KR101924852B1 - 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템 - Google Patents

네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템 Download PDF

Info

Publication number
KR101924852B1
KR101924852B1 KR1020170048304A KR20170048304A KR101924852B1 KR 101924852 B1 KR101924852 B1 KR 101924852B1 KR 1020170048304 A KR1020170048304 A KR 1020170048304A KR 20170048304 A KR20170048304 A KR 20170048304A KR 101924852 B1 KR101924852 B1 KR 101924852B1
Authority
KR
South Korea
Prior art keywords
voice input
content
voice
progress
electronic device
Prior art date
Application number
KR1020170048304A
Other languages
English (en)
Other versions
KR20180115880A (ko
Inventor
이현철
박진영
Original Assignee
네이버 주식회사
라인 가부시키가이샤
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 네이버 주식회사, 라인 가부시키가이샤 filed Critical 네이버 주식회사
Priority to KR1020170048304A priority Critical patent/KR101924852B1/ko
Priority to PCT/KR2018/002075 priority patent/WO2018190507A1/ko
Priority to JP2018076699A priority patent/JP6573696B2/ja
Publication of KR20180115880A publication Critical patent/KR20180115880A/ko
Application granted granted Critical
Publication of KR101924852B1 publication Critical patent/KR101924852B1/ko
Priority to US16/598,449 priority patent/US11004452B2/en

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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/002—Specific input/output arrangements not covered by G06F3/01 - G06F3/16
    • G06F3/005—Input arrangements through a video camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/72—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for transmitting results of analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
    • H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
    • H04R1/40—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers
    • H04R1/406—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers microphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
    • 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
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/90—Pitch determination of speech signals

Abstract

네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템을 제공한다. 멀티모달 인터렉션 방법은 전자 기기가 포함하는 음성 기반의 인터페이스를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하는 단계, 상기 음성 기반의 인터페이스를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하는 단계, 상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하는 단계, 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계를 포함할 수 있다.

Description

네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템{METHOD AND SYSTEM FOR MULTI-MODAL INTERACTION WITH ACOUSTIC APPARATUS CONNECTED WITH NETWORK}
아래의 설명은 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템, 그리고 컴퓨터와 결합되어 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체에 관한 것이다.
컨텐츠나 서비스에 대한 종래의 소비 행위는 주로 디스플레이에 기반한다. 예를 들어, 사용자는 스크린을 통해 정보를 전달받고, 컨트롤러에 대한 조작 및/또는 음성 명령의 인식을 통해 스크린을 통해 표시되는 컨텐츠나 서비스와 사용자간의 인터렉션이 발생하게 된다. 컨텐츠나 서비스에 대한 종래의 소비 행위에서도 오디오의 출력과 음성 명령의 인식을 통한 인터렉션이 발생하나, 이는 디스플레이에 기반한 컨텐츠와 서비스의 보다 풍부한 경험을 위한 부차적인 수단에 머물러 있는 실정이다.
한편, 홈 네트워크 서비스의 인공지능 스피커와 같이 음성을 기반으로 동작하는 인터페이스는 시각 정보를 사용할 수 없기 때문에, 디스플레이 기반의 컨텐츠 및/또는 서비스에 비해 컨텐츠 및/또는 서비스와 사용자간의 인터렉션이 용이하지 않다는 문제점이 있다. 예를 들어, 한국공개특허 제10-2011-0139797호는 홈 미디어 디바이스 및 이를 이용한 홈 네트워크 시스템, 방법에 관한 기술로, 홈 네트워크 서비스에서 이동통신망 외에 와이파이와 같은 제2 통신망을 이용하여 홈 네트워크 서비스를 제공하는 것이 가능하고, 홈내 복수의 멀티미디어 기기를 사용자가 별도의 버튼 조작 없이도 음성 명령을 통해 다중 제어할 수 있는 기술을 개시하고 있다. 예를 들어, 이러한 홈 네트워크 서비스에서 사용자의 음성 명령을 입력받는 전자 기기가 사용자의 음성 입력 "불 꺼줘"를 수신한 경우를 고려할 수 있다. 이러한 전자 기기는 수신한 음성 입력 "불 꺼줘"를 분석하여 스마트 조명기기의 라이트 전원을 오프(OFF)할 수 있다. 또는 전자 기기가 사용자의 음성 입력 "오늘 날씨"를 수신한 경우를 고려할 수 있다. 이러한 전자 기기는 수신한 음성 입력 "오늘 날씨"에 기반하여 외부 서버로부터 오늘의 날씨에 대한 정보를 수신하고, 수신한 정보에 대응하는 음성을 합성하여 스피커를 통해 출력할 수 있다. 그러나, 이러한 단순한 음성 명령과 음성 명령에 따른 동작의 처리는, 보다 쉽게 댁내 기기들을 제어할 수 있는 경험과 보다 쉽게 정보를 획득할 수 있는 경험을 사용자에게 제공할 수 있다는 장점을 갖는 반면, 디스플레이 기반의 소비 행위와 같이 컨텐츠 및/또는 서비스에 대한 다양한 경험을 제공하기 어렵다는 문제점이 있다.
컨텐츠나 서비스에 대한 디스플레이 기반의 인터렉션은 사용자가 디스플레이를 향한 일정한 방향이나 디스플레이에 의해 한정되는 위치와 연관되어 진행되어야 하기 때문에 사용자의 방향, 위치 및 이동이 제한된다. 예를 들어, 사용자가 디스플레이를 볼 수 없는 위치에서는 컨텐츠나 서비스를 이용하기 어렵다.
반면, 음성 기반의 인터렉션은 사용자(발화자)가 시각적 정보가 아닌 청각적 정보를 활용하기 때문에 발화자의 방향, 위치 및 이동이 상대적으로 자유롭다는 장점이 있다. 예를 들어, 발화자는 음향기기의 정면에서 후면으로 이동한다 하더라도, 청각적 정보를 활용한 컨텐츠나 서비스를 이용하는데 아무런 지장이 없다.
이러한 장점을 활용하여 네트워크에 연결되고, 음성을 기반으로 동작하는 전자 기기를 통한 인터렉션에 있어서, 발화자로부터 수신된 음성 입력을 통해 획득되는 명령어뿐만 아니라, 음성 입력과 연관된 발화자의 위치 정보(일례로, 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 전자 기기에 대한 발화자의 상대적인 위치나 방향, 상대적인 위치나 방향의 변화 여부, 상대적인 위치나 방향의 변화 정도 및 상대적인 위치나 방향의 변화 방향 중 적어도 하나)를 더 활용함으로써, 음성 기반의 인터페이스를 통해 보다 다양한 사용자 경험을 제공할 수 있는 멀티모달 인터렉션 방법 및 시스템 그리고, 컴퓨터와 결합되어 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체를 제공한다.
또한, 음성 입력을 통해 획득되는 소리톤이나 피치, 전자 기기와 연동되는 주변기기(일례로, 사용자가 소지한 스마트폰, 스마트워치, 스마트밴드 등)에서 취득되는 값(발화자의 명시적인 정보로서의 손의 위치나 발화자의 비명시적인 정보로서 맥박, 하루 이동량, 전날 수면시간 등) 등을 통합적으로 활용하여 전자 기기에 명령을 전달하거나 또는 컨텐츠 및/또는 서비스의 소재로 활용할 수 있는 멀티모달 인터렉션 방법 및 시스템 그리고, 컴퓨터와 결합되어 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체를 제공한다.
멀티모달 인터렉션 시스템의 멀티모달 인터렉션 방법에 있어서, 전자 기기가 포함하는 음성 기반의 인터페이스를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하는 단계; 상기 음성 기반의 인터페이스를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하는 단계; 상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하는 단계; 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계를 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법을 제공한다.
상기 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위한 컴퓨터 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터 판독 가능한 기록매체를 제공한다.
컴퓨터와 결합하여 상기 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
멀티모달 인터렉션 시스템에 있어서, 음성 기반의 인터페이스부; 및 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 음성 기반의 인터페이스부를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하고, 상기 음성 기반의 인터페이스부를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하고, 상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하고, 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것을 특징으로 하는 멀티모달 인터렉션 시스템을 제공한다.
네트워크에 연결되고, 음성을 기반으로 동작하는 전자 기기를 통한 인터렉션에 있어서, 발화자로부터 수신된 음성 입력을 통해 획득되는 명령어뿐만 아니라, 음성 입력과 연관된 발화자의 위치 정보(일례로, 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 전자 기기에 대한 발화자의 상대적인 위치나 방향, 상대적인 위치나 방향의 변화 여부, 상대적인 위치나 방향의 변화 정도 및 상대적인 위치나 방향의 변화 방향 중 적어도 하나)를 더 활용함으로써, 음성 기반의 인터페이스를 통해 보다 다양한 사용자 경험을 제공할 수 있다.
또한, 음성 입력을 통해 획득되는 소리톤이나 피치, 전자 기기와 연동되는 주변기기(일례로, 사용자가 소지한 스마트폰, 스마트워치, 스마트밴드 등)에서 취득되는 값(발화자의 명시적인 정보로서의 손의 위치나 발화자의 비명시적인 정보로서 맥박, 하루 이동량, 전날 수면시간 등) 등을 통합적으로 활용하여 전자 기기에 명령을 전달하거나 또는 컨텐츠 및/또는 서비스의 소재로 활용할 수 있다.
도 1은 본 발명의 일실시예에 따른 음성 기반의 인터페이스를 활용한 서비스 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 음성 기반의 인터페이스를 활용한 서비스 환경의 다른 예를 도시한 도면이다.
도 3은 본 발명의 일실시예에 있어서, 클라우드 인공지능 플랫폼의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 5 및 도 6은 본 발명의 일실시예에 있어서, 발화자의 발화와 연관된 위치 정보의 예를 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 있어서, 전자 기기가 수행할 수 있는 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다.
도 8은 본 발명의 일실시예에 있어서, 주변기기의 센서를 통해 측정된 출력값을 활용하는 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다.
도 9는 본 발명의 일실시예에 있어서, 주변기기의 센서를 통해 측정된 출력값을 활용하는 멀티모달 인터렉션 방법의 다른 예를 도시한 흐름도이다.
도 10은 본 발명의 일실시예에 있어서, 외부 서버를 통해 컨텐츠를 제공하는 경우의 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 멀티모달 인터렉션 시스템은 음성을 기반으로 동작하는 인터페이스를 제공하는 전자 기기를 통해 구현될 수 있다. 전자 기기는 오디오 기반의 컨텐츠를 사용자(발화자)에게 제공하기 위해 오디오 정보를 출력할 수 있으며, 사용자가 출력된 오디오 정보에 응답하여 발화함에 따라 전자 기기에서 음성 입력을 획득할 수 있다. 전자 기기는 획득한 음성 입력을 직접 또는 별도의 인터페이스 커넥트를 통해 연결되는 외부 플랫폼을 통해 인식 및 분석하여 사용자 명령을 처리할 수 있으며, 오디오 기반의 컨텐츠를 진행할 수 있다. 이때, 전자 기기는 발화자의 음성 입력뿐만 아니라, 발화자의 음성 입력과 연관된 위치 정보를 더 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다.
본 발명의 실시예들에 따른 멀티모달 인터렉션 방법은 상술한 전자 기기를 통해 수행될 수 있다. 이때, 전자 기기에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 전자 기기는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 일실시예에 따른 멀티모달 인터렉션 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터로 구현되는 전자 기기와 결합되어 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 음성 기반의 인터페이스를 활용한 서비스 환경의 예를 도시한 도면이다. 도 1의 실시예에서는 스마트홈(smart home)이나 홈 네트워크 서비스와 같이 댁내의 기기들을 연결하여 제어하는 기술에서, 음성을 기반으로 동작하는 인터페이스를 제공하는 전자 기기(100)가 사용자(110)의 발화에 따라 수신되는 음성 입력 "불 꺼줘"를 인식 및 분석하여 댁내에서 전자 기기(100)와 내부 네트워크를 통해 연계된 댁내 조명기기(120)의 라이트 전원을 제어하는 예를 나타내고 있다.
예를 들어, 댁내의 기기들은 상술한 댁내 조명기기(120) 외에도 텔레비전, PC(Personal Computer), 주변기기, 에어컨, 냉장고, 로봇 청소기 등과 같은 가전제품을 비롯하여, 수도, 전기, 냉난방 기기 등과 같은 에너지 소비장치, 도어록, 감시카메라 등과 같은 보안기기 등 온라인 상에서 연결되어 제어될 수 있는 다양한 기기들을 포함할 수 있다. 또한, 내부 네트워크는 이더넷(Ethernet), HomePNA, IEEE 1394와 같은 유선 네트워크 기술이나, 블루투스(Bluetooth), UWB(ultra Wide Band), 지그비(ZigBee), Wireless 1394, Home RF와 같은 무선 네트워크 기술 등이 활용될 수 있다.
전자 기기(100)는 댁내의 기기들 중 하나일 수 있다. 예를 들어, 전자 기기(100)는 댁내에 구비된 인공지능 스피커나 로봇 청소기 등과 같은 기기들 중 하나일 수 있다. 또한, 전자 기기(100)는 스마트폰(smart phone), 휴대폰, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등과 같은 사용자(110)의 모바일 기기일 수도 있다. 이처럼 전자 기기(100)는 사용자(110)의 음성 입력을 수신하여 댁내의 기기들을 제어하기 위해 댁내의 기기들과 연결 가능한 기능을 포함하는 기기라면 특별히 제한되지 않는다.
도 2는 본 발명의 일실시예에 따른 음성 기반의 인터페이스를 활용한 서비스 환경의 예를 도시한 도면이다. 도 2는 음성을 기반으로 동작하는 인터페이스를 제공하는 전자 기기(100)가 사용자(110)의 발화에 따라 수신되는 음성 입력 "오늘 날씨"를 인식 및 분석하여 외부 네트워크를 통해 외부 서버(210)로부터 오늘의 날씨에 대한 정보를 획득하고, 획득한 정보를 음성으로 출력하는 예를 나타내고 있다.
예를 들어, 외부 네트워크는 PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다.
도 2의 실시예에서도 전자 기기(100)는 댁내의 기기들 중 하나이거나 사용자(110)의 모바일 기기 중 하나일 수 있으며, 사용자(110)의 음성 입력을 수신하여 처리하기 위한 기능과 외부 네트워크를 통해 외부 서버(210)에 접속하여 외부 서버(210)가 제공하는 서비스나 컨텐츠를 사용자(110)에게 제공하기 위한 기능을 포함하는 기기라면 특별히 제한되지 않는다.
이처럼, 본 발명의 실시예들에 따른 전자 기기(100)는 음성 기반의 인터페이스를 통해 사용자(110)의 발화에 따라 수신되는 음성 입력을 적어도 포함하는 사용자 명령을 처리할 수 있는 기기라면 특별히 제한되지 않을 수 있다. 예를 들어, 전자 기기(100)는 직접 사용자의 음성 입력을 인식 및 분석하여 음성 입력에 알맞은 동작을 수행함으로써 사용자 명령을 처리할 수도 있으나, 실시예에 따라 사용자의 음성 입력에 대한 인식이나 인식된 음성 입력의 분석, 사용자에게 제공될 음성의 합성 등의 처리를 전자 기기(100)와 연계된 외부의 플랫폼을 통해 수행할 수도 있다.
도 3은 본 발명의 일실시예에 있어서, 클라우드 인공지능 플랫폼의 예를 도시한 도면이다. 도 3은 전자 기기들(310)과 클라우드 인공지능 플랫폼(320) 및 컨텐츠·서비스(330)를 나타내고 있다.
일례로, 전자 기기들(310)은 댁내에 구비되는 기기들을 의미할 수 있으며, 적어도 앞서 설명한 전자 기기(100)를 포함할 수 있다. 이러한 전자 기기들(310)이나 전자 기기들(310)에 설치 및 구동되는 어플리케이션들(이하, 앱들)은 인터페이스 커넥트(340)를 통해 클라우드 인공지능 플랫폼(320)과 연계될 수 있다. 여기서 인터페이스 커넥트(340)는 전자 기기들(310)이나 전자 기기들(310)에 설치 및 구동되는 앱들의 개발을 위한 SDK(Software Development Kit) 및/또는 개발 문서들을 개발자들에게 제공할 수 있다. 또한, 인터페이스 커넥트(340)는 전자 기기들(310)이나 전자 기기들(310)에 설치 및 구동되는 앱들이 클라우드 인공지능 플랫폼(320)이 제공하는 기능들을 활용할 수 있는 API(Application Program Interface)를 제공할 수 있다. 구체적인 예로, 개발자들은 인터페이스 커넥트(340)가 제공하는 SDK(Software Development Kit) 및/또는 개발 문서를 이용하여 개발한 기기나 앱은 인터페이스 커넥트(340)가 제공하는 API를 이용하여 클라우드 인공지능 플랫폼(320)이 제공하는 기능들을 활용할 수 있게 된다.
여기서 클라우드 인공지능 플랫폼(320)은 음성 기반의 서비스를 제공하기 위한 기능을 제공할 수 있다. 예를 들어, 클라우드 인공지능 플랫폼(320)은 수신된 음성을 인식하고, 출력될 음성을 합성하기 위한 음성처리모듈(321), 수신된 영상이나 동영상을 분석하여 처리하기 위한 비전처리모듈(322), 수신된 음성에 따라 알맞은 음성을 출력하기 위해 적절한 대화를 결정하기 위한 대화처리모듈(323), 수신된 음성에 알맞은 기능을 추천하기 위한 추천모듈(324), 인공지능이 데이터 학습을 통해 문장 단위로 언어를 번역할 수 있도록 지원하는 인공신경망 기반 기계 번역(Neural Machine Translation, NMT, 325) 등과 같이 음성 기반 서비스를 제공하기 위한 다양한 모듈들을 포함할 수 있다.
예를 들어, 도 1 및 도 2의 실시예들에서 전자 기기(100)는 사용자(110)의 음성 입력을 인터페이스 커넥트(340)에서 제공하는 API를 이용하여 클라우드 인공지능 플랫폼(320)으로 전송할 수 있다. 이 경우, 클라우드 인공지능 플랫폼(320)은 수신된 음성 입력을 상술한 모듈들(321 내지 325)을 활용하여 인식 및 분석할 수 있으며, 수신된 음성 입력에 따라 적절한 답변 음성을 합성하여 제공하거나, 적절한 동작을 추천할 수 있다.
또한, 확장 키트(350)는 제3자 콘텐츠 개발자 또는 회사들이 클라우드 인공지능 플랫폼(320)에 기반하여 새로운 음성기반 기능을 구현할 수 있는 개발 키트를 제공할 수 있다. 예를 들어, 도 2의 실시예에서, 전자 기기(100)는 수신된 사용자(110)의 음성 입력을 외부 서버(210)로 전송할 수 있고, 외부 서버(210)는 확장 키트(350)를 통해 제공되는 API를 통해 클라우드 인공지능 플랫폼(320)으로 음성 입력을 전송할 수 있다. 이 경우, 앞서 설명한 바와 유사하게 클라우드 인공지능 플랫폼(320)은 수신되는 음성 입력을 인식, 분석하여 적절한 답변 음성을 합성하여 제공하거나 음성 입력을 통해 처리되어야 할 기능에 대한 추천정보를 외부 서버(210)로 제공할 수 있다. 일례로, 도 2에서, 외부 서버(210)는 음성 입력 "오늘 날씨"를 클라우드 인공지능 플랫폼(320)으로 전송할 수 있고, 클라우드 인공지능 플랫폼(320)으로부터 음성 입력 "오늘 날씨"의 인식을 통해 추출되는 키워드 "오늘" 및 "날씨"를 수신할 수 있다. 이 경우, 외부 서버(210)는 키워드 "오늘" 및 "날씨"를 통해 "오늘의 날씨는 ..."와 같은 텍스트 정보를 생성하여 다시 클라우드 인공지능 플랫폼(320)으로 생성된 텍스트 정보를 전송할 수 있다. 이때, 클라우드 인공지능 플랫폼(320)는 텍스트 정보를 음성으로 합성하여 외부 서버(210)로 제공할 수 있다. 외부 서버(210)는 합성된 음성을 전자 기기(100)로 전송할 수 있고, 전자 기기(100)는 합성된 음성 "오늘의 날씨는 ..."을 스피커를 통해 출력함으로써, 사용자(110)로부터 수신한 음성 입력 "오늘 날씨"가 처리될 수 있다.
이때, 전자 기기(100)는 이러한 외부 서버(210)가 제공하는 오디오 기반의 컨텐츠를 사용자에게 제공하기 위해 본 발명의 실시예에 따른 멀티모달 인터렉션 방법을 수행할 수 있다.
도 4는 본 발명의 일실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다. 도 4의 전자 기기(410)는 앞서 설명한 전자 기기(100)에 대응할 수 있고, 서버(420)는 앞서 설명한 외부 서버(210)나 클라우드 인공지능 플랫폼(320)을 구현하는 하나의 컴퓨터 장치에 대응할 수 있다.
전자 기기(410)과 서버(420)는 메모리(411, 421), 프로세서(412, 422), 통신 모듈(413, 423) 그리고 입출력 인터페이스(414, 424)를 포함할 수 있다. 메모리(411, 421)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(411, 421)와는 구분되는 별도의 영구 저장 장치로서 전자 기기(410)나 서버(420)에 포함될 수도 있다. 또한, 메모리(411, 421)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 전자 기기(410)에 설치되어 특정 서비스의 제공을 위해 전자 기기(410)에서 구동되는 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(411, 421)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(413, 423)을 통해 메모리(411, 421)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(430)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 전자 기기(410)의 메모리(411)에 로딩될 수 있다.
프로세서(412, 422)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(411, 421) 또는 통신 모듈(413, 423)에 의해 프로세서(412, 422)로 제공될 수 있다. 예를 들어 프로세서(412, 422)는 메모리(411, 421)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(413, 423)은 네트워크(430)를 통해 전자 기기(410)과 서버(420)가 서로 통신하기 위한 기능을 제공할 수 있으며, 전자 기기(410) 및/또는 서버(420)가 다른 전자 기기 또는 다른 서버와 통신하기 위한 기능을 제공할 수 있다. 일례로, 전자 기기(410)의 프로세서(412)가 메모리(411)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(430)를 통해 서버(420)로 전달될 수 있다. 역으로, 서버(420)의 프로세서(422)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(223)과 네트워크(430)를 거쳐 전자 기기(410)의 통신 모듈(213)을 통해 전자 기기(410)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(420)의 제어 신호나 명령, 컨텐츠, 파일 등은 프로세서(412)나 메모리(411)로 전달될 수 있고, 컨텐츠나 파일 등은 전자 기기(410)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(414)는 입출력 장치(415)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(414)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(415)는 전자 기기(410)와 하나의 장치로 구성될 수도 있다. 또한, 서버(420)의 입출력 인터페이스(424)는 서버(420)와 연결되거나 서버(420)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다.
또한, 다른 실시예들에서 전자 기기(410) 및 서버(420)는 도 4의 구성요소들보다 더 적은 또는 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 전자 기기(410)는 상술한 입출력 장치(415) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 전자 기기(410)가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 전자 기기(410)에 더 포함되도록 구현될 수 있다.
본 실시예들에서 전자 기기(410)는 사용자의 음성 입력을 수신하기 위한 마이크를 입출력 장치(415)로서 기본적으로 포함할 수 있으며, 사용자의 음성 입력에 대응하는 답변 음성이나 오디오 컨텐츠와 같은 소리를 출력하기 위한 스피커를 입출력 장치(415)로서 더 포함할 수 있다.
이때, 전자 기기(410)는 사용자의 음성 입력의 입력 음량에 따라 음성 입력에 대응하여 출력될 소리의 출력 음량을 조절할 수 있다. 이때, 출력 음량은 입력 음량에 비례할 수 있다. 예를 들어, 사용자가 전자 기기(410)를 호출하는 목소리가 클수록, 사용자 명령에 대응하여 출력될 소리의 출력 음량이 상대적으로 커지도록 조절될 수 있다. 역으로, 사용자가 전자 기기(410)를 호출하는 목소리가 작을수록, 사용자 명령에 대응하여 출력될 소리의 출력 음량이 상대적으로 작아지도록 조절될 수 있다. 구체적인 예로, 출력될 소리의 출력 음량은 음성 입력의 입력 음량과 동일하게 조절될 수 있다. 만약 사용자가 작은 목소리나 속삭이는 목소리로 전자 기기(410)를 호출하면, 전자 기기(410) 역시 작은 음성이나 속삭이는 음성으로 사용자의 호출에 응답할 수 있다.
도 5 및 도 6은 본 발명의 일실시예에 있어서, 발화자의 발화와 연관된 위치 정보의 예를 설명하기 위한 도면이다. 도 5 및 도 6은 오디오 기반의 게임 컨텐츠를 음성 기반의 인터페이스를 포함하는 전자 기기(410)를 통해 제공하는 예를 나타내고 있다. 도 5는 전자 기기(410)가 게임 컨텐츠의 진행을 위한 오디오 정보로서 제1 말풍선(510)에 나타난 바와 같이 "우측으로 화살이 날아옵니다."를 출력한 예를 나타내고 있다. 이때, 도 5 및 도 6에서는 사용자(110)가 도 5의 제2 말풍선(520) 및 도 6의 제3 말풍선(610)에 나타난 바와 같이, "회피"라는 발화를 하는 도중에 제1 위치(620)에서 제2 위치(630)로 이동한 예를 나타내고 있다. 이 경우, 전자 기기(410)는 사용자(110)의 발화를 통해 입력되는 음성 입력 "회피"와 사용자(110)의 위치 정보(사용자(110)가 음성 입력 "회피"를 발화하면서 제1 위치(620)에서 제2 위치(630)로 이동한 정보)를 이용하여 게임 컨텐츠의 진행과 관련된 동작을 결정할 수 있다. 예를 들어, 전자 기기(410)는 수신된 음성 입력과 사용자(110)의 위치 정보에 기반하여 게임 컨텐츠상의 가상의 캐릭터가 회피동작으로서 제1 위치(620)에서 제2 위치(630)간의 거리만큼 이동한 것으로 결정할 수 있으며, 이를 통해 게임 컨텐츠상의 화살의 회피 여부를 결정할 수 있다. 또한, 도 6에서는 전자 기기(410)가 사용자(110)에 대응하는 게임 컨텐츠상의 가상의 캐릭터가 화살을 회피한 것으로 결정됨에 따라 제4 말풍선(640)에 나타난 바와 같이, 결정된 동작에 따른 결과로서 합성된 음성 "화살을 회피하셨습니다."를 출력하는 예를 나타내고 있다.
이처럼, 본 발명의 실시예들에서는 오디오 기반의 컨텐츠에 대해서도 단순히 음성 입력이 포함하는 명령어만으로 컨텐츠를 진행하는 것이 아니라, 음성 입력과 연관된 발화자의 위치 정보를 더 활용함으로써, 발화자에게 다양한 인터렉션 경험과 높은 컨텐츠 몰입도를 제공할 수 있다. 특히, 기존 시각적으로 제공되는 컨텐츠에서 사용자의 위치의 이동과 방향의 전환 등이 디스플레이를 볼 수 있는 영역으로 한정됨에 비해, 본 발명의 실시예들에 따른 발화자는 시각적 정보가 아닌 청각적 정보를 활용함에 따라 위치의 이동과 방향의 전환에 있어서 상대적으로 매우 높은 자유도를 갖게 됨을 알 수 있다.
도 7은 본 발명의 일실시예에 있어서, 전자 기기가 수행할 수 있는 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다. 본 발명의 실시예들에 따른 멀티모달 인터렉션 시스템은 앞서 설명한 전자 기기(410)과 같은 컴퓨터 장치의 형태로 구현될 수 있다. 이러한 전자 기기(410)는 도 7의 멀티모달 인터렉션 방법이 포함하는 단계들(710 내지 740)을 수행할 수 있다. 이때, 프로세서(412)는 메모리(411)가 포함하는 운영체제의 코드나 적어도 하나의 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(412)는 전자 기기(410)에 저장된 코드가 제공하는 제어 명령에 따라 전자 기기(410)가 도 7의 단계들(710 내지 740)을 수행하도록 전자 기기(410)를 제어할 수 있다.
단계(710)에서 전자 기기(410)는 음성 기반의 인터페이스를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력할 수 있다. 음성 기반의 인터페이스는 기본적으로 합성된 음성 정보를 출력하기 위한 출력 모듈과 발화자의 발화를 입력받기 위한 입력 모듈을 포함할 수 있으며, 컨텐츠는 기본적으로 이러한 음성 기반의 인터페이스를 통한 발화자와의 인터렉션을 통해 진행될 수 있다.
단계(720)에서 전자 기기(410)는 음성 기반의 인터페이스를 통해 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신할 수 있다. 발화자의 음성 입력을 수신하는 기술은 음성 인식과 관련하여 이미 잘 알려진 기술들을 통해 당업자가 쉽게 이해할 수 있을 것이다.
단계(730)에서 전자 기기(410)는 발화자의 상기 음성 입력과 연관된 위치 정보를 생성할 수 있다. 여기서, 음성 입력과 연관된 위치 정보는, 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 전자 기기(410)에 대한 발화자의 상대적인 위치나 방향, 상대적인 위치나 방향의 변화 여부, 상대적인 위치나 방향의 변화 정도 및 상대적인 위치나 방향의 변화 방향 중 적어도 하나를 포함할 수 있다.
예를 들어, 전자 기기(410)는 음성 기반의 인터페이스가 포함하는 복수의 마이크로 입력되는 음성 입력의 위상 변이(phase shift)에 기반하여 음성 입력과 연관된 위치 정보를 생성할 수 있다. 복수의 마이크로 입력되는 동일한 소리신호의 위상 변이를 이용하여 소리신호의 발생 위치를 측정하는 기술은 빔 포밍(beam forming) 기술과 같이 이미 잘 알려진 기술을 통해 당업자가 쉽게 이해할 수 있을 것이다. 이 경우, 위치 정보가 발화자의 음성 입력을 통해 측정되기 때문에, 발화자가 특정 방향을 향하고 있을 필요가 없으며, 발화자의 발화를 인식 가능한 거리 이내라면, 발화자의 위치 역시 제한되지 않을 수 있다. 또한, 음성 기반의 인터페이스 이외의 별도의 장치가 전자 기기(410)에 추가될 필요성 없이 발화자의 위치 정보를 획득하는 것이 가능해진다.
실시예에 따라 발화자의 위치 정보를 획득하기 위해, 전자 기기(410)가 카메라나 센서와 같은 추가 장비를 포함하는 경우도 고려할 수 있으며, 음성 기반의 인터페이스를 통해 측정되는 발화자의 위치 정보와 카메라나 센서와 같은 추가 장비를 이용하여 측정되는 발화자의 위치 정보가 모두 활용될 수도 있다. 카메라 및/또는 센서를 활용하는 경우, 전자 기기(410)는 음성 입력이 수신되는 경우의 카메라 및/또는 센서의 출력값에 기반하여 음성 입력과 연관된 위치 정보를 생성할 수 있다.
단계(740)에서 전자 기기(410)는 음성 입력 및 음성 입력과 연관된 위치 정보를 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 컨텐츠의 진행과 연관된 동작은 컨텐츠에 따라 다양한 형태로 설정될 수 있음을 당업자라면 쉽게 이해할 수 있을 것이다. 예를 들어, 결정되는 동작은 전자 기기(410) 자체의 동작, 전자 기기(410)와 연동된 주변기기의 동작, 전자 기기(410)와 네트워크를 통해 연동되어 전자 기기(410)를 통해 컨텐츠를 제공하는 외부 서버(일례로, 도 2의 외부 서버(210))의 동작, 컨텐츠의 진행과 관련하여 발화자에게 요구하기 위한 동작, 컨텐츠상의 가상 캐릭터나 가상 객체의 동작 등 컨텐츠의 종류나 특성, 컨텐츠의 진행 상황 등에 따라 가능한 활용 가능한 모든 동작들 중 하나가 활용될 수 있다. 이러한 동작의 예로서 도 5 및 도 6에서는 게임 컨텐츠상의 가상의 캐릭터에게 발사된 화살의 회피와 관련된 동작이 결정된 예를 설명하였다. 다른 예로, 출력되는 오디오 정보 "볼륨을 조절하시겠습니까?"에 응답하여 발생하는 발화자의 음성 입력 "볼륨" 및 음성 입력과 연관된 발화자의 좌측 또는 우측으로의 이동에 대한 위치 정보를 통해 전자 기기(410)의 출력 음량을 감소 또는 증가로 조절하기 위한 동작이 결정될 수도 있다. 또 다른 예로, 오디오 정보는 발화자에게 발화 및 발화자의 위치의 변경을 요구하는 정보를 포함할 수 있다. 이 경우, 전자 기기(410)는 단계(740)에서 수신된 음성 입력 및 수신된 음성 입력과 연관된 위치 정보가 요구된 정보에 대응하여 기설정된 조건을 만족하는지 여부에 따라 컨텐츠의 진행과 관련된 동작을 결정할 수 있다. 보다 구체적인 예로, 전자 기기(410)는 "좌로 3보 이동하세요"라는 오디오 정보를 출력하고, 발화자의 음성 입력관 연관된 위치 정보에 기반하여 발화자가 실제로 좌로 3보 이동하였는지 여부에 따라 컨텐츠의 진행과 관련된 동작을 결정할 수 있다.
동작이 결정되면, 결정된 동작의 수행을 위한 과정이 수행될 수 있다. 예를 들어, 전자 기기(410) 자체의 동작이 결정된 경우, 전자 기기(410)는 결정된 동작을 수행할 수 있다. 다른 예로, 발화자에게 요구하기 위한 동작이 결정된 경우, 전자 기기(410)는 결정된 동작을 발화자에게 요구하기 위한 음성을 합성하여 음성 기반 인터페이스를 통해 출력할 수 있다. 또 다른 예로, 컨텐츠상의 가상 캐릭터나 가상 객체의 동작을 전자 기기(410)가 직접 제어하거나 또는 외부 서버에서 컨텐츠를 제공하는 경우, 가상 캐릭터나 가상 객체의 동작을 제어하기 위한 정보를 외부 서버로 전송하여 외부 서버가 가상 캐릭터나 가상 객체의 동작을 제어하도록 할 수도 있다.
다른 실시예에서, 음성 기반의 인터페이스를 통해 컨텐츠를 제공하는 전자 기기(410)와 발화자간의 인터렉션은 보다 다양한 방식으로 진행될 수 있다. 예를 들어, 음성 입력에서 인식된 명령어뿐만 아니라, 음성 입력에 대응하는 소리의 톤(tone) 및/또는 피치(pitch)와 같은 정보나, 전자 기기(410)와 연동된 주변기기로부터 획득되는 값 등이 컨텐츠의 진행과 관련된 동작을 결정하기 위해 더 활용될 수 있다.
일례로, 전자 기기(410)는 도 7의 단계(740)에서 음성 입력에 대응하는 소리의 톤, 소리의 피치 및 음성 입력을 분석하여 추출되는 명령어 중 적어도 하나와 음성 입력과 연관된 위치 정보를 종합하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 보다 구체적인 예로, 가상의 물체를 던져서 가상의 목표물을 맞추는 게임 컨텐츠에서 음성 입력에서 추출되는 명령어는 가상의 물체를 던지는 시작 시점을 알리기 위해, 발화자의 이동 거리는 물체를 던지는 힘을 결정하기 위해, 음성 입력에 대응하는 소리의 톤 또는 소리의 피치는 물체를 던지는 각도를 결정하기 위해 각각 활용될 수 있다.
다른 예로, 전자 기기(410)는 전자 기기(410)와 연동된 주변기기에서 취득되는 값을 더 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수도 있다.
도 8은 본 발명의 일실시예에 있어서, 주변기기의 센서를 통해 측정된 출력값을 활용하는 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다. 도 8의 단계들(810 및 820)는 도 7의 단계(740) 대신 수행될 수 있다.
단계(810)에서 전자 기기(410)는 연동된 주변기기의 센서에서 음성 입력과 연관하여 측정한 측정값을 주변기기로부터 수신할 수 있다. 여기서, 음성 입력과 연관하여 측정된 측정값은 음성 입력의 수신과 연관된 시점 또는 기간에 주변기기의 센서에서 측정되는 측정값을 포함할 수 있다. 구체적인 예로, 전자 기기(410)와 발화자가 소지하고 있거나 착용하고 있는 스마트폰, 스마트워치, 스마트밴드 등과 같은 주변기기와 연동될 수 있으며, 발화자의 발화를 통해 전자 기기(410)가 음성 입력을 수신하는 시점이나 음성 입력이 수신되는 기간 동안 주변기기의 센서가 측정한 측정값을 포함할 수 있다.
단계(820)에서 전자 기기(410)는 음성 입력, 음성 입력과 연관된 위치 정보 및 수신된 측정값을 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 예를 들어, 발화자가 발화를 하면서 스마트폰을 들고 있는 손을 드는 경우, 손의 움직임에 따라 스마트폰이 포함하는 가속도 센서나 자이로스코프 센서 등의 출력값을 통해 발화자의 손의 움직임을 측정할 수 있다. 이 경우, 전자 기기(410)는 수신된 측정값을 통해 이러한 발화자의 손의 움직임 측정하고, 이러한 측정된 손의 움직임을 더 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 보다 구체적인 예로, 발화자가 발화 시에 단순히 이동하는 경우와 발화자가 발화 시에 손을 들고 흔들면서 이동하는 경우 컨텐츠의 진행과 관련하여 각각 서로 다른 동작이 결정될 수 있다. 다른 예로, 음성 입력과 관련하여 측정되는 발화자의 맥박이 컨텐츠의 진행과 연관된 동작을 결정하는데 활용될 수도 있다. 또한, 이러한 측정값은 복수의 발화자들이 존재하는 경우, 특정 발화자(일례로, 퀴즈 컨텐츠에서 정답을 외치는 복수의 발화자들 중 손을 가장 먼저 든 발화자)를 선정하기 위해 활용될 수도 있다.
실시예에 따라, 발화자의 위치 정보를 활용하지 않고, 음성 입력에서 추출되는 명령어, 음성 입력에 대응하는 소리의 톤, 소리의 피치 및 주변기기의 센서를 통해 측정된 측정값 중 적어도 둘 이상을 통해 컨텐츠의 진행과 연관된 동작이 결정될 수도 있다. 예를 들어, 농구 게임에서 "슛"이라는 음성 입력의 명령어 "슛"을 통해 농구공을 던지는 동작이, "슛"이라는 소리의 톤을 통해 농구공을 던지는 각도가, "슛"이라는 소리의 피치를 통해 농구공을 던지는 힘이 결정될 수도 있다. 이처럼, 음성 기반 인터페이스에서 음성 입력에서 추출되는 명령어뿐만이 아니라 다른 다양한 정보들을 통해 컨텐츠와 발화자간의 멀티모달 인터렉션이 제공될 수 있다.
도 9는 본 발명의 일실시예에 있어서, 주변기기의 센서를 통해 측정된 출력값을 활용하는 멀티모달 인터렉션 방법의 다른 예를 도시한 흐름도이다. 도 9의 단계들(910 및 920)는 도 7의 단계들(710 내지 740) 이전 또는 이후에 수행될 수 있으며, 또는 도 7의 단계들(710 내지 740) 사이에 수행될 수도 있다.
단계(910)에서 전자 기기(410)는 연동된 주변기기의 센서에서 음성 입력과 무관하게 측정한 측정값을 주변기기로부터 수신할 수 있다. 예를 들어, 측정값은 사용자의 맥박, 일정 기간 동안의 이동량, 전날의 수면시간 등과 같이 센서를 통해 특정 가능한 다양한 값들이 활용될 수 있다.
단계(920)에서 전자 기기(410)는 수신된 측정값에 기반하여 컨텐츠의 진행과 관련된 설정을 변경할 수 있다. 예를 들어, 게임 컨텐츠에서 발화자의 전날 수면시간이나 전날 이동량에 기반하여 금일 가상의 캐릭터의 체력이나 힘과 같은 능력치가 조절될 수 있다. 또는 발화자의 누적된 이동량에 따라 가상 캐릭터의 능력치가 꾸준히 증가하도록 설정이 변경될 수도 있다. 이처럼 측정값의 종류나 컨텐츠의 진행과 관련된 설정의 종류가 컨텐츠의 특성이나 종류에 따라 다양하게 활용될 수 있음을 당업자가 쉽게 이해할 수 있을 것이다.
도 10은 본 발명의 일실시예에 있어서, 외부 서버를 통해 컨텐츠를 제공하는 경우의 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다. 도 10의 단계들(1010 내지 1030)은 도 7의 단계(740)에 포함되어 수행될 수 있다.
단계(1010)에서 전자 기기(410)는 음성 입력 및 음성 입력과 연관된 위치 정보를 네트워크를 통해 외부 서버로 전송할 수 있다. 여기서 외부 서버는 도 2를 통해 설명한 외부 서버(210)에 대응될 수 있으며, 전자 기기(410)와 네트워크를 통해 통신하면서 컨텐츠를 제공하는 장치일 수 있다.
단계(1020)에서 전자 기기(410)는 외부 서버에서 음성 입력 및 음성 입력과 연관된 위치 정보에 기반하여 생성되는 동작 정보를 네트워크를 통해 외부 서버로부터 수신할 수 있다. 전자 기기(410)는 음성 입력 및 위치 정보를 직접 분석하지 않고, 이러한 정보들을 외부 서버로 전송하여 외부 서버에서 전송된 정보들에 기반하여 동작 정보를 생성하도록 한 후, 그 결과를 수신할 수 있다.
단계(1030)에서 전자 기기(410)는 수신된 동작 정보에 기반하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 실질적으로 단계(1030)는 외부 서버에서 컨텐츠의 진행과 연관하여 연관된 동작을 결정하고, 이에 대한 정보를 수신하여 결정된 동작을 확인하는 과정일 수 있다.
이상에서와 같이, 본 발명의 실시예들에 따르면, 네트워크에 연결되고, 음성을 기반으로 동작하는 전자 기기를 통한 인터렉션에 있어서, 발화자로부터 수신된 음성 입력을 통해 획득되는 명령어뿐만 아니라, 음성 입력과 연관된 발화자의 위치 정보(일례로, 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 전자 기기에 대한 발화자의 상대적인 위치나 방향, 상대적인 위치나 방향의 변화 여부, 상대적인 위치나 방향의 변화 정도 및 상대적인 위치나 방향의 변화 방향 중 적어도 하나)를 더 활용함으로써, 음성 기반의 인터페이스를 통해 보다 다양한 사용자 경험을 제공할 수 있다. 또한, 음성 입력을 통해 획득되는 소리톤이나 피치, 전자 기기와 연동되는 주변기기(일례로, 사용자가 소지한 스마트폰, 스마트워치, 스마트밴드 등)에서 취득되는 값(발화자의 명시적인 정보로서의 손의 위치나 발화자의 비명시적인 정보로서 맥박, 하루 이동량, 전날 수면시간 등) 등을 통합적으로 활용하여 전자 기기에 명령을 전달하거나 또는 컨텐츠 및/또는 서비스의 소재로 활용할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 소프트웨어 구성요소 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (19)

  1. 멀티모달 인터렉션 시스템의 멀티모달 인터렉션 방법에 있어서,
    전자 기기가 포함하는 음성 기반의 인터페이스를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하는 제1 단계;
    상기 음성 기반의 인터페이스를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하는 제2 단계;
    상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하는 제3 단계; 및
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 제4 단계
    를 포함하고,
    상기 제1 단계 이전, 상기 제1 단계와 상기 제2 단계의 사이, 상기 제2 단계와 상기 제3 단계의 사이, 상기 제3 단계와 상기 제4 단계의 사이 또는 상기 제4 단계 이후에,
    상기 전자 기기와 연동된 주변기기의 센서에서 상기 음성 입력과 무관하게 측정한 측정값을 상기 주변기기로부터 수신하는 단계; 및
    상기 수신된 측정값에 기반하여 상기 컨텐츠의 진행과 관련된 설정을 변경하는 단계
    를 더 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  2. 제1항에 있어서,
    상기 음성 입력과 연관된 위치 정보는, 상기 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 상기 전자 기기에 대한 상기 발화자의 상대적인 위치나 방향, 상기 상대적인 위치나 방향의 변화 여부, 상기 상대적인 위치나 방향의 변화 정도 및 상기 상대적인 위치나 방향의 변화 방향 중 적어도 하나를 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  3. 제1항에 있어서,
    상기 위치 정보를 생성하는 단계는,
    상기 음성 기반의 인터페이스가 포함하는 복수의 마이크로 입력되는 상기 음성 입력의 위상 변이에 기반하여 상기 음성 입력과 연관된 위치 정보를 생성하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  4. 제1항에 있어서,
    상기 전자 기기는 카메라 및 센서 중 적어도 하나를 포함하고,
    상기 위치 정보를 생성하는 단계는,
    상기 음성 입력이 수신되는 경우의 상기 카메라 및 센서 중 적어도 하나의 출력값에 기반하여 상기 음성 입력과 연관된 위치 정보를 생성하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  5. 제1항에 있어서,
    상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계는,
    상기 음성 입력에 대응하는 소리의 톤, 소리의 피치 및 상기 음성 입력을 분석하여 추출되는 명령어 중 적어도 하나와 상기 음성 입력과 연관된 위치 정보를 종합하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  6. 제1항에 있어서,
    상기 전자 기기와 연동된 주변기기의 센서에서 상기 음성 입력과 연관하여 측정한 측정값을 상기 주변기기로부터 수신하는 단계
    를 더 포함하고,
    상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계는,
    상기 수신된 측정값을 더 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 오디오 정보는 상기 발화자의 위치의 변경을 요구하는 정보를 포함하고,
    상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계는,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보가 상기 요구된 정보에 대응하는 조건을 만족하는지 여부에 따라 상기 컨텐츠의 진행과 관련된 동작을 결정하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  9. 제1항에 있어서,
    상기 컨텐츠는 상기 전자 기기와 네트워크를 통해 통신하는 외부 서버를 통해 제공되고,
    상기 동작을 결정하는 단계는,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 네트워크를 통해 상기 외부 서버로 전송하는 단계;
    상기 외부 서버에서 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보에 기반하여 생성되는 동작 정보를 네트워크를 통해 상기 외부 서버로부터 수신하는 단계; 및
    상기 수신된 동작 정보에 기반하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계
    를 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  10. 컴퓨터와 결합되어 제1항 내지 제6항, 제8항 또는 제9항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  11. 제1항 내지 제6항, 제8항 또는 제9항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체.
  12. 멀티모달 인터렉션 시스템에 있어서,
    음성 기반의 인터페이스부; 및
    컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 음성 기반의 인터페이스부를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하고,
    상기 음성 기반의 인터페이스부를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하고,
    상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하고,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하고,
    상기 멀티모달 인터렉션 시스템과 연동된 주변기기의 센서에서 상기 음성 입력과 무관하게 측정한 측정값을 상기 주변기기로부터 수신하고,
    상기 수신된 측정값에 기반하여 상기 컨텐츠의 진행과 관련된 설정을 변경하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  13. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 음성 기반의 인터페이스부가 포함하는 복수의 마이크로 입력되는 상기 음성 입력의 위상 변이에 기반하여 상기 음성 입력과 연관된 위치 정보를 생성하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  14. 제12항에 있어서,
    카메라 및 센서 중 적어도 하나를 더 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 음성 입력이 수신되는 경우의 상기 카메라 및 센서 중 적어도 하나의 출력값에 기반하여 상기 음성 입력과 연관된 위치 정보를 생성하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  15. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 음성 입력에 대응하는 소리의 톤, 소리의 피치 및 상기 음성 입력을 분석하여 추출되는 명령어 중 적어도 하나와 상기 음성 입력과 연관된 위치 정보를 종합하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  16. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 멀티모달 인터렉션 시스템과 연동된 주변기기의 센서에서 상기 음성 입력과 연관하여 측정한 측정값을 상기 주변기기로부터 수신하고,
    상기 컨텐츠의 진행과 연관된 동작을 결정하기 위해, 상기 수신된 측정값을 더 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  17. 삭제
  18. 제12항에 있어서,
    상기 오디오 정보는 상기 발화자에게 발화 및 상기 발화자의 위치의 변경을 요구하는 정보를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보가 상기 요구된 정보에 대응하는 조건을 만족하는지 여부에 따라 상기 컨텐츠의 진행과 관련된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  19. 제12항에 있어서,
    상기 컨텐츠는 네트워크를 통해 통신하는 외부 서버를 통해 제공되고,
    상기 적어도 하나의 프로세서는, 상기 컨텐츠의 진행과 관련된 동작을 결정하기 위해,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 네트워크를 통해 상기 외부 서버로 전송하고,
    상기 외부 서버에서 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보에 기반하여 생성되는 동작 정보를 네트워크를 통해 상기 외부 서버로부터 수신하고,
    상기 수신된 동작 정보에 기반하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
KR1020170048304A 2017-04-14 2017-04-14 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템 KR101924852B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020170048304A KR101924852B1 (ko) 2017-04-14 2017-04-14 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
PCT/KR2018/002075 WO2018190507A1 (ko) 2017-04-14 2018-02-20 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
JP2018076699A JP6573696B2 (ja) 2017-04-14 2018-04-12 ネットワークに連結した音響機器とのマルチモーダルインタラクション方法およびシステム
US16/598,449 US11004452B2 (en) 2017-04-14 2019-10-10 Method and system for multimodal interaction with sound device connected to network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170048304A KR101924852B1 (ko) 2017-04-14 2017-04-14 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020180148871A Division KR20180129729A (ko) 2018-11-27 2018-11-27 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20180115880A KR20180115880A (ko) 2018-10-24
KR101924852B1 true KR101924852B1 (ko) 2018-12-04

Family

ID=63793266

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170048304A KR101924852B1 (ko) 2017-04-14 2017-04-14 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템

Country Status (4)

Country Link
US (1) US11004452B2 (ko)
JP (1) JP6573696B2 (ko)
KR (1) KR101924852B1 (ko)
WO (1) WO2018190507A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101924852B1 (ko) * 2017-04-14 2018-12-04 네이버 주식회사 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
CN108600911B (zh) 2018-03-30 2021-05-18 联想(北京)有限公司 一种输出方法及电子设备
US20200209934A1 (en) * 2018-12-28 2020-07-02 Dongguan Evn Electronics Co., Ltd. Internet-of-things-based computer on/off control expansion device and computer on/off control system
KR20210116897A (ko) * 2020-03-18 2021-09-28 삼성전자주식회사 외부 장치의 음성 기반 제어를 위한 방법 및 그 전자 장치
CN112162628A (zh) * 2020-09-01 2021-01-01 魔珐(上海)信息科技有限公司 基于虚拟角色的多模态交互方法、装置及系统、存储介质、终端
CN115220631A (zh) * 2022-07-19 2022-10-21 东软睿驰汽车技术(大连)有限公司 基于车内交互模式的应用控制方法、装置和电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122128A (ja) * 2003-09-25 2005-05-12 Fuji Photo Film Co Ltd 音声認識システム及びプログラム

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5699089A (en) * 1994-03-03 1997-12-16 Applied Voice Technology Central control for sequential-playback objects
US7516190B2 (en) * 2000-02-04 2009-04-07 Parus Holdings, Inc. Personal voice-based information retrieval system
US7640006B2 (en) * 2001-10-03 2009-12-29 Accenture Global Services Gmbh Directory assistance with multi-modal messaging
US7233655B2 (en) * 2001-10-03 2007-06-19 Accenture Global Services Gmbh Multi-modal callback
US7254384B2 (en) * 2001-10-03 2007-08-07 Accenture Global Services Gmbh Multi-modal messaging
US20060168095A1 (en) * 2002-01-22 2006-07-27 Dipanshu Sharma Multi-modal information delivery system
US7286651B1 (en) * 2002-02-12 2007-10-23 Sprint Spectrum L.P. Method and system for multi-modal interaction
US7693720B2 (en) * 2002-07-15 2010-04-06 Voicebox Technologies, Inc. Mobile systems and methods for responding to natural language speech utterance
JP2005250917A (ja) * 2004-03-05 2005-09-15 Ikeno Tsuken Kk 音声認識型音声案内装置
US10032452B1 (en) * 2016-12-30 2018-07-24 Google Llc Multimodal transmission of packetized data
JP2006243555A (ja) * 2005-03-04 2006-09-14 Nec Corp 対応決定システム、ロボット、イベント出力サーバ、および対応決定方法
US7640160B2 (en) * 2005-08-05 2009-12-29 Voicebox Technologies, Inc. Systems and methods for responding to natural language speech utterance
US7676371B2 (en) * 2006-06-13 2010-03-09 Nuance Communications, Inc. Oral modification of an ASR lexicon of an ASR engine
US8145493B2 (en) * 2006-09-11 2012-03-27 Nuance Communications, Inc. Establishing a preferred mode of interaction between a user and a multimodal application
US7827033B2 (en) * 2006-12-06 2010-11-02 Nuance Communications, Inc. Enabling grammars in web page frames
US8938392B2 (en) * 2007-02-27 2015-01-20 Nuance Communications, Inc. Configuring a speech engine for a multimodal application based on location
US8670987B2 (en) * 2007-03-20 2014-03-11 Nuance Communications, Inc. Automatic speech recognition with dynamic grammar rules
US8862475B2 (en) * 2007-04-12 2014-10-14 Nuance Communications, Inc. Speech-enabled content navigation and control of a distributed multimodal browser
KR20090084212A (ko) * 2008-01-31 2009-08-05 포항공과대학교 산학협력단 멀티모달 대화 인터페이스를 이용하는 홈 네트워크 제어시스템 및 그 방법
US8589161B2 (en) * 2008-05-27 2013-11-19 Voicebox Technologies, Inc. System and method for an integrated, multi-modal, multi-device natural language voice services environment
WO2010019713A1 (en) * 2008-08-12 2010-02-18 Ditech Networks, Inc. Voice activated application service architecture and delivery
US8326637B2 (en) * 2009-02-20 2012-12-04 Voicebox Technologies, Inc. System and method for processing multi-modal device interactions in a natural language voice services environment
WO2010104825A1 (en) * 2009-03-09 2010-09-16 Telcordia Technologies, Inc. Delivering media as compensation for cognitive deficits using labeled objects in surroundings
KR101289081B1 (ko) * 2009-09-10 2013-07-22 한국전자통신연구원 음성 인터페이스를 이용한 ｉｐｔｖ 시스템 및 서비스 방법
WO2011082332A1 (en) * 2009-12-31 2011-07-07 Digimarc Corporation Methods and arrangements employing sensor-equipped smart phones
US8381108B2 (en) * 2010-06-21 2013-02-19 Microsoft Corporation Natural user input for driving interactive stories
KR101387928B1 (ko) 2010-06-24 2014-04-22 에스케이플래닛 주식회사 홈 미디어 디바이스 및 이를 이용한 홈 네트워크 시스템, 방법
ES2947765T3 (es) * 2012-03-29 2023-08-18 Univ Queensland Procedimiento y aparato para procesar grabaciones de sonido de un paciente
US10491458B2 (en) * 2013-01-31 2019-11-26 Dell Products L.P. System and method for reporting peer-to-peer transfer events
WO2015029296A1 (ja) * 2013-08-29 2015-03-05 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 音声認識方法及び音声認識装置
JP5629364B2 (ja) * 2013-10-29 2014-11-19 株式会社コナミデジタルエンタテインメント ゲーム装置、ゲーム装置の制御方法、及びプログラム
JP2015153324A (ja) * 2014-02-18 2015-08-24 株式会社Ｎｔｔドコモ 情報検索装置、情報検索方法及び情報検索プログラム
KR20150136312A (ko) * 2014-05-27 2015-12-07 삼성전자주식회사 디스플레이 장치 및 이의 정보 제공 방법
WO2016068262A1 (ja) * 2014-10-29 2016-05-06 京セラ株式会社 コミュニケーションロボット
KR101733230B1 (ko) 2015-05-21 2017-05-08 네이버 주식회사 컨텐츠 공유 서비스 제공 방법, 표시 제어 방법 및 컴퓨터 프로그램
US20160379638A1 (en) * 2015-06-26 2016-12-29 Amazon Technologies, Inc. Input speech quality matching
US9484030B1 (en) * 2015-12-02 2016-11-01 Amazon Technologies, Inc. Audio triggered commands
US9858927B2 (en) * 2016-02-12 2018-01-02 Amazon Technologies, Inc Processing spoken commands to control distributed audio outputs
US9898250B1 (en) * 2016-02-12 2018-02-20 Amazon Technologies, Inc. Controlling distributed audio outputs to enable voice output
US20180039478A1 (en) * 2016-08-02 2018-02-08 Google Inc. Voice interaction services
US10261752B2 (en) * 2016-08-02 2019-04-16 Google Llc Component libraries for voice interaction services
US10140973B1 (en) * 2016-09-15 2018-11-27 Amazon Technologies, Inc. Text-to-speech processing using previously speech processed data
US10170116B1 (en) * 2016-09-21 2019-01-01 Amazon Technologies, Inc. Maintaining context for voice processes
US9972318B1 (en) * 2016-09-21 2018-05-15 Amazon Technologies, Inc. Interpreting voice commands
US10032451B1 (en) * 2016-12-20 2018-07-24 Amazon Technologies, Inc. User recognition for speech processing systems
US10276149B1 (en) * 2016-12-21 2019-04-30 Amazon Technologies, Inc. Dynamic text-to-speech output
KR101924852B1 (ko) * 2017-04-14 2018-12-04 네이버 주식회사 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
US10600408B1 (en) * 2018-03-23 2020-03-24 Amazon Technologies, Inc. Content output management based on speech quality

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122128A (ja) * 2003-09-25 2005-05-12 Fuji Photo Film Co Ltd 音声認識システム及びプログラム

Also Published As

Publication number Publication date
JP2018180542A (ja) 2018-11-15
US11004452B2 (en) 2021-05-11
KR20180115880A (ko) 2018-10-24
US20200043491A1 (en) 2020-02-06
JP6573696B2 (ja) 2019-09-11
WO2018190507A1 (ko) 2018-10-18

Similar Documents

Publication Publication Date Title
KR101924852B1 (ko) 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
KR101949497B1 (ko) 사용자 발화의 표현법을 파악하여 기기의 동작이나 컨텐츠 제공 범위를 조정하여 제공하는 사용자 명령 처리 방법 및 시스템
KR102025391B1 (ko) 사용자의 발화 위치에 따른 디바이스 제어
JP6567727B2 (ja) 受信した音声入力の入力音量に基づいて出力される音の出力音量を調節するユーザ命令処理方法およびシステム
KR102209092B1 (ko) 복수의 호출 용어를 이용하여 인공지능 기기를 제어하는 방법 및 시스템
JP6752870B2 (ja) 複数のウェイクワードを利用して人工知能機器を制御する方法およびシステム
KR101968725B1 (ko) 음성요청에 대응하는 정보 제공을 위한 미디어 선택
KR102034255B1 (ko) 사람-기계 간 감정 대화를 위한 방법 및 시스템
JP6681940B2 (ja) ユーザの位置及び空間に適した情報を能動的に提供する方法及び装置
KR20190079791A (ko) 인공지능 기기에서의 복수의 호출 용어를 이용한 서비스 제공 방법 및 그 시스템
KR20180128631A (ko) 음성요청에 대응하는 정보 전달 향상을 위한 출력
KR20190002073A (ko) 기계의 자동 활성을 위한 방법 및 시스템
KR20210116897A (ko) 외부 장치의 음성 기반 제어를 위한 방법 및 그 전자 장치
KR20190021012A (ko) 인공지능 기기에서의 연속 대화 기능
CN111640429A (zh) 提供语音识别服务的方法和用于该方法的电子装置
KR102012927B1 (ko) 인공지능 기기의 자동 불량 검출을 위한 방법 및 시스템
KR20190002069A (ko) 이어셋을 이용한 통역기능 제공 방법 및 장치
KR20180129729A (ko) 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
KR102255844B1 (ko) 사용자의 위치 및 공간에 알맞은 정보를 능동적으로 제공하는 방법 및 장치
US11743588B1 (en) Object selection in computer vision
KR20190018666A (ko) 기계의 자동 활성을 위한 방법 및 시스템
KR102152334B1 (ko) 음원 필터링을 위한 방법 및 시스템
KR102241792B1 (ko) 인공지능 기기에서의 연속 대화 기능
KR102239223B1 (ko) 기계의 자동 활성을 위한 방법 및 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant