KR102540178B1 - 음성 인식 결과를 편집하는 방법 - Google Patents
음성 인식 결과를 편집하는 방법 Download PDFInfo
- Publication number
- KR102540178B1 KR102540178B1 KR1020220113895A KR20220113895A KR102540178B1 KR 102540178 B1 KR102540178 B1 KR 102540178B1 KR 1020220113895 A KR1020220113895 A KR 1020220113895A KR 20220113895 A KR20220113895 A KR 20220113895A KR 102540178 B1 KR102540178 B1 KR 102540178B1
- Authority
- KR
- South Korea
- Prior art keywords
- word
- target word
- information
- text
- text information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000003860 storage Methods 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 13
- 230000001360 synchronised effect Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000036961 partial effect Effects 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 description 116
- 230000006870 function Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- 230000001915 proofreading effect Effects 0.000 description 8
- 238000000926 separation method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013498 data listing Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000000415 inactivating effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- G10L17/00—Speaker identification or verification
- G10L17/06—Decision making techniques; Pattern matching strategies
- G10L17/14—Use of phonemic categorisation or speech recognition prior to speaker recognition or verification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3338—Query expansion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- 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
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04842—Selection of displayed objects or displayed text elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/151—Transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/04—Segmentation; Word boundary detection
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification
- 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 OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- 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
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/57—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for processing of video signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/4302—Content synchronisation processes, e.g. decoder synchronisation
- H04N21/4307—Synchronising the rendering of multiple content streams or additional data on devices, e.g. synchronisation of audio on a mobile phone with the video output on the TV screen
Abstract
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 음성 인식 결과를 편집하는 방법이 개시된다. 상기 방법은, 음성 인식에 의해 생성된 텍스트 정보에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트를 표시하는 단계; 상기 단어 리스트 내에서 타겟(target) 단어를 결정하는 단계; 및 상기 텍스트 정보 내에서 상기 타겟 단어에 대응하는 영역을 표시하는 단계를 포함하고, 상기 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함할 수 있다.
Description
본 발명은 음성 인식 결과를 편집하는 방법에 관한 것으로, 보다 구체적으로 음성 인식(STT) 결과로 출력된 텍스트를 편집하는 기술에 관한 것이다.
음성 인식(STT; Speech To Text)모델에서 출력한 텍스트는 불완전하므로, 사용자가 음성 인식(STT) 서비스를 제공받아 실제로 활용하기 위해서는 교정이 필수적이다. 또한, 사용자가 자신의 목적에 맞게 편집(예컨대, 밑줄, 굵게, 기울임 등)하고, 이를 반영하여 외부 프로그램(예컨대, MS word 등)으로 변환 또는 추출(export)할 수 있다면 음성 인식(STT) 서비스의 효용성이 증대될 수 있다.
특히, 사용자가 음성 인식(STT) 수행 결과에 대해 직접 편집하는 과정에서, 키워드를 찾고, 현재 재생중인 음성 스팟(spot)에 대응하는(synchronized) 텍스트가 표시된다면 사용성이 증대될 수 있다. 또한 음성 인식(STT) 수행 결과가 불완전하므로 발음이 유사한 단어를 한 번에 검색하여 고칠 수 있다면 사용성이 향상될 수 있을 것이다.
대한민국 등록특허 제10-2361831호(2022.02.08)는 음성 인식에 기반하여 문서의 편집을 수행하는 방법 및 이를 이용한 장치에 관하여 개시한다.
본 개시는, 음성 인식(STT) 서비스를 제공함에 있어 사용자의 사용성을 개선하는 것을 목적으로 한다. 예를 들어, 본 개시는, 불완전한 음성 인식(STT) 결과 텍스트에 대해 사용자가 직접 교정 및 편집을 수행할 수 있고, 교정 및 편집을 반영하여 외부 프로그램으로 변환 또는 추출(export)할 수 있고, 키워드 표시, 텍스트-음성 싱크(sync), 유사 단어 일괄 검색 등을 통해 사용자가 음성 인식(STT) 결과 텍스트를 교정 및 편집함에 있어 사용성이 개선될 수 있는, 음성 인식 결과를 편집하는 방법을 제공하는 것을 목적으로 한다.
한편, 본 개시가 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 포함될 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 방법이 개시된다. 상기 방법은, 음성 인식에 의해 생성된 텍스트 정보에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트를 표시하는 단계; 상기 단어 리스트 내에서 타겟(target) 단어를 결정하는 단계; 및 상기 텍스트 정보 내에서 상기 타겟 단어에 대응하는 영역을 표시하는 단계를 포함하고, 상기 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함할 수 있다.
대안적으로, 상기 방법은, 상기 타겟 단어에 대응되는 영역이 선택되는 경우, 상기 음성 인식의 대상인 원본 음성의 음성 프레임들 중 상기 타겟 단어에 대응되는 영역과 동기화될 수 있는 음성 프레임에 관한 정보를 함께 표시하는 단계를 더 포함할 수 있다.
대안적으로, 상기 음성 인식은 동영상에 포함된 음성에 대해 수행되고, 상기 방법은, 상기 타겟 단어에 대응되는 영역이 선택되는 경우, 상기 동영상의 영상 프레임들 중 상기 타겟 단어에 대응되는 영역과 동기화될 수 있는 영상 프레임에 관한 정보를 함께 표시하는 단계를 더 포함할 수 있다.
대안적으로, 상기 방법은, 사용자 인터페이스를 통해 수신한 입력 정보에 기초하여, 상기 텍스트 정보 내의 적어도 하나의 단어에 대한 교정을 수행하는 단계; 및 상기 사용자 인터페이스를 통해 수신한 입력 정보에 기초하여, 상기 텍스트 정보 내의 일부 영역에 대한 표시 방식을 변경하는 단계를 더 포함할 수 있다.
대안적으로, 상기 방법은, 상기 적어도 하나의 단어에 대한 교정 및 상기 일부 영역에 대한 표시 방식의 변경이 반영된, 수정된 텍스트 정보를 외부 프로그램을 위한 포맷으로 변환하는 단계를 더 포함할 수 있다.
대안적으로, 상기 방법은, 사용자 인터페이스를 통해 검색 대상 단어를 입력 받는 단계; 상기 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정하는 단계; 및 상기 텍스트 정보 내에서 상기 검색 대상 단어 및 상기 추가 검색 대상 단어를 모두 검색하는 단계를 더 포함할 수 있다.
대안적으로, 상기 방법은, 상기 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정하는 단계는, 편집 거리 분석에 기초하여, 상기 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정하는 단계를 포함할 수 있다.
대안적으로, 상기 방법은, 상기 편집 거리 분석에 기초하여, 상기 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정하는 단계는, 상기 검색 대상 단어와 연관된 편집 거리에 대한 임계치(threshold)를 결정하는 단계; 상기 텍스트 정보에 포함된 단어들 중 상기 검색 대상 단어와의 편집 거리가 상기 임계치 이하인 단어를 결정하는 단계; 및 상기 결정된 단어를 상기 추가 검색 대상 단어로서 결정하는 단계를 포함할 수 있다.
대안적으로, 상기 방법은, 상기 텍스트 정보와 관련하여 설정된 요약 범위, 상기 텍스트 정보에 대한 화자 정보, 또는 상기 텍스트 정보에 대한 주제(topic) 정보 중 적어도 하나에 기초하여, 상기 텍스트 정보에 대한 요약 정보를 생성하는 단계를 더 포함할 수 있다.
대안적으로, 상기 요약 정보를 생성하는 단계는, 요약 대상 텍스트들의 타입이 산문형 타입인지 아니면 대화형 타입인지를 결정하는 단계; 및 상기 결정된 타입에 따라 요약 알고리즘을 달리 적용하는 단계를 포함할 수 있다.
대안적으로, 상기 요약 정보를 생성하는 단계는, 요약 결과의 길이에 관한 설정 정보를 수신하는 단계; 및 상기 요약 결과의 길이에 관한 설정 정보에 기초하여, 요약 결과에 포함된 문단 수, 문장 수, 또는 단어 수 중 적어도 하나를 결정하는 단계를 포함할 수 있다.
대안적으로, 상기 방법은, 상기 텍스트 정보에 포함된 텍스트들을 화자 별로 분리하는 단계; 및 분리된 텍스트와 연관된 화자의 명칭을 결정 또는 수정하는 단계를 더 포함할 수 있다.
대안적으로, 상기 분리된 텍스트와 연관된 화자에 대한 명칭을 결정 또는 수정하는 단계는, 선행 텍스트 부분과 관련하여 결정 또는 수정된 화자의 목록을 표시하는 단계; 상기 표시된 화자의 목록 중 확률이 가장 높은 화자를 추가로 표시하는 단계; 및 사용자 인터페이스에 기초하여, 상기 분리된 텍스트와 연관된 화자의 명칭을 최종적으로 결정 또는 수정하는 단계를 포함할 수 있다.
