와 관련된 시간 또는 장소 정보 중 적어도 하나를 더 포함할 수 있다. 또는, UI는 ASR 오류 부분에 해당하는 음성 데이터의 재생을 위한 링크를 더 포함할 수도 있다. 제 2 전자 장치(320)는 링크에 대한 사용자의 선택에 반응하여 음성 데이터를 재생하여 스피커를 통해 출력할 수 있다. 제 2 전자 장치(320)는 UI를 통해 수신된 사용자 반응을 UI 모듈(315)에 전송할 수 있다. UI 모듈(315)은, 수신된 사용자 반응이 오류 수정을 의미할 경우, 개인화 ASR 모델을 생성하도록 개인화 ASR 모델 생성 모듈(316)을 제어할 수 있다.
본 발명의 다양한 실시예에 따르면, UI 모듈(315)은 데이터 분석 모듈(313)의 분석 결과에 대한 사용자의 반응에 기반하여 ASR 모듈(312)을 제어할 수 있다. 예를 들어, UI 모듈(315)은, 수신된 사용자 반응이 오류 수정을 의미할 경우, 개인화 ASR 모델 생성 모듈(316)에 의해 생성된 개인화 ASR 모델로 음성 인식을 수행하도록 ASR 모듈(312)을 제어할 수 있다.
본 발명의 다양한 실시예에 따르면, UI 모듈(315)은 개인화 ASR 모델이 적용된 ASR 모듈(312)에 의하여 음성 인식된 결과에 대한 사용자의 반응에 기반하여 개인화 ASR 모델을 ASR 모델 저장소(318a)에 저장할지 여부를 결정할 수 있다. 예를 들어, UI 모듈(315)은 상기 결과를 제 2 전자 장치(320)로 전송할 수 있다. UI 모듈(315)은 상기 결과에 대한 사용자 반응을 제 2 전자 장치(320)로부터 수신할 수 있다. UI 모듈(315)은, 수신된 사용자 반응이 결과 수용을 의미할 경우(예를 들어, 개인화 ARS 모델이 적용된 제 1 음성 인식 결과와 이와 비교되는, 상기 개인화 ASR 모델 대신 기존의 ASR 모델이 적용된 제 2 음성 인식 결과가 터치스크린에 표시되고 제 1 음성 인식 결과에 대한 사용자의 터치 제스처가 수신될 경우), 개인화 ASR 모델을 ASR 모델 저장소(318a)에 저장함으로써 ASR 모듈(312)이 저장된 개인화 ASR 모델을 사용하여 음성 인식을 수행하게 할 수 있다. UI 모듈(315)은, 수신된 사용자 반응이 결과 불수용을 의미할 경우(예를 들어, 상기 제 2 음성 인식 결과가 선택된 경우), 생성된 개인화 ASR 모델을 ASR 모델 저장소(318a)에 저장하지 않고 폐기함으로써 상기 개인화 ASR 모델이 적용되지 않은 ASR 모듈(312)이 음성 인식을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, 제 2 전자 장치(320)(예: 도 1의 전자 장치(101))은 제 2 프로세서(321), 디스플레이(325), 메모리(326), 입력 장치(327), 및 스피커(328)를 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 입력 장치(327)(예: 도 1의 입력 장치(150)는 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 장치(327)는 디스플레이(325)에 결합된 터치 회로 및 센서 회로(예: 압력 센서, 지문 센서), 마이크, 및 하드웨어 키를 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 입력 장치(327)는 연결 단자(미도시)(예: 도 1의 연결 단자(178))에 전기적으로 연결된 외부 장치를 통해 사용자 입력(예: 헤드 셋을 통해 음성 데이터)를 수신할 수 있다.
본 발명의 다양한 실시예에 따르면, 디스플레이(325)(예: 도 1의 표시 장치(160)에 포함된 디스플레이)는 이미지나 비디오, 및/또는 어플리케이션의 실행 화면을 표시할 수 있다. 예를 들어, 디스플레이(325)는 제 1 전자 장치(310)로부터 수신된 정보에 대한 사용자의 반응을 수신하기 위한 UI를 표시할 수 있다. 또는, 디스플레이(325)는 실행 엔진 모듈(323)의 제어에 의해 수행된 동작의 결과물로서 어플리케이션의 실행 화면을 표시할 수 있다.
본 발명의 다양한 실시예에 따르면, 스피커(328)(예: 도 1의 음향 출력 장치(155)에 포함된 스피커)는 음향 신호를 출력할 수 있다. 예를 들어, 스피커(328)는 제 1 전자 장치(310)에서 생성된 음성 데이터를 음향 신호로 변환하여 출력할 수 있다. 또한, 스피커(328)는 실행 엔진 모듈(323)의 제어에 의해 수행된 동작의 결과물로서 음향 신호를 출력할 수 있다.
본 발명의 다양한 실시예에 따르면, 메모리(326)(예: 도 1의 메모리(130))는 복수의 어플리케이션들을 저장할 수 있다. 예를 들어, 저장된 어플리케이션들은 실행 엔진 모듈(323)에 의해 선택되고 실행될 수 있다.
본 발명의 다양한 실시예에 따르면, 제 2 프로세서(321)는 지능형 에이전트(322), 실행 엔진 모듈(323) 및 힌트 제공 모듈(324)을 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322), 실행 엔진 모듈(323) 및 힌트 제공 모듈(324) 중 적어도 하나는 제 2 프로세서(321)와 다른 별도의 하드웨어로서 제 2 전자 장치(320)에 구성될 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322), 실행 엔진 모듈(323) 및 힌트 제공 모듈(324)은 메모리(326)에 저장된 소프트웨어일 수 있으며 이에 따라 제 2 프로세서(321)는 지능형 에이전트(322), 실행 엔진 모듈(323) 및 힌트 제공 모듈(324)을 실행하여 그 동작들을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322)는 사용자의 호출을 인식하는 웨이크 업(wake up) 인식 모듈을 포함할 수 있다. 상기 웨이크 업 인식 모듈은 음성 인식 모듈을 통해 사용자의 웨이크 업 명령을 인식할 수 있고, 상기 웨이크 업 명령을 인식한 경우 사용자 입력을 수신하기 위해 지능형 에이전트(322)을 활성화시킬 수 있다. 일 실시 예에 따르면, 웨이크 업 인식 모듈은 저전력 프로세서(예: 오디오 코덱에 포함된 프로세서)에 구현될 수 있다. 일 실시 예에 따르면, 지능형 에이전트(322)는 하드웨어 키를 통한 사용자 입력에 따라 활성화될 수 있다. 지능형 에이전트(322)가 활성화 되는 경우, 지능형 에이전트(322)와 연동된 지능형 앱(예: 음성 인식 앱)이 실행될 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322)는 사용자 입력을 인식하기 위한 음성 인식 모듈을 포함할 수 있다. 음성 인식 모듈은 앱에서 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예를 들어, 상기 음성 인식 모듈은 앱에서 상기 웨이크 업 명령과 같은 동작을 실행하는 제한된 사용자 입력(예: 카메라 앱이 실행 중일 때 촬영 동작을 실행시키는 "찰칵"과 같은 발화 등)을 인식할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322)의 음성 인식 모듈은 제 1 전자 장치(310)의 ASR 모듈(312)을 보조하여 사용자 입력을 인식할 수 있다. 예를 들어, 음성 인식 모듈은 제 2 전자 장치(320)에서 처리할 수 있는 사용자 명령을 인식하여 빠르게 처리할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322)의 음성 인식 모듈 및 웨이크 업 인식 모듈은 음성 인식 알고리즘을 이용하여 사용자 입력을 인식할 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model), ANN(artificial neural network) 또는 DTW(dynamic time warping) 중 적어도 하나일 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322)는 사용자의 음성 데이터를 텍스트 데이터로 변환할 수 있고, 텍스트 데이터를 디스플레이(325)를 통해 표시할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322)는 입력 장치(327)를 통해 수신된 음성 데이터를 제 1 전자 장치(310)로 전송할 수 있다. 지능형 에이전트(322)는 음성 데이터에 대한 처리 결과로서 텍스트 데이터를 제 1 전자 장치(310)로부터 수신할 수 있고, 이를 디스플레이(325)를 통해 표시할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322)는 음성 데이터에 대한 처리 결과로서 액션 플래닝을 제 1 전자 장치(310)로부터 수신할 수 있다. 지능형 에이전트(322)는 수신된 액션 플래닝을 실행 엔진 모듈(323)로 전달함으로써 대응하는 동작들을 실행 엔진 모듈(323)이 수행하게 할 수 있다.
본 발명의 다양한 실시예에 따르면, 지능형 에이전트(322)는, 음성 데이터를 제 1 전자 장치(310)에 전송하기에 앞서, 음성 전처리 동작(예: 도 2의 사용자 단말(210)의 음성 전처리 동작)을 수행할 수 있다. 예를 들어, 지능형 에이전트(322)는 적응 반향 제거(adaptive echo canceller)(AEC) 모듈, 노이즈 억제(noise suppression)(NS) 모듈, 종점 검출(end-point detection)(EPD) 모듈 또는 자동 이득 제어(automatic gain control)(AGC) 모듈을 포함할 수 있다. 상기 적응 반향 제거 모듈은 상기 사용자 입력에 포함된 에코(echo)를 제거할 수 있다. 상기 노이즈 억제 모듈은 상기 사용자 입력에 포함된 배경 잡음을 억제할 수 있다. 상기 종점 검출 모듈은 상기 사용자 입력에 포함된 사용자 음성의 종점을 검출하여 사용자의 음성이 존재하는 부분을 찾을 수 있다. 상기 자동 이득 제어 모듈은 상기 사용자 입력을 인식하여 처리하기 적합하도록 상기 사용자 입력의 음량을 조절할 수 있다.
본 발명의 다양한 실시예에 따르면, 실행 엔진 모듈(323)은 지능형 에이전트(322)를 통해 액션 플래닝을 제 1 전자 장치(310)로부터 수신할 수 있고, 대응하는 어플리케이션을 실행함으로써 대응하는 동작들을 어플리케이션이 수행하게 할 수 있다.
본 발명의 다양한 실시예에 따르면, 힌트 제공 모듈(324)은 ASR 오류 수정과 관련된 힌트(hint)를 사용자에게 제공(제안)할 수 있다. 예를 들어, 힌트 제공 모듈(324)은 제 1 전자 장치(310)로부터 ASR 오류 부분에 관한 정보를 수신할 수 있고, 수신된 정보를 포함하는 UI를 디스플레이(325)를 통해 표시할 수 있다.
본 발명의 다양한 실시예에 따르면, 힌트 제공 모듈(324)은 제공된 힌트에 대한 사용자의 반응을 입력 장치(327)를 통해 사용자로부터 수신할 수 있고, 사용자 반응을 제 1 전자 장치(310)로 전송할 수 있다.
도시되어 있지는 않았지만, 제 2 전자 장치(320)는 제 1 전자 장치(310)와 데이터 통신을 위한 통신 회로(예: 도 1의 통신 모듈(190))을 포함할 수 있고, 제 1 전자 장치(310) 또한 제 2 전자 장치(320)와 데이터 통신을 위한 통신 회로(예: 도 1의 통신 모듈(190)과 동일하며 동일한 기능을 수행하는 통신 모듈)을 포함할 수 있다.
도 4는 개인화된 ASR을 운용하기 위한 본 발명의 다양한 실시예에 따른 동작들을 설명하기 위한 흐름도이다.
도 4를 참조하면, 다양한 실시예에 따른 도 4의 동작들은 전자 장치의 프로세서(예: 도 3의 제 1 프로세서(310))에 의해 수행될 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 410에서 프로세서(예: 도 3의 ASR 모듈(312))는 사용자의 음성 데이터들을 주어진 ASR 모델을 이용하여 음성 인식함으로써 생성된, 복수의 텍스트 데이터들을, 상기 음성 데이터들과 함께, 저장소(예: 도 3의 ASR 발화 데이터 저장소(318d))에 저장할 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 420에서 프로세서는 저장된 복수의 텍스트 데이터들에서 ASR 오류 부분과 대체 후보를 획득할 수 있다. 예를 들어, 프로세서(예: 도 3의 데이터 분석 모듈(313))은 을 실행하여, ASR 발화 데이터 저장소(318d)의 저장된 동일 사용자의 텍스트 데이터들로부터 ASR 오류 부분과 대체 후보를 추출하는 동작을 수행할 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 430에서 프로세서(예: 도 3의 개인화 ASR 모델 생성 모듈(316))는 대체 후보와 이에 대응하는 사용자의 음성 데이터에 기반하여 상기 ASR 모델을 기계 학습(deep learning)함으로써 상기 사용자에 개인화된 ASR 모델을 생성할 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 440에서 프로세서(예: 도 3의 UI 모듈(315))은 ASR 오류 부분과 대체 후보에 대한 사용자의 반응을 수신할 수 있다. 예를 들어, 프로세서에 기능적으로 연결된 디스플레이(예: 도 3의 디스플레이(325))에 ASR 분석 결과(예: ASR 오류 부분과 대체 후보)를 포함하는 UI가 표시될 수 있다. 상기 표시된 ASR 분석 결과에 대한 사용자의 반응이, 프로세서에 기능적으로 연결된 입력 장치(예: 도 3의 입력 장치(327))를 통해, 프로세서로 전달될 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 450에서 프로세서(예: UI 모듈(315))은, 상기 사용자 반응에 기반하여, 상기 생성된 개인화 ASR 모델을 ASR에 적용할 수 있다. 예를 들어, 프로세서는, 사용자 반응이 긍정적인 경우(예: ASR 분석 결과를 수용한다는 의미의 사용자 입력이 프로세서로 전달된 경우), 개인화 ASR 모델을 저장소(예: 도 3의 ASR 모델 저장소(318a))에 저장함으로써 ASR 모듈(예: 도 3의 ASR 모듈(312))이 저장소에 저장된 상기 개인화 ASR 모델을 이용하여 음성 인식을 수행하게 할 수 있다.
도 5는 음성 인식의 결과를 분석하기 위한 본 발명의 다양한 실시예에 따른 동작들을 설명하기 위한 흐름도이다.
도 5를 참조하면, 본 발명의 다양한 실시예에 따른 도 5의 동작들(예: 도 4의 동작 420))은 전자 장치의 프로세서(예: 도 3의 제 1 프로세서(310) 또는 데이터 분석 모듈(313))에 의해 수행될 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 510에서 프로세서는 사용자의 발화 데이터들 중에서 주어진 그룹핑 조건을 만족하는 발화 데이터들을 하나의 발화 문 그룹으로 묶을 수 있다. 예컨대, 그룹핑 하는 방법은 특정 시간에 이루어진 발화, 특정 장소에서 이루어진 발화, 특정 상황(context)에서 이루어진 발화, 특정 위치에서 이루어진 발화 등을 기반으로 하여 수행될 수 있다. 예를 들어, 표 1을 참조하면, A 화자의 발화 데이터들 중 1분 이내에 연속적으로 생성된 발화 ID 6, 7 및 8번이 하나의 발화 문 그룹으로 묶일 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 520에서 프로세서는 주어진 예외 조건을 만족하는 하나 이상의 발화 데이터를 발화 문 그룹에서 제외(filter)할 수 있다 예를 들어, 언어적으로 서로 동일한 텍스트 데이터들은 발화 문 그룹에서 제외될 수 있다. 다른 예로, 단어의 위치만 다른 텍스트 데이터들도 동일한 것으로 분류되어 발화 문 그룹에서 제외될 수 있다.
또 다른 예로, 아래와 같이 축약어의 차이만을 보이는 텍스트 데이터들도 동일한 것으로 분류되어 발화 문 그룹에서 제외될 수 있다.
* You are so great
* You're so great
또 다른 예로, on/off 등 자주 쓰이는 반대 의미의 단어만 차이 나는, 아래와 같은 텍스트 데이터들은 예외 케이스로 분류되어 발화 문 그룹에서 제외될 수 있다.
* Turn on flashlight
* Turn off flashlight
또 다른 예로, 아래와 같이 숫자 뭉치들의 차이만 있는 텍스트 데이터들도 예외 케이스로 분류되어 발화 문 그룹에서 제외될 수 있다.
* Please call to 1234
* Please call to 55644-124
또 다른 예로, 아래와 같이 일부 단어가 추가된 텍스트 데이터는 예외 케이스로 분류되어 발화 문 그룹에서 제외할 수 있다.
* open whatsapp and share latest video to pushups
* open whatsapp and share latest video to pushups group
본 발명의 다양한 실시예에 따르면, 동작 530에서 프로세서는 발화 문 그룹(예: 그룹핑 동작 510에 의해 하나로 묶인 발화 문 그룹, 또는 상기 필터링 동작 520을 통과한 발화 문 그룹)에서 서로 유사한 한 쌍의 발화 데이터들을 선정할 수 있다. 일 실시예에 따르면, 프로세서는, soundex, double metaphone 등의 알고리즘을 이용하여, 발화 데이터들 간의 유사도를 계산할 수 있고, 지정된 임계치(threshold)를 넘기는 유사도를 가지는 한 쌍의 발화 데이터들을 유사 발화 데이터로 선정할 수 있다. 예를 들어, 프로세서는 발화 ID 6, 7 및 8로 구성된 발화 문 그룹에서 하나의 단어만 다른 ID 6 및 7번을 한 쌍의 유사 발화 데이터들로 선정할 수 있다.
본 발명의 다양한 실시예에 따르면, soundex 알고리즘은 유사한 발음을 지닌 영어 인명들에 동일한 코드 값을 부여할 수 있다. 예를 들어, "smith" 와 "smyth" 는 철자는 다르지만 발음이 동일하므로 동일한 코드 값(예: S530)이 부여될 수 있다. 예를 들어, 영문자인 경우 첫 번째 문자는 무조건, 결과 값에 포함 할 수 있다. 두 번째 문자부터 a, e, h, i, o, u, w, y 가 나오면 무시되고, 다음 문자로 넘어갈 수 있다. 이후 문자는, 아래 표 2와 같은 테이블을 참조하여, 코드 값으로 치환될 수 있다. 해당 테이블은 발음할 때의 입의 모양을 기반으로 작성 될 수 있다. 치환된 값에서 만약 같은 값이 2개 연속 나오면, 이전 문자가 위 테이블에 포함된 글자라면 무시되고, 연속된 글자가 아니면 결과 값에 포함될 수 있다. 총 4글자의 결과값이 도출될 수 있는데, 만약 글자가 부족할 때는 "0"이 결과 값에 채워질 수 있다.
문자 코드 값
b, f, p, v 1
c, g, j, k, q, s, x, z 2
d, t 3
l 4
m, n 5
r 6
본 발명의 다양한 실시예에 따르면, double metaphone 알고리즘은 soundex 알고리즘과 같이 철자를 음성 코드로 변환하는 방법에 기초하여 더 다양한 음성 코드를 사용하고 모호한 발음에 대해서는 최대 두 개의 후보를 반환할 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 540에서 프로세서는 한 쌍의 유사 발화 데이터들 간의 차이점을 추출할 수 있다. 예를 들어, 발화 ID 6 및 7번에서 한 쌍의 단어들 "log와 lock"이 차이점으로서 추출될 수 있다.
본 발명의 다양한 실시예에 따르면, 동작 550에서 프로세서는 추출된 차이점에 기반하여 ASR 오류 부분 및 대체 후보를 결정할 수 있다. 예를 들어, 프로세서는, 한 쌍의 단어들 중 lock을 사용자가 발화한 단어(대체 후보)이고 log을 ASR 오류 부분으로 결정할 수 있다.
도 6은 ASR 오류 분석의 결과에 대한 사용자의 반응을 수신하기 위한 본 발명의 다양한 실시예에 따른 UI(user interface)를 나타내는 도면이다.
도 6을 참조하면, 본 발명의 다양한 실시예에 따른 프로세서(예: 도 3의 제 1 프로세서(310))는 프로세서에 기능적으로 연결된 디스플레이(예: 도 3의 디스플레이(325))를 통해 UI(610)를, 사용자에게 제공할 수 있다. 예를 들어, 프로세서는, ASR의 결과로서 제 1 텍스트 데이터(611)를 UI(610)의 상단 부분을 통해 표시할 수 있고, ASR 오류 분석의 결과로서 제 1 텍스트 데이터(311)를 대체할 힌트(대체 후보)인 제 2 텍스트 데이터(612)가 UI(610)의 하단 부분을 통해 표시할 수 있다. 제 1 텍스트 데이터(611) 또는 제 2 텍스트 데이터(612)에 대한 사용자의 반응(예: 터치스크린에 표시된 데이터에 대한 사용자의 터치 입력)이 프로세서에 기능적으로 연결된 입력 장치(예: 도 3의 입력 장치(327))를 통해 프로세서로 전달될 수 있다. 사용자 반응이 제 1 텍스트 데이터(611)를 선택한 것이면, 프로세서는 제 1 텍스트 데이터(611)에 대응하는 액션 플래닝을 생성할 수 있다. 사용자 반응이 제 2 텍스트 데이터(612)를 선택한 것이면, 프로세서는 제 2 텍스트 데이터(612)에 대응하는 액션 플래닝을 생성할 수 있고, 제 2 텍스트 데이터(612)를 이용하여 개인화 ASR을 운용할 수 있다.
도 7은 ASR 오류 분석의 결과에 대한 사용자의 반응을 수신하기 위한 본 발명의 다양한 실시예에 따른 UI(user interface)를 나타내는 도면이다.
도 7을 참조하면, 본 발명의 다양한 실시예에 따른 프로세서(예: 도 3의 제 1 프로세서(310))는 ASR의 결과로서 제 1 텍스트 데이터(711)를 UI(710)를 통해 표시할 수 있고, ASR 오류 분석의 결과로서 제 2 텍스트 데이터(712)를 UI(710)를 통해 표시할 수 있다. 예를 들어, 프로세서는 사용자의 음성 어시스턴트 기록(voice assistant history) 중 "open my files and show my listen 5"라는 ASR의 결과를 UI(710)를 통해 사용자에게 제공할 수 있다. 프로세서는 ASR 오류 분석을 통해 수정된 텍스트 데이터 "open my files and show my recent file"를 UI(710)를 통해 사용자에게 제공할 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서는 ASR 대상인 사용자의 음성 데이터를 재생하기 위한 재생 아이콘(713)을 UI(710)를 통해 표시할 수 있다. 재생 아이콘(713)이 입력 장치를 통해 사용자로부터 선택되면, 프로세서는 대응하는 음향 신호를 스피커를 통해 출력할 수 있다.
본 발명의 다양한 실시예에 따르면, 프로세서는 ASR 오류 분석의 결과에 대한 사용자의 반응을 수신하기 위한 개인화 적용 아이콘(714)(예: "apply this to me"로 표기된 아이콘)을 UI(710)를 통해 표시할 수 있다. 개인화 적용 아이콘(714)이 입력 장치를 통해 사용자로부터 선택되면, ASR 오류 분석을 수용한다는 의미로서 사용자 반응이 프로세서에 전달될 수 있고, 프로세서는 개인화 ASR을 운용할 수 있다.
도 8은 ASR 오류 분석의 결과에 대한 사용자의 반응을 수신하기 위한 본 발명의 다양한 실시예에 따른 UI(user interface)를 나타내는 도면이다.
도 8을 참조하면, 본 발명의 다양한 실시예에 따른 프로세서(예: 도 3의 제 1 프로세서(310))는 사용자의 음성 어시스턴트 기록(voice assistant history) 중에서 ASR 오류 분석을 통해 수정된 텍스트 데이터(811)를, 해당 음성을 재생하기 위한 아이콘(812) 및 개인화 ASR 적용 여부를 사용자가 선택할 수 있게 하기 위한 아이콘(813)과 함께, UI(810)를 통해 표시할 수 있다. 예를 들어, 프로세서는 사용자의 발화 중에서 수정된 단어를 표시할 수 있다. 또는, 프로세서는 수정된 단어를 포함하는 해당 문장 전체를 표시할 수도 있다.
본 발명의 다양한 실시예에 따르면, 사용자 발화를 기반으로 한 ASR 개인화는 특정 개인의 범위가 아니라 특정한 그룹의 사람들을 그 대상으로 할 수 있다. 예를 들어, 프로세서(예: 도 3의 제 1 프로세서(310))는, 특정 음성 서비스를 사용하는 모든 사용자를 대상으로 하여 발화 데이터를 수집한 후, 수집된 발화 데이터들에 대한 ASR 오류 분석을 통해 어떠한 발화가 어느 정도의 빈도로 사용자 의도와 다른 텍스트로 변환되고 있는지 추정할 수 있다. 아래 표 4는 사용자들의 ASR 오류로 추정되는 단어를 빈도와 함께 수집한 예를 나타내는 것이다. 표 4와 같이, 특정 단어의 경우 높은 확률로 다른 단어로 오 인식되는 것을 프로세서가 추출할 수 있다. 프로세서는, 개인이 아닌, 특정 단어에 대해 ASR 오류가 있음을 인식할 수 있다. 따라서, ASR 오류가 빈번하게 발생하는 단어의 경우 ASR의 개선을 통해 해당 단어를 잘 인식할 수 있도록 할 수 있다. 해당 발화 수집의 대상이 되는 그룹은 전체 사용자도 가능하지만 지역별, 시간별, 연령별, 등 다양한 형태의 그룹을 그 대상으로 할 수 있으며 이를 통해 특정 지역에서 사용하는 단어 등을 정해진 텍스트로 바꾸는 등 ASR의 동작을 개선할 수 있다.
Rank Correct Word count Mis-Pronounced Words (count)
1 snapchat 555 snapshot(549), snapshotted(1), snaps at(1), subject(1), slapshot(1), stop shot(1), snap said(1)
2 lock 263 log(105), look(97), like(28), love(20), locks(2), let(2), luck(1), lockett(1), lot(1), lac(1), lax(1), lack(1), lucky(1), loke(1), oak(1)
3 whatsapp 202 what's up(178), watch app(4), horse app(2), what's at(2), the this(1), watts app(1), what set(1), wide sep(1), what is up(1), what's of(1), watch shot(1), what's hot(1), what's the(1), water(1), woodchuck(1), what apps(1), whtsapp(1), what's i'm(1), woodson(1), what's off(1)
4 bixby 197 big b(21), big be(13), bixi(7), biggs by(6), big's be(4), big(4), big the(4), biggs b(4), picks p(4), biccy(3), pics p(3), back(3), six p(3), big me(3), big pay(3), bucks be(3), pics by(3), big bay(3), rigsby(2), digsby(2), bxb(2), bagsby(2), big see(2), biggs de(2), pics be(2), bixley(2), fix be(2), dicks be(2), bicks be(2), busy(2), back bay(2), bixby's(2), big big(2), big d(2), bucks by(2), baxby(2), bass be(2), ...
5 snap chat 156 snapshot(156)
6 app 144 up(88), at(20), apps(7), ab(5), web(4), a(2), of(2), add(2), apple(1), have(1), up a(1), applet(1), app's(1), off(1), hope(1), a p k(1), a by(1), ep(1), happy(1), i have(1), tap(1), map(1)
7 sing 119 sync(59), saying(17), send(12), think(6), singh(4), sings(4), thing(3), sang(2), saint(2), song(2), bing(2), xing(1), ring(1), seen(1), sync a(1), change(1), ching(1)
8 fuck 102 fucky(62), fuckeh(9), fucko(6), focke(4), fucks(4), fucki(3), fack(3), faq(3), buck(2), back(2), fuk(1), fak(1), fug(1), kiss(1)
9 mom 100 mum(49), mama(17), mommy(9), mamma(5), nine(2), memo(2), mammi(2), nam(2), mommy o(1), i'm(1), month(1), mam(1), miss you(1), men(1), my(1), mahm(1), my me(1), man(1), mummy(1), mami(1)
10 off 88 of(80), app(3), or(2), have(2), wife(1)
본 발명의 다양한 실시예에 따른 전자 장치(예: 도 3의 제 1 전자 장치(310))는, 프로세서; 및 상기 프로세서에 전기적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행될 때, 상기 프로세서가: 사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를, 상기 음성 데이터와 함께 하나의 발화 데이터로서, 상기 프로세서에 기능적으로 연결된 발화 데이터 저장소에 저장하고, 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하고, 상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하고, 상기 후보에 대한 사용자의 반응을 상기 프로세서에 기능적으로 연결된 입력 장치(예: 도 3의 입력 장치(327))를 통해 수신하고, 상기 사용자 반응에 기반하여, 상기 ASR 모델을 상기 개인화 ASR 모델로 업데이트하도록 하는 인스트럭션들을 저장할 수 있다.
상기 인스트럭션들은, 상기 프로세서가 상기 프로세서에 기능적으로 연결된 디스플레이에 상기 후보를 상기 ASR 오류 부분과 함께 표시하도록 할 수 있다.
상기 인스트럭션들은, 상기 프로세서가 상기 ASR 오류 부분에 대응하는 발화 데이터를 설명해주는 메타 데이터를 상기 디스플레이에 더 표시하도록 하되, 상기 메타 데이터는 상기 ASR 오류 부분에 대응하는 발화 데이터와 관련된 시간 및 위치 정보를 포함할 수 있다.
상기 인스트럭션들은, 상기 프로세서가 상기 ASR 오류 부분에 대응하는 음성 데이터의 재생을 위한 링크 정보를 상기 디스플레이에 더 표시하도록 할 수 있다.
상기 인스트럭션들은, 상기 프로세서가 상기 사용자 반응이 상기 표시된 후보에 대해 긍정적인 반응인 경우, 상기 개인화 ASR 모델을 이용하여 ASR을 수행하도록 할 수 있다.
상기 인스트럭션들은, 상기 프로세서가 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들 중에서 주어진 시간 내에 연속적으로 생성된 발화 데이터들을 하나의 발화 문 그룹으로 묶고, 상기 발화 문 그룹에서 서로 유사한 한 쌍의 발화 데이터들을 선정하고, 상기 한 쌍의 유사 발화 데이터들 간의 차이점을 추출하고, 상기 차이점에 기반하여 상기 후보를 획득하도록 할 수 있다.
상기 차이점은 한 쌍의 단어들을 포함하고, 상기 한 쌍의 단어들 중에서 시간적으로 후에 생성된 단어가 상기 후보로 결정될 수 있다.
상기 인스트럭션들은, 상기 프로세서가 상기 발화 문 그룹에서 주어진 예외 조건을 만족하는 하나 이상의 발화 데이터를 상기 발화 문 그룹에서 제외하도록 할 수 있다.
상기 발화 문 그룹에서 언어적으로 서로 동일한 텍스트 데이터들, 단어의 위치만 다른 텍스트 데이터들, 축약어의 차이만 있는 텍스트 데이터들, 또는 반대 의미의 단어 차이만 있는 텍스트 데이터들이 상기 예외 조건을 만족하는 것으로 분류됨으로써 상기 발화 문 그룹에서 제외될 수 있다.
상기 인스트럭션들은, 상기 프로세서가 상기 사용자 반응이 상기 후보에 대해 부정적인 경우, 상기 후보를 상기 ASR 오류 부분을 대체할 후보 군에서 제외하도록 할 수 있다.
상기 인스트럭션들은, 상기 프로세서가 사용자 입력을 통해 수행된 동작이 상기 후보와 무관한 것으로 결정된 경우, 상기 동작에 기반하여 제 2 ASR 오류 부분과 이를 대체할 제 2 후보를 획득하도록 할 수 있다.
본 발명의 다양한 실시예에 따른 전자 장치(예: 도 3의 제 1 전자 장치(310))는, 통신 회로; 사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를 상기 음성 데이터와 함께 하나의 발화 데이터로서 저장하도록 설정된 발화 데이터 저장소; 및 상기 통신 회로 및 상기 발화 데이터 저장소에 전기적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하고, 상기 후보 및 상기 ASR 오류 부분에 관한 정보를 상기 통신 회로를 통해 외부 전자 장치(예: 도 3의 제 2 전자 장치(320))로 전송하고, 상기 정보에 대한 사용자의 반응을 상기 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고, 상기 사용자 반응이 상기 후보에 대해 긍정적인 반응인 경우, 상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하도록 설정될 수 있다.
상기 프로세서는, 상기 개인화 ASR 모델을 이용하여, 상기 외부 전자 장치로부터 수신된 음성 데이터를 텍스트 데이터로 변환하도록 설정될 수 있다.
상기 프로세서는, 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들 중에서 주어진 시간 내에 연속적으로 생성된 발화 데이터들을 하나의 발화 문 그룹으로 묶고, 상기 발화 문 그룹에서 서로 유사한 한 쌍의 발화 데이터들을 선정하고, 상기 한 쌍의 유사 발화 데이터들 간의 차이점을 추출하고, 상기 차이점에 기반하여 상기 후보를 획득하도록 설정될 수 있다.
상기 차이점은 한 쌍의 단어들을 포함하고, 상기 한 쌍의 단어들 중에서 시간적으로 후에 생성된 단어가 상기 후보로 결정될 수 있다.
상기 프로세서는 상기 발화 문 그룹에서 주어진 예외 조건을 만족하는 하나 이상의 발화 데이터를 상기 발화 문 그룹에서 제외하도록 설정될 수 있다.
상기 발화 문 그룹에서 언어적으로 서로 동일한 텍스트 데이터들, 단어의 위치만 다른 텍스트 데이터들, 축약어의 차이만 있는 텍스트 데이터들, 또는 반대 의미의 단어 차이만 있는 텍스트 데이터들이 상기 예외 조건을 만족하는 것으로 분류됨으로써 상기 발화 문 그룹에서 제외될 수 있다.
본 발명의 다양한 실시예에 따른 전자 장치(예: 도 3의 제 1 전자 장치(310))를 동작하는 방법은, 사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를, 상기 음성 데이터와 함께 하나의 발화 데이터로서, 발화 데이터 저장소에 저장하는 동작; 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하는 동작; 상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하는 동작; 상기 후보에 대한 사용자의 반응을 수신하는 동작; 및 상기 사용자 반응에 기반하여, 상기 ASR 모델을 상기 개인화 ASR 모델로 업데이트하는 동작을 포함할 수 있다.
상기 후보를 획득하는 동작은, 상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들 중에서 주어진 시간 내에 연속적으로 생성된 발화 데이터들을 하나의 발화 문 그룹으로 묶는 동작; 상기 발화 문 그룹에서 서로 유사한 한 쌍의 발화 데이터들을 선정하는 동작; 상기 한 쌍의 유사 발화 데이터들 간의 차이점을 추출하는 동작; 및 상기 차이점에 기반하여 상기 후보를 획득하는 동작을 포함할 수 있다.
상기 차이점은 한 쌍의 단어들을 포함하고, 상기 한 쌍의 단어들 중에서 시간적으로 후에 생성된 단어가 상기 후보로 결정될 수 있다.
본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 실시예에 따른 기술 내용을 쉽게 설명하고 본 발명의 실시예의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 실시예의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 다양한 실시예의 범위는 여기에 개시된 실시예들 이외에도 본 발명의 다양한 실시예의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예의 범위에 포함되는 것으로 해석되어야 한다.
101, 102, 104: 전자 장치
108: 서버
199: 네트워크
210: 사용자 단말
220: 지능형 서버
230: 클라우드 서버
240: 서드파티 서버
250: 통신망
310: 제 1 전자 장치
320: 제 2 전자 장치

Claims (20)

  1. 전자 장치에 있어서,
    프로세서; 및
    상기 프로세서에 전기적으로 연결된 메모리를 포함하고,
    상기 메모리는, 실행될 때, 상기 프로세서가:
    사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를, 상기 음성 데이터와 함께 하나의 발화 데이터로서, 상기 프로세서에 기능적으로 연결된 발화 데이터 저장소에 저장하고,
    상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하고,
    상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하고,
    상기 후보에 대한 사용자의 반응을 상기 프로세서에 기능적으로 연결된 입력 장치를 통해 수신하고,
    상기 사용자 반응에 기반하여, 상기 ASR 모델을 상기 개인화 ASR 모델로 업데이트하도록 하는 인스트럭션들을 저장하는 전자 장치.
  2. 제 1 항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 프로세서에 기능적으로 연결된 디스플레이에 상기 후보를 상기 ASR 오류 부분과 함께 표시하도록 하는 전자 장치.
  3. 제 2 항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 ASR 오류 부분에 대응하는 발화 데이터를 설명해주는 메타 데이터를 상기 디스플레이에 더 표시하도록 하되,
    상기 메타 데이터는 상기 ASR 오류 부분에 대응하는 발화 데이터와 관련된 시간 및 위치 정보를 포함하는 전자 장치.
  4. 제 2 항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 ASR 오류 부분에 대응하는 음성 데이터의 재생을 위한 링크 정보를 상기 디스플레이에 더 표시하도록 하는 전자 장치.
  5. 제 2 항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 사용자 반응이 상기 표시된 후보에 대해 긍정적인 반응인 경우, 상기 개인화 ASR 모델을 이용하여 ASR을 수행하도록 하는 전자 장치.
  6. 제 1 항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들 중에서 주어진 시간 내에 연속적으로 생성된 발화 데이터들을 하나의 발화 문 그룹으로 묶고,
    상기 발화 문 그룹에서 서로 유사한 한 쌍의 발화 데이터들을 선정하고,
    상기 한 쌍의 유사 발화 데이터들 간의 차이점을 추출하고,
    상기 차이점에 기반하여 상기 후보를 획득하도록 하는 전자 장치.
  7. 제 6 항에 있어서, 상기 차이점은 한 쌍의 단어들을 포함하고, 상기 한 쌍의 단어들 중에서 시간적으로 후에 생성된 단어가 상기 후보로 결정되는 전자 장치.
  8. 제 6 항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 발화 문 그룹에서 주어진 예외 조건을 만족하는 하나 이상의 발화 데이터를 상기 발화 문 그룹에서 제외하도록 하는 전자 장치.
  9. 제 8 항에 있어서, 상기 발화 문 그룹에서 언어적으로 서로 동일한 텍스트 데이터들, 단어의 위치만 다른 텍스트 데이터들, 축약어의 차이만 있는 텍스트 데이터들, 또는 반대 의미의 단어 차이만 있는 텍스트 데이터들이 상기 예외 조건을 만족하는 것으로 분류됨으로써 상기 발화 문 그룹에서 제외되는 전자 장치.
  10. 제 1 항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    상기 사용자 반응이 상기 후보에 대해 부정적인 경우, 상기 후보를 상기 ASR 오류 부분을 대체할 후보 군에서 제외하도록 하는 전자 장치.
  11. 제 1 항에 있어서, 상기 인스트럭션들은 상기 프로세서가:
    사용자 입력을 통해 수행된 동작이 상기 후보와 무관한 것으로 결정된 경우, 상기 동작에 기반하여 제 2 ASR 오류 부분과 이를 대체할 제 2 후보를 획득하도록 하는 전자 장치.
  12. 전자 장치에 있어서,
    통신 회로;
    사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를 상기 음성 데이터와 함께 하나의 발화 데이터로서 저장하도록 설정된 발화 데이터 저장소; 및
    상기 통신 회로 및 상기 발화 데이터 저장소에 전기적으로 연결된 프로세서를 포함하고,
    상기 프로세서는,
    상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하고,
    상기 후보 및 상기 ASR 오류 부분에 관한 정보를 상기 통신 회로를 통해 외부 전자 장치로 전송하고,
    상기 정보에 대한 사용자의 반응을 상기 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고,
    상기 사용자 반응이 상기 후보에 대해 긍정적인 반응인 경우, 상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하도록 설정된 전자 장치.
  13. 제 12 항에 있어서, 상기 프로세서는,
    상기 개인화 ASR 모델을 이용하여, 상기 외부 전자 장치로부터 수신된 음성 데이터를 텍스트 데이터로 변환하도록 설정된 전자 장치.
  14. 제 12 항에 있어서, 상기 프로세서는,
    상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들 중에서 주어진 시간 내에 연속적으로 생성된 발화 데이터들을 하나의 발화 문 그룹으로 묶고,
    상기 발화 문 그룹에서 서로 유사한 한 쌍의 발화 데이터들을 선정하고,
    상기 한 쌍의 유사 발화 데이터들 간의 차이점을 추출하고,
    상기 차이점에 기반하여 상기 후보를 획득하도록 설정된 전자 장치.
  15. 제 14 항에 있어서, 상기 차이점은 한 쌍의 단어들을 포함하고, 상기 한 쌍의 단어들 중에서 시간적으로 후에 생성된 단어가 상기 후보로 결정되는 전자 장치.
  16. 제 14 항에 있어서, 상기 프로세서는,
    상기 발화 문 그룹에서 주어진 예외 조건을 만족하는 하나 이상의 발화 데이터를 상기 발화 문 그룹에서 제외하도록 설정된 전자 장치.
  17. 제 16 항에 있어서, 상기 발화 문 그룹에서 언어적으로 서로 동일한 텍스트 데이터들, 단어의 위치만 다른 텍스트 데이터들, 축약어의 차이만 있는 텍스트 데이터들, 또는 반대 의미의 단어 차이만 있는 텍스트 데이터들이 상기 예외 조건을 만족하는 것으로 분류됨으로써 상기 발화 문 그룹에서 제외되는 전자 장치.
  18. 전자 장치를 동작하는 방법에 있어서,
    사용자의 음성 데이터를 주어진 ASR(automatic speech recognition) 모델을 이용하여 인식함으로써 생성된 텍스트 데이터를, 상기 음성 데이터와 함께 하나의 발화 데이터로서, 발화 데이터 저장소에 저장하는 동작;
    상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들에서 ASR 오류 부분을 대체할 후보를 획득하는 동작;
    상기 후보와 상기 후보에 대응하는 사용자의 음성 데이터에 기반하여, 상기 ASR 모델을 기계 학습(deep learning)함으로써 개인화 ASR 모델을 생성하는 동작;
    상기 후보에 대한 사용자의 반응을 수신하는 동작; 및
    상기 사용자 반응에 기반하여, 상기 ASR 모델을 상기 개인화 ASR 모델로 업데이트하는 동작을 포함하는 방법.
  19. 제 18 항에 있어서, 상기 후보를 획득하는 동작은,
    상기 발화 데이터 저장소에 저장된 복수의 발화 데이터들 중에서 주어진 시간 내에 연속적으로 생성된 발화 데이터들을 하나의 발화 문 그룹으로 묶는 동작;
    상기 발화 문 그룹에서 서로 유사한 한 쌍의 발화 데이터들을 선정하는 동작;
    상기 한 쌍의 유사 발화 데이터들 간의 차이점을 추출하는 동작; 및
    상기 차이점에 기반하여 상기 후보를 획득하는 동작을 포함하는 방법.
  20. 제 19 항에 있어서, 상기 차이점은 한 쌍의 단어들을 포함하고, 상기 한 쌍의 단어들 중에서 시간적으로 후에 생성된 단어가 상기 후보로 결정되는 방법.
KR1020180081676A 2018-07-13 2018-07-13 개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법 KR20200007496A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020180081676A KR20200007496A (ko) 2018-07-13 2018-07-13 개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법
PCT/KR2019/004695 WO2020013428A1 (ko) 2018-07-13 2019-04-18 개인화 asr 모델을 생성하는 전자 장치 및 이를 동작하는 방법
US17/256,275 US20210264916A1 (en) 2018-07-13 2019-04-18 Electronic device for generating personalized asr model and method for operating same
EP19834166.1A EP3779964A4 (en) 2018-07-13 2019-04-18 ELECTRONIC DEVICE FOR CREATING A PERSONALIZED ASR MODEL AND METHOD FOR OPERATING IT

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180081676A KR20200007496A (ko) 2018-07-13 2018-07-13 개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법

Publications (1)

Publication Number Publication Date
KR20200007496A true KR20200007496A (ko) 2020-01-22

Family

ID=69142641

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180081676A KR20200007496A (ko) 2018-07-13 2018-07-13 개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법

Country Status (4)

Country Link
US (1) US20210264916A1 (ko)
EP (1) EP3779964A4 (ko)
KR (1) KR20200007496A (ko)
WO (1) WO2020013428A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023163270A1 (ko) * 2022-02-22 2023-08-31 삼성전자 주식회사 개인화 자동 음성 인식 모델을 생성하는 전자 장치 및 그 방법

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
CN104969289B (zh) 2013-02-07 2021-05-28 苹果公司 数字助理的语音触发器
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
DK179496B1 (en) 2017-05-12 2019-01-15 Apple Inc. USER-SPECIFIC Acoustic Models
DK201770427A1 (en) 2017-05-12 2018-12-20 Apple Inc. LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT
US10928918B2 (en) 2018-05-07 2021-02-23 Apple Inc. Raise to speak
DK180639B1 (en) 2018-06-01 2021-11-04 Apple Inc DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT
US11462215B2 (en) 2018-09-28 2022-10-04 Apple Inc. Multi-modal inputs for voice commands
US11475884B2 (en) * 2019-05-06 2022-10-18 Apple Inc. Reducing digital assistant latency when a language is incorrectly determined
US11227599B2 (en) 2019-06-01 2022-01-18 Apple Inc. Methods and user interfaces for voice-based control of electronic devices
KR20210100446A (ko) * 2020-02-06 2021-08-17 삼성전자주식회사 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법
US11061543B1 (en) 2020-05-11 2021-07-13 Apple Inc. Providing relevant data items based on context
US11490204B2 (en) 2020-07-20 2022-11-01 Apple Inc. Multi-device audio adjustment coordination
US11438683B2 (en) 2020-07-21 2022-09-06 Apple Inc. User identification using headphones
US11551694B2 (en) 2021-01-05 2023-01-10 Comcast Cable Communications, Llc Methods, systems and apparatuses for improved speech recognition and transcription
US11908475B1 (en) * 2023-02-10 2024-02-20 Cephable Inc. Systems, methods and non-transitory computer readable media for human interface device accessibility

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100679044B1 (ko) * 2005-03-07 2007-02-06 삼성전자주식회사 사용자 적응형 음성 인식 방법 및 장치
US20070208567A1 (en) * 2006-03-01 2007-09-06 At&T Corp. Error Correction In Automatic Speech Recognition Transcripts
US8473292B2 (en) * 2009-09-02 2013-06-25 At&T Intellectual Property I, L.P. System and method for generating user models from transcribed dialogs
KR101131278B1 (ko) * 2010-03-02 2012-03-30 포항공과대학교 산학협력단 대화 로그를 이용한 학습 기반 대화 시스템 성능 향상 방법 및 그 장치
KR101971513B1 (ko) * 2012-07-05 2019-04-23 삼성전자주식회사 전자 장치 및 이의 음성 인식 오류 수정 방법
KR101892734B1 (ko) * 2013-01-04 2018-08-28 한국전자통신연구원 음성 인식 시스템에서의 오류 수정 방법 및 그 장치
WO2014197336A1 (en) * 2013-06-07 2014-12-11 Apple Inc. System and method for detecting errors in interactions with a voice-based digital assistant
US10586556B2 (en) * 2013-06-28 2020-03-10 International Business Machines Corporation Real-time speech analysis and method using speech recognition and comparison with standard pronunciation
US9589562B2 (en) * 2014-02-21 2017-03-07 Microsoft Technology Licensing, Llc Pronunciation learning through correction logs
US10446141B2 (en) * 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US9558740B1 (en) * 2015-03-30 2017-01-31 Amazon Technologies, Inc. Disambiguation in speech recognition
DK201670539A1 (en) * 2016-03-14 2017-10-02 Apple Inc Dictation that allows editing
KR20180062003A (ko) * 2016-11-30 2018-06-08 한국전자통신연구원 음성 인식 오류 교정 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023163270A1 (ko) * 2022-02-22 2023-08-31 삼성전자 주식회사 개인화 자동 음성 인식 모델을 생성하는 전자 장치 및 그 방법

Also Published As

Publication number Publication date
EP3779964A1 (en) 2021-02-17
WO2020013428A1 (ko) 2020-01-16
US20210264916A1 (en) 2021-08-26
EP3779964A4 (en) 2021-07-28

Similar Documents

Publication Publication Date Title
KR20200007496A (ko) 개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법
US10832674B2 (en) Voice data processing method and electronic device supporting the same
CN110288987B (zh) 用于处理声音数据的系统和控制该系统的方法
KR102426717B1 (ko) 발화 인식 모델을 선택하는 시스템 및 전자 장치
US11217244B2 (en) System for processing user voice utterance and method for operating same
US20200160863A1 (en) Electronic apparatus for processing user utterance and controlling method thereof
KR20200113105A (ko) 응답을 제공하는 전자 장치와 이의 동작 방법
US10560576B1 (en) Electronic device for performing task including call in response to user utterance and operation method thereof
CN112639962A (zh) 处理用户话语的电子设备及其控制方法
US11151995B2 (en) Electronic device for mapping an invoke word to a sequence of inputs for generating a personalized command
US20210217406A1 (en) Voice recognition service operating method and electronic device supporting same
US10976997B2 (en) Electronic device outputting hints in an offline state for providing service according to user context
KR102511517B1 (ko) 음성 입력 처리 방법 및 이를 지원하는 전자 장치
KR20190134107A (ko) 사용자의 음성을 처리하는 전자 장치를 포함하는 시스템 및 전자 장치의 음성 인식 제어 방법
US20210110825A1 (en) Method of generating wakeup model and electronic device therefor
US11455992B2 (en) Electronic device and system for processing user input and method thereof
KR102612835B1 (ko) 전자 장치 및 전자 장치의 기능 실행 방법
US20240143920A1 (en) Method and electronic device for processing user utterance based on language model
KR20240049061A (ko) 음성 인식을 수행하는 전자 장치와 이의 동작 방법
KR20230045333A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220169242A (ko) 전자 장치 및 전자 장치의 개인화된 음성 처리 방법
KR20240020141A (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치

Legal Events

Date Code Title Description
A201 Request for examination