JP2018190413A - ユーザ発話の表現法を把握して機器の動作やコンテンツ提供範囲を調整し提供するユーザ命令処理方法およびシステム - Google Patents

Abstract

【課題】ユーザ発話の表現法を把握して機器の動作やコンテンツ提供範囲を調整して提供するユーザ命令処理方法およびシステムを提供する。
【解決手段】ユーザ命令にしたがって実行可能な少なくとも１つの予め定義された動作を管理する段階５１０、ユーザから受信された音声入力を少なくとも含むユーザ命令を受信する段階５２０、音声入力から抽出されたキーワードに対応する動作を選択する段階５３０、少なくとも１つの予め定義された動作それぞれと関連して複数のオプションが予め設定される段階５５０、選択された動作と関連して予め設定された複数のオプションのうちから抽出されたキーワードに対応する少なくとも１つのオプションを決定する段階５６０、音声入力の表現法に基づいて複数のオプションのうちから少なくとも１つのオプションを決定する段階および決定された少なくとも１つのオプションと連係して選択された動作を実行する段階５７０を含む。
【選択図】図５

Description

以下の説明は、ユーザ発話の表現法を把握して機器の動作やコンテンツ提供範囲を調整し提供するユーザ命令処理方法およびシステム、コンピュータで実現される電子機器にユーザ命令処理方法を実行させるためのコンピュータプログラムとその記録媒体に関する。

ホームネットワークサービスの人工知能スピーカのように、音声に基づいて動作するインタフェースは、視覚情報を使用することができないことから、多様なオプションから１つのオプションを選択する動作や、数多くの情報から１つの情報を選択する動作などを実施することが難しい。例えば、特許文献１は、ホームメディアデバイスおよびこれを利用したホームネットワークシステムと方法に関する技術であって、ホームネットワークサービスにおいて、移動通信網の他にＷｉ−Ｆｉ（登録商標）のような第２通信網を利用してホームネットワークサービスを提供することが可能であり、宅内の複数のマルチメディア機器をユーザのボタン操作なく音声命令によってマルチコントロールすることができる技術を開示している。このようなホームネットワークサービスにおいて、ユーザから音声命令を受信する電子機器が、ユーザの音声入力「電気を消して」を受信した場合を考えてみる。このような電子機器は、受信した音声入力「電気を消して」を分析した結果、スマート照明機器であるライトの電源をオフ（ＯＦＦ）にすることが考慮されるが、ホームネットワーク上に複数のスマート照明機器が存在する場合には、どのスマート照明機器の電源をオフにすべきかを決定する状況に直面するようになる。このような従来技術では、既に入力されたユーザの音声入力だけでは、音声入力に基づいて選択された動作と関連する多様なオプションからユーザが意図するオプションを選択することは難しく、これと同じように、ユーザの音声入力が意図する情報を提供するにおいても、関連する多様な情報をどのオプションによって提供すべきかを選択するのが難しいという問題がある。

韓国公開特許第１０−２０１１−０１３９７９７号

ユーザ命令にしたがって実行可能な電子機器の予め定義された動作と関連し、動作の多様のオプションに対し、ユーザから受信された音声入力がオプションの決定のための直接的なキーワードを含んでいない場合にも、音声入力の表現法に基づいてオプションを決定し、決定されたオプションと連係して選択された動作を実行することができる、ユーザ命令処理方法およびシステム、コンピュータで実現される電子機器にユーザ命令処理方法を実行させるためのコンピュータプログラムとその記録媒体を提供する。

ユーザの音声入力がオプションの決定のための直接的なキーワードを含んでいない場合にも、このような音声入力の表現法によって選択された動作と関連する人間とユーザとの間の社会的関係、音声入力から得られたユーザの口調および語調のうちの少なくとも１つに基づいて分析されたユーザ命令の至急性および／またはユーザ感性などを活用してオプションを決定することができる、ユーザ命令処理方法およびシステム、コンピュータで実現される電子機器にユーザ命令処理方法を実行させるためのコンピュータプログラムとその記録媒体を提供する。

電子機器が実行するユーザ命令処理方法であって、ユーザ命令にしたがって実行可能な少なくとも１つの予め定義された動作を管理する段階であって、前記少なくとも１つの予め定義された動作それぞれと関連して複数のオプションが予め設定される、段階、ユーザから受信された音声入力を少なくとも含むユーザ命令を受信する段階、前記音声入力から抽出されたキーワードに対応する動作を選択する段階、前記の選択された動作と関連して予め設定された複数のオプションのうちから前記抽出されたキーワードに対応する少なくとも１つのオプションを決定する段階であって、前記音声入力の表現法に基づいて前記複数のオプションのうちから少なくとも１つのオプションを決定する段階、および前記の決定された少なくとも１つのオプションと連係して前記の選択された動作を実行する段階を含む、ユーザ命令処理方法を提供する。

コンピュータで実現される電子機器に前記ユーザ命令処理方法を実行させるためのコンピュータプログラムを提供する。

前記コンピュータプログラムを記録した記録媒体を提供する。

ユーザ命令処理システムであって、コンピュータ読み取り可能な命令を実行するように実現される少なくとも１つのプロセッサを含み、前記少なくとも１つのプロセッサは、ユーザ命令にしたがって実行可能な少なくとも１つの予め定義された動作を管理する段階であって、前記少なくとも１つの予め定義された動作それぞれと関連して複数のオプションが予め設定される、段階、ユーザから受信された音声入力を少なくとも含むユーザ命令を受信する段階、前記音声入力から抽出されたキーワードに対応する動作を選択する段階、前記の選択された動作と関連して予め設定された複数のオプションのうちから前記抽出されたキーワードに対応する少なくとも１つのオプションを決定する段階であって、前記音声入力の表現法に基づいて前記複数のオプションのうちから少なくとも１つのオプションを決定する段階、および前記の決定された少なくとも１つのオプションと連係して前記の選択された動作を実行する段階を実行する、ユーザ命令処理システムを提供する。

ユーザ命令にしたがって実行可能な電子機器の予め定義された動作と関連し、動作の多様のオプションに対し、ユーザから受信された音声入力がオプションの決定のための直接的なキーワードを含んでいない場合にも、音声入力の表現法に基づいてオプションを決定し、決定されたオプションと連係して選択された動作を実行することができる。

ユーザの音声入力がオプションの決定のための直接的なキーワードを含んでいない場合にも、このような音声入力の表現法によって選択された動作と関連する人間とユーザとの間の社会的関係、音声入力から得られたユーザの口調および語調のうちの少なくとも１つに基づいて分析されたユーザ命令の至急性および／またはユーザ感性などを活用してオプションを決定することができる。

本発明の一実施形態における、音声ベースのインタフェースを活用したサービス環境の例を示した図である。 本発明の一実施形態における、音声ベースのインタフェースを活用したサービス環境の他の例を示した図である。 本発明の一実施形態における、クラウド人工知能プラットフォームの例を示した図である。 本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。 本発明の一実施形態における、電子機器が実行することのできるユーザ命令処理方法の例を示したフローチャートである。 本発明の一実施形態における、音声入力の表現法に基づいてオプションを決定することができない場合のユーザ命令処理方法の例を示したフローチャートである。 本発明の一実施形態における、自動で選択されたオプションが推薦され、これを確認させるためのユーザ命令処理方法の例を示したフローチャートである。 本発明の一実施形態における、外部プラットフォームを活用する場合のユーザ命令処理方法の例を示したフローチャートである。

以下、実施形態について、添付の図面を参照しながら詳しく説明する。

本発明の実施形態に係るユーザ命令処理システムは、音声に基づいて動作するインタフェースを提供する電子機器によって実現されてよい。ユーザ命令は、ユーザから受信される音声入力を少なくとも含んでよく、電子機器は、このような音声入力を直接的にあるいは別のインタフェースコネクトを介して接続する外部プラットフォームによって認識および分析してユーザ命令を処理してよい。本発明の実施形態に係るユーザ命令処理方法は、上述した電子機器によって実行されてよい。ここで、電子機器において、本発明の一実施形態に係るコンピュータプログラムがインストールおよび実行されてよく、電子機器は、実行するコンピュータプログラムの制御にしたがって本発明の一実施形態に係るユーザ命令処理方法を実行してよい。上述したコンピュータプログラムは、コンピュータで実現される電子機器にユーザ命令処理方法を実行させるための記録媒体に記録されてよい。

図１は、本発明の一実施形態における、音声ベースのインタフェースを活用したサービス環境の例を示した図である。図１の実施形態では、スマートホーム（ｓｍａｒｔ ｈｏｍｅ）やホームネットワークサービスのように宅内の機器を接続して制御する技術において、音声に基づいて動作するインタフェースを提供する電子機器１００が、ユーザ１１０の発話によって受信された音声入力「電気を消して」を認識および分析し、宅内で内部ネットワークを介して電子機器１００と連係する宅内照明機器１３０のライト電源を制御する例を示している。

例えば、宅内の機器は、上述した宅内照明機器１３０の他にも、テレビ、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、周辺機器、エアコン、冷蔵庫、ロボット掃除機などのような家電製品はもちろん、水道、電気、冷暖房機器などのようなエネルギー消費装置、ドアロック、監視カメラなどのような保安機器など、オンライン上で接続されて制御されることが可能な多様な機器を含んでよい。また、内部ネットワークにおいて、イーサネット（登録商標）、ＨｏｍｅＰＮＡ、ＩＥＥＥ １３９４のような有線ネットワーク技術や、ブルートゥース（登録商標）、ＵＷＢ（ｕｌｔｒａ Ｗｉｄｅ Ｂａｎｄ）、ジグビー（登録商標）、Ｗｉｒｅｌｅｓｓ １３９４、Ｈｏｍｅ ＲＦのような無線ネットワーク技術などが活用されてよい。

電子機器１００は、宅内の機器のうちの１つであってよい。例えば、電子機器１００は、宅内に備えられた人工知能スピーカやロボット清掃機などのような機器のうちの１つであってよい。また、電子機器１００は、スマートフォン、携帯電話機、ノート型パンコン、デジタル放送用端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＰＭＰ（Ｐｏｒｔａｂｌｅ Ｍｕｌｔｉｍｅｄｉａ Ｐｌａｙｅｒ）、タブレットなどのような、ユーザ１１０のモバイル機器であってもよい。このように、電子機器１００は、ユーザ１１０の音声入力を受信して宅内の機器を制御するために宅内の機器と接続可能な機能を含む機器であれば、特に制限されることはない。

図２は、本発明の一実施形態における、音声ベースのインタフェースを活用したサービス環境の例を示した図である。図２は、音声に基づいて動作するインタフェースを提供する電子機器１００が、ユーザ１１０の発話によって受信された音声入力「今日の天気」を認識および分析し、外部ネットワークを介して外部サーバ２１０から今日の天気に関する情報を取得し、取得した情報を音声で出力する例を示している。

例えば、外部ネットワークは、ＰＡＮ（ｐｅｒｓｏｎａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＬＡＮ（ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ＣＡＮ（ｃａｍｐｕｓ ａｒｅａ ｎｅｔｗｏｒｋ）、ＭＡＮ（ｍｅｔｒｏｐｏｌｉｔａｎ ａｒｅａ ｎｅｔｗｏｒｋ）、ＷＡＮ（ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、ＢＢＮ（ｂｒｏａｄｂａｎｄ ｎｅｔｗｏｒｋ）、インターネットなどのネットワークのうちの１つ以上の任意のネットワークを含んでよい。

図２の実施形態でも、電子機器１００は、宅内の機器のうちの１つであるか、ユーザ１１０のモバイル機器のうちの１つであってよく、ユーザ１１０の音声入力を受信して処理するための機能と、外部ネットワークを介して外部サーバ２１０に接続して外部サーバ２１０が提供するサービスやコンテンツをユーザ１１０に提供するための機能を含む機器であれば、特に制限されることはない。

このように、本発明の実施形態に係る電子機器１００は、音声ベースのインタフェースを利用してユーザ１１０の発話によって受信された音声入力を少なくとも含むユーザ命令を処理することのできる機器であれば、特に制限されることはない。例えば、電子機器１００は、ユーザの音声入力を直接的に認識および分析して音声入力に適した動作を実行することでユーザ命令を処理してもよいが、実施形態によっては、ユーザの音声入力に対する認識や認識された音声入力の分析、ユーザに提供される音声の合成などの処理を、電子機器１００と連係する外部のプラットフォームで実行してもよい。

図３は、本発明の一実施形態における、クラウド人工知能プラットフォームの例を示した図である。図３は、電子機器３１０、クラウド人工知能プラットフォーム３２０、およびコンテンツ・サービス３３０を示している。

一例として、電子機器３１０は、宅内に備えられる機器を意味してよく、少なくとも上述した電子機器１００を含んでよい。このような電子機器３１０や電子機器３１０においてインストールおよび実行されるアプリケーション（以下、アプリとも呼ばれる）は、インタフェースコネクト３４０を介してクラウド人工知能プラットフォーム３２０と連係してよい。ここで、インタフェースコネクト３４０は、電子機器３１０や電子機器３１０においてインストールおよび実行されるアプリの開発のためのＳＤＫ（Ｓｏｆｔｗａｒｅ Ｄｅｖｅｌｏｐｍｅｎｔ Ｋｉｔ）および／または開発文書を開発者に提供してよい。また、インタフェースコネクト３４０は、電子機器３１０や電子機器３１０においてインストールおよび実行されるアプリが、クラウド人工知能プラットフォーム３２０が提供する機能を活用することのできるＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍ Ｉｎｔｅｒｆａｃｅ）を提供してよい。具体的な例として、開発者が、インタフェースコネクト３４０が提供するＳＤＫおよび／または開発文書を利用して開発した機器やアプリは、インタフェースコネクト３４０が提供するＡＰＩを利用してクラウド人工知能プラットフォーム３２０が提供する機能を活用することができるようになる。

ここで、クラウド人工知能プラットフォーム３２０は、音声基盤サービスを提供するための機能を提供してよい。例えば、クラウド人工知能プラットフォーム３２０は、受信された音声を認識して、出力される音声を合成するための音声処理モジュール３２１、受信された映像や動画を分析して処理するためのビジョン処理モジュール３２２、受信された音声に適した音声を出力するために適切な対話を決定するための対話処理モジュール３２３、受信された音声に適した機能を推薦するための推薦モジュール３２４、人工知能がデータ学習によって文章単位で言語を翻訳するように支援するニューラル機械翻訳（Ｎｅｕｒａｌ Ｍａｃｈｉｎｅ Ｔｒａｎｓｌａｔｉｏｎ：ＮＭＴ）３２５などのように、音声基盤サービスを提供するための多様なモジュールを含んでよい。

例えば、図１および図２の実施形態において、電子機器１００は、ユーザ１１０の音声入力を、インタフェースコネクト３４０で提供するＡＰＩを利用してクラウド人工知能プラットフォーム３２０に送信してよい。この場合、クラウド人工知能プラットフォーム３２０は、受信した音声入力を上述したモジュール３２１〜３２５を活用して認識および分析してよく、受信した音声入力にしたがって適切な返答音声を合成して提供したり、適切な動作を推薦したりしてよい。

また、拡張キット３５０は、サードパーティのコンテンツ開発者または会社がクラウド人工知能プラットフォーム３２０に基づいて新たな音声基盤機能を実現することのできる開発キットを提供してよい。例えば、図２の実施形態において、電子機器１００は、受信したユーザ１１０の音声入力を外部サーバ２１０に送信してよく、外部サーバ２１０は、拡張キット３５０から提供されるＡＰＩを利用してクラウド人工知能プラットフォーム３２０に音声入力を送信してよい。この場合、上述したのと同じように、クラウド人工知能プラットフォーム３２０は、受信した音声入力を認識、分析して適切な返答音声を合成して提供したり、音声入力に基づいて処理されなければならない機能に関する推薦情報を外部サーバ２１０に提供したりしてよい。一例として、図２において、外部サーバ２１０は、音声入力「今日の天気」をクラウド人工知能プラットフォーム３２０に送信してよく、クラウド人工知能プラットフォーム３２０から音声入力「今日の天気」の認識によって抽出されたキーワード「今日の」および「天気」を受信してよい。この場合、外部サーバ２１０は、キーワード「今日の」および「天気」に基づいて「今日の天気は・・・」のようなテキスト情報を生成した後、再びクラウド人工知能プラットフォーム３２０に、生成されたテキスト情報を送信してよい。このとき、クラウド人工知能プラットフォーム３２０は、テキスト情報を音声で合成して外部サーバ２１０に提供してよい。外部サーバ２１０は、合成された音声を電子機器１００に送信してよく、電子機器１００は、合成された音声「今日の天気は・・・」をスピーカから出力することにより、ユーザ１１０から受信された音声入力「今日の天気」を処理してよい。

図４は、本発明の一実施形態における、電子機器およびサーバの内部構成を説明するためのブロック図である。図４の電子機器４１０は、上述した電子機器１００に対応してよく、サーバ４２０は、上述した外部サーバ２１０やクラウド人工知能プラットフォーム３２０を実現する１つのコンピュータ装置に対応してよい。

電子機器４１０とサーバ４２０は、メモリ４１１、４２１、プロセッサ４１２、４２２、通信モジュール４１３、４２３、および入力／出力インタフェース４１４、４２４を含んでよい。メモリ４１１、４２１は、コンピュータ読み取り可能な記録媒体であって、ＲＡＭ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＲＯＭ（ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、およびディスクドライブのような永続的大容量記録装置を含んでよい。ここで、ＲＯＭとディスクドライブのような永続的大容量記録装置は、メモリ４１１、４２１とは区分される別の永続的記録装置として電子機器４１０やサーバ４２０に含まれてもよい。また、メモリ４１１、４２１には、オペレーティングシステムと、少なくとも１つのプログラムコード（一例として、電子機器４１０にインストールされ、特定のサービスの提供のために電子機器４１０において実行されるアプリケーションなどのためのコード）が記録されてよい。このようなソフトウェア構成要素は、メモリ４１１、４２１とは別のコンピュータ読み取り可能な記録媒体からロードされてよい。このような別のコンピュータ読み取り可能な記録媒体は、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ−ＲＯＭドライブ、メモリカードなどのコンピュータ読み取り可能な記録媒体を含んでよい。他の実施形態において、ソフトウェア構成要素は、コンピュータ読み取り可能な記録媒体ではない通信モジュール４１３、４２３を通じてメモリ４１１、４２１にロードされてもよい。例えば、少なくとも１つのプログラムは、開発者またはアプリケーションのインストールファイルを配布するファイル配布システムがネットワーク４３０を介して提供するファイルによってインストールされるプログラム（一例として、上述したアプリケーション）に基づいて電子機器４１０のメモリ４１１にロードされてよい。

プロセッサ４１２、４２２は、基本的な算術、ロジック、および入出力演算を実行することにより、コンピュータプログラムの命令を処理するように構成されてよい。命令は、メモリ４１１、４２１または通信モジュール４１３、４２３によって、プロセッサ４１２、４２２に提供されてよい。例えば、プロセッサ４１２、４２２は、メモリ４１１、４２１のような記録装置に記録されたプログラムコードにしたがって受信された命令を実行するように構成されてよい。

通信モジュール４１３、４２３は、ネットワーク４３０を介して電子機器４１０とサーバ４２０とが互いに通信するための機能を提供してもよいし、電子機器４１０および／またはサーバ４２０が他の電子機器または他のサーバと通信するための機能を提供してもよい。一例として、電子機器４１０のプロセッサ４１２がメモリ４１１のような記録装置に記録されたプログラムコードにしたがって生成した要求が、通信モジュール４１３の制御にしたがってネットワーク４３０を介してサーバ４２０に伝達されてよい。これとは逆に、サーバ４２０のプロセッサ４２２の制御にしたがって提供された制御信号や命令、コンテンツ、ファイルなどが、通信モジュール４２３とネットワーク４３０を経て電子機器４１０の通信モジュール４１３を通じて電子機器４１０に受信されてよい。例えば、通信モジュール４１３を通じて受信したサーバ４２０の制御信号や命令、コンテンツ、ファイルなどは、プロセッサ４１２やメモリ４１１に伝達されてよく、コンテンツやファイルなどは、電子機器４１０がさらに含むことのできる記録媒体（上述した永続的記録装置）に記録されてよい。

入力／出力インタフェース４１４は、入力／出力装置４１５とのインタフェースのための手段であってよい。例えば、入力装置は、マイク、キーボード、またはマウスなどの装置を、出力装置は、ディスプレイやスピーカのような装置を含んでよい。他の例として、入力／出力インタフェース４１４は、タッチスクリーンのように入力と出力のための機能が１つに統合された装置とのインタフェースのための手段であってもよい。入力／出力装置４１５は、電子機器４１０と１つの装置で構成されてもよい。また、サーバ４２０の入力／出力インタフェース４２４は、サーバ４２０と接続するかサーバ４２０が含むことのできる入力または出力のための装置（図示せず）とのインタフェースのための手段であってもよい。

また、他の実施形態において、電子機器４１０およびサーバ４２０は、図４の構成要素よりも多くの構成要素を含んでもよい。しかし、大部分の従来技術的構成要素を明確に図に示す必要はない。例えば、電子機器４１０は、上述した入力／出力装置４１５のうちの少なくとも一部を含むように実現されてもよいし、トランシーバ、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）モジュール、カメラ、各種センサ、データベースなどのような他の構成要素をさらに含んでもよい。より具体的な例として、電子機器４１０がスマートフォンである場合、一般的にスマートフォンが含んでいる加速度センサやジャイロセンサ、カメラモジュール、物理的な各種ボタン、タッチパネルを利用したボタン、入力／出力ポート、振動のための振動器などのような多様な構成要素が電子機器４１０にさらに含まれるように実現されてよい。

本実施形態において、電子機器４１０は、ユーザの音声入力を受信するためのマイクを入力／出力装置４１５として基本的に含んでよく、必要に応じて、ユーザの音声入力に対応する返答音声やオーディオコンテンツのような音を出力するためのスピーカを入力／出力装置４１５としてさらに含んでよい。

電子機器４１０がユーザ命令にしたがって実行することのできる１つの動作は、動作によって複数のオプションを含んでよい。例えば、ユーザ命令が含む音声入力「電気を消して」と関連し、電子機器４１０は、連係する照明機器のライト電源をオフにする動作を実行してよい。しかし、電子機器４１０と連係する照明機器が複数存在する場合、どの照明機器のライト電源をオフにしなければならないかに対するオプションが存在するようになる。ユーザの音声入力には、このようなオプションを選択するための情報（一例として、「この部屋の電気を消して」の「この部屋」）が直接的に含まれている場合もあるが、単に動作に関する情報だけしか含まれていない場合もある。本発明の実施形態では、このようなオプションを、ユーザからの追加音声入力がなくても、既存の音声入力の表現法によって選択することのできる技術について説明する。

図５は、本発明の一実施形態における、電子機器が実行することのできるユーザ命令処理方法の例を示したフローチャートである。本発明の実施形態に係るユーザ命令処理システムは、上述した電子機器４１０のようなコンピュータ装置の形態で実現されてよい。このような電子機器４１０は、図５のユーザ命令処理方法が含む段階５１０〜５６０を実行してよい。このとき、プロセッサ４１２は、メモリ４１１が含むオペレーティングシステムのコードや、少なくとも１つのプログラムのコードによる制御命令を実行するように実現されてよい。ここで、プロセッサ４１２は、電子機器４１０に記録されたコードが提供する制御命令にしたがって電子機器４１０が図５の段階５１０〜５６０を実行するように電子機器４１０を制御してよい。

段階５１０で、電子機器４１０は、ユーザ命令にしたがって実行可能な少なくとも１つの予め定義された動作を管理してよい。このとき、少なくとも１つの予め定義された動作それぞれと関連して複数のオプションが予め設定されてよい。例えば、１つの動作に対して予め設定されたオプションは、該当の動作にしたがって制御される機器の種類を選択するか、または動作にしたがって制御される特定の機器を選択することのように、機器を選択するためのオプションを含んでよい。他の例として、１つの動作に対して予め設定されたオプションは、該当の動作にしたがって提供されるコンテンツの特性やコンテンツの提供順などのように、提供されるコンテンツの範囲や提供方式などを制御するためのオプションを含んでもよい。このようなオプションの具体的な例については、以下でさらに詳しく説明する。

段階５２０で、電子機器４１０は、ユーザから受信された音声入力を少なくとも含むユーザ命令を受信してよい。例えば、電子機器４１０は、上述したように、入力／出力装置４１５としてマイクを含んでよく、マイクに入力されたユーザの音声入力を含むユーザ命令を受信してよい。実施形態によっては、電子機器４１０はカメラを含み、カメラに入力された映像を、音声入力と共にユーザ命令として受信してもよい。このような映像の活用については、以下でさらに詳しく説明する。

段階５３０で、電子機器４１０は、音声入力から抽出されたキーワードに対応する動作を選択してよい。例えば、電子機器４１０は、受信された音声入力を分析して音声入力に対応するメッセージ列を取得してよく、取得されたメッセージ列を分析し、特定のキーワードを利用して対応する動作を選択してよい。他の例として、電子機器４１０は、図３を参照しながら説明したクラウド人工知能プラットフォーム３２０のような外部プラットフォームの援助によってキーワードを受信するか、またはキーワードに対応する動作を選択してもよい。より具体的な例として、電子機器４１０は、インタフェースコネクト３４０を介してユーザの音声入力をクラウド人工知能プラットフォーム３２０に送信し、クラウド人工知能プラットフォーム３２０が音声入力を分析して提供するキーワードやキーワードに対応する推薦動作に基づいてユーザ命令に適した動作を選択してもよい。

段階５４０で、電子機器４１０は、選択された動作と関連して予め設定された複数のオプションのうち、抽出されたキーワードに対応する少なくとも１つのオプションが存在するかを決定してよい。例えば、照明機器のライト電源をオフにするための動作と関連し、電子機器４１０が複数の照明機器と接続している場合、複数の照明機器のうちの特定の照明機器（または照明機器全体）を選択するためのオプションが該当の動作に対して予め設定されてよい。このとき、電子機器４１０は、ユーザの音声入力から抽出されたキーワードに基づき、このようなオプションの選択が可能であるかを判断してよい。より具体的な例として、電子機器４１０は、「小さい部屋の電気を消して」の「小さい部屋」や「この部屋の電気を消して」の「この部屋」のように、複数の照明機器のうちの１つが動作に対して予め設定された複数のオプションのうちの少なくとも１つとして選択可能であるかを決定してよい。他の例として、インスタントメッセージを送信する動作と関連し、インスタントメッセージが送信される人物が、オプションの選択によって決定されてもよい。より具体的な例として、該当の動作と関連し、メッセンジャーサービスでユーザのアカウントと関連して登録された他のアカウントが、複数のオプションとして該当の動作に対して予め設定されてよい。または、ユーザのスマートフォンに保存された電話番号（電話番号に対して保存された名前）が、複数のオプションとして該当の動作に対して予め設定されてよい。この場合、電子機器４１０は、「娘に早く帰ってきなさいとメッセージを送って」の「娘」や「お母さんに早く帰ってきてとメッセージを送って」の「お母さん」のような、インスタントメッセージが送信される人物が、動作に対して予め設定された複数のオプションのうちの少なくとも１つとして選択可能であるかを決定してよい。このとき、電子機器４１０は、抽出されたキーワードに対応するオプションが存在する場合には段階５５０を、抽出されたキーワードに対応するオプションが存在しない場合には段階５６０を、それぞれ実行してよい。

段階５５０で、電子機器４１０は、複数のオプションのうちから、抽出されたキーワードに対応する少なくとも１つのオプションを決定してよい。言い換えれば、電子機器４１０は、音声入力に含まれているキーワードを利用することにより、対応する動作だけではなく、動作に対して予め設定されたオプションのうちの少なくとも１つを決定することができる。

これに対し、音声入力に含まれているキーワードに基づき、動作に対して予め設定されたオプションのうちから少なくとも１つを決定することができない場合が存在する。例えば、音声入力「電気を消して」には、どの照明機器のライト電源を消すべきであるかに対するキーワードが含まれておらず、音声入力「早く帰ってきなさいとメッセージを送って」には、誰にメッセージを送信すべきかに対するキーワードが含まれていない。この場合、従来技術では、ユーザによっていずれかの照明機器またはいずれかの人物が選択されるようにしなければならないが、上述したように、音声ベースのインタフェースでは、ユーザが多様なオプションのうちから１つを選択することが、視覚情報ベースのインタフェースにおいて多様なオプションのうちから１つを選択するよりも難しいという問題がある。これに対し、本発明の実施形態では、音声入力の表現法に基づいてオプションを選択することができる機能を提供してよい。

段階５６０で、電子機器４１０は、音声入力の表現法に基づき、複数のオプションのうちから少なくとも１つのオプションを決定してよい。例えば、電子機器４１０は、音声入力に使用された敬語やユーザの発話の探索程度（一例として、ユーザ命令の至急性の程度）、またはユーザの口調や語調によって把握されるユーザの感性などに基づいて動作のオプションを決定してよい。

一実施形態として、音声入力の表現法は、選択された動作と関連する人物とユーザとの間の社会的関係を示す表現を含むことがある。この場合、電子機器４１０は、この表現によって把握されるユーザとの社会的関係に基づき、複数のオプションのうちから少なくとも１つのオプションを決定してよい。

例えば、複数のオプションは、電子機器４１０と連動する複数の機器に対応してよい。このとき、電子機器４１０は、複数の機器のうち、ユーザとの社会的関係に基づいて選択された人物と関連する少なくとも１つの機器をオプションとして決定してよい。より具体的な例として、音声入力「電気を消して」と音声入力「電気を消して差し上げて」を比較すると、後者からは敬語を使用していることが確認されるようになり、照明機器のライト電源をオフすることと関連する人物が、ユーザよりも社会的関係が上にあることが確認されるようになる。この場合、電子機器４１０は、このような音声入力「電気を消して差し上げて」の表現法に基づき、ユーザの要求がユーザよりも社会的関係が上にある人物であることを確認してよく、このような社会的関係に基づいてオプションを選択してよい。例えば、上述した例では、電子機器４１０は、照明機器の選択をユーザに要求するのではなく、ユーザよりも社会的序列が高い人物（一例として、両親）の部屋に位置する照明機器を自動で選択してよい。また、電子機器４１０は、音声入力「電気を消して」に対しては、ユーザが現在位置している部屋の照明機器を自動で選択してよい。

他の例として、複数のオプションは、ユーザと人的関係が設定された他のユーザのメッセンジャーアカウントまたは電話番号に対応してよい。この場合、電子機器４１０は、複数の機器のうちから、ユーザとの社会的関係に基づいて選択された他のユーザのメッセンジャーアカウントまたは電話番号をオプションとして決定してよい。より具体的な例として、音声入力「早く帰ってきなさいとメッセージを送って」という音声入力を考慮するとき、電子機器４１０は、音声入力の表現法に基づき、メッセージの受信者が、ユーザの同居人でありながらユーザよりも社会的序列が低い人物（一例として、子供）であると確認されるようになる。この場合、電子機器４１０は、ユーザに受信者を決定するように要求するのではなく、自動でメッセージの受信者を「娘」または「息子」などに決定してよい。この場合、電子機器４１０は、「娘にメッセージを送信しますか？」のようにユーザに受信者を推薦する動作を実施してよく、ユーザの確認入力にしたがい、「娘」の電話番号や「娘」のメッセンジャーアカウントを利用してユーザの「娘」に「早く帰ってきなさい」というメッセージを送信してよい。他の音声入力「早く帰ってきてください」を考慮するとき、電子機器４１０は、音声入力の表現法に基づき、メッセージの受信者が、ユーザの同居人でありながらユーザよりも社会的序列が高い人物（一例として、両親）であると確認されるようになる。この場合、電子機器４１０は、このような社会的関係に基づいて「お母さん」や「お父さん」をメッセージの受信者として自動で確認してよく、「お母さんにメッセージを送信しますか？」のように、ユーザにメッセージの受信者を推薦する動作を実施してよい。この場合にも、ユーザの確認入力にしたがい、「お母さん」の電話番号や「お母さん」のメッセンジャーアカウントを利用してユーザの「お母さん」に「早く帰ってきてください」というメッセージを送信してよい。このために、電子機器４１０は、ユーザの社会的関係に関する情報に基づき、予めメッセージを送信する動作に対するオプションを設定しておいてよい。

他の実施形態として、音声入力の表現法は、音声入力から得られたユーザの口調および語調のうちの少なくとも１つに基づいて分析されたユーザ命令の至急性およびユーザ感性のうちの少なくとも１つを含んでよい。この場合、電子機器４１０は、ユーザ命令の至急性およびユーザ感性のうちの少なくとも１つに基づき、複数のオプションのうちから少なくとも１つのオプションを決定してよい。

例えば、複数のオプションは、選択された動作と連係するコンテンツの特性分類またはコンテンツと関連する情報の提供方式に対応してよく、この場合、電子機器４１０は、ユーザ命令の至急性およびユーザ感性のうちの少なくとも１つに基づき、選択された動作と連係するコンテンツの特性分類のうちから少なくとも１つの分類を決定するか、またはコンテンツと関連する情報の提供方式のうちから少なくとも１つの方式を決定してよい。より具体的な例として、検索と関連し、音声入力「美味しい店を探して」と音声入力「美味しい店を探してみてくれない？」は、音声入力の表現法に基づいてユーザ命令の至急性が分けられてよい。電子機器４１０は、「探して」と「探してみてくれない？」のようなユーザの口調および語調のような音声入力の表現法に基づいて至急性等級を予め設定しておいてよく、このような至急性等級に基づき、提供されるコンテンツの特性や提供方式をオプションとして決定してよい。一例として、音声入力「美味しい店を探して」のように至急性等級が高いと決定された場合には、ユーザの近くに位置しながらユーザの趣向が反映された、正確性の高い検索結果をユーザに提供してよい。他の例として、音声入力「美味しい店を探してみてくれない？」のように至急性等級が低いと決定された場合には、距離とは関係なく、ユーザの趣向を反映した検索結果やユーザが最近高い関心を示した美味しい店などのように、より多彩な検索結果をユーザに提供してよい。より具体的な例として、検索と関連し、ユーザと検索結果間の距離の優先順位が動作に対するオプションとして決定されてよい。

また他の実施形態として、ユーザの口調や語調によって把握されるユーザの感性に基づき、コンテンツの特性や提供方式などがオプションとして選択されてもよい。例えば、ユーザの気分が良くない場合には、ユーザが応援しているスポーツチームに関する情報のうち、該当のスポーツチームが勝利した競技に関する情報を優先してユーザに提供してよい。他の例として、ユーザの気分が良い場合には、ユーザが応援しているスポーツチームの最新情報から順にユーザに提供してよい。言い換えれば、電子機器４１０は、ユーザの感情に応じて提供されるコンテンツの提供方式やコンテンツの特性を、コンテンツの提供という動作に対するオプションとして選択することができる。

また他の実施形態として、電子機器４１０は、ユーザの状況データをさらに活用して複数のオプションのうちから少なくとも１つのオプションを決定してよい。例えば、状況データは、ユーザの電話番号やユーザのメッセンジャーアカウントと関連して送受信されたインスタントメッセージ、および電子機器４１０が含むカメラで認識されたユーザの顔表情のうちの少なくとも１つを含んでよい。より具体的な例として、ユーザが最近（一例として、最近１時間以内に）送受信したインスタントメッセージが、上述したユーザの感情をより明確に測定するために活用されてよい。または、ユーザの顔表情によってユーザの感情やユーザ命令の至急性などをより明確に測定するためにカメラが活用されてよい。

段階５７０で、電子機器４１０は、決定された少なくとも１つのオプションと連係して選択された動作を実行してよい。上述したように、電子機器４１０は、オプションとして選択された受信者を推薦するか、または選択された受信者にメッセージを送信する動作を実行してよい。他の例として、電子機器４１０は、オプションとして選択されたコンテンツの特性および／または提供方式にしたがってコンテンツをユーザに提供してよい。

このように、本実施形態によると、ユーザの音声入力に、動作のオプションを選択するための具体的なキーワードが含まれていない場合にも、ユーザに追加でオプションの選択を要求することなく、ユーザの音声入力の表現法に基づいてオプションを自動で選択して動作を実行することができる。

図６は、本発明の一実施形態における、音声入力の表現法に基づいてオプションを決定することができない場合のユーザ命令処理方法の例を示したフローチャートである。図６の段階６１０および６２０は、図５の段階５５０に含まれて実行されてよい。

段階６１０で、電子機器４１０は、音声入力の表現法に基づいてオプションを決定することができない場合、ユーザによって複数のオプションのうちから少なくとも１つのオプションが選択されるようにするための情報を出力してよい。言い換えれば、電子機器４１０は、音声入力の表現法に基づいて自動でオプションの決定を試みたものの、表現法に基づいてオプションを決定することができない場合には、ユーザに追加でオプションの選択を要求してよい。例えば、音声入力の表現法だけではメッセージの受信者を決定することができない場合は、「どなたにメッセージを送信しますか？」のように、ユーザが受信者を選択するように要求するための情報を出力してよい。

段階６２０で、電子機器４１０は、出力された情報の応答として受信された追加音声入力にしたがい、複数のオプションのうちから少なくとも１つのオプションを決定してよい。例えば、「どなたにメッセージを送信しますか？」という音声を出力した後、ユーザから「お母さん」のような追加音声入力が受信された場合、このような追加音声入力に基づいてメッセージの受信者を決定してよい。

図７は、本発明の一実施形態における、自動で選択されたオプションが推薦され、これを確認させるためのユーザ命令処理方法の例を示したフローチャートである。図７の段階７１０〜７６０は、図５の段階５７０に含まれて実行されてよい。

段階７１０で、電子機器４１０は、決定された少なくとも１つのオプションと連係して動作を実行することに対する実施可否をユーザによって確認されるようにするための情報を出力してよい。出力される情報は、決定されたオプションが適切であるかどうかについてユーザから確認を受けるため、または決定されたオプションをユーザに推薦するために活用されてよい。例えば、上述した例である「娘にメッセージを送信しますか？」は、オプションとして決定された受信者「娘」が適切であるかどうかをユーザが確認するための目的および／またはオプションであり、決定された受信者「娘」をユーザに推薦するための目的を有してよい。

段階７２０で、電子機器４１０は、出力された情報の応答として第１追加音声入力を受信してよい。このような第１追加音声入力は、確認および／または推薦のために出力された情報に対するユーザの実施賛成または実施反対の返答として受信されてよい。

段階７３０で、電子機器４１０は、第１追加音声入力から実施賛成の返答が抽出されるかを確認してよい。このとき、電子機器４１０は、実施賛成の返答が抽出された場合には段階７６０を、実施反対の返答が抽出された場合には段階７４０および段階７５０を実行した後、段階７６０を実行してよい。

段階７４０で、電子機器４１０は、第１追加音声入力から実施反対の返答が抽出された場合、ユーザによって複数のオプションのうちから少なくとも１つの他のオプションが選択されるようにするための情報を出力してよい。言い換えれば、電子機器４１０は、確認および／または推薦のために出力された情報に対してユーザが否定的な反応を示した場合には、他のオプションの選択をユーザに要求してよい。例えば、「娘」を受信者に推薦したものの、出力された情報「娘にメッセージを送信しますか？」に対して「いいえ」のような実施反対の返答が抽出された場合、他のオプションの選択をユーザに要求してよい。

段階７５０で、電子機器４１０は、出力された情報の応答である第２追加音声入力にしたがい、複数のオプションのうちから少なくとも１つの他のオプションを決定してよい。実施形態によって、ユーザは、実施反対の返答と共に他のオプションを選択してもよい。例えば、ユーザは、出力された情報「娘にメッセージを送信しますか？」に対して「いいえ、息子にメッセージを送って」のように、実施反対の返答と共に他のオプションの選択がなされてもよい。この場合、段階７４０は省略されてよく、電子機器４１０は、段階７５０で第１追加音声入力から他のオプションを決定してもよい。

段階７６０で、電子機器４１０は、決定された少なくとも１つのオプションと連係して選択された動作を実行してよい。

図８は、本発明の一実施形態における、外部プラットフォームを活用する場合のユーザ命令処理方法の例を示したフローチャートである。図８の段階８１０および８２０は、図５の段階５２０以後に実行されてよく、段階８２０で受信される情報に応じて、段階８２０の次に、図５の段階５３０〜５７０のうちの１つが実行されてよい。

段階８１０で、電子機器４１０は、音声入力を、インタフェースコネクトを介して電子機器と接続するクラウド人工知能プラットフォームに送信してよい。図３の実施形態では、音声入力の処理や返答音声の合成、および／または対話の処理などと関連する音声基盤サービスを外部プラットフォームに提供する例について説明した。このような音声基盤サービスに係る音声入力の処理のために受信したユーザの音声入力が、クラウド人工知能プラットフォームに送信されてよい。

段階８２０で、電子機器４１０は、クラウド人工知能プラットフォームで、音声入力から抽出されたキーワード、抽出されたキーワードに基づいて推薦された動作、抽出されたキーワードに対応するオプション、および音声入力の表現法に基づいて決定されたオプションのうちの少なくとも１つに関する情報を受信してよい。

一実施形態として、クラウド人工知能プラットフォームは、音声入力を認識および分析してキーワードを抽出し、電子機器４１０に送信してよい。この場合、電子機器４１０は、図５を参照しながら説明した段階５３０から順に図５の段階を実行することにより、決定されたオプションと連係して選択された動作を実行してよい。

他の実施形態として、クラウド人工知能プラットフォームは、音声入力を認識および分析してキーワードを抽出し、抽出されたキーワードに基づいて動作を推薦してよい。この場合、電子機器４１０は、推薦された動作に基づいて図５の段階５４０から順に図５の段階を実行することにより、決定されたオプションと連係して選択された動作を実行してよい。

また他の実施形態として、クラウド人工知能プラットフォームは、音声入力を認識および分析してキーワードを抽出し、抽出されたキーワードに基づいて動作を選択し、抽出されたキーワードに対応するオプションを決定し、選択された動作と決定されたオプションを電子機器４１０に提供してよい。この場合、図５の段階５５０において、電子機器４１０は、クラウド人工知能プラットフォームから提供されたオプションを、選択された動作に対する少なくても１つのオプションとして決定してよい。また、電子機器４１０は、以後の段階５７０により、決定されたオプションと連係して選択された動作を実行してよい。

また他の実施形態として、クラウド人工知能プラットフォームは、音声入力を認識および分析してキーワードを抽出し、抽出されたキーワードに基づいて動作を選択し、抽出されたキーワードに対応するオプションが存在しない場合、音声認識の表現法に基づいてオプションを決定してよい。このとき、クラウド人工知能プラットフォームは、選択された動作と決定されたオプションを電子機器４１０に提供してよい。この場合、電子機器４１０は、図５の段階５６０において、クラウド人工知能プラットフォームから提供されたオプションを、選択された動作に対する少なくても１つのオプションとして決定してよく、段階５７０により、決定されたオプションと連係して選択された動作を実行してよい。

このように、クラウド人工知能プラットフォームは、実施形態によっては音声基盤サービスを電子機器４１０に提供してよく、音声基盤サービスが含む機能は、実施形態によって異なってよい。

以上のように、本発明の実施形態によると、ユーザ命令にしたがって実行可能な電子機器の予め定義された動作と関連し、動作の多様のオプションに対し、ユーザから受信された音声入力がオプションの決定のための直接的なキーワードを含んでいない場合にも、音声入力の表現法に基づいてオプションを決定し、決定されたオプションと連係して選択された動作を実行することができる。また、ユーザの音声入力がオプションの決定のための直接的なキーワードを含んでいない場合にも、このような音声入力の表現法に基づいて選択された動作と関連する人物とユーザとの間の社会的関係、音声入力から得られたユーザの口調および語調のうちの少なくとも１つに基づいて分析されたユーザ命令の至急性および／またはユーザ感性などを活用することによってオプションを決定することができる。

上述したシステムまたは装置は、ハードウェア構成要素、ソフトウェア構成要素、またはハードウェア構成要素とソフトウェア構成要素との組み合わせによって実現されてよい。例えば、実施形態で説明された装置および構成要素は、例えば、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ、マイクロコンピュータ、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサ、または命令を実行して応答することができる様々な装置のように、１つ以上の汎用コンピュータまたは特殊目的コンピュータを利用して実現されてよい。処理装置は、オペレーティングシステム（ＯＳ）およびＯＳ上で実行される１つ以上のソフトウェアアプリケーションを実行してよい。また、処理装置は、ソフトウェアの実行に応答し、データにアクセスし、データを記録、操作、処理、および生成してよい。理解の便宜のために、１つの処理装置が使用されるとして説明される場合もあるが、当業者は、処理装置が複数個の処理要素および／または複数種類の処理要素を含んでもよいことが理解できるであろう。例えば、処理装置は、複数個のプロセッサまたは１つのプロセッサおよび１つのコントローラを含んでよい。また、並列プロセッサのような、他の処理構成も可能である。

ソフトウェアは、コンピュータプログラム、コード、命令、またはこれらのうちの１つ以上の組み合わせを含んでもよく、思うままに動作するように処理装置を構成したり、独立的または集合的に処理装置に命令したりしてよい。ソフトウェアおよび／またはデータは、処理装置に基づいて解釈されたり、処理装置に命令またはデータを提供したりするために、いかなる種類の機械、コンポーネント、物理装置、仮想装置、コンピュータ記録媒体または装置に具現化されてよい。ソフトウェアは、ネットワークによって接続されたコンピュータシステム上に分散され、分散された状態で記録されても実行されてもよい。ソフトウェアおよびデータは、１つ以上のコンピュータ読み取り可能な記録媒体に記録されてよい。

実施形態に係る方法は、多様なコンピュータ手段によって実行可能なプログラム命令の形態で実現されてコンピュータ読み取り可能な媒体に記録されてよい。このようなコンピュータ読み取り可能な媒体は、プログラム命令、データファイル、データ構造などを単独でまたは組み合わせて含んでよい。媒体は、コンピュータによって実行可能なプログラムを継続して記録するものであっても、実行またはダウンロードのために一時的に記録するものであってよい。また、媒体は、単一または複数のハードウェアが結合された形態の多様な記録手段または格納手段であってよく、あるコンピュータシステムに直接接続する媒体に限定されることはなく、ネットワーク上に分散されて存在するものであってもよい。媒体の例としては、ハードディスク、フロッピー（登録商標）ディスク、および磁気テープのような磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤのような光媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）のような光磁気媒体、およびＲＯＭ、ＲＡＭ、フラッシュメモリなどのような、プログラム命令が記録されるように構成されたものであってよい。また、他の媒体の例として、アプリケーションを配布するアプリストアやその他の多様なソフトウェアを供給または配布するサイト、サーバなどで管理する記録媒体または格納媒体が挙げられる。プログラム命令の例は、コンパイラによって生成されるもののような機械語コードだけではなく、インタプリタなどを使用してコンピュータによって実行される高級言語コードを含む。

以上のように、実施形態を、限定された実施形態と図面に基づいて説明したが、当業者であれば、上述した記載から多様な変更および変形が可能であろう。例えば、説明された技術が、説明された方法とは異なる順序で実行されたり、かつ／あるいは、説明されたシステム、構造、装置、回路などの構成要素が、説明された方法とは異なる形態で結合されたりまたは組み合わされたり、他の構成要素または均等物によって対置されたり置換されたとしても、適切な結果を達成することができる。

したがって、異なる実施形態であっても、特許請求の範囲と均等なものであれば、添付される特許請求の範囲に属する。

３１０：電子機器
３２０：クラウド人工知能プラットフォーム
３３０：コンテンツ・サービス
３４０：インタフェースコネクト
３５０：拡張キット

Claims (20)

1. コンピュータで実現される電子機器にユーザ命令処理方法を実行させるためのコンピュータプログラムであって、
   前記ユーザ命令処理方法は、
   ユーザ命令にしたがって実行可能な少なくとも１つの予め定義された動作を管理する段階であって、前記少なくとも１つの予め定義された動作それぞれと関連して複数のオプションが予め設定される、段階、
   ユーザから受信された音声入力を少なくとも含むユーザ命令を受信する段階、
   前記音声入力から抽出されたキーワードに対応する動作を選択する段階、
   前記の選択された動作と関連して予め設定された複数のオプションのうちから前記抽出されたキーワードに対応する少なくとも１つのオプションを決定する段階であって、前記音声入力の表現法に基づいて前記複数のオプションのうちから少なくとも１つのオプションを決定する段階、および
   前記の決定された少なくとも１つのオプションと連係して前記の選択された動作を実行する段階
   を含む、コンピュータプログラム。
2. 少なくとも１つのオプションを決定する前記段階は、
   前記音声入力の表現法に基づいてオプションを決定することができない場合、前記ユーザによって前記複数のオプションのうちから少なくとも１つのオプションが選択されるようにするための情報を出力する段階、および
   前記の出力された情報の応答として受信された追加音声入力にしたがい、前記複数のオプションのうちから少なくとも１つのオプションを決定する段階
   を含む、請求項１に記載のコンピュータプログラム。
3. 前記の選択された動作を実行する前記段階は、
   前記の決定された少なくとも１つのオプションと連係して前記の選択された動作を実行することに対する実施可否を前記ユーザによって確認されるようにするための情報を出力する段階、
   該情報の応答として第１追加音声入力を受信する段階、および
   前記第１追加音声入力から実施賛成の返答が抽出された場合、前記の決定された少なくとも１つのオプションと連係して前記の選択された動作を実行する段階
   を含む、請求項１に記載のコンピュータプログラム。
4. 前記の選択された動作を実行する前記段階は、
   前記第１追加音声入力から実施反対の返答が抽出された場合、前記ユーザによって前記複数のオプションのうちから少なくとも１つの他のオプションが選択されるようにするための情報を出力する段階、
   該情報の応答である第２追加音声入力にしたがい、前記複数のオプションのうちから少なくとも１つの他のオプションを決定する段階、および
   前記の決定された少なくとも１つの他のオプションと連係して前記の選択された動作を実行する段階
   を含む、請求項３に記載のコンピュータプログラム。
5. 前記音声入力の表現法は、前記の選択された動作と関連する人物と前記ユーザとの間の社会的関係を示す表現を含み、
   少なくとも１つのオプションを決定する前記段階は、
   前記表現によって把握される前記ユーザとの社会的関係に基づき、前記複数のオプションのうちから少なくとも１つのオプションを決定する、請求項１に記載のコンピュータプログラム。
6. 前記複数のオプションは、前記電子機器と連動する複数の機器に対応し、
   少なくとも１つのオプションを決定する前記段階は、
   前記複数の機器のうちから前記ユーザとの社会的関係に基づいて選択された人物と関連する少なくとも１つの機器を決定し、
   前記の選択された動作を実行する前記段階は、
   前記の決定された少なくとも１つの機器と連係して前記の選択された動作を実行する、請求項５に記載のコンピュータプログラム。
7. 前記複数のオプションは、前記ユーザと人的関係が設定された他のユーザのメッセンジャーアカウントまたは電話番号に対応し、
   少なくとも１つのオプションを決定する前記段階は、
   複数の機器のうちから前記ユーザとの社会的関係に基づいて選択された他のユーザのメッセンジャーアカウントまたは電話番号を決定し、
   前記の選択された動作を実行する前記段階は、
   前記の決定されたメッセンジャーアカウントまたは電話番号と連係して前記の選択された動作を実行する、請求項５に記載のコンピュータプログラム。
8. 前記音声入力の表現法は、前記音声入力から得られた前記ユーザの口調および語調のうちの少なくとも１つに基づいて分析されたユーザ命令の至急性およびユーザ感性のうちの少なくとも１つを含み、
   少なくとも１つのオプションを決定する前記段階は、
   前記ユーザ命令の至急性および前記ユーザ感性のうちの少なくとも１つに基づき、前記複数のオプションのうちから少なくとも１つのオプションを決定する、請求項１に記載のコンピュータプログラム。
9. 前記複数のオプションは、前記動作と連係するコンテンツの特性分類または前記コンテンツと関連する情報の提供方式に対応し、
   少なくとも１つのオプションを決定する前記段階は、
   前記ユーザ命令の至急性および前記ユーザ感性のうちの少なくとも１つに基づき、前記の選択された動作と連係するコンテンツの特性分類のうちから少なくとも１つの分類を決定するか、または前記コンテンツと関連する情報の提供方式のうちから少なくとも１つの方式を決定し、
   前記の選択された動作を実行する前記段階は、
   前記の決定された少なくとも１つの分類または前記の決定された少なくとも１つの方式にしたがい、前記コンテンツと連係して前記の選択された動作を実行する、請求項８に記載のコンピュータプログラム。
10. 少なくとも１つのオプションを決定する前記段階は、
    前記ユーザの状況データをさらに活用して前記複数のオプションのうちから少なくとも１つのオプションを決定し、
    前記状況データは、前記ユーザの電話番号または前記ユーザのメッセンジャーアカウントと関連して送受信されたインスタントメッセージおよび前記電子機器が含むカメラで認識された前記ユーザの顔表情のうちの少なくとも１つを含む、請求項１に記載のコンピュータプログラム。
11. 前記電子機器は、スマートホームに含まれている機器と連動して前記機器を制御するか、またはインターネットを介して前記ユーザ命令に対するコンテンツを提供する人工知能スピーカを含む、請求項１に記載のコンピュータプログラム。
12. 前記ユーザ命令処理方法は、
    前記音声入力を、インタフェースコネクトを介して前記電子機器と接続するクラウド人工知能プラットフォームに送信する段階、および
    前記クラウド人工知能プラットフォームで、前記音声入力から抽出されたキーワード、該抽出されたキーワードに基づいて推薦された動作、該抽出されたキーワードに対応するオプション、および前記音声入力の表現法に基づいて決定されたオプションのうちの少なくとも１つに関する情報を受信する段階
    をさらに含む、請求項１に記載のコンピュータプログラム。
13. 電子機器が実行するユーザ命令処理方法であって、
    ユーザ命令にしたがって実行可能な少なくとも１つの予め定義された動作を管理する段階であって、前記少なくとも１つの予め定義された動作それぞれと関連して複数のオプションが予め設定される、段階、
    ユーザから受信された音声入力を少なくとも含むユーザ命令を受信する段階、
    前記音声入力から抽出されたキーワードに対応する動作を選択する段階、
    前記の選択された動作と関連して予め設定された複数のオプションのうちから前記抽出されたキーワードに対応する少なくとも１つのオプションを決定する段階であって、前記音声入力の表現法に基づいて前記複数のオプションのうちから少なくとも１つのオプションを決定する段階、および
    前記の決定された少なくとも１つのオプションと連係して前記の選択された動作を実行する段階
    を含む、ユーザ命令処理方法。
14. 前記音声入力の表現法は、前記の選択された動作と関連する人物と前記ユーザとの間の社会的関係を示す表現を含み、
    少なくとも１つのオプションを決定する前記段階は、
    前記表現によって把握される前記ユーザとの社会的関係に基づき、前記複数のオプションのうちから少なくとも１つのオプションを決定する、請求項１３に記載のユーザ命令処理方法。
15. 前記複数のオプションは、前記電子機器と連動する複数の機器に対応し、
    少なくとも１つのオプションを決定する前記段階は、
    前記複数の機器のうちから前記ユーザとの社会的関係に基づいて選択された人物と関連する少なくとも１つの機器を決定し、
    前記の選択された動作を実行する前記段階は、
    前記の決定された少なくとも１つの機器と連係して前記の選択された動作を実行する、請求項１４に記載のユーザ命令処理方法。
16. 前記音声入力の表現法は、前記音声入力から得られた前記ユーザの口調および語調のうちの少なくとも１つに基づいて分析されたユーザ命令の至急性およびユーザ感性のうちの少なくとも１つを含み、
    少なくとも１つのオプションを決定する前記段階は、
    前記ユーザ命令の至急性および前記ユーザ感性のうちの少なくとも１つに基づき、前記複数のオプションのうちから少なくとも１つのオプションを決定する、請求項１３に記載のユーザ命令処理方法。
17. 前記複数のオプションは、前記動作と連係するコンテンツの特性分類または前記コンテンツと関連する情報の提供方式に対応し、
    少なくとも１つのオプションを決定する前記段階は、
    前記ユーザ命令の至急性および前記ユーザ感性のうちの少なくとも１つに基づき、前記の選択された動作と連係するコンテンツの特性分類のうちから少なくとも１つの分類を決定するか、または前記コンテンツと関連する情報の提供方式のうちから少なくとも１つの方式を決定し、
    前記の選択された動作を実行する前記段階は、
    前記の決定された少なくとも１つの分類または前記の決定された少なくとも１つの方式にしたがい、前記コンテンツと連係して前記の選択された動作を実行する、請求項１６に記載のユーザ命令処理方法。
18. ユーザ命令処理システムであって、
    コンピュータ読み取り可能な命令を実行するように実現される少なくとも１つのプロセッサ
    を含み、
    前記少なくとも１つのプロセッサは、
    ユーザ命令にしたがって実行可能な少なくとも１つの予め定義された動作を管理する段階であって、前記少なくとも１つの予め定義された動作それぞれと関連して複数のオプションが予め設定される、段階、
    ユーザから受信された音声入力を少なくとも含むユーザ命令を受信する段階、
    前記音声入力から抽出されたキーワードに対応する動作を選択する段階、
    前記の選択された動作と関連して予め設定された複数のオプションのうちから前記抽出されたキーワードに対応する少なくとも１つのオプションを決定する段階であって、前記音声入力の表現法に基づいて前記複数のオプションのうちから少なくとも１つのオプションを決定する段階、および
    前記の決定された少なくとも１つのオプションと連係して前記の選択された動作を実行する段階
    を実行する、ユーザ命令処理システム。
19. 前記音声入力の表現法は、前記の選択された動作と関連する人物と前記ユーザとの間の社会的関係を示す表現を含み、
    前記少なくとも１つのプロセッサは、前記複数のオプションのうちから少なくとも１つのオプションを決定するために、
    前記表現によって把握される前記ユーザとの社会的関係に基づき、前記複数のオプションのうちから少なくとも１つのオプションを決定する、請求項１８に記載のユーザ命令処理システム。
20. 前記音声入力の表現法は、前記音声入力から得られた前記ユーザの口調および語調のうちの少なくとも１つに基づいて分析されたユーザ命令の至急性およびユーザ感性のうちの少なくとも１つを含み、
    前記少なくとも１つのプロセッサは、前記複数のオプションのうちから少なくとも１つのオプションを決定するために、
    前記ユーザ命令の至急性および前記ユーザ感性のうちの少なくとも１つに基づき、前記複数のオプションのうちから少なくとも１つのオプションを決定する、請求項１８に記載のユーザ命令処理システム。