KR102528466B1 - 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치 - Google Patents

복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치 Download PDF

Info

Publication number
KR102528466B1
KR102528466B1 KR1020170175339A KR20170175339A KR102528466B1 KR 102528466 B1 KR102528466 B1 KR 102528466B1 KR 1020170175339 A KR1020170175339 A KR 1020170175339A KR 20170175339 A KR20170175339 A KR 20170175339A KR 102528466 B1 KR102528466 B1 KR 102528466B1
Authority
KR
South Korea
Prior art keywords
electronic device
speaker
speakers
speech
contents
Prior art date
Application number
KR1020170175339A
Other languages
English (en)
Other versions
KR20190074012A (ko
Inventor
한영호
김남훈
노재영
박치연
이경민
조근석
류종엽
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170175339A priority Critical patent/KR102528466B1/ko
Priority to US16/755,383 priority patent/US11495222B2/en
Priority to PCT/KR2018/013821 priority patent/WO2019124742A1/ko
Publication of KR20190074012A publication Critical patent/KR20190074012A/ko
Priority to US17/975,074 priority patent/US20230040938A1/en
Application granted granted Critical
Publication of KR102528466B1 publication Critical patent/KR102528466B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • 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
    • 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
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Telephone Function (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 개시의 실시예에 따른 전자 장치는 메모리에 저장된 하나 이상의 인스트럭션을 실행함으로써, 수신부를 통해 음성 신호를 수신하도록 제어하고, 수신된 음성 신호에 서로 다른 복수 화자의 음성신호가 포함되어 있는지를 판단하고, 수신된 음성 신호에 서로 다른 복수 화자의 음성 신호가 포함되어 있으면, 각 화자의 음성 신호로부터 특징 정보를 검출하고, 검출된 특징 정보에 기초하여 서로 다른 화자의 발화 내용간의 관계를 판단하고, 판단된 발화 내용간의 관계에 기초하여 대응 방식을 결정하고, 결정된 대응 방식에 따라 전자 장치의 동작이 수행되도록 전자 장치를 제어하는 프로세서를 포함한다.