대안적으로, 상기 방법은, 상기 텍스트 정보 내에 포함된 적어도 하나의 단어를 선택하는 사용자 입력 정보를 수신하는 단계; 및 상기 음성 인식과 관련된 정보 또는 외부 서버와의 연동 정보 중 적어도 하나에 기초하여, 상기 선택된 단어를 대체하기 위한 후보 단어를 표시하는 단계를 더 포함할 수 있다.
대안적으로, 상기 선택된 단어를 대체하기 위한 후보 단어를 표시하는 단계는, 상기 선택된 단어에 대응되는 음성 신호 부분을 식별하는 단계; 상기 음성 인식 과정에서 상기 식별된 음성 신호 부분의 예측과 관련하여 고려되었던 다른 예측 단어를 식별하는 단계; 및 상기 식별된 다른 예측 단어를 상기 후보 단어로서 표시하는 단계를 포함할 수 있다.
대안적으로, 상기 방법은, 상기 음성 인식과 관련하여, 상기 텍스트 정보에 포함된 단어들 각각의 신뢰도를 산출하는 단계; 상기 텍스트 정보에 포함된 단어들 중 신뢰도가 임계치 이하인 단어를 식별하는 단계; 및 상기 식별된 단어를 구별하여 표시하는 단계를 더 포함할 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 음성 인식 결과를 편집하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은: 음성 인식에 의해 생성된 텍스트 정보에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트를 표시하는 동작; 상기 단어 리스트 내에서 타겟 단어를 결정하는 동작; 및 상기 텍스트 정보 내에서 상기 타겟 단어에 대응하는 영역을 표시하는 동작을 포함하고, 상기 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함할 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 컴퓨팅 장치가 개시된다. 상기 장치는, 적어도 하나의 코어를 포함하는 프로세서; 및 메모리를 포함하고, 상기 적어도 하나의 프로세서는, 음성 인식에 의해 생성된 텍스트 정보에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트를 표시하고; 상기 단어 리스트 내에서 타겟 단어를 결정하고; 그리고 상기 텍스트 정보 내에서 상기 타겟 단어에 대응하는 영역을 표시하도록 구성되고, 상기 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함할 수 있다.
본 개시는, 음성 인식(STT) 서비스를 제공함에 있어 사용자의 사용성을 개선할 수 있다. 예를 들어, 본 개시는, 불완전한 음성 인식(STT) 결과 텍스트에 대해 사용자가 직접 교정 및 편집을 수행할 수 있고, 교정 및 편집을 반영하여 외부 프로그램으로 변환할 수 있고, 키워드 표시, 텍스트-음성 싱크(sync), 유사 단어 일괄 검색 등을 통해 사용자가 음성 인식(STT) 결과 텍스트를 교정 및 편집함에 있어 사용성이 개선될 수 있는, 음성 인식 결과를 편집하는 방법을 제공할 수 있다.
한편, 본 개시의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 본 개시의 일 실시예에 따른 음성 인식 결과를 편집하기 위한 컴퓨팅 장치의 블록 구성도이다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타내는 개략도이다.
도 3은 본 개시의 일 실시예에 따른 음성 인식 결과 텍스트 편집기를 표시하는 사용자 인터페이스 화면을 예시한 도면이다.
도 4는 본 개시의 일 실시예에 따른 음성 프레임에 관한 정보를 표시하는 사용자 인터페이스 화면을 예시한 도면이다.
도 5는 본 개시의 일 실시예에 따른 영상 프레임에 관한 정보를 표시하는 사용자 인터페이스 화면을 예시한 도면이다.
도 6은 본 개시의 일 실시예에 따른 사용자 교정 및 편집 반영을 표시하는 사용자 인터페이스 화면을 예시한 도면이다.
도 7은 본 개시의 일 실시예에 따른 수정된 텍스트 정보를 외부 프로그램의 포맷으로 변환하기 위한 사용자 인터페이스 화면을 예시한 도면이다.
도 8은 본 개시의 일 실시예에 따른 수정된 텍스트 정보를 외부 프로그램으로 변환한 결과이다.
도 9는 본 개시의 일 실시예에 따른 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정하는 사용자 인터페이스 화면을 예시한 도면이다.
도 10은 본 개시의 일 실시예에 따른 텍스트 정보에 대한 요약 정보를 생성하여 표시한 사용자 인터페이스 화면을 예시한 도면이다.
도 11은 본 개시의 일 실시예에 따른 음성 인식 결과를 편집하는 방법에 대한 개략적인 흐름도이다.
도 12는 본 개시의 일 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타내는 개략도이다.
도 3은 본 개시의 일 실시예에 따른 음성 인식 결과 텍스트 편집기를 표시하는 사용자 인터페이스 화면을 예시한 도면이다.
도 4는 본 개시의 일 실시예에 따른 음성 프레임에 관한 정보를 표시하는 사용자 인터페이스 화면을 예시한 도면이다.
도 5는 본 개시의 일 실시예에 따른 영상 프레임에 관한 정보를 표시하는 사용자 인터페이스 화면을 예시한 도면이다.
도 6은 본 개시의 일 실시예에 따른 사용자 교정 및 편집 반영을 표시하는 사용자 인터페이스 화면을 예시한 도면이다.
도 7은 본 개시의 일 실시예에 따른 수정된 텍스트 정보를 외부 프로그램의 포맷으로 변환하기 위한 사용자 인터페이스 화면을 예시한 도면이다.
도 8은 본 개시의 일 실시예에 따른 수정된 텍스트 정보를 외부 프로그램으로 변환한 결과이다.
도 9는 본 개시의 일 실시예에 따른 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정하는 사용자 인터페이스 화면을 예시한 도면이다.
도 10은 본 개시의 일 실시예에 따른 텍스트 정보에 대한 요약 정보를 생성하여 표시한 사용자 인터페이스 화면을 예시한 도면이다.
도 11은 본 개시의 일 실시예에 따른 음성 인식 결과를 편집하는 방법에 대한 개략적인 흐름도이다.
도 12는 본 개시의 일 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안 된다.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
본 개시에서 네트워크 함수와 인공 신경망 및 뉴럴 네트워크(neural network)는 상호교환 가능하게 사용될 수 있다.
도 1은 본 개시의 일 실시예에 따른 음성 인식 결과를 편집하기 위한 컴퓨팅 장치의 블록 구성도이다.
도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.
컴퓨팅 장치(100)는 프로세서(110), 메모리(130), 네트워크부(150)를 포함할 수 있다.
프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 개시의 일실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 음성 인식(STT) 결과로 출력된 텍스트를 사용자가 직접 편집할 수 있는 사용자 인터페이스를 제공할 수 있다. 구체적으로, 프로세서(110)는 음성 인식(STT) 결과 텍스트에 대해 키워드 표시 기능, 음성-텍스트 간 동기화(Synchronization) 기능, 유사 단어 일괄 검색 기능, 사용자 편집 내용 반영하여 변환 또는 추출(export)하는 기능, 음성 인식 결과 텍스트에서 신뢰도(confidence)가 낮은 텍스트를 강조하는 기능, 사용자가 결과 텍스트의 단어를 선택하면 해당 단어에 대한 다른 후보 단어들을 제안하는 기능 등이 가능한 사용자 편집기를 제공할 수 있다. 즉, 프로세서(110)는 음성 인식 수행 결과 텍스트를 사용자 인터페이스를 통해 제공하고, 사용자의 교정 및 편집에 있어 사용성을 개선하고, 사용자의 편리함을 향상시켜줄 수 있다.
본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 저장할 수 있다.
본 개시의 일 실시예에 따르면, 메모리(130)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(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), 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. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 네트워크부(150)는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.
또한, 본 명세서에서 제시되는 네트워크부(150)는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.
본 개시에서 네트워크부(150)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(LAN: Local Area Network), 개인 통신망(PAN: Personal Area Network), 광역 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.
본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타낸 개략도이다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에서 네트워크 함수는 오토 인코더(autoencoder)를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 차원과 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.
뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 반교사학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.
뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링 되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.
본 개시의 일 실시예에 따르면, 이하에서 설명되는 음성 인식(STT or ASR; Speech To Text, or Automatic Speech Recognition)은 음성을 텍스트로 바꾸는 받아쓰기 기술이다. 이러한 음성 인식(STT)의 입력(Input)은 음성 신호, 음성 신호를 변환한 스펙트로그램(spectrogram) 또는 음성 특징(feature) 중 적어도 어느 하나를 포함할 수 있다. 또한, 음성 인식(STT)의 출력(Output)은 문자열 형태의 텍스트이다. 한편, 음성 인식(STT) 모델은 위에서 살펴본 신경망 모델을 포함하는 다양한 형태의 모델로 구현될 수 있다. 또한, 음성 인식(STT) 모델은 구현된 방식에 따라 모듈화된 방식과 모듈화되지 않은 end-to-end(e2e) 방식으로 나누어질 수 있다. 여기서, 모듈화된 방식은 음향 모델(음성신호가 어떤 형태로 표현될 수 있는지를 나타내는 모델), 언어 모델(주어진 문장 및 단어를 바탕으로 단어에 발생 확률을 부여하는 모델), 발음사전 등으로 나누어 음성인식을 수행하는 전통적인 방식의 모델(예컨대, Kaldi toolkit 기반 ASR 중 일부 모델, Hybrid-ASR 모델 등) 등을 포함할 수 있으나 이에 한정되는 것은 아니다. 반면, 모듈화되지 않은 방식은 주로 e2e 모델(예컨대, transformer-based encoder decoder 모델 등)을 의미하며, 하위 모듈을 두지 않으면서 많은 데이터를 학습시켜 모델이 생성될 수 있다. 한편, 디코딩(Decoding) 기법에는 빔 서치(Beam Search) 기법이 대표적이며, 빔 서치 기법은, 상황에 맞춰 제일 정답에 가까운 단어 하나만 예측하는 것이 아니라, 다양한 가능성을 열어 두고 문장 전체를 고려하여 가장 최적의 정답을 찾아내는 방법이다.
본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 입력 장치를 통해 사용자로부터 교정 및 편집에 대한 입력과 검색할 단어에 대한 입력 등을 수신할 수 있는 입력 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 음성 인식 수행 결과 텍스트, 사용자가 수정한 교정 및 편집이 반영된 텍스트, 단어 리스트, 단어 검색 창 등을 디스플레이하는 디스플레이 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 단어 리스트를 표시하고, 단어 리스트 내에서 타겟 단어를 결정(또는 검색)할 수 있는 단어 표시 및 검색 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 사용자가 음성 인식 결과 텍스트나 음성 재생 바(bar)에서 어딘가를 클릭하면, 싱크(sync)에 따라 음성 재생 바 또는 음성 인식 결과 텍스트에 대응하는 곳을 표시하는 텍스트-음성 sync 표시 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 음성 인식을 수행하기 위한 파일이 동영상 파일인지 판단하고, 동영상 파일인 경우에는 사용자 입력에 따라 동영상 파일의 이미지 프레임을 음성 인식 결과 텍스트 및 음성과 싱크(sync)를 맞춰주는 텍스트-동영상 sync 표시 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 사용자가 음성 인식 결과 텍스트에 대해 교정하거나 편집한 사항을 반영하는 사용자 교정 및 편집 반영 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 사용자의 교정 및 편집을 텍스트에 반영하여 외부 프로그램으로 내보내기를 수행하는 변환 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 사용자가 검색한 단어와 유사한 단어를 음성 인식 결과 텍스트 중에서 찾아주는 유사 단어 검색 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 텍스트 정보와 관련하여 설정된 요약 범위, 텍스트 정보에 대한 화자 정보, 또는 상기 텍스트 정보에 대한 주제(topic) 정보 중 적어도 하나에 기초하여, 텍스트 정보에 대한 요약 정보를 생성하는 요약 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 선택된 단어에 대응하여 음성 인식과 관련된 정보 또는 외부 서버와의 연동 정보 중 적어도 하나에 기초하여, 선택된 단어를 대체하기 위한 후보 단어를 표시하는 후보 단어 제안 모듈을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 음성 인식과 관련하여, 텍스트 정보에 포함된 단어들 각각의 신뢰도를 산출하여 신뢰도가 임계치 이하인 단어를 식별하여 표시하는 신뢰도 표시 모듈을 포함할 수 있다. 한편, 이러한 컴퓨팅 장치(100)에 포함될 수 있는 복수의 모듈들은, 프로세서(110)에 의해 제어되거나, 또는 프로세서(110)의 동작에 의해 구현될 수 있다. 또한, 음성 인식 결과의 편집과 관련하여 컴퓨팅 장치(100)에 포함될 수 있는 모듈들은, 이상에서 살핀 복수의 모듈들로 한정되는 것이 아니며, 추가적인 모듈들이 포함될 수 있다. 이하에서 도 3 내지 도 10을 통해 음성 인식 결과를 편집하기 위한 예시적인 복수의 모듈에 대해 보다 구체적으로 설명하기로 한다.
도 3은 본 개시의 일 실시예에 따른 음성 인식 결과 텍스트 편집기를 표시하는 사용자 인터페이스 화면을 예시한 도면이다. 일 예로, 도 3은 단어 리스트를 표시하고, 단어 리스트 내에서 타겟 단어를 결정(또는 검색)할 수 있는 단어 표시 및 검색 모듈을 설명하기 위한 도면이다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 음성 인식에 의해 생성된 텍스트 정보(A)에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트(B)를 표시할 수 있다. 여기서, 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 프로세서(110)는, 사용자 계정 별로 미리 설정된 키워드 정보에 기초하여, 음성 인식 결과 텍스트 정보(A) 중에서 키워드에 해당하는 단어 리스트를 표시할 수 있다. 또한, 프로세서(110)는, 음성 인식 결과 텍스트 정보(A) 내에서, 출현 빈도가 미리 설정된 임계치를 초과하는 단어들을 식별할 수 있으며, 식별된 단어들에 대한 단어 리스트(B)를 표시할 수 있다. 또한, 프로세서(110)는 단어 리스트(B) 내에서 타겟(target) 단어(C)를 결정할 수 있다. 또한, 프로세서(110)는 텍스트 정보(A) 내에서 타겟 단어(C)에 대응하는 영역을 표시(D)할 수 있다. 예를 들어, 도 3을 참조하면, 프로세서(110)는 단어 리스트(B)에 포함된 단어인 "음성, 텍스트, 받아쓰기, 정확도, 인공지능, 변환, 녹음 파일" 중 사용자 입력에 따라 타겟 단어(C)를 "인공지능"으로 결정하고, 음성 인식 결과 텍스트 정보(A) 중 타겟 단어(C)를 검출하고, 미리 결정된 방식(예컨대, 하이라이트 등)으로 타겟 단어(C)에 대응하는 영역을 표시(D)할 수 있다.
도 4는 본 개시의 일 실시예에 따른 음성 프레임에 관한 정보를 표시하는 사용자 인터페이스 화면을 예시한 도면이다. 일 예로, 도 4는 사용자가 음성 인식 결과 텍스트나 음성 재생 바(bar)에서 어딘가를 클릭하면, 싱크(sync)에 따라 음성 재생 바 또는 음성 인식 결과 텍스트에 대응하는 곳을 표시하는 텍스트-음성 sync 표시 모듈을 설명하기 위한 도면이다.
본 개시의 일 실시예에 따르면 프로세서(110)는 상기 타겟 단어에 대응되는 영역이 선택되는 경우, 상기 음성 인식의 대상인 원본 음성의 음성 프레임들 중 상기 타겟 단어에 대응되는 영역과 동기화될 수 있는 음성 프레임에 관한 정보를 함께 표시할 수 있다. 또한, 프로세서(110)는 음성 인식 결과 중 타겟 단어 이외의 영역이 선택되는 경우에도, 음성 인식의 대상인 원본 음성의 음성 프레임들 중 선택된 단어에 대응되는 영역과 동기화될 수 있는 음성 프레임에 관한 정보를 함께 표시할 수 있다. 예를 들어, 사용자가 사용자 인터페이스를 통해 음성 인식에 의해 생성된 텍스트 정보(A) 또는 음성 재생 바(F) 중 어느 하나를 선택한 경우, 음성-텍스트 간 싱크(sync)에 따라 음성 재생 바(F) 및 음성 인식에 의해 생성된 텍스트(E) 상에서 서로 대응되는 부분이 각각 표시될 수 있다. 이때, 프로세서(110)는 E에 표시된 바와 같이, 음성 인식에 의해 생성된 텍스트 정보(A) 내에서 싱크된 부분을 구분하기 위해, 싱크된 부분에 색 변경 등을 적용할 수 있다.
도 5는 본 개시의 일 실시예에 따른 영상 프레임에 관한 정보를 표시하는 사용자 인터페이스 화면을 예시한 도면이다. 일례로, 도 5는, 음성 인식을 수행하기 위한 파일이 동영상 파일인지 판단하고, 동영상 파일인 경우에는 사용자 입력에 따라 동영상 파일의 이미지 프레임을 음성 인식 결과 텍스트 및 음성과 싱크(Sync)를 맞춰주는 텍스트-동영상 sync 표시 모듈을 설명하기 위한 도면이다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 음성 인식의 수행에 앞서 음성 인식을 수행하기 위한 파일이 동영상 파일인지 음성 파일인지 판단할 수 있다. 또한, 프로세서(110)는 해당 파일이 동영상인 경우, 동영상에 포함된 음성에 대해 음성 인식을 수행할 수 있다. 또한, 프로세서(110)는 타겟 단어에 대응되는 영역이 선택되는 경우, 상기 동영상의 영상 프레임들 중 상기 타겟 단어에 대응되는 영역과 동기화될 수 있는 영상 프레임에 관한 정보를 함께 표시할 수 있다. 또한, 프로세서(110)는 음성 인식에 의해 생성된 텍스트 정보에 포함된 (타겟 단어 이외의) 복수의 단어 중 어느 하나의 단어에 대응되는 영역이 선택되는 경우, 동영상의 영상 프레임들 중 선택된 단어에 대응되는 영역과 동기화될 수 있는 영상 프레임에 관한 정보를 함께 표시할 수 있다. 일례로, 도 5를 참조하면, 프로세서(110)는, 음성 인식 결과 텍스트 정보 중 특정 텍스트 영역(I)이 선택되는 경우, 동영상의 영상 프레임들 중 선택된 텍스트 영역(I)과 동기화될 수 있는 영상 프레임에 관한 정보를, 재생 바(G) 또는 해당 영상 프레임의 실제 화면(H) 등을 통해 표시할 수 있다. 반대로, 프로세서(110)는, 동영상의 영상 프레임들 중 특정 영상 프레임이 재생 바(G) 등을 통해 선택되는 경우, 음성 인식 결과 텍스트 정보 중 선택된 영상 프레임과 동기화될 수 있는 텍스트 영역(I)을 표시할 수도 있다.
도 6은 본 개시의 일 실시예에 따른 사용자 교정 및 편집 반영을 표시하는 사용자 인터페이스 화면을 예시한 도면이다. 일례로, 도 6은 사용자가 사용자 인터페이스를 통해 음성 인식 결과 텍스트에 대해 교정하거나 편집한 사항을 반영하는 사용자 교정 및 편집 반영 모듈을 설명하기 위한 도면이다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 사용자 인터페이스를 통해 수신한 입력 정보에 기초하여, 텍스트 정보 내의 적어도 하나의 단어에 대한 교정을 수행할 수 있다. 또한, 프로세서(110)는 사용자 인터페이스를 통해 수신한 입력 정보에 기초하여, 텍스트 정보 내의 일부 영역에 대한 표시 방식을 변경할 수 있다. 표시 방식은, 볼드, 밑줄, 기울임 등을 포함할 수 있다. 예를 들어, 도 6의 J 영역을 참조하면, 사용자가 사용자 인터페이스를 통해 K에 도시된 바와 같이 "아마 내용을 다시 확인하려면 시간도 오래 걸리고 불편하기 때문일겁니다"에 대한 내용을 교정한 경우, 해당 텍스트를 볼드 처리로 표시 방식을 변경할 수 있다. 또한, 프로세서(110)는 K에 도시된 바와 같이 화자 분리가 적용된 경우 화자 이름을 사용자 인터페이스를 통해 직접 입력 받을 수도 있다. 예를 들어, 프로세서(110)는, 원본 음성에 대한 스펙트로그램의 타입 분석, 원본 음성에 포함된 복수의 음성 신호들의 크기, 진폭, 주파수 등에 관한 분석, 원본 음성에 대한 통계적 음향 모델을 활용한 분석 등에 기초하여, 원본 음성에 복수의 화자들이 존재하는 것을 식별할 수 있고, 음성 인식 결과 텍스트 정보를 복수의 부분으로 분리한 뒤에 분리된 부분이 서로 상이한 화자들에 의해 발화된 부분이라는 것을 표시할 수 있으며, 구별된 화자들에 대한 화자 이름 정보를 사용자 인터페이스를 통해 입력 받을 수도 있다.
도 7은 본 개시의 일 실시예에 따른 수정된 텍스트 정보를 외부 프로그램의 포맷으로 변환하기 위한 사용자 인터페이스 화면을 예시한 도면이고, 도 8은 본 개시의 일 실시예에 따른 수정된 텍스트 정보를 외부 프로그램으로 변환한 결과이다. 일례로, 도 7 및 도 8은 사용자의 교정 및 편집을 텍스트에 반영하여 외부 프로그램으로 내보내기를 수행하는 변환 모듈을 설명하기 위한 도면이다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 적어도 하나의 단어에 대한 교정 및 일부 영역에 대한 표시 방식의 변경이 반영된, 수정된 텍스트 정보를 외부 프로그램을 위한 포맷으로 변환 또는 추출할 수 있다. 일례로, 프로세서(110)는 사용자 인터페이스를 통해 변환 버튼(L)을 선택한 입력 정보를 수신하는 경우, 외부 프로그램을 위한 포맷으로 변환 또는 추출을 수행할 수 있다. 예를 들어, 외부 프로그램은 hwp, MS word, txt, smi, srt 및 xmi 등을 포함할 수 있다. 달리 말해, 프로세서(110)는 도 6에 도시된 사용자 교정 및 편집 반영 모듈에서 수행된 사용자의 교정 및 편집을 텍스트에 반영하여 수정된 텍스트 정보를 도 8에 도시된 바와 같은 포맷(예컨대, MS word)으로 변환할 수 있다. 참고로, 외부 프로그램(예컨대, 워드 프로세서)으로 다운받는 경우 프로세서(110)는 도 8에 도시된 바와 같이 교정 및 일부 영역에 대한 표시 방식의 변경이 반영된 수정된 텍스트 정보를 유지하며 포맷 변환을 수행할 수 있다. 한편, 프로세서(110)는, 교정 또는 편집된 사항들을 고려하여, 외부 프로그램의 종류를 추천할 수도 있다. 예를 들어, 프로세서(110)는, 교정 또는 편집된 사항들이, 복수의 외부 프로그램들 중 특정 프로그램에만 호환되는 경우에는, 해당 외부 프로그램을 특정하여 추천하는 동작을 수행할 수 있다. 다른 일 실시 예에 따르면, 프로세서(110)는 사용자 인터페이스를 통해 '음성 인식 및 편집 결과를 공유하기 위한 버튼을 선택한 사용자 입력 정보'를 수신함에 따라, 음성 인식 및 편집에 따른 결과 텍스트를 공유할 수 있는 링크를 생성해 사용자에게 제공할 수 있다.
도 9는 본 개시의 일 실시예에 따른 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정하는 사용자 인터페이스 화면을 예시한 도면이다. 일례로, 도 9는 사용자가 검색한 단어와 유사한 단어를 음성 인식 결과 텍스트 중에서 찾아주는 유사 단어 검색 모듈을 설명하기 위한 도면이다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 사용자 인터페이스를 통해 검색 대상 단어를 입력 받을 수 있다. 도 9를 참조하면, 프로세서(110)는 사용자 인터페이스를 통해 검색 항목(M)에 검색 대상 단어(예컨대, 소프)를 입력 받을 수 있다. 또한, 프로세서(110)는 검색 대상 단어와 연관된 추가 검색 대상 단어(예컨대, 유사 단어)를 결정할 수 있다. 여기서, 프로세서(110)는, 발음 분석에 기초하여, 검색 대상 단어와 발음이 유사하다고 결정된 단어를 추가 검색 대상 단어로 결정할 수 있다. 또한, 프로세서(110)는, 프로세서(110)는 편집 거리 분석에 기초하여, 검색 대상 단어와 연관된 추가 검색 대상 단어(O)를 결정할 수 있다. 구체적으로, 프로세서(110)는, 음성 인식 결과에 포함된 복수의 단어들과 검색 대상 단어 사이의 편집 거리를 각각 산출할 수 있으며, 상기 복수의 단어들 중 산출된 편집 거리가 임계치(threshold) 이하인 단어들을 추가 검색 대상 단어로 결정할 수 있다. 예를 들어, 프로세서(110)는, 도 9과 같이, 검색 대상 단어가 "소프"라고 할 때, 음성 인식 결과 텍스트 정보에 포함된 단어들 중 "소프"와의 편집 거리가 임계치 이하인, “소스”, "고프", "고플"등의 단어를 추가 검색 대상 단어로서 결정할 수 있다.
또한, 본 개시의 일 실시예에 따르면, 프로세서(110)는, 편집 거리 분석에 기초하여 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정할 때, 동적인 임계치를 활용할 수 있다. 예를 들어, 프로세서(110)는, 검색 대상 단어의 길이에 대응하여 상기 편집 거리에 대한 임계치를 동적으로 결정할 수 있다. 보다 구체적으로, 프로세서(110)는, 상기 검색 대상 단어의 길이 및 미리 결정된 비율 임계치 사이의 연산에 기초하여, 상기 편집 거리에 대한 임계치를 동적으로 결정할 수 있다. 예를 들어, 프로세서(110)는 검색 대상 단어의 길이에 비율 임계치를 곱하고, 정수로 올림하여 검색 대상 단어마다 동적인 임계치를 결정할 수 있다. 여기서, 비율 임계치는 미리 설정되거나, 신경망 모델에 의해 결정될 수 있다. 추가로, 프로세서(110)는, 복수의 검색 대상 단어들을 포함하는 검색 대상 단어 집합이 생성되는 경우, 검색 대상 단어 집합에 포함되는 검색 대상 단어들 각각의 길이에 따라 임계치를 동적으로 설정하여 리소스를 효율적으로 사용할 수도 있다.
또한, 본 개시의 일 실시예에 따르면, 프로세서(110)는, 편집 거리 분석에 기초하여 검색 대상 단어와 연관된 추가 검색 대상 단어를 결정할 때, "동적인 임계치(예컨대, 위에서 살펴본 비율 임계치에 기초한 동적인 임계치)" 및 "절대 임계치"를 모두 고려하여 추가 검색 대상 단어를 검색할 수도 있다. 예를 들어, 프로세서(110)는, 음성 인식 결과 텍스트 정보에 포함된 단어들 중 상기 검색 대상 단어와의 편집 거리가 상기 "동적으로 결정된 임계치" 이하이고 그리고 상기 "절대 임계치" 이하인 단어를 결정할 수 있다. 즉, 프로세서(110)는, 검색 대상 단어와의 관계에서, 동적 임계치와 절대 임계치를 동시에 만족하는 단어들을 식별할 수도 있으며, 해당 단어들을 추가 검색 대상 단어(유사 단어)들로서 결정할 수도 있다. 한편, 프로세서(110)는, 검색 대상 단어가 복수 개인 경우, 복수의 검색 대상 단어들을 포함하는 검색 대상 단어 집합 Q' = {q1, q2, ..., qn}을 생성할 수 있으며, 음성 인식 결과 텍스트 정보에서 검색 대상 단어 집합과 발음이 유사한 단어들을 추가로 검색할 수 있다. 또한, 프로세서(110)는, 편집 거리 분석에 기초하여, 상기 검색 대상 단어 집합과 연관된 추가 검색 대상 단어 집합을 결정할 수 있다. 예를 들어, 프로세서(110)는, 검색 대상 단어 집합에 포함된 복수의 검색 대상 단어들 각각에 대하여, 각각의 임계치를 동적으로 결정하고, 결정된 임계치에 기초하여 각각의 검색 대상 단어의 유사 단어들을 식별(즉, 각각의 검색 대상 단어와의 편집 거리가 상기 각각의 동적인 임계치 이하인 단어들을 식별)할 수 있으며, 식별된 단어들에 기초하여 상기 추가 검색 대상 단어 집합을 생성할 수도 있다.
한편, 이상에서 언급된 편집 거리(edit distance)는, 다양한 방식으로 결정될 수 있다. 예를 들어, 편집 거리는, 문자열 두 개가 있을 때, 둘 중 한 문자열을 다른 문자열로 변환시킬 때에 필요한 최소 편집 개수로서 정의될 수 있다. 또한, 여기서 편집의 종류는, 문자 삭제(deletion), 삽입(insertion), 교체(substitution) 등을 포함할 수 있다. 또한, 편집 거리는 발음 기준으로 연산 되거나, 텍스트 기준으로 연산 될 수 있다. 예를 들어, 편집 거리는, 텍스트를 발음 기호로 변환하는 것에 기초하여 연산 되거나, 텍스트 자체에 기초하여 연산(예컨대, 자소 단위로 연산) 될 수도 있다. 한편, 편집 거리 알고리즘은 Levenshtein distance, Longest common subsequence, Hamming distance 등을 포함할 수 있으며, 이러한 알고리즘 이외에도 다양한 알고리즘을 포함할 수 있다.
또한, 음성 인식 결과 텍스트 정보(T) 및 검색 대상 단어 집합 Q' = {q1, q2, ..., qn}(이때, T와 qi는 모두 길이 1 이상의 문자열)에 대해서, 상기 텍스트 정보(T) 중 검색 대상 단어(Q')의 임의의 요소(element)와의 편집 거리가 임계치 이하인 문자열 구간을 검색할 때, 나이브(naive)한 편집 거리 알고리즘 또는 단순한 편집 거리 연산 알고리즘이 이용되는 경우, 런타임이 기하급수적으로 늘어난다는 문제점이 존재한다. 본 개시의 일 실시예에 따른 프로세서(110)는, 이를 해결하기 위해, 검색 대상 단어 집합 또는 텍스트 정보에 포함되는 복수의 문자열들에 대한 근사(approximate) 정보를 활용할 수 있으며, 근사화 된 정보를 활용하여 검색을 수행할 수도 있다. 예를 들어, 본 개시의 일 실시예에 따른 프로세서(110)는, Multi-PEX 알고리즘과 같은 다중 문자열 근사 매칭 알고리즘(multi-string approximate (fuzzy) matching algorithm)을 이용하여 텍스트 정보에 포함된 단어들 중 상기 검색 대상 단어와의 편집 거리가 임계치 이하인 단어를 결정할 수 있다.
추가로, 본 개시의 일 실시예에 따르면, 프로세서(110)는, 음성 인식 결과 텍스트 정보 내에서 검색 대상 단어 및 추가 검색 대상 단어를 검색한 뒤에, 변경 단어 입력 항목(N)에 입력된 사용자 입력 정보를 고려하여, 상기 검색 대상 단어 및 상기 추가 검색 대상 단어를 상기 입력된 변경 단어로 일괄적으로 변경하는 동작을 수행할 수도 있다. 예를 들어, 프로세서(110)는, 검색 대상 단어로서 "의쟈"가 입력된 경우, 추가 검색 대상 단어로서 "으자", "의자" 등을 추가로 검색할 수 있으며, 검색 이후에 변경 단어로서 "의자"가 입력된 경우, "의쟈", "으자", "의자"등의 단어들을 모두 일괄적으로 "의자"로 변경할 수 있다.
이상에서 살핀 본 개시의 일 실시예에 따른 프로세서(110)는, 음성 인식 분야의 검색과 관련된 기술적 문제를 해결할 수 있다. 구체적으로, 음성 인식 결과 텍스트는 일부만 틀리는 오류(예컨대, CER 계산시 이용되는 오류 종류 Substitution, Deletion, Insertion 중 Substitution 오류)가 많아 불완전하고, 사용자가 검색하고자 하는 단어와 유사함에도 온전히 동일한 단어가 아니어서 검색이 안된다는 문제점이 발생할 수 있는데, 본 개시의 일 실시예에 따른 프로세서(110)는, 편집 거리에 기초하여 검색 대상 단어와 유사한 단어인 추가 검색 대상 단어(유사 단어)를 결정함으로써 상기와 같은 오류를 해결할 수 있다.
도 10은 본 개시의 일 실시예에 따른 텍스트 정보(예컨대, 음성 인식 결과 텍스트 정보)에 대한 요약 정보를 생성하여 표시한 사용자 인터페이스 화면을 예시한 도면이다. 일례로, 도 10은 텍스트 정보와 관련하여 설정된 요약 범위, 텍스트 정보에 대한 화자 정보, 또는 상기 텍스트 정보에 대한 주제(topic) 정보 중 적어도 하나에 기초하여, 텍스트 정보에 대한 요약 정보를 생성하는 요약 모듈을 설명하기 위한 도면이다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 상기 텍스트 정보와 관련하여 설정된 요약 범위, 상기 텍스트 정보에 대한 화자 정보, 또는 상기 텍스트 정보에 대한 주제(topic) 정보 중 적어도 하나에 기초하여, 상기 텍스트 정보에 대한 요약 정보(R)를 생성할 수 있다. 일례로, 프로세서(110)는 텍스트 요약(Text summarization) 모델을 이용하여 텍스트를 요약할 수 있다. 여기서 요약하는 범위는 사용자가 설정한 기준에 대응하여 다양한 문장 범위를 포함할 수 있다. 또한, 프로세서(110)는 화자 분리 모델을 이용하여 화자 별로 요약 정보를 생성할 수 있다. 이 경우 상기 화자 분리 모델은, 원본 음성에 대한 스펙트로그램의 타입을 분석하는 모델, 원본 음성에 포함된 복수의 음성 신호들의 크기, 진폭, 주파수 등을 분석하는 모델, 통계적 음향 모델 등의 형태로 구현될 수 있다. 또한, 프로세서(110)는 전체 텍스트 정보를 보다 짧고, 주제적인 일관성을 가지는 덩이로 나누는 토픽 세분화(Topic segmentation) 모델을 이용하여 유사한 주제를 가진 문장들을 묶어 요약 정보를 생성할 수 있다. 프로세서(110)는 문단 나눔, 구간별 배경색 칠하기 등으로 텍스트 정보에 대한 주제(topic) 정보를 달리하여 표시할 수 있다.
예시적으로, 프로세서(110)는 옵션 항목에 포함된 요약 대상 텍스트들의 타입(Q)을 결정할 수 있다. 또한, 프로세서(110)는 사용자 인터페이스를 통해 요약 대상 텍스트들의 타입(Q)에 관한 설정 정보를 수신할 수도 있다. 특히, 프로세서(110)는 요약 대상 텍스트들의 타입이 산문형 타입(예컨대, 줄글, 강연 등과 같이 화자 변화가 별로 없는 경우)인지 아니면 대화형 타입인지를 결정할 수 있다. 또한, 프로세서(110)는 결정된 타입에 따라 요약 알고리즘을 달리 적용할 수 있다. 예를 들어, 요약 대상 텍스트들의 타입이 대화형 타입인 경우, 요약 결과에 '이 대리는~~'과 같이 화자 이름이 포함되도록 요약을 수행할 수 있다. 이 경우, 요약 텍스트들의 타입(Q)을 결정함으로써 보다 적합한 요약 결과를 제공할 수 있는 효과가 있다. 한편, 프로세서(110)는 옵션 항목에 포함된 요약 결과의 길이에 관한 설정 정보(Q)를 수신할 수 있다. 또한, 프로세서(110)는 요약 결과의 길이에 관한 설정 정보에 기초하여, 요약 결과에 포함된 문단 수, 문장 수, 또는 단어 수 중 적어도 하나를 결정할 수 있다. 실시예에 따르면, 프로세서(110)는 요약 결과의 길이를 "짧게"로 선택하는 경우 한 문장의 요약 결과가 출력되고, "보통"으로 하는 경우 세 문장, "길게"로 하는 경우 5문장의 요약 결과를 출력할 수 있다. 다만, 이에 한정되는 것은 아니다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 텍스트 정보(예컨대, 음성 인식 결과 텍스트)에 포함된 텍스트들을 화자 별로 분리할 수 있다. 이 경우, 프로세서(110)는, 텍스트 정보의 기초가 되는 원본 음성의 음성 신호들을 화자 별로 분리하는 것에 기초하여, 텍스트 정보에 포함된 텍스트들을 화자 별로 분리할 수 있다. 또한, 프로세서는, 원본 음성에 대한 스펙트로그램의 타입을 분석하는 모델, 원본 음성에 포함된 복수의 음성 신호들의 크기, 진폭, 주파수 등을 분석하는 모델, 통계적 음향 모델 등을 활용하여 화자 분리 동작을 수행할 수 있다. 예를 들어, 프로세서(110)는 원본 음성에 포함된 하나 이상의 발화 구간 각각에서 하나 이상의 사용자 각각의 음성 신호를 식별할 수 있다. 또한, 프로세서(110)는 상기 식별된 하나 이상의 사용자 각각의 음성 신호 중 음성의 크기가 사전 결정된 크기 이상을 가지는 발화를 음성 데이터에 대응하는 특정 화자로 결정할 수 있다. 보다 구체적으로, 프로세서(110)는 음성 데이터에 포함된 하나 이상의 사용자의 음성 중 특정 사용자의 음성의 크기가 사전 결정된 크기 이상인 경우, 상기 음성 데이터에 대응하는 특정 화자로 결정할 수 있다. 예를 들어, 2명의 사용자(A 사용자 및 B 사용자)의 음성을 포함하는 음성 데이터를 수신한 경우, 프로세서(110)는 A 사용자의 음성의 크기가 사전 결정된 크기 이상임을 판별하여, 상기 A 사용자를 제 1 화자로 결정할 수 있다. 또한, 프로세서(110)는 음성 데이터에 포함된 하나 이상의 사용자 각각의 음성의 크기 비교에 기초하여 음성 데이터에 대응하는 특정 화자를 결정할 수도 있다. 예를 들어, 2명의 사용자(A 사용자 및 B 사용자)의 음성을 포함하는 음성 데이터를 수신한 경우, 프로세서(110)는 음성 데이터에 포함된 2명의 사용자의 음성 중 B 사용자의 음성의 크기가 A 사용자의 음성의 크기 보다 큰 것으로 판별하여 상기 B 사용자를 제 2 화자로 결정할 수 있다. 전술한 하나 이상의 사용자 및 하나 이상의 사용자 각각의 음성의 크기에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.
또한, 프로세서(110)는 분리된 텍스트와 연관된 화자의 명칭을 결정 또는 수정할 수 있다. 예를 들어, 프로세서(110)는 화자 분리 결과, 모델이 판단한 화자 별로 Speaker 1, Speaker 2, ... 식으로 임의의 명칭을 붙여서 텍스트 결과를 출력할 수 있으며, 사용자 인터페이스를 통해 입력 받은 정보를 고려하여 화자의 명칭을 수정할 수 있다. 이 경우, 프로세서(110)는 선행 텍스트 부분과 관련하여 결정 또는 수정된 화자의 목록(P)을 표시할 수 있다. 또한, 프로세서(110)는 상기 표시된 화자의 목록 중 확률이 가장 높은 화자를 추가로 표시할 수도 있다. 또한, 프로세서(110)는 사용자 인터페이스에 기초하여, 상기 분리된 텍스트와 연관된 화자의 명칭을 최종적으로 결정 또는 수정할 수 있다. 예시적으로, 프로세서(110)는 선행 텍스트 부분에 입력된 화자명에 기초하여, 뒷부분 화자 명을 수정할 때 화자 명을 추천할 수 있다. 보다 구체적으로, 도 10을 참조하면, 선행 텍스트 부분과 관련하여 화자의 명칭으로서 최팀장, 이대리, 김사원 등이 입력된 뒤에, 추가로 화자 분리된 텍스트 부분인 Speaker 1에 대하여 사용자가 화자 명을 입력하려 할 때, 앞서 입력된 화자 이름들을 후보로서 제안해주고, 그 중 가장 가능성이 높은 '이대리'를 추가로 특정하여 제안할 수 있다. 이 경우, 화자 분리 모델은, 앞서 분석된 정보 및 입력된 정보에 기초하여, 추가로 분리된 텍스트 부분에 대하여, 가장 가능성이 높은 화자명을 식별할 수 있다. 예를 들어, 화자 분리 모델은, 음성 신호 분석에 기초하여 추가로 분리된 텍스트 부분이 Speaker 1에 대응된다고 식별할 수 있고, 앞서 Speaker 1로 분리된 텍스트 부분과 관련하여 화자명이 '이대리'로 입력된 경우, 가장 가능성이 높은 화자명으로서 '이대리'를 특정하여 제안(추천)할 수 있다. 한편, 사용자는 프로세서(110)에서 제안한 화자를 선택하지 않고 바로 입력창에 화자 명을 입력할 수도 있다. 또한, 사용자는 앞서 나온 바 없는 새로운 화자 이름을 추가로 입력할 수 있다. 또한, 프로세서(110)는 이를 추후 동일 화자(예컨대, Speaker 1)에 대해 화자 명 변경을 모두 한 번에 적용할 지(모두 바꾸기), 한 번만 적용할 지(바꾸기)에 대해서 사용자 인터페이스를 통해 입력 받을 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(110)는, 음성 인식 결과 텍스트 정보 내에서 단어가 선택되는 경우, 음성 인식과 관련된 정보 또는 외부 서버와의 연동 정보 중 적어도 하나에 기초하여, 선택된 단어를 대체하기 위한 후보 단어를 표시할 수 있다.
예를 들어, 프로세서(110)는 사용자가 특정 단어를 선택(예컨대, 클릭 또는 hover)하면, 특정 단어에 대응하여 음성 인식에 의해 생성된 텍스트를 생성하기 위해 예측했던 단어들 중 신뢰도(confidence), 즉, 예측한 정확도 또는 예측한 단어가 정답일 확률이 높았던 단어를 후보 단어로서 표시할 수 있다. 예컨대, 발화 음성 "우리"에 대한 음성 인식 모델의 디코더의 Beam Search 과정에서, "우리", "의리", "이리" 세 개의 단어가 해당 토큰에 대한 후보로 제안되었을 수 있다. 이 경우 해당 토큰에 대한 "우리", "의리", "이리"의 confidence는 0.61, 0.54, 0.51이고 이 중 가장 높은 "우리"가 음성 인식에 의해 생성된 텍스트로 출력되었을 수 있다. 이 경우, 프로세서(110)는 텍스트 정보 내에 포함된 "우리"를 선택하는 사용자 입력 정보를 수신하고, 음성 인식과 관련된 정보에 기초하여 (기타 다른 후보들에 비해) 신뢰도가 상대적으로 높았던 "의리", "이리"등을 후보 단어로 표시할 수 있다.
또한, 프로세서(110)는 외부 서버와의 연동을 통해 사용자가 선택한 단어와 관련된 단어를 도출하고, 이를 후보 단어로 표시할 수 있다. 예컨대, 사용자가 선택한 단어를 구글에 검색하여 검색 결과에 나타나는 다른 제안 단어를 후보 단어로서 표시할 수 있다. 실시예에 따르면, 텍스트 정보 내에 포함된 적어도 하나의 단어를 선택한 사용자 입력 정보가 "고로나"인 경우, 외부 서버인 구글을 통해 검색한 결과로서의 후보 단어를 "코로나"라고 제안할 수 있다.
본 개시의 일 실시예에 따르면, 프로세서(110)는 음성 인식과 관련하여, 텍스트 정보에 포함된 단어들 각각의 신뢰도를 산출하여 신뢰도가 임계치 이하인 단어를 식별하여 표시할 수 있다. 보다 구체적으로, 프로세서(110)는 상기 음성 인식과 관련하여, 상기 텍스트 정보에 포함된 단어들 각각의 신뢰도를 산출할 수 있다. 또한, 프로세서(110)는 상기 텍스트 정보에 포함된 단어들 중 신뢰도가 임계치 이하인 단어를 식별할 수 있다. 또한, 프로세서(110)는 상기 식별된 단어를 구별하여 표시할 수 있다. 예를 들어, 프로세서(110)는 텍스트 정보에 포함된 단어 각각에 대한 신뢰도를 임계값(예컨대, 0.7)과 비교하여 임계값 미만인 신뢰도를 갖는 단어에 대한 표시 방식(예컨대, 하이라이트, 볼드 등)을 변경할 수 있다. 추가로, 프로세서(110)는, 텍스트 정보에 포함된 모든 단어들에 대해 (앞서 살펴본) 후보 단어를 제공하는 것이 아니라, 신뢰도가 임계값 미만인 단어에 대해서만 후보 단어를 제공할 수도 있다. 구체적으로, 프로세서(110)는, 음성 인식 결과 텍스트 정보에 포함된 단어들 중, 음성 인식과 관련된 신뢰도가 임계값 미만인 단어들을 구별 또는 표시하여 제공할 수 있으며, 사용자가 상기 제공된 단어들(즉, 신뢰도가 임계값 미만인 단어들) 중 특정 단어를 선택(예컨대, 클릭 또는 hover)한 경우, 선택된 특정 단어와 연관된 후보 단어를 제공할 수 있다. 이 경우, 프로세서(110)는, 앞서 언급했듯이, 선택된 특정 단어에 대응되는 음성 신호와 관련하여 음성 인식 과정에서 예측되었던 단어들 중 (선택된 특정 단어의 신뢰도보다는 낮았지만 다른 예측 단어들과 비교해서는) 신뢰도가 상대적으로 높았던 단어들을 후보 단어로서 제공할 수 있다. 한편, 프로세서(110)는, 상기 구별 또는 표시하여 제공되지 않은 기타 단어들이 선택된 경우에는 후보 단어를 제공하지 않을 수 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 11은 본개시의 일 실시예에 따른 음성 인식 결과를 편집하는 방법에 대한 개략적인 흐름도이다.
도 11에 도시된 음성 인식 결과를 편집하는 방법은 앞서 설명된 컴퓨팅 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 컴퓨팅 장치(100)에 대하여 설명된 내용은 음성 인식 결과를 편집하는 방법에 대한 설명에도 동일하게 적용될 수 있다.
도 11을 참조하면, 본 개시의 일 실시예에 따른 음성 인식 결과를 편집하는 방법은, 음성 인식에 의해 생성된 텍스트 정보에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트를 표시하는 단계(S110), 상기 단어 리스트 내에서 타겟 단어를 결정하는 단계(S120) 및 상기 텍스트 정보 내에서 상기 타겟 단어에 대응하는 영역을 표시하는 단계(S130) 등을 포함할 수 있으며, 상기 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함할 수 있고, 이러한 단계들 이외에도 다양한 단계들을 포함할 수 있다.
상술한 설명에서, 단계 S110 내지 S130은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 개시의 일 실시예에 따라 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다.
데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자 정의 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 영구 저장 장치)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.
데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.
비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 이하에서는 신경망으로 통일하여 기술한다. 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등을 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.
데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드에서 출력되는 데이터 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.
데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
도 8은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
본 개시가 일반적으로 컴퓨팅 장치에 의해 구현될 수 있는 것으로 전술되었지만, 당업자라면 본 개시가 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어 및/또는 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.
일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드(handheld) 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.
본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)－이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음－, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a, b, g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 소프트웨어로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (18)
- 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 음성 인식 결과를 편집하는 방법으로서,
음성 인식에 의해 생성된 텍스트 정보에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트를 표시하는 단계;
상기 단어 리스트 내에서 타겟(target) 단어를 결정하는 동작 또는 사용자 인터페이스를 통해 타겟 단어를 입력 받는 동작 중 적어도 하나를 수행하는 단계;
상기 텍스트 정보 내에서 상기 타겟 단어에 대응하는 영역을 표시하는 단계;
상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 단계; 및
상기 텍스트 정보 내에서 상기 타겟 단어 및 상기 추가 검색 대상 단어를 모두 검색하는 단계;
를 포함하고,
상기 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함하고,
상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 단계는,
편집 거리 분석에 기초하여, 상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 단계를 포함하는,
방법.
- 제 1 항에 있어서,
상기 타겟 단어에 대응되는 영역이 선택되는 경우, 상기 음성 인식의 대상인 원본 음성의 음성 프레임들 중 상기 타겟 단어에 대응되는 영역과 동기화될 수 있는 음성 프레임에 관한 정보를 함께 표시하는 단계를 더 포함하는,
방법.
- 제 1 항에 있어서,
상기 음성 인식은 동영상에 포함된 음성에 대해 수행되고,
상기 방법은,
상기 타겟 단어에 대응되는 영역이 선택되는 경우, 상기 동영상의 영상 프레임들 중 상기 타겟 단어에 대응되는 영역과 동기화될 수 있는 영상 프레임에 관한 정보를 함께 표시하는 단계를 더 포함하는,
방법.
- 제 1 항에 있어서,
사용자 인터페이스를 통해 수신한 입력 정보에 기초하여, 상기 텍스트 정보 내의 적어도 하나의 단어에 대한 교정을 수행하는 단계; 및
상기 사용자 인터페이스를 통해 수신한 입력 정보에 기초하여, 상기 텍스트 정보 내의 일부 영역에 대한 표시 방식을 변경하는 단계
를 더 포함하는,
방법.
- 제 4 항에 있어서,
상기 적어도 하나의 단어에 대한 교정 및 상기 일부 영역에 대한 표시 방식의 변경이 반영된, 수정된 텍스트 정보를 외부 프로그램을 위한 포맷으로 변환하는 단계를 더 포함하는,
방법.
- 삭제
- 삭제
- 제 1 항에 있어서,
상기 편집 거리 분석에 기초하여, 상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 단계는,
상기 타겟 단어와 연관된 편집 거리에 대한 임계치(threshold)를 결정하는 단계;
상기 텍스트 정보에 포함된 단어들 중 상기 타겟 단어와의 편집 거리가 상기 임계치 이하인 단어를 결정하는 단계; 및
상기 결정된 단어를 상기 추가 검색 대상 단어로서 결정하는 단계
를 포함하는,
방법.
- 제 1 항에 있어서,
상기 텍스트 정보와 관련하여 설정된 요약 범위, 상기 텍스트 정보에 대한 화자 정보, 또는 상기 텍스트 정보에 대한 주제(topic) 정보 중 적어도 하나에 기초하여, 상기 텍스트 정보에 대한 요약 정보를 생성하는 단계
를 더 포함하는,
방법.
- 제 9 항에 있어서,
상기 요약 정보를 생성하는 단계는,
요약 대상 텍스트들의 타입이 산문형 타입인지 아니면 대화형 타입인지를 결정하는 단계; 및
상기 결정된 타입에 따라 요약 알고리즘을 달리 적용하는 단계
를 포함하는,
방법.
- 제 9 항에 있어서,
상기 요약 정보를 생성하는 단계는,
요약 결과의 길이에 관한 설정 정보를 수신하는 단계; 및
상기 요약 결과의 길이에 관한 설정 정보에 기초하여, 요약 결과에 포함된 문단 수, 문장 수, 또는 단어 수 중 적어도 하나를 결정하는 단계
를 포함하는,
방법.
- 제 1 항에 있어서,
상기 텍스트 정보에 포함된 텍스트들을 화자 별로 분리하는 단계; 및
분리된 텍스트와 연관된 화자의 명칭을 결정 또는 수정하는 단계;
를 더 포함하는,
방법.
- 제 12 항에 있어서,
상기 분리된 텍스트와 연관된 화자에 대한 명칭을 결정 또는 수정하는 단계는,
선행 텍스트 부분과 관련하여 결정 또는 수정된 화자의 목록을 표시하는 단계;
상기 표시된 화자의 목록 중 확률이 가장 높은 화자를 추가로 표시하는 단계; 및
사용자 인터페이스에 기초하여, 상기 분리된 텍스트와 연관된 화자의 명칭을 최종적으로 결정 또는 수정하는 단계
를 포함하는,
방법.
- 제 1 항에 있어서,
상기 텍스트 정보 내에 포함된 적어도 하나의 단어를 선택하는 사용자 입력 정보를 수신하는 단계; 및
상기 음성 인식과 관련된 정보 또는 외부 서버와의 연동 정보 중 적어도 하나에 기초하여, 상기 선택된 단어를 대체하기 위한 후보 단어를 표시하는 단계
를 더 포함하는,
방법.
- 제 14 항에 있어서,
상기 선택된 단어를 대체하기 위한 후보 단어를 표시하는 단계는,
상기 선택된 단어에 대응되는 음성 신호 부분을 식별하는 단계;
상기 식별된 음성 신호 부분에 대응되는 음성 인식 예측 결과로 고려되었던 다른 예측 단어를 식별하는 단계; 및
상기 식별된 다른 예측 단어를 상기 후보 단어로서 표시하는 단계
를 포함하는,
방법.
- 제 1 항에 있어서,
상기 음성 인식과 관련하여, 상기 텍스트 정보에 포함된 단어들 각각의 신뢰도를 산출하는 단계;
상기 텍스트 정보에 포함된 단어들 중 신뢰도가 임계치 이하인 단어를 식별하는 단계; 및
상기 식별된 단어를 구별하여 표시하는 단계
를 더 포함하는,
방법.
- 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 음성 인식 결과를 편집하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은:
음성 인식에 의해 생성된 텍스트 정보에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트를 표시하는 동작;
상기 단어 리스트 내에서 타겟 단어를 결정하는 것 또는 사용자 인터페이스를 통해 타겟 단어를 입력 받는 것 중 적어도 하나를 수행하는 동작;
상기 텍스트 정보 내에서 상기 타겟 단어에 대응하는 영역을 표시하는 동작;
상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 동작; 및
상기 텍스트 정보 내에서 상기 타겟 단어 및 상기 추가 검색 대상 단어를 모두 검색하는 동작;
을 포함하고,
상기 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함하고,
상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 동작은,
편집 거리 분석에 기초하여, 상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 동작을 포함하는,
컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
- 컴퓨팅 장치로서,
적어도 하나의 프로세서; 및
메모리
를 포함하고,
상기 적어도 하나의 프로세서는,
음성 인식에 의해 생성된 텍스트 정보에 기초하여, 미리 설정된 조건을 만족하는 단어 리스트를 표시하고;
상기 단어 리스트 내에서 타겟 단어를 결정하는 것 또는 사용자 인터페이스를 통해 타겟 단어를 입력 받는 것 중 적어도 하나를 수행하고,
상기 텍스트 정보 내에서 상기 타겟 단어에 대응하는 영역을 표시하도록 구성되고,
상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하고, 그리고
상기 텍스트 정보 내에서 상기 타겟 단어 및 상기 추가 검색 대상 단어를 모두 검색하고,
상기 미리 설정된 조건은, 사용자 계정 별로 미리 설정된 단어 정보, 또는 단어의 출현 빈도와 관련하여 미리 설정된 임계치 정보 중 적어도 하나를 포함하고,
상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 것은,
편집 거리 분석에 기초하여, 상기 타겟 단어와 연관된 추가 검색 대상 단어를 결정하는 것을 포함하는,
장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220113895A KR102540178B1 (ko) | 2022-09-08 | 2022-09-08 | 음성 인식 결과를 편집하는 방법 |
| US18/236,777 US20240087576A1 (en) | 2022-09-08 | 2023-08-22 | Method of editing speech recognition result |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220113895A KR102540178B1 (ko) | 2022-09-08 | 2022-09-08 | 음성 인식 결과를 편집하는 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102540178B1 true KR102540178B1 (ko) | 2023-06-05 |
Family
ID=86764215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220113895A KR102540178B1 (ko) | 2022-09-08 | 2022-09-08 | 음성 인식 결과를 편집하는 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20240087576A1 (ko) |
| KR (1) | KR102540178B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990062566A (ko) * | 1997-12-16 | 1999-07-26 | 포만 제프리 엘 | 음성 인식 신뢰도 레벨 디스플레이 |
| US20040117740A1 (en) * | 2002-12-16 | 2004-06-17 | Chen Francine R. | Systems and methods for displaying interactive topic-based text summaries |
| KR20200087514A (ko) * | 2019-01-11 | 2020-07-21 | 주식회사 액션파워 | 대화록 서비스를 제공하는 컴퓨팅 장치 |
| KR20220068716A (ko) * | 2020-11-19 | 2022-05-26 | (주)소리를보는통로 | 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법 및 컴퓨팅 장치 |
-
2022
- 2022-09-08 KR KR1020220113895A patent/KR102540178B1/ko active IP Right Grant
-
2023
- 2023-08-22 US US18/236,777 patent/US20240087576A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990062566A (ko) * | 1997-12-16 | 1999-07-26 | 포만 제프리 엘 | 음성 인식 신뢰도 레벨 디스플레이 |
| US20040117740A1 (en) * | 2002-12-16 | 2004-06-17 | Chen Francine R. | Systems and methods for displaying interactive topic-based text summaries |
| KR20200087514A (ko) * | 2019-01-11 | 2020-07-21 | 주식회사 액션파워 | 대화록 서비스를 제공하는 컴퓨팅 장치 |
| KR20220068716A (ko) * | 2020-11-19 | 2022-05-26 | (주)소리를보는통로 | 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법 및 컴퓨팅 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240087576A1 (en) | 2024-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102444457B1 (ko) | 단어 그래프를 이용한 대화의 요약 생성 방법 | |
| US11232620B2 (en) | Method to create animation | |
| KR102465571B1 (ko) | 문서 데이터의 주제어 분류를 수행하는 기법 | |
| JP7475592B2 (ja) | テキスト情報の中からターゲット単語と対応する単語を識別する方法（ｍｅｔｈｏｄ ｆｏｒ ｉｄｅｎｔｉｆｙ ａ ｗｏｒｄ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｔｏ ａ ｔａｒｇｅｔ ｗｏｒｄ ｉｎ ｔｅｘｔ ｉｎｆｏｒｍａｔｉｏｎ） | |
| KR102486119B1 (ko) | 피드백 정보를 이용한 음성 인식 방법 | |
| KR102540178B1 (ko) | 음성 인식 결과를 편집하는 방법 | |
| KR102486120B1 (ko) | 음성 신호와 연관된 컨텐츠를 결정하는 방법 | |
| KR102596190B1 (ko) | 텍스트 정보를 수정하는 방법 | |
| KR102515914B1 (ko) | Stt 모델을 활용하는 발음 전사 방법 | |
| KR102621021B1 (ko) | 감정 중립적인 음성을 생성하는 음성 변환 모델을 학습시키는 방법 | |
| KR20220062992A (ko) | 도메인 특화된 언어 규칙 생성이 가능한 텍스트 데이터 분석 방법 및 장치 | |
| KR102537165B1 (ko) | 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하고 연계하는 방법 | |
| KR102568930B1 (ko) | Stt 결과에 기초하여 새로운 음성을 생성하는 방법 | |
| KR102497436B1 (ko) | 음성 신호를 포함하는 컨텐츠를 기반으로 타겟 단어와 관련된 정보를 획득하는 방법 | |
| KR102509007B1 (ko) | 문장 내 토큰들의 중요도에 기초하여 음성 인식 모델을 학습시키는 방법 | |
| KR102524615B1 (ko) | 개인화된 음성 인식을 위한 데이터를 생성하고, 생성된 데이터를 이용하여 개인화된 음성 인식을 수행하는 방법 | |
| KR102648689B1 (ko) | 텍스트 오류를 검출하는 방법 | |
| KR102583799B1 (ko) | 이상 검출을 기반으로 오디오 데이터에서 음성 활성을 탐지하는 방법 | |
| KR102537173B1 (ko) | 주 화자에 기초하여 요약문을 생성하는 방법 | |
| KR102516391B1 (ko) | 음성 구간 길이를 고려하여 오디오에서 음성 구간을 검출하는 방법 | |
| KR102661431B1 (ko) | 분류된 고객 음성 피드백을 생성하는 방법 | |
| KR102583764B1 (ko) | 외국어가 포함된 오디오의 음성 인식 방법 | |
| KR102492277B1 (ko) | 멀티모달 정보를 이용한 질의응답 수행 방법 | |
| KR102552401B1 (ko) | Asr 기반의 질의응답 방법 | |
| KR102547001B1 (ko) | 하향식 방식을 이용한 오류 검출 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |