KR102327441B1 - 인공지능 장치 - Google Patents

Abstract

인공지능 장치가 개시된다. 본 발명의 실시 예에 따른 인공지능 장치는, 데이터를 저장하는 메모리, 음성 신호를 획득하는 음성 획득부, 및, 파라미터에 기반하여 상기 음성 신호에 대한 전처리를 수행하고, 상기 전처리된 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하고, 상기 전처리된 음성 신호의 특성을 상기 메모리에 저장하고, 상기 메모리에 누적된 음성 신호들의 특성들의 분포를 이용하여 상기 파라미터를 변경하는 프로세서를 포함한다.

Description

인공지능 장치{ARTIFICIAL DEVICE}

본 발명은, 음성 신호의 특성을 이용하여 음성 신호의 전처리에 사용되는 파라미터를 업데이트 할 수 있는 인공지능 장치에 관한 것이다.

인공 지능(artificial intelligence)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.

또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.

한편, 인공지능을 이용하여 주변의 상황을 인지 및 학습하고 사용자가 원하는 정보를 원하는 형태로 제공하거나 사용자가 원하는 동작이나 기능을 수행하는 기술이 활발하게 연구되고 있다.

그리고 이러한 각종 동작과 기능을 제공하는 전자장치를 인공지능 디바이스라고 명칭 할 수 있다.

인공지능 장치는 사용자의 음성 신호를 기 트레이닝 된 음성 인식 모델에 제공하여 인식 결과를 획득한다.

한편 음성 인식 모델의 제작자는, 사용자의 사용 환경을 가정하고 가정된 사용 환경에 부합하는 훈련 데이터를 이용하여 음성 인식 모델을 트레이닝 한다.

이 경우 음성 인식 모델은 가정된 사용 환경에 부합하는 음성 신호가 입력되면 좋은 성능을 나타내나, 가정된 사용 환경에 부합하지 않는 음성 신호가 입력되면 좋지 않은 성능을 나타내는 문제가 있다.

본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 음성 신호의 특성을 이용하여 음성 신호의 전처리에 사용되는 파라미터를 업데이트 할 수 있는 인공지능 장치를 제공하기 위함이다.

본 발명의 일 실시 예에 따른 인공지능 장치는, 데이터를 저장하는 메모리, 음성 신호를 획득하는 음성 획득부, 및, 파라미터에 기반하여 상기 음성 신호에 대한 전처리를 수행하고, 상기 전처리된 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하고, 상기 전처리된 음성 신호의 특성을 상기 메모리에 저장하고, 상기 메모리에 누적된 음성 신호들의 특성들의 분포를 이용하여 상기 파라미터를 변경하는 프로세서를 포함한다.

도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 4는 종래 기술에 따른 문제점을 설명하기 위한 도면이다.
도 5는 본 발명의 실시 예에 따른 인공지능 인공지능 서버(200)를 설명하기 위한 도면이다.
도 6은 발명의 실시 예에 따른 인공지능 서버(200)의 동작 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 실시 예에 따른, 음성 신호 들의 특성들이 누적되는 과정을 설명하기 위한 도면이다.
도 8은 훈련용 음성 신호의 특성의 분포와 실제 사용 환경에서 전처리된 음성 신호의 특성의 분포를 도시한 도면이다.
도 9는 훈련용 음성 신호의 특성의 분포와 실제 사용 환경에서 전처리된 음성 신호의 특성의 분포를 도시한 또 다른 도면이다.
도 10은 훈련용 음성 신호의 특성의 분포와 실제 사용 환경에서 전처리된 음성 신호의 특성의 분포를 도시한 또 다른 도면이다.
도 11은 본 발명의 또 다른 실시 예에 따른 인공지능 장치의 동작 방법을 설명하기 위한 도면이다.
도 12는 본 발명의 또 다른 실시 예에 따른 인공지능 장치를 설명하기 위한 도면이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

<인공 지능(AI: Artificial Intelligence)>

인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.

인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.

인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.

모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.

인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.

머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.

지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.

인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.

<로봇(Robot)>

로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.

로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.

로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.

<자율 주행(Self-Driving)>

자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.

예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.

차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.

이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.

<확장 현실(XR: eXtended Reality)>

확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.

MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.

XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.

AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.

도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.

통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.

이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.

입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.

이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.

입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.

이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.

이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.

이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.

출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.

이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.

메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.

프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.

이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.

이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.

프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.

이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.

이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.

프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.

도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.

AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.

통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.

메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.

러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.

학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.

프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.

도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.

도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.

클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.

즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.

AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.

AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.

이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.

이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.

또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.

이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.

<AI+로봇>

로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.

로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.

여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.

맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+자율주행>

자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.

자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.

자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.

여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.

자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.

맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+XR>

XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.

XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.

XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

<AI+로봇+자율주행>

로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.

자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.

자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.

자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.

이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.

<AI+로봇+XR>

로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.

XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.

XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.

예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.

<AI+자율주행+XR>

자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.

XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.

XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.

이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.

XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.

한편 아래에서 설명하는 인공지능 서버(200)는 도 1 내지 3에서 설명한 AI 장치(100)의 구성을 포함하고 AI 장치(100)의 기능을 수행할 수 있다.

또한 아래에서 설명하는 전자 기기(300)는 도 1 내지 3에서 설명한 AI 장치(100)의 구성을 포함하고 AI 장치(100)의 기능을 수행할 수 있다.

한편 본 명세서에서 설명하는 인공지능 장치는, 인공지능 서버(200) 또는 전자 기기(300)일 수 있다.

이하에서는 인공지능 장치가 인공지능 서버(200)인 것으로 가정하여 설명한다.

도 4는 종래 기술에 따른 문제점을 설명하기 위한 도면이다.

본 발명의 실시 예에 따른 인공지능 시스템은, 인공지능 서버(200) 및 전자기기(300)를 포함할 수 있다.

전자기기(300)는 인공지능 서버(200)와 통신할 수 있다.

구체적으로 전자 기기(300)는 통신부를 포함할 수 있으며, 통신부는 전자기기를 인터넷망을 포함하는 유/무선 네트워크와 연결하기 위한 인터페이스를 제공할 수 있다. 통신부는 접속된 네트워크 또는 접속된 네트워크에 링크된 다른 네트워크를 통해, 서버와 데이터를 송신 또는 수신할 수 있다.

한편 전자기기(300)는 수신된 음성 신호에 대응하는 기능을 수행할 수 있다.

구체적으로 전자기기(300)는 음성 신호를 수신하여 인공지능 서버(200)에 전송할 수 있다. 이 경우 인공지능 서버(200)는 전처리기(410)를 포함하고, 음성 신호에 대한 전처리를 수행하고, 전처리된 음성 신호를 음성 인식 모델(420)에 입력하여 음성 인식 결과를 획득하고, 획득된 음성 인식 결과를 전자기기(300)에 전송할 수 있다. 이 경우 전자 기기(300)는 음성 인식 결과에 대응하는 제어 명령을 생성하여 제어를 수행하거나, 인식 결과를 출력할 수 있다.

한편 인공지능 서버(200)는 사용자의 음성 신호를 전처리 한 후 기 트레이닝 된 음성 인식 모델(420)에 제공하여 인식 결과를 획득한다.

여기서 전 처리란 음성 인식 모델의 음성 인식 성능을 향상시키기 위한 것으로, 노이즈 신호의 레벨을 감쇄량만큼 낮추는 동작 및 스피치 신호의 레벨을 정규화 값으로 조절하는 동작 중 적어도 하나를 포함할 수 있다.

구체적으로 인공지능 서버(200)는, 음성 신호가 획득되면 발화의 끝 지점을 검출하는 종말점 검출(end-point detection, EPD)을 수행하고, 발화가 없는 지점의 신호의 레벨을 측정하여 노이즈의 레벨을 검출하는 잡음 추정(Noise estimation)을 수행할 수 있다. 그리고 인공지능 서버(200)는 노이즈의 레벨에 따라 적응적으로 잡음을 줄이는 노이즈 감쇄(Noise reduction)를 수행하고, 스피치의 레벨의 평균 값을 일정하게 하는 스피치 레벨 정규화(Speech level normalization)를 수행할 수 있다.

그리고 이와 같은 전처리 과정이 완료되면, 인공지능 서버(200)는 전처리된 음성 신호를 음성 인식 모델(420)에 입력할 수 있다.

한편 인공지능 서버(200)는 파라미터에 기반하여 음성 신호에 대한 전처리를 수행할 수 있다. 여기서 파라미터는 노이즈의 레벨에 따라 잡음을 줄이는 양을 의미하는 감쇄량 및 스피치 신호를 정규화 할 타겟 값을 의미하는 정규화 값을 포함할 수 있다.

한편 노이즈 신호의 감쇄량 및 스피치 신호의 정규화 값은 전자 기기의 사용 환경과 관계없이 일정하다.

구체적으로 음성 인식 모델의 제작자는, 사용자의 사용 환경을 가정하고 가정된 사용 환경에 부합하는 훈련 데이터를 이용하여 음성 인식 모델을 트레이닝 한다. 그리고 음성 인식 모델을 트레이닝 하는데 사용된 훈련 데이터의 특성(노이즈 신호의 레벨, 스피치 신호의 레벨)에 기반하여, 음성 인식 모델의 제작자는 파라미터(노이즈 신호의 감쇄량 및 스피치 신호의 정규화 값)을 결정한다.

한편 음성 인식 모델은 가정된 사용 환경에 부합하는 음성 신호가 입력되면 좋은 성능을 나타내나, 가정된 사용 환경에 부합하지 않는 음성 신호가 입력되면 좋지 않은 성능을 나타내는 문제가 발생한다.

예를 들어 음성 인식 모델을 트레이닝 하는데 사용된 훈련 데이터의 특성(노이즈 신호의 레벨, 스피치 신호의 레벨)과 다른 음성 신호가 수신되는 경우에도, 음성 인식 모델을 트레이닝 하는데 사용된 훈련 데이터의 특성에 기반하여 결정된 파라미터를 이용하여 전처리를 수행하면, 음성 인식 모델의 성능이 떨어지는 문제가 발생하게 된다.

도 5는 본 발명의 실시 예에 따른 인공지능 인공지능 서버(200)를 설명하기 위한 도면이다.

본 발명의 실시 예에 따른 인공지능 서버(200)에는, 도 4에서 설명한 종래 기술에 대한 설명이 모두 적용될 수 있다.

추가적으로, 본 발명의 실시 예에 따른 인공지능 서버(200)는, 전처리 결과 분석 모듈(530)을 포함할 수 있다.

여기서 전처리 결과 분석 모듈(530)은 메모리에 누적된 음성 신호들의 특성들의 분포를 이용하여 전처리기에 설정된 파라미터를 변경할 수 있다.

한편 전처리 결과 분석 모듈(530)은 프로세서의 일 구성으로, 전처기 결과 분석 모듈(530)이 수행하는 동작은 프로세서가 수행하는 동작일 수 있다.

도 6은 발명의 실시 예에 따른 인공지능 서버(200)의 동작 방법을 설명하기 위한 도면이다.

본 발명의 실시 예에 따른 인공지능 서버(200)의 동작 방법은, 음성 신호를 획득하는 단계(S610), 파라미터에 기반하여 음성 신호에 대한 전처리를 수행하는 단계(S630), 전처리된 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하는 단계(S650), 전처리된 음성 신호의 특성을 메모리에 저장하는 단계(S670) 및 메모리에 누적된 음성 신호들의 특성들의 분포를 이용하여 파라미터를 변경하는 단계(S690)를 포함할 수 있다.

먼저 음성 신호를 획득하는 단계(S610)에 대하여 설명한다.

인공지능 서버(200)는 음성 획득부를 통하여 음성 신호를 획득할 수 있다.

구체적으로 음성 획득부는 도 1에서 설명한 통신부(110)를 포함할 수 있다. 이 경우 음성 획득부는 전자 기기(300)와 통신하기 위한 통신 회로를 포함할 수 있다.

한편 전자 기기(300)는 전자 기기(300)의 입력부를 통하여 음성 신호를 수신하고, 수신된 음성 신호를 인공지능 서버(200)에 전송할 수 있다.

한편 인공 지능 서버(200)의 프로세서는 전자기기(300)로부터 음성 신호를 수신할 수 있다.

다음은 파라미터에 기반하여 음성 신호에 대한 전처리를 수행하는 단계(S630)에 대하여 설명한다.

인공지능 서버(200)의 프로세서는 파라미터에 기반하여 음성 신호에 대한 전처리를 수행할 수 있다.

구체적으로 음성 신호는 사용자의 발화를 나타나는 스피치 신호 및 사용자의 발화 이외의 잡음을 나타내는 노이즈 신호를 포함할 수 있다.

또한 파라미터는 음성 신호 내 노이즈의 감쇄량 및 음성 신호 내 스피치 신호의 정규화 값 중 적어도 하나를 포함할 수 있다.

그리고 인공지능 서버(200)의 프로세서는, 파라미터에 기반하여, 노이즈의 레벨을 감쇄량만큼 낮추는 동작 및 스피치 신호의 레벨을 정규화 값으로 조절하는 동작 중 적어도 하나를 수행할 수 있다.

구체적으로 인공지능 서버(200)의 프로세서는 음성 신호를 이용하여 발화의 끝 지점을 검출하는 종말점 검출(end-point detection, EPD)을 수행할 수 있다.

또한 인공지능 서버(200)의 프로세서는 발화가 없는 지점의 신호의 레벨을 측정할 수 있다.

또한 인공지능 서버(200)의 프로세서는 노이즈의 레벨에 따라 적응적으로 잡음을 줄이는 노이즈 감쇄(Noise reduction)를 수행할 수 있다. 이 경우 인공지능 서버(200)의 프로세서는 파라미터에 포함되는 감쇄량만큼 노이즈 신호의 레벨을 낮출 수 있다.

또한 인공지능 서버(200)의 프로세서는 스피치의 레벨의 평균 값을 일정하게 하는 스피치 레벨 정규화(Speech level normalization)를 수행할 수 있다. 이 경우 인공지능 서버(200)의 프로세서는 스피치 신호의 레벨을 파라미터에 포함되는 정규화 값으로 조절할 수 있다.

다음은 전처리된 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하는 단계(S650)에 대하여 설명한다.

인공지능 서버(200)의 프로세서는 전처리된 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득할 수 있다.

구체적으로 인공지능 서버(200)에는 음성 인식 모델이 탑재될 수 있다.

더욱 구체적으로 음성 인식(voice recognition)이란, 음성 신호를 해석하여 패턴화되어 있는 데이터 베이스와 조합함으로써 음성 신호를 문자열로 변환하거나 언어적 의미 내용을 식별하는 것을 의미한다.

음성 인식 기술은 입력 받은 음성 데이터를 음성 인식 모델이 분석하고, 특징을 추출한 다음, 미리 수집된 음성 모델 데이터베이스와의 유사도를 측정하여 가장 유사한 것을 문자 또는 명령어로 변환한다.

그리고 사용자의 음성 입력이 음성 인식 모델에 입력되면, 음성 인식 모델은 음성 입력에 대한 인식 결과를 출력할 수 있다.

한편 음성 인식 모델은 음성 인식(speech recognition) 기능을 수행할 수 있다. 구체적으로 음성 인식 모델은 음성 입력에 포함된 언어 정보를 추출하고, 추출된 언어 정보를 문자 정보로 변경할 수 있다.

또한 음성 인식 모델은 음성 이해(speech understanding) 기능을 수행할 수 있다. 구체적으로 음성 인식 모델은 문자 정보의 구문구조 등을 파악하여 문자 정보가 뜻하는 언어 정보를 결정할 수 있다.

또한 음성 인식 모델은 음성 입력에 대응하는 의도를 출력할 수 있다.

구체적으로 음성 인식 모델은, 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 음성 입력에 상응하는 의도를 획득할 수 있다.

음성 인식 모델의 생성 방법 및 동작은 공지된 것으로 자세한 설명은 생략한다.

다음은 전처리된 음성 신호의 특성을 메모리에 저장하는 단계(S670)에 대하여 설명한다.

인공지능 서버(200)의 프로세서는 전처리된 음성 신호의 특성을 메모리에 저장할 수 있다. 여기서 전처리된 음성 신호의 특성은, 전처리된 음성 신호 내 노이즈 신호의 레벨 및 전처리된 음성 신호 내 스피치 신호의 레벨을 포함할 수 있다.

도 7은 본 발명의 실시 예에 따른, 음성 신호 들의 특성들이 누적되는 과정을 설명하기 위한 도면이다.

도 7의 히스토그램의 x축은 노이즈 신호의 레벨 또는 스피치 신호의 레벨을 의미할 수 있다. 또한 도 7의 히스토그램의 y축은 전처리된 음성 신호 내 노이즈 신호의 레벨 또는 전처리된 음성 신호 내 스피치 신호의 레벨을 카운팅한 결과를 의미할 수 있다.

앞선 S610 내지 S670은 반복되어 수행될 수 있으며, 이에 따라 메모리에는 음성 신호들의 특성들이 누적될 수 있다.

예를 들어 제1 음성 신호가 수신되는 경우, 프로세서는 제1 음성 신호에 대한 전처리를 수행하고 전처리된 제1 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하며, 전처리된 제1 음성 신호의 특성(전처리된 제1 음성 신호 내 노이즈 신호의 레벨 및 전처리된 제1 음성 신호 내 스피치 신호의 레벨)을 메모리에 저장할 수 있다.

그리고 제n 음성 신호가 수신되는 경우, 프로세서는 제n 음성 신호에 대한 전처리를 수행하고 전처리된 제n 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하며, 전처리된 제n 음성 신호의 특성(전처리된 제n 음성 신호 내 노이즈 신호의 레벨 및 전처리된 제n 음성 신호 내 스피치 신호의 레벨)을 메모리에 저장할 수 있다.

즉 제1 음성 신호로부터 제n 음성 신호까지 전처리를 수행한 경우, 메모리에는 n개의 음성 신호들의 특성들이 저장될 수 있다.

즉 메모리에 누적된 음성 신호들의 특성들은, 파라미터에 기반하여 전처리된 음성 신호들 내 노이즈 신호들의 레벨 및 파라미터에 기반하여 전처리된 음성 신호들 내 스피치 신호들의 레벨 중 적어도 하나를 포함할 수 있다.

도 7에서는 음성 신호들의 특성이 누적되는 과정이 나타나 있다. 즉 좌측 히스토그램으로부터 우측 히스토그램으로 이동할수록 음성 신호들의 특성(721, 722, 723)이 메모리에 누적되는 것을 알 수 있다.

한편 인공지능 서버(200)의 프로세서는 메모리에 누적된 음성 신호들의 특성들의 분포를 이용하여 파라미터를 변경할 수 있다.

구체적으로 인공지능 서버(200)의 프로세서는, 메모리에 누적된 노이즈 신호들의 레벨의 분포 및 메모리에 누적된 스피치 신호들의 레벨의 분포 중 적어도 하나를 획득할 수 있다.

한편 음성 신호들의 특성들은 일정량 이상 누적되어야, 전자기기(300)에서 수신되는 음성 신호들의 경향성이 정확하게 판단될 수 있다. 즉 음성 신호들의 특성들은 일정량 이상 누적되어야, 신뢰 데이터로써 사용될 수 있다.

따라서 프로세서는, 전처리가 일정 횟수 이상 수행되면, 메모리에 누적된 음성 신호들의 특성들의 분포를 획득할 수 있다.

예를 들어 전처리가 20회 이상 수행된 경우, 인공지능 서버(200)의 프로세서는 메모리에 누적된 20개의 음성 신호들의 특성들을 이용하여 메모리에 누적된 음성 신호들의 특성들의 분포를 획득할 수 있다.

한편 프로세서는 메모리에 누적된 음성 신호들의 특성들의 분포(723) 및 기 설정된 분포(710)를 이용하여 파라미터를 변경할 수 있다.

한편 도 7에서 도시한 히스토그램을 이용한 분포의 비교는 분포 비교의 일 예에 불과하며, 다양한 분포 비교 방법을 이용하여 메모리에 누적된 음성 신호들의 특성들의 분포(723)와 기 설정된 분포(710)가 비교될 수 있다.

예를 들어 메모리에 누적된 음성 신호들의 특성들의 분포(723)와 기 설정된 분포(710) 간의 차이(거리)는, KL-Divergence, Jensen-Shannon distance, Mahalanobis distance, Bhattacharyya distance, earth mover distance 등 다양한 거리 측정 방식에 의하여 산출될 수 있다.

한편 기 설정된 분포는, 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들의 특성들의 분포일 수 있다.

구체적으로 음성 인식 모델은 훈련용 음성 신호들 및 훈련용 음성 신호들에 레이블링 된 언어 정보를 이용하여 트레이닝 될 수 있다. 그리고 기 설정된 분포는 트레이닝에 사용된 훈련용 음성 신호들의 특성들의 분포일 수 있다.

또한 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들의 특성들의 분포는, 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들 내 노이즈 신호들의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들 내 스피치 신호들의 레벨의 분포 중 적어도 하나를 포함할 수 있다.

한편 메모리에 누적된 음성 신호들의 특성들의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들의 특성들의 분포를 이용하여, 인공지능 서버(200)의 프로세서는 노이즈 신호의 감쇄량을 변경하는 동작 및 스피치 신호의 정규화 값을 변경하는 동작 중 적어도 하나를 수행할 수 있다.

구체적으로 메모리에 누적된 음성 신호들 내 노이즈 신호의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호 내 노이즈 신호의 레벨의 분포를 이용하여, 인공지능 서버(200)의 프로세서는 노이즈 신호의 감쇄량을 변경하는 동작을 수행할 수 있다.

또한 메모리에 누적된 음성 신호들 내 스피치 신호의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호 내 스피치 신호의 레벨의 분포를 이용하여, 인공지능 서버(200)의 프로세서는 스피치 신호의 정규화 값을 변경하는 동작을 수행할 수 있다.

또한 인공지능 서버(200)의 프로세서는, 메모리에 누적된 음성 신호들 내 노이즈 신호의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호 내 노이즈 신호의 레벨의 분포를 이용하여 노이즈 신호의 감쇄량을 변경하는 동작을 수행하고, 메모리에 누적된 음성 신호들 내 스피치 신호의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호 내 스피치 신호의 레벨의 분포를 이용하여 스피치 신호의 정규화 값을 변경하는 동작을 수행할 수 있다.

이 경우 프로세서는 메모리에 누적된 음성 신호들의 특성들의 분포와 훈련용 음성 신호들의 특성들의 분포 사이의 차이가 작아지도록 파라미터를 변경할 수 있다.

구체적으로 메모리에 누적된 음성 신호들 내 노이즈 신호의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호 내 노이즈 신호의 레벨의 분포의 차이가 작아지도록, 인공지능 서버(200)의 프로세서는 노이즈 신호의 감쇄량을 변경하는 동작을 수행할 수 있다.

또한 메모리에 누적된 음성 신호들 내 스피치 신호의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호 내 스피치 신호의 레벨의 분포의 차이가 작아지도록, 인공지능 서버(200)의 프로세서는 스피치 신호의 정규화 값을 변경하는 동작을 수행할 수 있다.

또한 인공지능 서버(200)의 프로세서는, 메모리에 누적된 음성 신호들 내 노이즈 신호의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호 내 노이즈 신호의 레벨의 분포의 차이가 작아지도록 노이즈 신호의 감쇄량을 변경하는 동작을 수행하고, 메모리에 누적된 음성 신호들 내 스피치 신호의 레벨의 분포 및 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호 내 스피치 신호의 레벨의 분포의 차이가 작아지도록 스피치 신호의 정규화 값을 변경하는 동작을 수행할 수 있다.

한편 파라미터가 변경되면, 인공지능 서버(200)의 프로세서는 변경된 파라미터에 기반하여 음성 신호에 대한 전처리를 수행하고, 전처리된 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득할 수 있다.

또한 파라미터가 변경되면, 메모리에 누적되었던 음성 신호들의 특성들은 삭제될 수 있다. 그리고 변경된 파라미터에 기반하여 전처리된 음성 신호들의 특성들이 메모리에 새롭게 저장될 수 있다.

그리고 새롭게 메모리에 누적된 음성 신호들의 분포를 이용하여, 인공지능 서버(200)의 프로세서는 변경된 파라미터를 다시 변경할 수 있다.

그리고 이와 같은 과정을 반복함으로써, 파라미터는 계속적으로 업데이트 될 수 있다.

한편 파라미터가 너무 민감하게 변경되는 경우, 음성 인식 성능 역시 민감하게 변경되어 사용자에게 불편을 야기할 수 있다.

따라서 인공지능 서버(200)의 프로세서는, 메모리에 누적된 음성 신호들의 특성들의 분포와 기 설정된 분포 간의 차이가 기 설정된 값 이상이면 파라미터를 변경할 수 있다.

구체적으로 인공지능 서버(200)의 프로세서는, 메모리에 누적된 음성 신호들의 특성들의 분포와 기 설정된 분포 간의 차이가 기 설정된 값보다 큰 제1 값이면 파라미터를 변경하고, 변경된 파라미터에 기반하여 음성 신호에 대한 전처리를 수행할 수 있다.

다만 인공지능 서버(200)의 프로세서는, 메모리에 누적된 음성 신호들의 특성들의 분포와 기 설정된 분포 간의 차이가 기 설정된 값보다 작은 제2 값이면 파라미터를 변경하지 않고, 기존의 파라미터에 기반하여 음성 신호에 대한 전처리를 수행할 수 있다.

음성 인식 모델의 제작자는, 사용자의 사용 환경을 가정하고 가정된 사용 환경에 부합하는 훈련 데이터를 이용하여 음성 인식 모델을 트레이닝 한다.

예를 들어 음성 인식 모델의 제작자는, 노이즈 레벨 10dB - 20dB, 스피치 레벨 30dB - 40dB 을 가지는 음성 신호가 수신될 것이라 가정하고, 음성 인식 모델을 트레이닝 하며, 전처리를 위한 파라미터 역시 상기 가정 하에 설정한다.

다만 전자 기기의 실제 사용 환경은, 음성 인식 모델의 제작자가 가정한 사용환경과 상이할 수 있다. 구체적으로 전자 기기(300)는 유독 시끄러운 환경에서 사용되며, 사용자는 시끄러운 환경에서 자신의 스치피를 전달하기 위하여 더욱 크게 발화를 한다고 가정하면, 실제 사용환경에서는 노이즈 레벨 20dB - 30dB, 스피치 레벨 40dB - 50dB 을 가지는 음성 신호가 수신될 수 있다.

다만 이러한 상황에서도 음성 인식 모델의 제작자가 설정한 파라미터를 이용하여 전처리를 수행하게 되면, 음성 인식 모델에 입력되는 음성 신호는 트레이닝 환경에서 음성 인식 모델에 입력되던 음성 신호와 노이즈 레벨 및 스피치 레벨에 있어서 차이를 나타내게 되며, 이에 따라 음성 인식 모델의 인식 성능이 악화된다.

다만 본 발명에 따르면, 전처리된 음성 신호의 특성의 분포가 트레이닝 시 가정한 음성 신호의 특성의 분포와 일치하도록 파라미터를 조절한다.

즉 본 발명에 따르면, 전처리기된 음성 신호의 특성을, 트레이닝에 사용되었던 훈련용 음성 신호의 특성과 일치시킴으로써, 음성 인식 모델의 성능을 향상시킬 수 있는 장점이 있다.

도 8은 훈련용 음성 신호의 특성의 분포와 실제 사용 환경에서 전처리된 음성 신호의 특성의 분포를 도시한 도면이다.

히스토그램의 x축은 노이즈 신호의 레벨 또는 스피치 신호의 레벨을 의미할 수 있다. 또한 히스토그램의 y축은 노이즈 신호의 레벨 또는 스피치 신호의 레벨을 카운팅한 결과를 의미할 수 있다.

또한 a, b, c의 히스토그램에서는 제1 환경에서 사용되는 전자 기기로부터 수신된 음성 신호를 전처리한 경우 전처리된 음성 신호의 특성(821: 노이즈 레벨, 822: 스피치 레벨, 823: SNR)과 훈련용 음성 신호의 특성(811: 노이즈 레벨, 812: 스피치 레벨, 813: SNR)을 도시하였다.

또한 d, e, f의 히스토그램에서는 제2 환경에서 사용되는 전자 기기로부터 수신된 음성 신호를 전처리한 경우 전처리된 음성 신호의 특성(831: 노이즈 레벨, 832: 스피치 레벨, 833: SNR)과 훈련용 음성 신호의 특성(811: 노이즈 레벨, 812: 스피치 레벨, 813: SNR)을 도시하였다.

히스토그램 a와 히스토그램 d를 비교하면, 제1 환경에서 전처리된 음성 신호의 노이즈 레벨의 분포(821)와 훈련용 음성 신호의 노이즈 레벨의 분포(811) 간의 차이는, 제2 환경에서 전처리된 음성 신호의 노이즈 레벨의 분포(831)와 훈련용 음성 신호의 노이즈 레벨의 분포(811) 간의 차이보다 작음을 알 수 있다.

또한 히스토그램 b와 히스토그램 e를 비교하면, 제1 환경에서 전처리된 음성 신호의 노이즈 레벨의 분포(822)와 훈련용 음성 신호의 노이즈 레벨의 분포(812) 간의 차이는, 제2 환경에서 전처리된 음성 신호의 노이즈 레벨의 분포(832)와 훈련용 음성 신호의 노이즈 레벨의 분포(812) 간의 차이보다 작음을 알 수 있다.

그리고 제1 환경에서의 음성 인식 성능은 83.7607%를 나타내었으며, 제2 환경에서의 음성 인식 성능은 81.5954%를 나타내었다.

즉 도 8에서 도시한 실험 결과는, 메모리에 누적된 음성 신호들의 분포와 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들의 분포 간의 차이가 작을수록 음성 인식 성능이 향상된다는 것을 나타낸다.

도 9는 훈련용 음성 신호의 특성의 분포와 실제 사용 환경에서 전처리된 음성 신호의 특성의 분포를 도시한 또 다른 도면이다.

a, b, c의 히스토그램에서는 제1 환경에서 사용되는 전자 기기로부터 수신된 음성 신호를 전처리한 경우 전처리된 음성 신호의 특성(921: 노이즈 레벨, 922: 스피치 레벨, 923: SNR)과 훈련용 음성 신호의 특성(911: 노이즈 레벨, 912: 스피치 레벨, 913: SNR)을 도시하였다.

또한 d, e, f의 히스토그램에서는 제2 환경에서 사용되는 전자 기기로부터 수신된 음성 신호를 전처리한 경우 전처리된 음성 신호의 특성(931: 노이즈 레벨, 932: 스피치 레벨, 933: SNR)과 훈련용 음성 신호의 특성(911: 노이즈 레벨, 912: 스피치 레벨, 913: SNR)을 도시하였다.

히스토그램 a와 히스토그램 d를 비교하면, 제1 환경에서 전처리된 음성 신호의 노이즈 레벨의 분포(921)와 훈련용 음성 신호의 노이즈 레벨의 분포(911) 간의 차이는, 제2 환경에서 전처리된 음성 신호의 노이즈 레벨의 분포(931)와 훈련용 음성 신호의 노이즈 레벨의 분포(911) 간의 차이보다 작음을 알 수 있다.

또한 히스토그램 b와 히스토그램 e를 비교하면, 제1 환경에서 전처리된 음성 신호의 노이즈 레벨의 분포(922)와 훈련용 음성 신호의 노이즈 레벨의 분포(912) 간의 차이는, 제2 환경에서 전처리된 음성 신호의 노이즈 레벨의 분포(932)와 훈련용 음성 신호의 노이즈 레벨의 분포(912) 간의 차이보다 작음을 알 수 있다.

그리고 제1 환경에서의 음성 인식 성능은 90.907155%를 나타내었으며, 제2 환경에서의 음성 인식 성능은 89.1847%를 나타내었다.

즉 도 9에서 도시한 실험 결과는, 메모리에 누적된 음성 신호들의 분포와 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들의 분포 간의 차이가 작을수록 음성 인식 성능이 향상된다는 것을 나타낸다.

도 10은 훈련용 음성 신호의 특성의 분포와 실제 사용 환경에서 전처리된 음성 신호의 특성의 분포를 도시한 또 다른 도면이다.

a, b, c의 히스토그램에서는 제1 환경에서 사용되는 전자 기기로부터 수신된 음성 신호를 전처리한 경우 전처리된 음성 신호의 특성과 훈련용 음성 신호의 특성을 도시하였다.

또한 d, e, f의 히스토그램에서는 제2 환경에서 사용되는 전자 기기로부터 수신된 음성 신호를 전처리한 경우 전처리된 음성 신호의 특성과 훈련용 음성 신호의 특성을 도시하였다.

그리고 a, b, c의 히스토그램과 d, e, f의 히스토그램을 비교하면, 제1 환경에서 전처리된 음성 신호의 특성의 분포와 훈련용 음성 신호의 특성의 분포 간의 차이는, 제2 환경에서 전처리된 음성 신호의 특성의 분포와 훈련용 음성 신호의 특성의 분포 간의 차이보다 큰 것을 알 수 있다.

그리고 제1 환경에서의 음성 인식 성능은 79.3226%를 나타내었으며, 제2 환경에서의 음성 인식 성능은 82.8283%를 나타내었다.

도 11은 본 발명의 또 다른 실시 예에 따른 인공지능 장치의 동작 방법을 설명하기 위한 도면이다.

인공지능 시스템은, 인공지능 서버(200) 및 복수의 전자 기기를 포함할 수 있다.

복수의 전자기기는 인공지능 서버(200)와 통신할 수 있다.

구체적으로 복수의 전자기기 각각은 통신부를 포함할 수 있으며, 통신부는 전자장치를 인터넷망을 포함하는 유/무선 네트워크와 연결하기 위한 인터페이스를 제공할 수 있다. 통신부는 접속된 네트워크 또는 접속된 네트워크에 링크된 다른 네트워크를 통해, 서버와 데이터를 송신 또는 수신할 수 있다.

그리고 복수의 전자기기는 음성 신호를 수신하여 인공지능 서버(200)에 전송할 수 있다. 이 경우 인공지능 서버(200)는 음성 신호를 전처리한 후 전처리된 음성 신호를 음성 인식 모델에 입력하여 음성 인식 결과를 획득하고, 획득한 음성 인식 결과를 복수의 전자기기에 전송할 수 있다. 이 경우 복수의 전자 기기는 음성 인식 결과에 대응하는 제어 명령을 생성하여 제어를 수행하거나, 음성 인식 결과를 출력할 수 있다.

한편 복수의 전자기기의 사용 환경은 전자기기마다 상이할 수 있다. 예를 들어 음성 인식의 경우, 제1 전자기기는 노이즈의 레벨 및 스피치의 레벨이 높은 환경에서 사용될 수 있고, 제2 전자기기는 노이즈의 레벨 및 스피치의 레벨이 낮은 환경에서 사용될 수 있고, 제3 전자기기는 노이즈의 레벨이 높고 스피치의 레벨이 낮은 환경에서 사용될 수 있다.

따라서 각 전자기기마다 다른 전처리 파라미터를 적용하는 방식으로, 각각의 전자기기의 사용 환경에 최적화된, 즉 개인화 된 음성 인식 서비스를 제공할 수 있다.

구체적으로 인공지능 서버(200)의 프로세서는 제1 전자기기(300)로부터 음성 획득부를 통하여 제1 음성 신호를 수신할 수 있다. 이 경우 인공지능 서버(200)의 프로세서는 제1 음성 신호와 함께 제1 전자기기(300)의 제1 식별 정보를 수신할 수 있다.

그리고 나서 인공지능 서버(200)의 프로세서는 제1 식별 정보에 대응하는 제1 파라미터에 기반하여 제1 음성 신호에 대한 전처리를 수행하고, 전처리된 제1 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하고, 획득된 음성 인식 결과를 제1 전자기기(300)에 전송할 수 있다.

또한 인공지능 서버(200)의 프로세서는 전처리된 제1 음성 신호의 특성을 메모리에 저장할 수 있다. 또한 인공지능 서버(200)의 프로세서는 메모리에 누적된 제1 음성 신호들의 특성들의 분포를 이용하여 제1 파라미터를 변경할 수 있다.

한편 인공지능 서버(200)의 프로세서는 제2 전자기기로부터 음성 획득부를 통하여 제2 음성 신호를 수신할 수 있다. 이 경우 인공지능 서버(200)의 프로세서는 제2 음성 신호와 함께 제2 전자기기의 제2 식별 정보를 수신할 수 있다.

그리고 나서 인공지능 서버(200)의 프로세서는 제2 식별 정보에 대응하는 제2 파라미터에 기반하여 제2 음성 신호에 대한 전처리를 수행하고, 전처리된 제2 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하고, 획득된 음성 인식 결과를 제2 전자기기에 전송할 수 있다.

또한 인공지능 서버(200)의 프로세서는 전처리된 제2 음성 신호의 특성을 메모리에 저장할 수 있다. 또한 인공지능 서버(200)의 프로세서는 메모리에 누적된 제2 음성 신호들의 특성들의 분포를 이용하여 제2 파라미터를 변경할 수 있다.

도 12는 본 발명의 또 다른 실시 예에 따른 인공지능 장치를 설명하기 위한 도면이다.

앞서 인공 지능 장치가 인공지능 서버(200)인 것으로 가정하여 설명하였다. 다만 이에 한정되지 않으며, 인공 지능 장치는 전자기기(300)일 수 있다.

도 12에서는, 앞선 도 1 내지 도 11에서의 설명과 다른 부분만을 설명하도록 한다.

전자 기기(300)는 전처리 결과 분석 모듈(1230)을 포함할 수 있다.

여기서 전처리 결과 분석 모듈(1230)은 메모리에 누적된 음성 신호들의 특성들의 분포를 이용하여 전처리기(1210)에 설정된 파라미터를 변경할 수 있다.

한편 전처리 결과 분석 모듈(1230)은 프로세서의 일 구성으로, 전처기 결과 분석 모듈(530)이 수행하는 동작은 전자기기(300)의 프로세서가 수행하는 동작일 수 있다.

한편 음성 획득부는 사용자로부터 음성 신호를 수신하는 입력부를 포함할 수 있다. 여기서 입력부는 스피커를 포함할 수 있다.

또한 전자기기(300)의 프로세서는, 파라미터에 기반하여 음성 신호에 대한 전처리를 수행할 수 있다.

또한 전자기기(300)의 프로세서는 전처리된 음성 신호를 음성 인식 모델에 제공할 수 있다.

구체적으로 전자기기(300)의 프로세서는 전처리된 음성 신호를 인공지능 서버(200)에 전송함으로써 전처리된 음성 신호를 인공지능 서버(200)에 탑재된 음성 인식 모델(520)에 제공할 수 있다.

이 경우 인공지능 서버(200)는 전처리된 음성 신호를 수신하고, 전처리된 음성 신호를 음성 인식 모델(520)에 입력할 수 있다. 그리고 음성 인식 모델(520)이 음성 인식 결과를 출력하면, 인공지능 서버(200)는 음성 인식 결과를 전자기기(300)에 전송할 수 있다.

또한 전자기기(300)의 프로세서는 음성 인식 결과를 획득할 수 있다.

구체적으로 전자기기(300)의 프로세서는 음성 인식 결과를 인공지능 서버(200)로부터 수신함으로써 음성 인식 결과를 획득할 수 있다.

이 경우 전자기기(300)의 프로세서는 음성 인식 결과를 출력하거나 음성 인식 결과에 대응하는 기능을 수행할 수 있다.

한편 전자기기(300)의 프로세서는 전처리된 음성 신호의 특성을 전자기기(300)의 메모리에 저장하고, 전자기기(300)의 메모리에 누적된 음성 신호들의 특성들의 분포를 이용하여 파라미터를 변경할 수 있다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 단말기의 제어부(180)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

200: 인공지능 서버

Claims (12)

1. 데이터를 저장하는 메모리;
   음성 신호를 획득하는 음성 획득부; 및
   파라미터에 기반하여 상기 음성 신호에 대한 전처리를 수행하고, 상기 전처리된 음성 신호를 음성 인식 모델에 제공하여 음성 인식 결과를 획득하고, 상기 전처리된 음성 신호의 특성을 상기 메모리에 저장하고, 상기 메모리에 누적된 음성 신호들의 특성들의 분포를 이용하여 상기 파라미터를 변경하는 프로세서를 포함하고,
   상기 프로세서는,
   상기 메모리에 누적된 음성 신호들의 특성들의 분포 및 상기 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들의 특성들의 분포 간의 차이가 기 설정된 값 이상이면 상기 차이가 작아지도록 상기 파라미터를 변경하는,
   인공지능 장치.
2. 제 1항에 있어서,
   상기 파라미터는,
   상기 음성 신호 내 노이즈 신호의 감쇄량 및 상기 음성 신호 내 스피치 신호의 정규화 값 중 적어도 하나를 포함하고,
   상기 프로세서는,
   상기 파라미터에 기반하여, 상기 노이즈 신호의 레벨을 상기 감쇄량만큼 낮추는 동작 및 상기 스피치 신호의 레벨을 상기 정규화 값으로 조절하는 동작 중 적어도 하나를 수행하는
   인공지능 장치.
3. 제 1항에 있어서,
   상기 메모리에 누적된 음성 신호들의 특성은,
   상기 파라미터에 기반하여 전처리된 음성 신호들 내 노이즈 신호들의 레벨 및 상기 파라미터에 기반하여 전처리된 음성 신호들 내 스피치 신호들의 레벨 중 적어도 하나를 포함하고,
   상기 프로세서는,
   상기 메모리에 누적된 노이즈 신호들의 레벨의 분포 및 상기 메모리에 누적된 스피치 신호들의 레벨의 분포 중 적어도 하나를 획득하는
   인공지능 장치.
4. 제 1항에 있어서,
   상기 프로세서는,
   상기 전처리가 일정 횟수 이상 수행되면, 상기 메모리에 누적된 음성 신호들의 특성들의 분포를 획득하는
   인공지능 장치.
5. 삭제
6. 삭제
7. 삭제
8. 제 1항에 있어서,
   상기 파라미터는,
   상기 음성 신호 내 노이즈 신호의 감쇄량 및 상기 음성 신호 내 스피치 신호의 정규화 값 중 적어도 하나를 포함하고,
   상기 프로세서는,
   상기 메모리에 누적된 음성 신호들의 특성들의 분포 및 상기 음성 인식 모델의 트레이닝에 사용된 훈련용 음성 신호들의 특성들의 분포를 이용하여, 상기 노이즈 신호의 감쇄량을 변경하는 동작 및 상기 스피치 신호의 정규화 값을 변경하는 동작 중 적어도 하나를 수행하는
   인공지능 장치.
9. 삭제
10. 제 1항에 있어서,
    상기 인공지능 장치는 인공지능 서버이고,
    상기 음성 획득부는 전자기기로부터 음성 신호를 수신하는 통신부를 포함하는
    인공지능 장치.
11. 제 10항에 있어서,
    상기 프로세서는,
    제1 전자기기로부터 제1 음성 신호 및 제1 식별 정보를 수신하고, 상기 제1 식별 정보에 대응하는 제1 파라미터에 기반하여 상기 제1 음성 신호에 대한 전처리를 수행하고, 상기 전처리된 제1 음성 신호를 상기 음성 인식 모델에 제공하여 제1 음성 인식 결과를 획득하고, 상기 제1 음성 인식 결과를 상기 제1 전자기기에 전송하고, 상기 전처리된 제1 음성 신호의 특성을 상기 메모리에 저장하고, 상기 메모리에 누적된 제1 음성 신호들의 특성들의 분포를 이용하여 상기 제1 파라미터를 변경하고,
    제2 전자기기로부터 제2 음성 신호 및 제2 식별 정보를 수신하고, 상기 제2 식별 정보에 대응하는 제2 파라미터에 기반하여 상기 제2 음성 신호에 대한 전처리를 수행하고, 상기 전처리된 제2 음성 신호를 상기 음성 인식 모델에 제공하여 제2 음성 인식 결과를 획득하고, 상기 제2 음성 인식 결과를 상기 제2 전자기기에 전송하고, 상기 전처리된 제2 음성 신호의 특성을 상기 메모리에 저장하고, 상기 메모리에 누적된 제2 음성 신호들의 특성들의 분포를 이용하여 상기 제2 파라미터를 변경하는
    인공지능 장치.
12. 제 1항에 있어서,
    상기 인공지능 장치는 전자기기이고,
    상기 음성 획득부는 사용자로부터 음성 신호를 수신하는 입력부를 포함하고,
    상기 프로세서는,
    상기 전처리된 음성 신호를 인공지능 서버에 전송함으로써 상기 전처리된 음성 신호를 상기 인공지능 서버에 탑재된 상기 음성 인식 모델에 제공하고,
    상기 음성 인식 결과를 상기 인공지능 서버로부터 수신함으로써 상기 음성 인식 결과를 획득하는
    인공지능 장치.
    

Images