Description

복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치 {METHOD FOR PROCESSING SPEECH SIGNAL OF PLURALITY OF SPEAKERS AND ELECTRIC APPARATUS THEREOF}
본 개시의 실시 예는 음성 신호를 처리하는 방법 및 그에 따른 전자 장치에 관한 것이다. 보다 구체적으로, 본 개시의 실시 예는 동시에 발화되는 복수 화자의 음성 신호를 처리하는 방법 및 그에 따른 전자 장치에 관한 것이다.
조작성을 향상시키기 위하여, 음성 인식 기능이 탑재된 전자 장치들이 출시되고 있다. 음성 인식 기능은, 버튼 조작 또는 터치 모듈을 접촉하지 않고, 사용자의 음성 신호로 전자 장치의 동작을 수행할 수 있다.
예를 들어, 스마트폰과 같은 휴대용 단말기에서, 음성 인식 기능은, 별도의 버튼을 누르는 조작 없이, 사용자의 음성 신호로 전원을 온 또는 오프하기, 통화 기능을 수행하기, 문자 메시지를 송신 또는 수신하기, 길찾기, 인터넷 검색하기, 알람 설정하기, 및 사진 촬영하기 등 다양한 기능을 수행할 수 있다.
기존의 음성 인식 기능은 등록된 화자의 음성 신호에 기초하여 전자 장치의 동작을 수행하고 있다. 구체적으로, 수신되는 음성 신호에 대한 화자 인식을 수행하고, 화자 인식 결과에 따라서 후속 동작, 예를 들어, 전자 장치의 이용을 허용 또는 제한하거나, 후속되는 음성 인식 동작 등을 수행할지를 판단하는 전자 장치들이 제안되고 있다.
그러나, 최근 딥러닝(deep learning) 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공지능(Artificial Intelligence, AI)이 미래 혁신을 주도하는 중요한 트랜드가 됨에 따라 단일 화자를 정확하게 인식하는 것은 물론 동시에 발화되는 복수 화자의 음성 신호를 충돌 없이 인간 수준의 지능으로 인지하고, 인지한 결과에 따라 전자 장치의 동작을 수행할 수 있는 방법 및 그에 따른 전자 장치가 필요하다.
본 개시의 실시 예들은, 동시에 발화된 복수 화자의 발화 내용간의 관계에 기초하여 복수 화자의 발화 내용을 조정 또는 중재하는 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치를 제공할 수 있다.
본 개시의 실시 예들은, 기계학습 모듈 또는 언어이해 모듈을 이용하여 동시에 발화된 복수 화자의 발화 내용간의 관계를 판단하고, 판단된 발화 내용간의 관계에 기초하여 복수 화자의 발화 내용을 조정 또는 중재하는 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치를 제공할 수 있다.
상술한 과제를 해결하기 위한 기술적 수단으로서, 본 개시의 제 1 측면은, 전자 장치에 있어서, 음성 신호를 수신하는 수신부; 하나 이상의 인스트럭션을 저장하는 메모리; 및 메모리에 저장된 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 프로세서는 하나 이상의 인스트럭션을 실행함으로써, 음성 신호를 수신하도록 상기 수신부를 제어하고, 수신된 음성 신호에 서로 다른 복수 화자의 음성신호가 포함되어 있는지를 판단하고, 수신된 음성 신호에 서로 다른 복수 화자의 음성 신호가 포함되어 있으면, 각 화자의 음성 신호로부터 특징 정보를 검출하고, 검출된 특징 정보에 기초하여 서로 다른 화자의 발화 내용간의 관계를 판단하고, 판단된 발화 내용간의 관계에 기초하여 대응 방식을 결정하고, 및 결정된 대응 방식에 따라 전자 장치의 동작이 수행되도록 전자 장치를 제어하는 전자 장치를 제공한다.
상기 프로세서는, 기계학습 모듈 또는 언어이해 모듈을 이용하여 서로 다른 화자의 발화 내용간의 관계를 판단할 수 있다.
상기 특징 정보는 화자 정보, 화자의 위치, 목소리 크기, 발화 시점, 발화 도메인, 발화 내용, 화자간의 관계, 이전 화자와 현재 화자간의 관계 중 적어도 하나를 포함할 수 있다.
상기 서로 다른 화자의 발화 내용간의 관계를 판단하는 것은 상기 서로 다른 화자의 발화 내용들이 서로 독립적인 관계인지 서로 비 독립적인 관계인지를 판단하는 것을 특징으로 할 수 있다.
상기 프로세서는, 상기 서로 다른 화자의 발화 내용간의 관계가 독립적이면, 상기 발화 내용에 대해 우선 순위를 결정하고, 결정된 우선 순위에 따라 상기 대응 방식을 결정할 수 있다.
상기 프로세서는, 상기 서로 다른 화자의 발화 내용간의 관계가 독립적이고, 상기 서로 다른 화자의 발화 내용간에 충돌이 발생된 것으로 판단되면, 상기 결정된 우선 순위가 낮은 발화 내용에 대응되는 동작을 다른 전자 장치가 수행하도록 상기 대응 방식을 결정할 수 있다.
상기 프로세서는, 상기 서로 다른 화자의 발화 내용간의 관계가 비독립적이면, 상기 서로 다른 화자의 발화 내용을 결합하고, 결합된 발화 내용에 기초하여 상기 동작을 수행하도록 상기 대응 방식을 결정할 수 있다.
또한, 본 개시의 제 2 측면은, 전자 장치에 의한 음성 신호 처리 방법에 있어서, 상기 전자 장치의 수신부를 통해 음성 신호를 수신하는 단계; 상기 전자 장치의 프로세서에 의해 상기 수신되는 음성 신호에 서로 다른 화자의 음성 신호가 포함되어 있는지를 판단하는 단계; 상기 수신되는 음성 신호에 상기 서로 다른 화자의 음성 신호가 포함되어 있으면, 상기 프로세서에 의해 각 화자의 음성 신호로부터 특징 정보를 검출하는 단계; 상기 프로세서에 의해 상기 검출된 특징 정보에 기초하여 상기 서로 다른 화자의 발화 내용간의 관계를 판단하는 단계; 상기 프로세서에 의해 상기 판단된 발화 내용간의 관계에 기초하여 대응 방식을 결정하는 단계; 및 상기 프로세서에 의해 상기 결정된 대응 방식에 따라 상기 전자 장치의 동작이 수행되도록 상기 전자 장치를 제어하는 단계를 포함하는 음성 신호 처리 방법을 제공한다.
또한, 본 개시의 제 3 측면은, 제 2 측면의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공할 수 있다.
본 개시의 일 실시예에 따르면, 복수 화자의 발화 내용간의 관계를 종합적으로 판단하고, 판단 결과에 따라 복수 화자의 발화 내용간에 충돌이 발생되지 않도록 복수 화자의 발화 내용을 조정 또는 중재하여, 동시에 발화되는 복수 화자의 발화 의도에 대한 인식률을 향상시킬 뿐 아니라 복수 화자의 발화 의도에 부합되는 결과를 제공할 수 있다.
도 1은 일 실시예에 따른 복수 화자에 의해 발화되는 음성 신호 처리에 대한 개요도이다.
도 2는 일 실시예에 따른 전자 장치의 블록도이다.
도 3은 다른 실시 예에 따른 전자 장치를 나타내는 블록도이다.
도 4는 또 다른 실시 예에 따른 전자 장치를 나타내는 블록도이다.
도 5는 일 실시 예에 따른 전자 장치에서 수행되는 복수 화자에 의해 발화되는 음성 신호 처리를 설명하는 도면이다.
도 6은 도 5의 화자 1의 발화 내용과 화자 2의 발화 내용을 중재하는 예이다.
도 7은 다른 실시 예에 따른 전자 장치에서 수행되는 복수 화자에 의해 발화되는 음성 신호 처리를 설명하는 도면이다.
도 8은 또 다른 실시 예에 따른 전자 장치에서 수행되는 복수 화자에 의해 발화되는 음성 신호 처리를 설명하는 도면이다.
도 9은 일 실시예에 따른 전자 장치에 의해 수행되는 음성 신호 처리 방법을 설명하기 위한 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에서 다양한 곳에 등장하는 "일부 실시예에서" 또는 "일 실시예에서" 등의 어구는 반드시 모두 동일한 실시예를 가리키는 것은 아니다.
일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 프로세서 또는 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “모듈” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.
또한, 도면에 도시된 구성 요소들간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다.
본 개시의 실시 예는 복수 화자에 의해 발화되는 음성 신호를 처리하는 방법 및 그에 대한 전자 장치에 대한 것이다. 본 개시의 실시 예는 복수 화자의 발화 처리 방법 및 그에 따른 전자 장치에 대한 것으로 언급될 수 있다.
복수 화자의 음성 신호는 거의 동시에 발화되거나 시간 차를 갖고 발화될 수 있다. 복수 화자의 음성 신호는 발화 거리가 상이할 수 있다. 발화 거리는 전자 장치와 화자간의 거리를 나타낼 수 있다. 복수 화자의 음성 신호는 복수의 오디오 신호로 표현될 수 있다.
복수 화자의 발화는 전자 장치를 향한 발화, 다른 화자를 향한 발화, 및 화자간의 발화 중 적어도 하나를 포함할 수 있으나 이로 제한되지 않는다. 복수 화자의 발화가 전자 장치를 향한 발화인지, 다른 화자를 향한 발화인지, 또는 화자간의 발화인지는 후술할 복수 화자의 발화 내용간의 관계에 기초하여 판단될 수 있다.
본 개시의 실시 예는 음성 신호를 수신하고, 수신된 음성 신호에 서로 다른 화자의 음성 신호가 포함되어 있는 경우에, 각 화자의 음성 신호로부터 특징 정보를 검출하고, 검출된 특징 정보에 기초하여 복수 화자의 발화 내용간의 관계를 판단하고, 판단된 복수 화자의 발화 내용간의 관계에 기초하여 수신된 음성 신호에 대한 대응 방식을 결정하고, 결정된 대응 방식에 기초하여 전자 장치의 동작을 수행할 수 있다.
이에 따라 본 개시에 따른 전자 장치는 수신되는 음성 신호에 서로 다른 화자의 음성 신호가 포함되어 있는 지를 판단하는 모듈, 각 화자의 음성 신호로부터 특징 정보를 검출하는 모듈, 복수 화자의 발화 내용간의 관계를 판단하는 모듈, 및 복수 화자의 발화 내용간의 관계에 기초하여 대응 방식을 결정하는 모듈을 포함할 수 있으나 전자 장치의 구성은 상술한 바로 제한되지 않는다.
복수 화자의 발화 내용간의 관계를 판단하는 것은 기계학습 모듈, 언어이해 모듈 또는 적어도 하나의 뉴럴 네트워크(neural network)를 이용하여 수행될 수 있으나 본 실시예는 상술한 바로 제안되지 않는다. 뉴럴 네트워크를 이용한다는 것은 전자 장치(100)에 설치된 인공 지능 애플리케이션을 이용한다는 것을 의미할 수 있다. 뉴럴 네트워크는 통계학적 기계 학습의 결과를 이용하여 입력된 복수 화자의 음성 신호로부터 검출된 특징 정보에 의해 복수 화자의 발화 내용간의 관계를 종합적으로 판단하고, 복수 화자의 발화 의도를 검출하는 알고리즘 집합일 수 있다. 또한, 뉴럴 네트워크는 상술한 알고리즘 집합을 실행하기 위한 소프트웨어 또는 엔진(engine) 등으로 구현될 수 있다. 소프트웨어 또는 엔진 등으로 구현된 뉴럴 네트워크는 전자 장치(100)내의 프로세서 또는 서버(미 도시)의 프로세서에 의해 실행될 수 있다. 기계학습 모듈, 언어이해 모듈, 또는 적어도 하나의 뉴럴 네트워크를 이용하여 수행되는 것은 복수 화자의 발화 내용간의 관계를 판단하는 것으로 제한되지 않는다. 예를 들어, 기계학습 모듈, 언어이해 모듈, 또는 적어도 하나의 뉴럴 네트워크는 본 개시의 실시 예에서 언급되는 대응 방식을 결정하기 위해 사용될 수 있다.
본 개시에 따른 전자 장치는 복수 화자가 거의 동시에 발화한 음성 신호에 따라 동작할 수 있는 모든 전자 장치가 될 수 있다. 구체적으로, 본 개시의 실시 예에 따른 전자 장치는 사람의 음성을 포함하는 오디오 신호를 수신하고, 수신되는 오디오 신호에 대한 화자 인식 기능을 수행할 수 있다. 화자 인식 기능이란 인식된 음성 신호에 근거하여 화자 등록을 수행하거나 인식된 음성 신호에 근거하여 등록된 화자가 맞는지를 판단하거나 상기 판단에 근거하여 후속되는 소정 동작을 수행할지 여부를 판단하는 동작을 수행하는 기능을 의미한다.
본 개시의 실시 예에 따른 전자 장치는 웨어러블 디바이스, 스마트 폰, 테블릿 PC, PC, PDA(Personal Digital Assistant), 랩탑 컴퓨터, 미디어 플레이어, 마이크로 서버, GPS(Global Positioning System) 장치, 전자책 단말기, 디지털 방송용 단말기, 네비게이터(Navigator), 카오스크, MP3 플레이어, 디지털 카메라, 스마트 스피커, 및 자동차의 전자 제어 장치, 중앙 정보 디스플레이(CID, Central Information Display) 등 모바일 컴퓨팅 장치 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 본 개시의 실시 예에 따른 전자 장치는 가정 사물 인터넷(Home IoT: Home Internet of Things) 플랫폼에 의해서 제어 가능한 가전 제품들, 예를 들어, 가정내 TV, 세탁기, 냉장고, 전자 레인지, 전자 오븐, 에어컨, 청소기, 공기 청정기, 및 컴퓨터 등이 될 수 있다.
본 개시의 실시 예에 따른 전자 장치는 상술한 모바일 컴퓨팅 장치 또는 비모바일 컴퓨팅 장치 또는 가정 사물 인터넷 플랫폼에 의해서 제어 가능한 장치들에 포함되거나 탑재되는 형태를 가질 수 있다.
도 1은 일 실시 예에 따른 복수 화자에 의해 발화되는 음성 신호에 대한 처리 개요도이다.
도 1을 참조하면, 화자 1(10), 화자 2(11), 및 화자 3(12)은 동시 또는 거의 유사한 시점에 음성 신호를 발화할 수 있다. 화자 1(10), 화자 2(11), 및 화자 3(12)에 의해 발화되는 음성 신호는 모두 전자 장치(100)를 향한 발화일 수 있다. 화자 1(10), 화자 2(11), 및 화자 3(12)에 의해 발화되는 음성 신호는 전자 장치(100)를 향한 발화, 다른 화자를 향한 발화, 및 화자간의 발화 중 적어도 하나일 수 있다. 도 1에서 복수의 화자는 화자 1(10), 화자 2(11), 및 화자 3(12)을 포함하나 본 개시의 실시 예에서 복수의 화자는 도 1에 도시된 바로 제한되지 않는다. 예를 들어, 본 개시의 실시 예에서 복수의 화자는 도 1에 도시된 화자의 수보다 적거나 많을 수 있다.
도 1의 전자 장치(100)는 화자 1(10), 화자 2(11), 및 화자 3(12)에 의해 발화되는 음성 신호를 수신한다. 전자 장치(100)는 수신된 음성 신호에 서로 다른 화자인 화자 1(10), 화자 2(11), 및 화자 3(12)의 음성 신호가 포함되어 있는 지를 판단한다.
전자 장치(100)는, 수신되는 음성 신호로부터, 예를 들어, 화자 인식용 특징 벡터를 검출하고, 검출된 화자 인식용 특징 벡터의 특징 및 거리에 기초하여 수신되는 음성 신호에 서로 다른 복수 화자(예를 들어, 화자 1(10), 화자 2(11), 및 화자 3(12))의 음성 신호가 포함되어 있는지를 판단할 수 있다. 전자 장치(100)는, 전자 장치(100)에 포함되거나 전자 장치(100)에 연결된 다중 마이크(예를 들어, arrary-mic)를 통해 수신되는 음성 신호의 위상차이를 이용하여 수신되는 음성 신호에 2개 이상의 음원이 포함되어 있는지를 판단할 수 있다. 또한, 전자 장치(100)는 상술한 음성 신호의 위상차이를 이용하여 위치 A의 음원과 위치 B의 음원을 검출할 수 있다. 전자 장치(100)에 포함된 하나의 마이크 또는 전자 장치(100)에 연결된 하나의 마이크를 통해 음성 신호를 수신하는 경우에, 전자 장치(100)는 신호 분리 알고리즘(예를 들어, 주성분 분석(principal components analysis), 또는 독립성분 분석(independent component analysis) 등)을 이용하여 수신되는 음성 신호로부터 복수 화자의 음성 신호를 분리함으로써, 수신되는 음성 신호에 서로 다른 복수 화자(예를 들어, 화자 1(10), 화자 2(11), 및 화자 3(12))의 음성 신호가 포함되어 있는지를 판단할 수 있다. 본 개시의 수신되는 음성 신호에 복수 화자의 음성 신호가 포함되어 있는지를 판단하는 방식은 상술한 바로 제한되지 않는다.
전자 장치(100)는 수신되는 시간 도메인 기반의 음성 신호를 주파수 도메인 상의 음성 신호로 변환하고, 변환된 신호의 주파수 에너지를 서로 다르게 변형함으로써 수신되는 음성 신호로부터 화자 인식용 특징 벡터를 검출할 수 있다. 화자 인식용 특징 벡터는, 예를 들어, MFC(Mel-frequency cepstral coefficient) 또는 필터 뱅크 에너지(Filter Bank Energy) 일 수 있으나 이로 한정되는 것은 아니며 다양한 방식으로 음성 신호로부터 검출될 수 있다. 화자 인식용 특징 벡터는 각 화자의 음성 신호를 구별할 수 있는 특징 값으로 표현될 수 있다. 전자 장치(100)는 음성 신호로부터 복수개의 화자 인식용 특징 벡터가 검출되면, 수신되는 음성 신호에 서로 다른 화자에 의해 발화된 음성 신호가 포함되어 있는 것으로 판단할 수 있다.
전자 장치(100)는 음성 신호로부터 검출된 화자 인식용 특징 벡터에 근거하여 발화한 화자를 나타내는 화자 정보를 생성할 수 있다. 생성된 화자 정보에 근거하여 음성 신호를 발화한 화자가 등록된 화자인지, 등록된 화자 중 전자 장치(100)를 웨이크업 할 수 있는 화자인지를 판단할 수 있다. 전자 장치(100)는 복수의 화자 정보를 등록할 수 있다. 등록된 복수의 화자 중에서 전자 장치(100)를 웨이크업 할 수 있는 화자는 전자 장치(100)의 주 사용자일 수 있다. 등록된 복수의 화자는 전자 장치(100)를 공동으로 사용할 수 있는 사용자 일 수 있다. 전자 장치(100)가 예를 들어, TV인 경우에, 전자 장치(100)에 등록된 복수의 화자는 가정 내에 함께 거주하는 가족일 수 있다.
전자 장치(100)는 수신되는 음성 신호로부터 검출된 화자 인식용 특징 벡터에 기초하여 화자를 인식하기 위하여, 검출된 화자 인식용 특징 벡터와 비교하기 위한 복수 화자의 화자 인식용 특징 벡터를 사전에 저장할 수 있다. 전자 장치(100)는 예를 들어 서버와 같은 외부 장치로부터 복수 화자의 화자 인식용 특징 벡터를 요청하고, 수신된 음성 신호로부터 검출된 화자 인식용 특징 벡터와 외부 장치로부터 수신된 복수 화자의 화자 인식용 특징 벡터를 비교하여 화자를 인식할 수 있다.
전자 장치(100)는 수신되는 음성 신호에 서로 다른 화자에 의해 발화되는 복수의 음성 신호가 포함된 것으로 판단되면, 수신되는 음성 신호에 포함되어 있는 각 화자의 음성 신호로부터 특징 정보를 검출할 수 있다. 특징 정보는, 예를 들어, 화자 정보(또는 화자의 식별 정보), 목소리 크기(Volume), 음 높이, 음역대(pitch range), 발화 속도(speech rate), 발화 거리(또는 화자 위치), 발화 시점, 발화 내용, 화자간의 관계, 현재 발화 도메인(domain) 등을 포함할 수 있으나 본 개시의 특징 정보는 이로 제한되지 않는다.
전자 장치(100)는 수신되는 음성 신호로부터 검출된 화자 인식용 특징 벡터와 사전에 저장된 화자 인식용 특징 벡터를 비교하고, 매칭되는 화자 인식용 특징 벡터에 대응되는 화자 정보를 수신되는 음성 신호의 화자 정보로서 검출할 수 있다. 본 개시에서 수신되는 음성 신호의 화자 정보를 검출하는 방식은 상술한 바로 제한되지 않는다.
전자 장치(100)는 수신되는 음성 신호의 에너지(energy)에 기초하여 각 화자의 목소리 크기를 검출할 수 있다. 각 화자의 목소리 크기를 검출하기 전에 전자 장치(100)는 수신되는 음성 신호로부터 각 화자의 음성 신호를 분리할 수 있다. 또한, 전자 장치(100)는 각 화자의 음성 신호의 에너지를 비교하거나 음성 신호를 수신할 때, 주변 노이즈 등의 크기, 음성 신호가 수신되는 마이크가 설치된 공간에 대한 정보를 고려하여 각 화자의 목소리 크기를 검출할 수 있다. 본 개시에서 각 화자의 목소리 크기를 검출하는 것은 상술한 바로 제한되지 않는다.
전자 장치(100)는 수신되는 음성 신호로부터 기본 주파수(FO, Fundamental Frequency)값을 추출하는 방식으로 각 화자의 음의 높이를 검출할 수 있다. 전자 장치(100)는 수신되는 음성 신호의 자기 상관(autocorrelation)이나 고조파(harmonics)를 이용하는 다양한 알고리즘을 통해 기본 주파수를 추출할 수 있다. 본 개시에서 수신되는 음성 신호로부터 각 화자의 음의 높이를 검출하는 방식은 상술한 바로 제한되지 않는다.
전자 장치(100)는 수신되는 음성 신호로부터 분리된 각 화자의 음성 신호의 포먼트(formant)를 측정하여 각 화자의 음역대를 검출할 수 있다. 전자 장치(100)는 LPC(Linear Predictive Coefficients) 또는 딥 러닝(deep learning)을 이용하여 포먼트를 측정할 수 있다. 본 개시에서 각 화자의 음성 신호의 음역대를 검출하는 방식은 상술한 바로 제한되지 않는다.
전자 장치(100)는 수신되는 음성 신호에 대한 음성 인식 알고리즘의 출력 값을 이용하여 각 화자의 발화 속도(speech rate)를 검출할 수 있다. 전자 장치(100)는 음성 인식 알고리즘의 음소단위의 얼라인먼트(alignment) 값을 이용하여 각 화자의 발화 속도를 검출할 수 있다. 본 개시에서 각 화자의 발화 속도를 검출하는 방식은 상술한 바로 제한되지 않는다.
전자 장치(100)는 수신되는 음성 신호로부터 각 마이크의 위상 차이와 에너지의 차이를 이용하여 각 화자의 발화 거리(또는 화자 위치)와 방향을 검출할 수 있다. 전자 장치(100)는 각 화자의 발화 거리와 방향에 기초하여 화자간의 발화 거리를 검출할 수 있다. 본 개시에서 각 화자의 발화 거리와 방향을 검출하는 방식은 상술한 바로 제한되지 않는다.
전자 장치(100)는 VAD(Voice Activation Detection) 기술 또는 딥 러닝을 이용하여 수신되는 음성 신호로부터 발화 시점을 검출할 수 있다. 본 개시에서 발화 시점을 검출하는 방식은 상술한 바로 제한되지 않는다.
전자 장치(100)는 음성 인식기를 이용하여 수신되는 음성 신호로부터 각 화자의 발화 내용을 검출할 수 있다. 본 개시에서 발화 내용을 검출하는 방식은 상술한 바로 제한되지 않는다.
전자 장치(100)는 수신되는 음성 신호로부터 화자 정보가 검출되면, 사전에 저장된 화자 정보간의 관계 정보를 참조하여 현재 수신되는 음성 신호에 포함되어 있는 화자간의 관계 정보를 검출할 수 있다. 화자간의 관계 정보를 검출하는 방식은 상술한 바로 제한되지 않는다. 화자간의 관계는 현재 발화된 음성 신호의 화자간의 관계를 나타낼 수 있다. 화자간의 관계는 현재 발화된 음성 신호의 화자간의 관계와 이전에 발화된 음성 신호의 화자간의 관계를 나타낼 수 있다.
전자 장치(100)는 수신되는 음성 신호로부터 검출된 발화 내용에 기초하여 현재 발화 도메인(domain)을 검출할 수 있다. 예를 들어, 전자 장치(100)는 모든 어휘에 대한 도메인 가중치를 사전에 결정하고, 결정된 도메인 가중치를 이용하여 수신된 음성 신호에 포함되어 있는 각 화자의 발화문장에 포함된 어휘에 기초하여 발화 도메인을 검출할 수 있다. 또한, 전자 장치(100)는 확률 모델을 구성한 뒤, 지도 학습(supervised learning) 방식으로 이를 훈련하고 훈련된 모델을 이용하여 수신되는 음성 신호에 포함된 문장의 도메인을 예측할 수 있다. 예측에 사용되는 알고리즘은 예를 들어, 딥 러닝(Deep learning), SVM(Support Vector Machine), CART(Classification and Regression Trees) 등이 있다. 발화 도메인은, 예를 들어, 전자 장치(100), 예를 들어, TV, 냉장고, 등, 기반으로 정의될 수 있다. 발화 도메인은 전자 장치(100)의 기능, 예를 들어, 컨텐츠 재생하기, 컨텐츠 녹화하기, 인터넷 접속하기, 전원 온 또는 오프하기 등, 기반으로 정의될 수 있다.
전자 장치(100)는 검출된 각 화자에 의해 발화된 음성 신호로부터 검출된 특징 정보에 기초하여 복수 화자에 의해 발화된 발화 내용간의 관계를 판단할 수 있다. 복수 화자에 의해 발화된 발화 내용간의 관계를 판단하는 것은 수신된 복수 화자의 발화 내용간에 충돌이 발생되지 않도록 조정 또는 중재하기 위한 것이다. 발화 내용간의 관계는 현재 발화된 음성 신호의 발화 내용간의 관계를 나타낼 수 있다. 발화 내용간의 관계는 현재 발화된 음성 신호의 발화 내용과 이전에 발화된 음성 신호의 발화 내용간의 관계를 나타낼 수 있다. 발화 내용은 발화 의도로 표현될 수 있다.
발화 내용간의 관계는 복수 화자에 의해 발화되는 발화 내용간의 서로 독립적인 관계 또는 비독립적인 관계를 포함할 수 있다. 서로 다른 화자의 발화 내용이 서로 독립적인 관계를 갖는 것은 서로 다른 화자에 의해 발화된 발화 내용이 전혀 관계없는 것을 나타낸다. 서로 다른 화자의 발화 내용이 서로 비독립적인 관계를 갖는 것은 서로 다른 화자에 의해 발화된 발화 내용의 적어도 일부분이 연관성을 갖거나 동일한 것을 나타낸다.
예를 들어, 하나의 화자에 의해 발화된 발화 내용에 “주문해줘”라는 명령어가 포함되어 있고, 다른 화자에 의해 발화된 발화 내용에 “해줘”라는 명령어가 포함되어 있으면, 전자 장치(100)는 서로 다른 화자의 발화 내용이 비독립적인 관계를 갖는 것으로 판단할 수 있다. 그러나, 하나의 화자의 발화 내용에 “주문해줘”라는 명령어가 포함되어 있고, 다른 화자의 발화 내용에 “꺼줘”라는 명령어가 포함되어 있으면, 전자 장치(100)는 서로 다른 화자의 발화 내용이 독립적인 관계를 갖는 것으로 판단할 수 있다. 서로 다른 화자의 발화 내용이 서로 비독립적인 관계를 갖는 것은 하나의 화자의 발화 내용이 다른 화자의 발화 내용의 부연 설명인 것을 나타낼 수 있다.
발화 내용간의 독립성은 복수 화자의 발화 의도가 독립된 것을 나타낸다. 발화 내용간의 독립성은, 예를 들어, 화자 1(10)의 발화 내용과 화자 2(11)의 발화 내용이 전혀 다를 수 있다. 발화 내용간의 독립성은 발화 내용간에 연관성이 없는 것을 의미하는 것으로, 발화 의도 모순으로 언급될 수 있다.
화자 1(10), 화자 2(11), 및 화자 3(12)의 발화 내용간에 독립성을 가질 경우에, 전자 장치(100)는 화자 1(10), 화자 2(11), 및 화자 3(12)의 발화 내용에 대해 개별 동작을 수행할 수 있다. 화자 1(10), 화자 2(11), 및 화자 3(12)의 발화 내용간에 독립성을 가질 경우에, 전자 장치(100)는 화자 1(10), 화자 2(11), 및 화자 3(12)의 발화 내용 또는/및 화자 1(10), 화자 2(11), 및 화자 3(12)간의 관계에 기초하여 화자 1(10), 화자 2(11), 및 화자 3(12)의 발화 의도에 대한 우선 순위를 결정하고, 결정된 우선 순위에 따라 대응 방식을 결정할 수 있다.
대응 방식은, 예를 들어, 결정된 우선 순위가 높은 발화 내용은 전자 장치(100)에 의해 처리하고, 결정된 우선 순위가 낮은 발화 내용은 전자 장치(100)와 독립된 다른 전자 장치(110)에 의해 처리할 수 있다.
전자 장치(100)는 화자 1(10), 화자 2(11), 및 화자 3(12)의 발화 내용간의 우선 순위가 결정되면, 결정된 우선 순위에 따라 즉시 응답할 발화 내용, 큐에 쌓아둘 발화 내용, 및 반응하지 않을 발화 내용으로 분류할 수 있으나, 발화 내용을 분류하는 것은 상술한 바로 제한되지 않는다.
발화 내용이 즉시 응답할 발화 내용으로 결정된 경우에, 전자 장치(100)는 결정된 발화 내용에 기초한 동작을 수행한다. 대응 방식이 큐에 쌓아둘 발화 내용으로 결정된 경우에, 전자 장치(100)는 큐에 쌓아둔 발화 내용을 처리할 시점이 될 때, 큐에 쌓아 둔 발화 내용에 기초한 동작을 수행할 수 있다. 이에 따라 화자의 발화에 의한 음성 신호가 수신되지 않아도 전자 장치(100)는 큐에 쌓아둔 발화 내용에 기초하여 동작을 수행할 수 있다. 대응 방식이 반응하지 않을 발화 내용으로 결정된 경우에 전자 장치(100)는 발화 내용을 무시할 수 있다. 반응하지 않을 발화 내용은, 예를 들어, 해당되는 발화 내용이 전자 장치(100)의 동작 수행과 전혀 관계가 없는 경우로, 화자간의 발화일 수 있다.
전자 장치(100)는 결정된 우선 순위에 따라 화자 1(10)의 발화 내용에 대한 우선 순위가 화자 2(11)의 발화 내용 보다 높고, 화자 2(11)의 발화 내용에 따른 동작을 다른 전자 장치(110)가 수행할 수 있다고 판단된 경우에, 화자 1(10)의 발화 내용에 따른 동작을 수행하면서, 다른 전자 장치(110)로 화자 2(11)의 발화 내용에 따른 동작을 수행하도록 제어할 수 있다.
이에 따라 화자 1(10)은 발화 내용에 대한 응답을 전자 장치(100)를 통해 확인할 수 있고, 화자 2(11)는 발화 내용에 대한 응답을 다른 전자 장치(110)를 통해 확인할 수 있다. 이 때, 전자 장치(100)는 다른 전자 장치(110)를 통해 발화 내용에 대해 응답할 것을 전자 장치(100)를 통해 화자 2(11)로 통지할 수 있다. 전자 장치(100)는 화자 1(10)의 발화 내용에 대한 응답을 제공하기 전, 또는 발화 내용에 대한 응답을 제공하면서, 또는 발화 내용에 대한 응답을 제공한 후, 화자 2(11)로 상술한 통지를 제공할 수 있다. 상술한 통지는 화자 1(10)이 전자 장치(100)를 통해 발화 내용에 대한 응답을 확인하는 것을 방해하지 않도록 자막 정보 형태로 제공되거나 화자 2(11)가 갖고 있는 또 다른 전자 장치(예를 들어, 휴대 단말기)를 통해 통지 정보를 전송할 수 있다.
전자 장치(100)는 화자 1(10), 화자 2(11), 및 화자 3(12)의 발화 내용이 모두 독립적일 경우에, 화자 1(10), 화자 2(11), 및 화자 3(12)으로 발화 내용에 대한 대응 방식 정보를 전자 장치(100)를 통해 제공할 수 있다. 대응 방식 정보는 화자 1(10), 화자 2(11) 및 화자 3(12)의 화자 정보에 기초하여 우선 순위 또는 발화 내용에 기초한 우선 순위 등에 기초하여 순차적으로 제공될 수 있다. 화자 1(10), 화자 2(11) 및 화자 3(12)의 발화 내용에 대한 대응 방식 정보는 전자 장치(100)의 디스플레이를 통해 동시에 제공될 수 있다. 대응 방식 정보는 화자 1(10), 화자 2(11), 및 화자 3(12)이 각각 갖고 있는 휴대 단말기를 통해 제공될 수 있다. 이를 위해 전자 장치(100)는 화자 1(10), 화자 2(11) 및 화자 3(12)의 휴대 단말기에 대한 정보를 사전에 저장하거나 외부 장치(예를 들어, 서버)로부터 화자 1(10), 화자 2(11), 및 화자 3(12)의 휴대 단말기에 대한 정보를 요청하고, 수신하여 사용할 수 있다. 또한, 전자 장치(100)는 화자 1(10)의 발화 내용이 최우선 순위를 가질 경우에, 화자 1(10)의 발화 내용에 대해 동작하면서, 화자 2(11), 및 화자 3(12)의 발화 내용에 대한 대응 방식을 전자 장치(100)를 통해 제공하거나 각각 화자 2(11) 및 화자 3(12)이 갖고 있는 다른 전자 장치(미 도시)를 통해 제공할 수 있다.
화자 1(10), 화자 2(11), 및 화자 3(12)의 발화 내용 중 적어도 2 화자의 발화 내용이 서로 비 독립적인 관계를 가지면, 전자 장치(100)는 비독립적인 관계를 갖는 발화 내용을 결합하고, 결합된 발화 내용을 생성하여 처리할 수 있다. 예를 들어, 화자 1(10)의 발화 내용과 화자 2(11)의 발화 내용이 비독립적인 관계를 갖고, 화자 3(12)의 발화 내용이 화자 1(10)의 발화 내용 및 화자 2(11)의 발화 내용과 독립적인 관계를 가지면, 전자 장치(100)는 화자 1(10)의 발화 내용과 화자 2(11)의 발화 내용을 결합하여 하나의 발화 내용을 생성하고, 생성된 발화 내용과 화자 3(12)의 발화 내용간에 우선 순위를 결정하고, 결정된 우선 순위에 따라 대응 방식을 결정하고, 결정된 대응 방식에 따라 전자 장치(100)의 동작을 수행할 수 있다.
발화 내용간의 비독립적인 관계는 복수 화자의 발화 의도가 비독립적인 것을 나타낸다. 발화 내용간의 비독립적인 관계는, 복수 화자의 발화 의도가 유사한 것을 나타낸다. 발화 내용간의 비독립적인 관계는, 예를 들어, 화자 2(11)의 발화 내용이 화자 1(10)의 발화 내용에 대한 부연 설명일 수 있다. 발화 내용간에 비독립적인 관계를 가질 경우에, 전자 장치(100)는 복수 화자의 발화 내용, 화자간의 관계, 이전 발화 내용과 현재 발화 내용간의 관계, 이전 화자와 현재 화자간의 관계, 복수 화자의 발화 히스토리 등에 기초하여 현재 수신된 음성 신호에 포함되어 있는 복수 화자의 발화 내용에 대한 발화 의도를 판단하고, 판단된 결과에 따라 동작을 수행하거나 질문을 출력할 수 있다. 질문은 전자 장치(100)가 판단된 발화 의도에 따른 동작을 수행하기 위해 필요한 정보를 수집할 때까지 복수 회 출력될 수 있다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 기능 블록도이다.
도 2를 참조하면, 본 개시의 일 실시 예에 따른 전자 장치(200)는 수신부(201), 메모리(202), 및 프로세서(203)를 포함한다. 전자 장치(200)는 도 1의 전자 장치(100)에 대응될 수 있다. 따라서, 전자 장치(200)는 도 1에서 언급된 전자 장치(100)에 관련된 모든 사항들이 적용될 수 있다.
전자 장치(200)는 복수 화자에 의해 발화되는 음성 신호를 처리할 수 있다.
수신부(201)는 오디오 신호를 수신할 수 있다. 오디오 신호는 화자의 음성 신호만을 포함할 수 있다. 화자의 음성 신호는 한 화자의 음성 신호 또는 복수 화자의 음성 신호일 수 있다. 또한, 오디오 신호는 화자의 음성 신호가 발화하는 환경에서 발생하는 주변 사운드 신호 또는 잡음 신호와 화자의 음성 신호를 포함할 수 있다. 오디오 신호가 주변 사운드 신호 또는 잡음 신호를 포함할 경우에, 수신부(201)는 화자의 음성 신호에 대한 인식 처리를 수행하기 위해, 수신된 오디오 신호에서 화자의 음성 신호만을 검출할 수 있다.
수신부(201)는 무선 마이크, 유선 마이크 등의 음성 수신 장치를 통하여 복수 화자로부터 음성 신호를 수신할 수 있다. 복수의 화자는 사용자로 언급될 수 있다. 수신부(201)는 전자 장치(200)의 외부의 음성 수신 장치(미 도시)를 통해 음성 신호를 수신할 수 있다. 이러한 경우에, 수신부(201)는 통신 모듈을 포함할 수 있다. 외부의 음성 수신 장치(미 도시)는 각 화자가 갖고 있는 장치(예를 들어, 웨어러블 디바이스)일 수 있다. 외부의 음성 수신 장치는 전자 장치(200)와 독립된 위치에 설치된 무선 또는 유선 마이크일 수 있다.
수신부(201)에 포함되는 통신 모듈은 근거리 통신 모듈, 유선 통신 모듈, 이동 통신 모듈, 방송 수신 모듈 등과 같은 적어도 하나의 통신 모듈을 포함할 수 있다. 그리고 적어도 하나의 통신 모듈은 블루투스, WLAN(Wireless LAN)(Wi-Fi), Wibro(Wirelss broadband), Wimax(Wordl Interoperability for Microwave Access), CDMA, WCDMA 등과 같은 통신 규격을 따르는 네트워크를 통하여 데이터 송수신을 수행할 수 있는 통신 모듈을 의미한다.
메모리(202)는 소정 데이터 및 복수 화자의 음성 신호를 처리하기 위한 하나 이상의 인스트럭션을 포함하는 프로그램중 적어도 하나를 저장할 수 있다.
본 개시의 실시예에서 메모리(202)는 등록된 복수 화자의 식별 정보, 복수 화자의 음성 신호를 인식하기 위한 특징 벡터, 전자 장치(200)를 웨이크업 할 수 있는 화자의 식별 정보, 화자 별 발화 히스토리, 및 등록된 화자간의 관계 정보를 저장할 수 있다.
프로세서(203)는 화자의 식별 정보를 이용하여 메모리(202)로부터 화자간의 관계 정보를 리드할 수 있다. 프로세서(203)는 화자의 식별 정보를 이용하여 메모리(202)로부터 화자 별 발화 히스토리를 리드할 수 있다. 프로세서(203)는 현재 수신된 화자의 발화 내용을 더 고려하여 메모리(202)로부터 화자별 발화 히스토리를 리드할 수 있다.
본 개시의 실시예에서 메모리(202)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory), SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
프로세서(203)는 메모리(202)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 수신부(201)를 통해 음성 신호가 수신되도록 상기 수신부(201)를 제어하고, 수신된 음성 신호에 복수 화자의 음성 신호가 포함되어 있는 지를 판단할 수 있다. 수신된 음성 신호에 복수 화자의 음성 신호가 포함되어 있는 지를 판단하는 것은 도 1의 전자 장치(100)에서 설명한 바와 같이 수행될 수 있다.
프로세서(203)는 수신된 음성 신호에 복수 화자의 음성 신호가 포함되어 있는 것으로 판단되면, 수신된 음성 신호에 포함된 각 화자의 음성 신호의 특징 정보를 검출한다. 특징 정보는 도 1에서 설명한 바와 같을 수 있다.
프로세서(203)는 각 화자의 음성 신호의 특징 정보가 검출되면, 검출된 특징 정보에 기초하여 서로 다른 화자의 발화 내용간의 관계를 판단한다. 서로 다른 화자의 발화 내용간의 관계는 도 1의 전자 장치(100)에서와 같이 판단될 수 있다.
프로세서(203)는 판단된 발화 내용간의 관계에 기초하여 대응 방식을 결정한다. 프로세서(203)는 도 1의 전자 장치(100)에서 설명한 바와 같이 판단된 발화 내용간의 관계에 기초하여 대응 방식을 결정할 수 있다.
프로세서(203)는 결정된 대응 방식에 따라 전자 장치(200)의 동작을 제어할 수 있다. 이에 따라, 프로세서(203)는 전자 장치(200)이 동작을 제어하는 제어부로 언급될 수 있다.
프로세서(203)는, 각 화자의 음성 신호로부터 특징 정보가 검출되면, 하나 이상의 뉴럴 네트워크, 기계학습 모듈, 또는 언어이해 모듈을 이용하여 복수 화자의 발화 내용간의 관계를 판단하고, 판단된 복수 화자의 발화 내용간의 관계에 기초하여 대응 방식을 결정할 수 있다.
프로세서(203)는 수신되는 음성 신호에 하나의 화자에 의해 발화된 음성 신호가 포함되어 있는 것으로 판단되면, 하나의 화자의 발화 내용에 기초하여 전자 장치(200)의 동작을 제어할 수 있다.
도 3은 본 개시의 다른 실시 예에 따른 전자 장치를 나타내는 블록도이다. 도 3에 도시되는 전자 장치(300)는 도 1에 도시된 전자 장치(100) 또는 도 2에 도시된 전자 장치(200)에 대응될 수 있다. 또한, 도 3에 도시되는 수신부(301)와 메모리(302)는 도 2에 도시된 수신부(201)와 메모리(202)에 대응될 수 있다. 따라서, 도 3에 도시되는 수신부(301)와 메모리(302)는 도 2의 상세한 설명에서 언급된 수신부(201) 및 메모리(202)에 관련된 상세한 설명이 적용될 수 있다.
도 3을 참조하면, 전자 장치(300)는 전자 장치(200)에 비하여, 사용자 입력부(303), 출력부(304), 통신부(305)를 더 포함한다. 전자 장치(300)에 포함되는 프로세서(306)는 전자 장치(200)에 포함되는 구성 요소 보다 더 추가된 구성 요소를 이용하여 전자 장치(300)가 동작되도록 제어할 수 있다.
출력부(304)는 스피커(미 도시) 및 디스플레이(미 도시) 중 적어도 하나를 포함할 수 있다. 스피커(미 도시)는 소정 정보를 화자가 청각적으로 인식할 수 있도록 오디오 신호를 출력한다. 그리고 디스플레이(미 도시)는 소정 정보를 화자가 시각적으로 인식할 수 있도록 하는 화면 등과 같은 비디오 신호를 출력한다.
또한, 출력부(304)는 소정 정보를 화자에게 출력하는데 있어서, 오디오 신호만을 출력할 수도 있고, 또는 비디오 신호만을 출력할 수도 있을 것이다. 또한, 출력부(304)는 오디오 신호 및 비디오 신호를 동시에 출력할 수도 있을 것이다.
사용자 입력부(303)는 전자 장치(300)를 제어하기 위한 사용자 입력을 수신할 수 있다. 사용자 입력부(303)는 사용자의 터치를 감지하는 터치 패널, 사용자의 푸시 조작을 수신하는 버튼, 사용자의 회전 조작을 수신하는 휠, 키보드, 및 돔 스위치(dome switch) 등을 포함하는 사용자 입력 디바이스를 포함할 수 있으나 본 개시에서 사용자 입력부(303)를 이로 제한되지 않는다.
본 개시의 실시 예에서 사용자 입력부(303)는 출력부(304)가 출력하는 질문에 대한 답을 입력 또는 선택하는 터치 입력 또는 버튼 입력을 수신할 수 있다. 사용자 입력부(303)는 사용자가 전자 장치(400)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(303)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.
일 실시예에 따라 사용자 입력부(303)는 터치 패드를 이용하여, 화면에 디스플레이 된 이미지 내의 객체들 중에서 하나를 터치하는 사용자 입력을 수신할 수 있다.
통신부(305)는 도 1에 도시된 바와 같은 다른 전자 장치(110)와 전자 장치(300)간의 통신을 가능하게 하거나 화자 1(10), 화자 2(11), 및 화자 3(12)이 각각 갖고 있는 휴대 단말기 또는 화자 1(10), 화자 2(11), 및 화자 3(12)의 각각의 고유 단말기와 통신을 가능하게 할 수 있다.
통신부(305)는 후술할 도 4에서 언급되는 통신부(450)와 같이 구성될 수 있다.
도 4는 본 개시의 또 다른 실시예에 따른 전자 장치의 기능 블록도이다.
도 4를 참조하면, 전자 장치(400)는 도 3의 메모리(302), 사용자 입력부(303), 출력부(304), 통신부(305)에 대응되는 메모리(470), 사용자 입력부(410), 출력부(420), 통신부(450)외에 센싱부(440), A/V 입력부(460), 및 프로세서(430)를 더 포함할 수 있다.
출력부(420)는 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(420)는 디스플레이부(421), 음향 출력부(422), 및 진동 모터(423)를 포함할 수 있다.
디스플레이부(421)는 전자 장치(400)에서 처리되는 정보를 표시한다. 디스플레이부(421)와 터치 패드가 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(421)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 한편, 디스플레이부(421)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display), 투명 디스플레이 중에서 적어도 하나를 포함할 수 있다.
음향 출력부(422)는 통신부(450)로부터 수신되거나 메모리(470)에 저장된 오디오 데이터를 출력한다. 진동 모터(423)는 진동 신호를 출력할 수 있다.
프로세서(430)는 통상적으로 전자 장치(400)의 전반적인 동작 및 전자 장치(400)의 내부 구성 요소들 사이의 신호 흐름을 제어하고, 데이터를 처리하는 기능을 수행한다. 예를 들어, 프로세서(430)는, 메모리(470)에 저장된 프로그램들(하나 이상의 인스트럭션들)을 실행함으로써, 사용자 입력부(410), 출력부(420), 센싱부(440), 통신부(450), A/V 입력부(460) 등을 전반적으로 제어할 수 있다.
일 실시예에 따라 프로세서(430)는, 상술한 전자 장치(400)의 기능을 수행하기 위하여, 뉴럴 네트워크, 기계학습 모듈, 또는 언어이해 모듈을 이용하여 수신되는 음성 신호의 특징 정보에 기초하여 복수 화자의 발화 내용간의 관계를 판단하고, 판단된 결과에 기초하여 대응 방식을 결정하고, 결정된 대응 방식에 따라 복수 화자의 발화 내용에 부합되는 동작을 수행하도록 전자 장치(400)의 구성 요소들을 제어할 수 있다. 프로세서(430)는 도 3의 프로세서(306)에 대응되므로, 자세한 설명은 생략한다.
센싱부(440)는 전자 장치(400)의 상태 또는 전자 장치(400)의 주변의 상태를 감지하고, 감지된 정보를 프로세서(430)로 전달할 수 있다. 센싱부(440)는 지자기 센서(Magnetic sensor)(441), 가속도 센서(Acceleration sensor)(442), 온/습도 센서(443), 적외선 센서(444), 자이로스코프 센서(445), 위치 센서(예컨대, GPS)(446), 기압 센서(447), 근접 센서(448), 및 RGB 센서(illuminance sensor)(449) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들(441~449)의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
프로세서(430)는 복수의 화자의 발화 내용을 판단할 때, 센싱부(440)를 통해 감지된 정보를 더 고려할 수 있다. 센싱부(440)를 통해 감지되는 정보는 전자 장치(400)의 상황(context) 정보로 해석될 수 있다. 이에 따라 발화 내용에 부합되는 전자 장치(400)의 동작은 센싱부(440)를 통해 감지된 정보를 고려한 동작이 될 수 있다.
통신부(450)는 외부 서버(예를 들어, SNS 서버, 클라우드 서버, 콘텐트 제공 서버 등) 및 기타 외부 장치와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(450)는 근거리 통신부(451), 이동 통신부(452), 방송 수신부(453)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(451)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(452)는 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부(453)는 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 실시예에 따라서 전자 장치(400)가 방송 수신부(453)를 포함하지 않을 수도 있다.
일 실시예에 따라 통신부(450)는 외부 서버로부터 화자 정보를 수신하고, 수신된 화자 정보를 프로세서(430)로 제공할 수 있다. 프로세서(430)는 수신된 화자 정보를 메모리(470)에 저장하고, 수신되는 음성 신호로부터 화자 정보를 검출하기 위해 이용할 수 있다. 화자 정보는 화자 식별 정보와 화자간의 관계 정보를 포함할 수 있다.
A/V(Audio/Video) 입력부(460)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, A/V(Audio/Video) 입력부(460)는 카메라(461)와 마이크로폰(462) 등이 포함될 수 있다.
카메라(461)는 카메라 인식 범위에서 이미지를 캡처한다. 일 실시예에 따라 카메라(461)에 의해 캡처된 이미지는, 프로세서(430)에 의해 이미지 처리되어 디스플레이부(421)를 통해 표시될 수 있다. 카메라(461)를 이용하여 캡쳐된 이미지는 수신되는 복수 화자를 식별하는데 사용될 수 있다. 카메라(461)를 이용하여 캡쳐된 이미지는 복수 화자의 발화 내용간의 관계를 판단하기 위해 고려될 수 있다. 카메라(461)를 이용하여 캡쳐된 이미지는 복수 화자의 발화 내용간의 발화 관계에 기초한 대응 방식을 결정하기 위해 이용될 수 있다.
메모리(470)는 프로세서(430)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있고, 전자 장치(400)로 입력되거나 전자 장치(400)로부터 출력되는 데이터를 저장할 수도 있다. 메모리(470)에 저장된 프로그램들은 도 3을 참조하여 전술한 프로그램과 대응될 수 있다.
메모리(470)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(471), 터치 스크린 모듈(472), 알림 모듈(473) 등으로 분류될 수 있다.
UI 모듈(471)은, 어플리케이션 별로 디바이스(400)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(472)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(430)로 전달할 수 있다. 본 발명의 일 실시예에 따른 터치 스크린 모듈(472)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(472)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
터치스크린의 터치 또는 근접 터치를 감지하기 위해 터치스크린의 내부 또는 근처에 다양한 센서가 구비될 수 있다. 터치스크린의 터치를 감지하기 위한 센서의 일례로 촉각 센서가 있다. 촉각 센서는 사람이 느끼는 정도로 또는 그 이상으로 특정 물체의 접촉을 감지하는 센서를 말한다. 촉각 센서는 접촉면의 거칠기, 접촉 물체의 단단함, 접촉 지점의 온도 등의 다양한 정보를 감지할 수 있다.
또한, 터치스크린의 터치를 감지하기 위한 센서의 일례로 근접 센서가 있다.
근접 센서는 소정의 검출면에 접근하는 물체, 혹은 근방에 존재하는 물체의 유무를 전자계의 힘 또는 적외선을 이용하여 기계적 접촉이 없이 검출하는 센서를 말한다. 근접 센서의 예로는 투과형 광전 센서, 직접 반사형 광전 센서, 미러 반사형 광전 센서, 고주파 발진형 근접 센서, 정전용량형 근접 센서, 자기형 근접 센서, 적외선 근접 센서 등이 있다. 사용자의 터치 제스처에는 탭, 터치 & 홀드, 더블 탭, 드래그, 패닝, 플릭, 드래그 앤드 드롭, 스와이프 등이 있을 수 있다.
알림 모듈(473)은 전자 장치(400)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 전자 장치(400)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(473)은 디스플레이부(421)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(422)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(423)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다. 본 개시에 따라 상술한 알림은 도 1에서 언급된 우선 순위가 낮은 화자의 발화 내용에 대한 알림을 포함할 수 있다.
한편, 도 1 내지 4에 도시된 디바이스(100, 200, 300, 400)의 구성은 일 실시예이며, 전자 장치(100, 200, 300, 400)의 각 구성요소는 구현되는 전자 장치(100, 200, 300, 400)의 사양에 따라 통합, 추가, 또는 생략될 수 있다. 즉, 필요에 따라 2 이상의 구성요소가 하나의 구성요소로 합쳐지거나, 혹은 하나의 구성요소가 2 이상의 구성요소로 세분되어 구성될 수 있다. 또한, 각 구성(또는, 모듈)에서 수행하는 기능은 실시예들을 설명하기 위한 것이며, 그 구체적인 동작이나 장치는 본 발명의 권리범위를 제한하지 아니한다.
도 5는 본 개시의 일 실시 예에 따른 전자 장치에서 수행되는 복수 화자의 음성 신호 처리를 설명하는 도면이다. 도 5에 있어서, 도시된 화자 1(501)은 도 1에 도시된 화자 1(10)에 대응될 수 있고, 화자 2(502)는 도 1에 도시된 화자 3(12)에 대응될 수 있고, 전자 장치(500)는 도 1에 도시된 전자 장치(100)에 대응될 수 있다.
도 5를 참조하면, 화자 2(502)의 발화 내용이 화자 1(501)의 발화 내용에 대한 부연 설명인 경우이다. 화자 1(501)은 전자 장치(500)를 웨이크업 시킬 수 있는 등록 화자이고, 화자 2(502)는 전자 장치(500)에 등록된 화자이나 전자 장치(500)를 웨이크업 시킬 수 있는 화자는 아니다. 화자 1(501)과 화자 2(502)는 가족 관계를 갖는다. 본 개시에서 화자 1(501)과 화자 2(502)간의 관계는 가족 관계로 제한되지 않는다. 예를 들어, 화자 1(501)과 화자 2(402)간의 관계는 지인일 수 있다.
전자 장치(500)는 화자 1(501)과 화자 2(502)의 음성 신호를 각각 인식할 수 있는 화자 1(501)의 음성 특징 정보 및 화자 2(502)의 음성 특징 정보, 화자 1(501)과 화자 2(502)간의 관계를 인식할 수 있는 화자간의 관계 정보를 함께 저장할 수 있다. 예를 들어, 화자 1(501)이 화자 2(502)의 엄마이고, 화자 2(502)가 화자 1(501)의 아들인 경우에, 화자간의 관계 정보는 화자 1(501)이 화자 2(502)의 엄마이고, 화자 2(502)가 화자 1(501)의 아들이라는 정보를 포함할 수 있다.
이에 따라 전자 장치(500)는 도 5에 도시된 바와 같이 화자 1(501)에 의해 발화된 음성 신호와 화자 2(502)에 의해 발화된 음성 신호가 수신되면, 수신된 음성 신호의 화자를 인식한다. 화자 인식 후, 수신된 복수 화자의 음성 신호 각각의 특징 정보를 검출하고, 검출된 특징 정보에 기초하여 수신된 복수 화자의 발화 내용간의 관계를 판단한다. 전자 장치(500)는 화자 1(501)과 화자 2(502)간의 관계를 더 고려하여 화자 1(501)의 발화 내용과 화자 2(502)의 발화 내용간의 관계를 판단할 수 있다.
전자 장치(500)에서 화자 1(501)과 화자 2(502)가 가족 관계이고, 발화 내용이 중국집 주문임을 판단하면, 전자 장치(500)는 판단된 발화 내용간의 관계에 기초한 대응 방식을 결정한다.
도 5의 경우에, 화자 1(501)의 발화 내용과 화자 2(502)의 발화 내용이 서로 비독립적인 관계를 가지므로, 전자 장치(500)는 이들을 결합한 하나의 발화 내용을 생성하고, 생성된 발화 내용에 기초하여 대응 방식을 결정한다. 예를 들어, 도 5에 도시된 바와 같이 “A 중국집”에서 자장면 2그릇을 주문하는 대응 방식을 결정하기 위하여, 전자 장치(500)는 전자 장치(500)내의 메모리 또는 전자 장치(500)에 연결된 외부 디바이스(예를 들어, 서버 또는 외부 저장 장치)로부터 화자 2(502)의 주문 히스토리를 검색하여 “A 중국집”을 검출할 수 있다. “A 중국집”이 검출되면, 전자 장치(500)는 화자 1(501)의 발화 내용과 “A 중국집”을 결합하여 “A 중국집에 자장면 2개를 주문해줘”를 발화 내용으로 생성하고, 생성된 발화 내용에 따라 A 중국집에 자장면 2개를 주문하는 행위를 수행하면서, 주문 결과를 화자 1(501) 및 화자 2(502)에게 통보할 수 있다. 전자 장치(400)는 인터넷을 통해 상술한 주문 행위를 수행하기 위하여, 주문 애플리케이션을 실행시키거나 인터넷을 통해 주문 사이트에 접속될 수 있다.
도 6은 도 5의 화자 1(501)의 발화 내용과 화자 2(502)의 발화 내용을 중재하는 예이다.
도 6을 참조하면, 전자 장치(500)는 화자 1(501)의 발화 내용을 분석하여 화자 1(501)의 발화 내용의 발화 의도(예를 들어, 주문)(601)와 발화 내용에 포함된 발화 항목(또는 슬롯 태깅)(예를 들어, 시간, 장소 및 메뉴와 각 항목에 대응되는 정보)(602)을 검출한다. 또한, 전자 장치(500)는 화자 2(502)의 발화 내용을 분석하여 화자 2(502)의 발화 내용의 발화 의도(도 6의 경우에, 발화 의도 모름(?))(603)와 발화 내용에 포함된 발화 항목(예를 들어, 시간, 장소, 메뉴 및 각 항목에 대응되는 정보)(604)를 검출할 수 있다.
전자 장치(500)는 검출된 화자 1(501)의 발화 의도 및 발화 항목과 화자 2(502)의 발화 의도 및 발화 항목에 기초하여 전자 장치(500)내의 프로세서(예를 들어, 중재 모듈)에 의해 화자 1(601)의 발화 내용과 화자 2(502)의 발화 내용간을 중재한다(605). 중재 결과, 전자 장치(500)는 화자 1(501)과 화자 2(502)의 발화 의도는 주문(606)이고, 발화 내용에 포함된 발화 항목인 시간, 장소 및 메뉴에 대한 정보를 포함하는 발화 내용(607)를 생성할 수 있다.
도 7은 본 개시의 다른 실시 예에 따른 전자 장치에서 수행되는 복수 화자에 의해 발화되는 음성 신호 처리를 설명하는 도면이다. 도 7은 화자 1(701)과 화자 2(802)가 서로 독립된 내용을 발화한 경우이다.
도 7은 화자 2(702)가 전자 장치(600)에 대한 웨이크업 등록 화자인 경우이다. 화자 1(701)과 화자 2(702)로부터 음성 신호가 수신되면, 전자 장치(700)는 화자를 인식한다. 인식한 후, 발화 관계를 파악한다. 파악한 결과, 화자 1(701)과 화자 2(702)간의 관계는 가족 관계이나, 발화 내용이 서로 독립적인 것으로 판단되면, 전자 장치(700)는 발화 내용에 대한 우선 순위를 판단한다. 판단한 결과, 화자 1(701)의 발화 내용이 화자 2(702)의 발화 내용보다 우선 순위가 높은 것을 판단되면, 전자 장치(700)는 명령 큐에 화자 1(701)의 발화 내용을 화자 2(702)의 발화 내용보다 우선 순위가 높게 저장한다.
전자 장치(700)는 화자 1(701)의 발화 내용과 화자 2(702)의 발화 내용간의 우선 순위를 결정하고, 결정된 우선 순위에 따라 발화 내용에 기초한 전자 장치(700)의 실행 명령을 명령 큐에 저장한다. 도 7를 참조하면, 전자 장치(700)는 가스 불을 끄라는 명령을 냉장고를 탐색하라는 명령보다 높은 명령 큐에 저장한다. 이는 전자 장치(700)가 가스불이라는 단어가 내장고라는 단어보다 높은 우선 순위를 갖기 때문이다. 전자 장치(700)가 상술한 바와 같이 단어에 기초하여 우선 순위를 결정하기 위하여, 전자 장치(700)는 단어에 대한 우선 순위 정보를 사전에 저장할 수 있다.
전자 장치(700)는 결정된 우선 순위에 따라 명령 큐에 명령을 저장한 후, 명령 큐에 저장된 정보에 기초하여 화자 1(701)의 발화 내용과 화자 2(702)의 발화 내용에 대한 동작을 순차적으로 수행한다. 순차적으로 동작을 수행할 때, 전자 장치(700)는 화자 2(702)로 기다리라는 것을 나타내는 알림 정보를 제공할 수 있다.
전자 장치(700)는 판단된 발화 관계에 기초하여 대응 방식을 분류한다. 도 7의 경우에 발화 내용이 서로 독립적이므로, 전자 장치(700)는 각 발화 내용별로 대응한다. 예를 들어, 화자 1(701)의 발화 내용이 우선 순위가 높은 명령 큐에 저장되어 있으므로, 전자 장치(700)는 화자 1(701)의 발화 내용에 대한 동작을 수행하고, 그 처리 결과를 화자 1(701)에게 통보한 뒤, 화자 2(702)의 발화 내용에 대한 동작을 수행하고, 그 처리 결과를 화자 2(702)에게 통보할 수 있다.
도 8은 다른 실시 예에 따른 전자 장치에서 수행되는 복수 화자에 의해 발화되는 음성 신호 처리를 설명하는 도면이다. 도 8은 복수의 화자의 발화 내용이 동일한 발화 도메인에서 서로 독립된 발화 내용인 경우이다.
도 8를 참조하면, 화자 1(801)은 도 5의 화자 1(501)에 대응되고, 화자 2(802)는 도 5의 화자 2(502)에 대응될 수 있다. 또는 화자 1(801)는 도 7의 화자 1(701)에 대응되고, 화자 2(802)는 도 7의 화자 2(702)에 대응될 수 있다. 이에 따라 화자 1(801)은 화자 2(802)보다 우선 순위가 높게 설정될 수 있다.
전자 장치(800)는 음성 신호가 수신되고, 수신된 음성 신호에 화자 1(801)의 음성 신호와 화자 2(802)의 음성 신호가 포함되어 있는 것으로 판단되면, 화자 1(801)의 음성 신호에 대한 특징 정보와 화자 2(802)의 특징 정보를 검출하고, 검출된 음성 신호에 대한 특징 정보에 기초하여 화자 1(801)의 발화 내용과 화자 2(802)의 발화 내용간의 관계를 판단할 수 있다.
전자 장치(800)는 발화 내용간의 관계를 판단한 결과, 화자 1(801)의 발화 내용과 화자 2(802)의 발화 내용이 모두 전자 장치(800)에 의해 수행되어야 하므로, 화자 1(801)의 발화 내용과 화자 2(802)의 발화 내용이 동일한 발화 도메인에서 발생된 것으로 판단한다. 이에 따라 전자 장치(800)는 화자 1(801)의 발화 내용과 화자 2(802)의 발화 내용간에 충돌이 발생된 것으로 판단한다.
전자 장치(800)는 화자 1(801)에게 A 드라마를 제공하기 위해 채널을 변경하면서, 처리 결과를 화자 1(801)에게 통보하고, 화자 2(802)에게 다른 전자 장치(810)의 사용을 제안할 수 있다. 이에 따라 화자 2(802)로부터 다른 전자 장치(810)의 사용을 승인하면, 다른 전자 장치(810)를 통해 B 프로그램 제공을 알리면서, 전자 장치(800)는 다른 전자 장치(810)를 제어하여, 화자 2(802)가 B 프로그램을 다른 전자 장치(810)를 통해 시청할 수 있도록 할 수 있다.
도 9는 본 개시의 실시 예에 따른 전자 장치에서 수행되는 복수 화자의 음성 신호 처리 방법에 대한 흐름도이다. 이하, 도 9의 흐름도는 도 1의 전자 장치(100)에 의해 수행되는 것으로 설명할 것이나, 도 9의 흐름도는 상술한 각 도의 전자 장치(200, 300, 400, 500, 700, 800)에 의해 수행될 수 있다.
도 9을 참조하면, 단계 S901에서, 전자 장치(100)는 음성 신호를 수신한다.
단계 S902에서, 전자 장치(100)는 수신된 음성 신호에 서로 다른 화자의 음성 신호가 포함되어 있는 지 여부를 판단한다. 서로 다른 화자의 음성 신호가 수신된 것으로 판단되면, 단계 S903에서 전자 장치(100)는 서로 다른 화자의 음성 신호 각각의 특징 정보를 검출한다. 단계 S904에서 전자 장치(100)는 검출된 특징 정보에 기초하여 복수 화자의 발화 내용간의 관계를 판단한다. 단계 S905에서, 전자 장치(100)는 검출된 복수 화자의 발화 내용간의 관계에 기초하여 대응 방식을 결정한다. 단계 S906에서, 전자 장치(100)는 결정된 대응 방식에 따라 전자 장치(100)의 동작을 수행한다.
한편, 단계 S902에서 수신된 음성 신호에 하나의 화자의 음성 신호가 포함되어 있는 것으로 판단되면, 단계 S907에서, 전자 장치(100)는 수신된 음성 신호의 발화 내용에 기초한 동작을 수행한다.
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 및 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
개시된 실시예들은 컴퓨터로 읽을 수 있는 저장 매체(computer-readable storage media)에 저장된 명령어를 포함하는 S/W 프로그램으로 구현될 수 있다.
컴퓨터는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 개시된 실시예에 따른 동작이 가능한 장치로서, 개시된 실시예들에 따른 디바이스(10)를 포함할 수 있다.
컴퓨터로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서,‘비일시적’은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
또한, 개시된 실시예들에 따른 제어 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 전자 장치(100)의 제조사 또는 전자 마켓(예를 들어, 인터넷 기반 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예를 들어, 애플리케이션)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 SW 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.
컴퓨터 프로그램 제품은, 서버 및 전자 장치(100)로 구성되는 시스템에서, 서버의 저장매체 또는 전자 장치(100)의 저장매체를 포함할 수 있다. 또는, 서버 또는 전자 장치(100)와 통신 연결되는 제 3 장치(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제 3 장치의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 전자 장치(100) 또는 제 3 장치로 전송되거나, 제 3 장치로부터 전자 장치(100)로 전송되는 S/W 프로그램 자체를 포함할 수 있다.
이 경우, 서버, 전자 장치(100) 및 제 3 장치 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 전자 장치(100) 및 제 3 장치 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.
예를 들면, 서버(예로, 클라우드 서버 또는 인공 지능 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 전자 장치(100)가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.
또 다른 예로, 제 3 장치가 컴퓨터 프로그램 제품을 실행하여, 제 3 장치와 통신 연결된 전자 장치(100)가 개시된 실시예에 따른 방법을 수행하도록 제어할 수 있다. 제 3 장치가 컴퓨터 프로그램 제품을 실행하는 경우, 제 3 장치는 서버로부터 컴퓨터 프로그램 제품을 다운로드하고, 다운로드 된 컴퓨터 프로그램 제품을 실행할 수 있다. 또는, 제 3 장치는 프리로드 된 상태로 제공된 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수도 있다.
이상과 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims (13)

  1. 전자 장치에 있어서,
    음성 신호를 수신하는 수신부;
    하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 음성 신호를 수신하도록 상기 수신부를 제어하고,
    상기 수신된 음성 신호에 서로 다른 복수 화자의 음성신호가 포함되어 있는지를 판단하고,
    상기 수신된 음성 신호에 상기 서로 다른 복수 화자의 음성 신호가 포함되어 있으면, 각 화자의 음성 신호로부터 특징 정보를 검출하고,
    상기 검출된 특징 정보에 기초하여 상기 서로 다른 복수 화자의 발화 내용 간의 관계가 서로 독립적인 관계인지 서로 비독립적인 관계인지를 판단하고,
    상기 판단된 발화 내용 간의 관계에 기초하여 대응 방식을 결정하고,
    상기 결정된 대응 방식에 따라 상기 전자 장치의 동작이 수행되도록 상기 전자 장치를 제어하고, 및
    상기 서로 다른 복수 화자의 발화 내용이 서로 독립적인 관계를 갖는 것으로 판단됨에 따라, 상기 서로 다른 복수 화자의 발화 내용의 우선 순위 중에서 낮은 우선 순위를 갖는 발화 내용에 대응하는 동작을 적어도 하나의 다른 전자 장치가 수행하도록 상기 적어도 하나의 다른 전자 장치를 제어하는 전자 장치.
  2. 제 1 항에 있어서, 상기 특징 정보는 화자 정보, 화자의 위치, 목소리 크기, 발화 시점, 발화 도메인, 발화 내용, 화자 간의 관계, 이전 화자와 현재 화자 간의 관계중 적어도 하나를 포함하는 전자 장치.
  3. 삭제
  4. 제 1 항에 있어서, 상기 프로세서는, 상기 서로 다른 복수 화자의 발화 내용들이 독립적인 관계를 갖는 것으로 판단됨에 따라, 상기 발화 내용에 대해 우선 순위를 결정하고, 상기 결정된 우선 순위에 따라 상기 대응 방식을 결정하는 전자 장치.
  5. 제 4 항에 있어서, 상기 프로세서는, 상기 서로 다른 복수 화자의 발화 내용들이 독립적인 관계를 가질 때, 상기 서로 다른 복수 화자의 발화 내용 간에 충돌이 발생된 것으로 판단하는 전자 장치.
  6. 제 1 항에 있어서, 상기 프로세서는, 상기 서로 다른 복수 화자의 발화 내용들이 비독립적인 관계를 가지면, 상기 서로 다른 복수 화자의 발화 내용을 결합하고, 상기 결합된 발화 내용에 기초하여 상기 동작을 수행하도록 상기 전자 장치를 제어하는 전자 장치.
  7. 전자 장치에 의한 음성 신호 처리 방법에 있어서,
    상기 전자 장치의 수신부를 통해 음성 신호를 수신하는 단계;
    상기 전자 장치의 프로세서에 의해, 상기 수신되는 음성 신호에 서로 다른 복수 화자의 음성 신호가 포함되어 있는지를 판단하는 단계;
    상기 수신되는 음성 신호에 상기 서로 다른 복수 화자의 음성 신호가 포함되어 있으면, 상기 프로세서에 의해, 각 화자의 음성 신호로부터 특징 정보를 검출하는 단계;
    상기 프로세서에 의해, 상기 검출된 특징 정보에 기초하여 상기 서로 다른 복수 화자의 발화 내용 간의 관계가 서로 독립적인 관계인지 서로 비독립적인 관계인지를 판단하는 단계;
    상기 프로세서에 의해, 상기 판단된 발화 내용 간의 관계에 기초하여 대응 방식을 결정하는 단계;
    상기 프로세서에 의해, 상기 결정된 대응 방식에 따라 상기 전자 장치의 동작이 수행되도록 상기 전자 장치를 제어하는 단계; 및
    상기 프로세서에 의해, 상기 서로 다른 복수 화자의 발화 내용이 서로 독립적인 관계를 갖는 것으로 판단됨에 따라, 상기 서로 다른 복수 화자의 발화 내용의 우선 순위 중에서 낮은 우선 순위를 갖는 발화 내용에 대응하는 동작을 적어도 하나의 다른 전자 장치가 수행하도록 상기 적어도 하나의 다른 전자 장치를 제어하는 단계,
    를 포함하는 음성 신호 처리 방법.
  8. 제 7 항에 있어서, 상기 특징 정보는 화자 정보, 화자의 위치, 목소리 크기, 발화 시점, 발화 도메인, 발화 내용, 화자 간의 관계, 이전 화자와 현재 화자 간의 관계 중 적어도 하나를 포함하는 음성 신호 처리 방법.
  9. 삭제
  10. 제 7 항에 있어서, 상기 서로 다른 복수 화자의 발화 내용들이 독립적인 관계를 가지면,
    상기 대응 방식을 결정하는 단계는,
    상기 서로 다른 복수 화자의 발화 내용에 대해 우선 순위를 결정하는 단계, 및
    상기 결정된 우선 순위에 따라 상기 대응 방식을 결정하는 단계를 포함하는, 음성 신호 처리 방법.
  11. 제 10 항에 있어서, 상기 방법은, 상기 서로 다른 복수 화자의 발화 내용들이 독립적인 관계를 가지면, 상기 서로 다른 복수 화자의 발화 내용 간에 충돌이 발생된 것으로 판단하는 단계를 더 포함하는 음성 신호 처리 방법.
  12. 제 7 항에 있어서, 상기 방법은,
    상기 서로 다른 복수 화자의 발화 내용들이 비독립적인 관계를 가지면,
    상기 서로 다른 복수 화자의 발화 내용을 결합하는 단계;
    상기 결합된 발화 내용에 기초하여 상기 동작을 수행하도록 상기 전자 장치를 제어하는 단계를 포함하는 음성 신호 처리 방법.
  13. 컴퓨터에 의해 실행 가능한 명령어들을 포함하는 프로그램을 기록한 기록 매체에 있어서, 상기 프로그램은
    전자 장치에 의한 음성 신호 처리 방법에 있어서,
    상기 전자 장치의 수신부를 통해 음성 신호를 수신하는 단계;
    상기 전자 장치의 프로세서에 의해, 상기 수신되는 음성 신호에 서로 다른 복수 화자의 음성 신호가 포함되어 있는지를 판단하는 단계;
    상기 수신되는 음성 신호에 상기 서로 다른 복수 화자의 음성 신호가 포함되어 있으면, 상기 프로세서에 의해, 각 화자의 음성 신호로부터 특징 정보를 검출하는 단계;
    상기 프로세서에 의해, 상기 검출된 특징 정보에 기초하여 상기 서로 다른 복수 화자의 발화 내용 간의 관계가 서로 독립적인 관계인지 서로 비독립적인 관계인지를 판단하는 단계;
    상기 프로세서에 의해, 상기 판단된 발화 내용 간의 관계에 기초하여 대응 방식을 결정하는 단계;
    상기 프로세서에 의해, 상기 결정된 대응 방식에 따라 상기 전자 장치의 동작이 수행되도록 상기 전자 장치를 제어하는 단계; 및
    상기 프로세서에 의해, 상기 서로 다른 복수 화자의 발화 내용이 서로 독립적인 관계를 갖는 것으로 판단됨에 따라, 상기 서로 다른 복수 화자의 발화 내용의 우선 순위 중에서 낮은 우선 순위를 갖는 발화 내용에 대응하는 동작을 적어도 하나의 다른 전자 장치가 수행하도록 상기 적어도 하나의 다른 전자 장치를 제어하는 단계,
    를 포함하는 것을 특징으로 하는 기록 매체.
KR1020170175339A 2017-12-19 2017-12-19 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치 KR102528466B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020170175339A KR102528466B1 (ko) 2017-12-19 2017-12-19 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치
US16/755,383 US11495222B2 (en) 2017-12-19 2018-11-13 Method for processing voice signals of multiple speakers, and electronic device according thereto
PCT/KR2018/013821 WO2019124742A1 (ko) 2017-12-19 2018-11-13 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치
US17/975,074 US20230040938A1 (en) 2017-12-19 2022-10-27 Method for processing voice signals of multiple speakers, and electronic device according thereto

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170175339A KR102528466B1 (ko) 2017-12-19 2017-12-19 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치

Publications (2)

Publication Number Publication Date
KR20190074012A KR20190074012A (ko) 2019-06-27
KR102528466B1 true KR102528466B1 (ko) 2023-05-03

Family

ID=66993719

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170175339A KR102528466B1 (ko) 2017-12-19 2017-12-19 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치

Country Status (3)

Country Link
US (2) US11495222B2 (ko)
KR (1) KR102528466B1 (ko)
WO (1) WO2019124742A1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102528466B1 (ko) * 2017-12-19 2023-05-03 삼성전자주식회사 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치
JP7392259B2 (ja) * 2018-12-04 2023-12-06 日本電気株式会社 学習支援装置、学習支援方法およびプログラム
CN109875515B (zh) * 2019-03-25 2020-05-26 中国科学院深圳先进技术研究院 一种基于阵列式表面肌电的发音功能评估系统
KR102190986B1 (ko) * 2019-07-03 2020-12-15 주식회사 마인즈랩 개별 화자 별 음성 생성 방법
JP7534076B2 (ja) * 2019-09-10 2024-08-14 株式会社Subaru 車両用制御装置
KR20220056593A (ko) * 2020-10-28 2022-05-06 주식회사 아모센스 음성을 처리할 수 있는 모바일 단말기 및 이의 작동 방법
CN111710341B (zh) * 2020-07-31 2023-04-07 上海依图信息技术有限公司 语音切割点检测方法及其装置、介质和电子设备
KR102588212B1 (ko) * 2020-11-10 2023-10-13 한국전자통신연구원 Zero UI 기반 자동 통역 시스템 및 방법
US11977855B2 (en) 2020-11-10 2024-05-07 Electronics And Telecommunications Research Institute System and method for automatic speech translation based on zero user interface
WO2022115803A1 (en) * 2020-11-30 2022-06-02 The Regents Of The University Of California Systems and methods for sound-enhanced meeting platforms
KR102584436B1 (ko) * 2021-01-05 2023-10-05 한국전자통신연구원 화자분리 기반 자동통역 서비스를 제공하는 시스템, 사용자 단말 및 방법
US11893985B2 (en) * 2021-01-15 2024-02-06 Harman International Industries, Incorporated Systems and methods for voice exchange beacon devices
JP2023007792A (ja) * 2021-07-02 2023-01-19 東芝テック株式会社 画像形成装置
CN115388514B (zh) * 2022-08-26 2024-06-25 珠海格力电器股份有限公司 语音播报方法、装置、空调器及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100881243B1 (ko) * 2002-03-28 2009-02-05 후지쯔 가부시끼가이샤 기기 제어 장치 및 기기 제어 방법
US20150149182A1 (en) * 2013-11-27 2015-05-28 Sri International Sharing Intents to Provide Virtual Assistance in a Multi-Person Dialog
JP2017009825A (ja) * 2015-06-23 2017-01-12 トヨタ自動車株式会社 会話状況分析装置および会話状況分析方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100779242B1 (ko) 2006-09-22 2007-11-26 (주)한국파워보이스 음성 인식/화자 인식 통합 시스템에서의 화자 인식 방법
KR101081972B1 (ko) 2008-12-17 2011-11-09 한국전자통신연구원 하이브리드 특징벡터 처리 방법 및 이를 이용한 화자 인식 방법과 장치
KR101160071B1 (ko) 2009-12-01 2012-06-26 (주)에이치씨아이랩 다중인식 음성 인터페이스장치 및 그 방법
KR101330671B1 (ko) * 2012-09-28 2013-11-15 삼성전자주식회사 전자장치, 서버 및 그 제어방법
KR20170049817A (ko) * 2015-10-29 2017-05-11 주식회사 엘지유플러스 홈 네트워크에서 음성 인식을 위한 음성 인식 디바이스 및 그 동작 방법
US9818431B2 (en) * 2015-12-21 2017-11-14 Microsoft Technoloogy Licensing, LLC Multi-speaker speech separation
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
KR102528466B1 (ko) * 2017-12-19 2023-05-03 삼성전자주식회사 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100881243B1 (ko) * 2002-03-28 2009-02-05 후지쯔 가부시끼가이샤 기기 제어 장치 및 기기 제어 방법
US20150149182A1 (en) * 2013-11-27 2015-05-28 Sri International Sharing Intents to Provide Virtual Assistance in a Multi-Person Dialog
JP2017009825A (ja) * 2015-06-23 2017-01-12 トヨタ自動車株式会社 会話状況分析装置および会話状況分析方法

Also Published As

Publication number Publication date
WO2019124742A1 (ko) 2019-06-27
US11495222B2 (en) 2022-11-08
KR20190074012A (ko) 2019-06-27
US20230040938A1 (en) 2023-02-09
US20210210086A1 (en) 2021-07-08

Similar Documents

Publication Publication Date Title
KR102528466B1 (ko) 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치
US11687319B2 (en) Speech recognition method and apparatus with activation word based on operating environment of the apparatus
US10803869B2 (en) Voice enablement and disablement of speech processing functionality
KR102655628B1 (ko) 발화의 음성 데이터를 처리하는 방법 및 장치
US10462545B2 (en) Voice activated electronic device
CN106463114B (zh) 信息处理设备、控制方法及程序存储单元
EP3533052B1 (en) Speech recognition method and apparatus
EP3608906B1 (en) System for processing user voice utterance and method for operating same
KR20190096618A (ko) 전자 장치 및 전자 장치의 기능 실행 방법
WO2019213443A1 (en) Audio analytics for natural language processing
KR20200073733A (ko) 전자 장치의 기능 실행 방법 및 이를 사용하는 전자 장치
US11817097B2 (en) Electronic apparatus and assistant service providing method thereof
US10671343B1 (en) Graphical interface to preview functionality available for speech-enabled processing
KR20180054362A (ko) 사용자의 음성 입력을 인식하는 방법 및 장치
US20200264839A1 (en) Method of providing speech recognition service and electronic device for same
KR20190096308A (ko) 전자기기
US20200143807A1 (en) Electronic device and operation method thereof
US11830501B2 (en) Electronic device and operation method for performing speech recognition
KR20200051462A (ko) 전자 장치 및 그 동작방법
CN118215913A (zh) 用于提供与查询语句相关的搜索结果的电子设备和方法
KR20200016774A (ko) 사용자 음성 발화를 처리하기 위한 시스템 및 그의 동작 방법
KR102496617B1 (ko) 영상 표시 장치 및 영상 표시 방법
US11710495B2 (en) Device for outputting sound and method therefor
KR20200040562A (ko) 사용자 발화를 처리하기 위한 시스템
US10649725B1 (en) Integrating multi-channel inputs to determine user preferences

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant