KR102545954B1 - 음향을 포함하는 영상 데이터의 노이즈 제거하기 위한 방법, 서버 및 컴퓨터프로그램 - Google Patents

Abstract

전술한 바와 같은 과제를 실현하기 위한 본 발명의 다양한 실시예에 따른 음향을 포함하는 영상 데이터의 노이즈 제거 방법이 개시된다. 상기 방법은, 영상 데이터로부터 음원 데이터를 획득하는 단계, 상기 음원 데이터에 포함된 노이즈를 제거하여 가공 음원 데이터를 생성하는 단계 및 상기 영상 데이터 및 상기 가공 음원 데이터를 병합하여 노이즈가 제거된 영상 데이터를 생성하는 단계를 포함할 수 있다.

Description

음향을 포함하는 영상 데이터의 노이즈 제거하기 위한 방법, 서버 및 컴퓨터프로그램{METHOD, SERVER AND COMPUTER PROGRAM FOR REMOVING NOISE FROM VIDEO DATA INCLUDING SOUND}

본 발명의 다양한 실시예는 음원 데이터에 대한 마스터링을 수행하기 위한 방법, 서버 및 컴퓨터프로그램에 관한 것이다.

전 세계적으로 음반수익은 조금씩 감소하는 추세이나, 디지털 음원의 비중과 수익은 지속적으로 증가하는 주세이며, 향후에도 점차 증가할 것으로 예상되고 있다. 최근에는 스마트폰과 같은 모바일 기기의 사용이 늘어나고, LTE, 5G와 같은 네트워크망이 확대되면서 디지털 음원 시장이 스트리밍 서비스 중심으로 재편되고 있다. 또한, 음원 뿐만 아니라, 영상 데이터 또한 스트리밍 서비스 형식으로 활발히 배포되고 있으며, 다양한 사용자들에 의해 소비되고 있다.

음원 및 영상 데이터가 만들어지고 배포되는 과정에서의 편의성을 향상되고 있으나, 음원 및 영상 데이터에 포함된 음원의 믹싱 또는 마스터링 작업은 기술적 장벽이 여전히 높다는 문제점이 있다. 마스터링은, 최종 소비자에게 전달되는 음색과 소리를 전체적으로 통일감이 있도록 일정하게 해주는 작업일 수 있다.

일반적인 사람의 귀는 소리가 크면 클수록 모든 주파수 대역의 소리를 가장 평탄하게 듣고 인지할 수 있으므로, 같은 음악이라도 음향(loudness)이 더 높을수록 좋은 소리로 인지할 수 있다. 음향이 더 큰소리로 나와야 좋은 소리로 소비자들에 인식될 수 있어, 최근에는 음향을 키우려는 경향이 있다. 즉, 소비되는 데이터의 상업성을 늘리기 위하여, 소비자 입장에서 소리의 깊이감과 밀도감을 상승시키는 느낌을 유발하고자 음량을 최대한 향상시키려는 마스터링이 요구될 수 있다. 다만, 음량 상승에만 과도하게 치중하여 다이나믹이 큰 부분을 너무 압축시킬 경우, 트루피크(ture peak)를 넘어서는 디스토션(distortion)이 발생할 수 있다. 아무리 음량을 높이고 싶더라도, 다이나믹에 따라 얼마나 키울것이고, 얼마나 누를 것인지 적당하게 조정하는 것이 필요할 수 있다. 즉, 음원에 대한 마스터링은, 많은 시간과 노력이 필요하며, 음향 조정에 전문적인 지식이 필요하여 기술적 장벽이 높은 어려움이 있다.

한편, 다양한 컨텐츠에 따라, 음원의 마스터링 작업의 방향성이 달라질 수 있다. 예컨대, 음반 작업 과정에서 소음의 최소화되는 공간에서 녹음한 음원의 마스터링 방법과 음원 및 사용자의 대사(dialogue)가 포함된 팟캐스트 방송(또는, 오디오 북, 영화 등 대사와 음원이 함께 포함된 컨텐츠)에 관련한 음원 각각은 마스터링 방법의 방향성이 서로 완전히 상이할 수 있다.

즉, 전문가 수준의 마스터링을 위해서는, 컨텐츠가 단순히 음원만을 포함하는지 또는 음원 이외의 다양한 사용자의 발화내용을 포함하는지 여부를 파악하여야 하며, 결과에 따라 서로 상이한 마스터링 과정이 요구될 수 있다.

따라서, 당 업계에는, 음원 데이터를 획득하는 경우, 해당 음원 데이터가 대화를 포함하는 음원 데이터인지 여부를 자동으로 분류하며, 분류 결과에 따라 해당 음원 데이터에 대응하는 마스터링을 수행하는 컴퓨팅 장치에 대한 기술 개발이 요구될 수 있다.

대한민국 등록특허 10-1558199호

본 발명이 해결하고자 하는 과제는 전술한 배경기술에 대응하여 안출된 것으로, 음원 데이터를 획득하는 경우, 해당 음원 데이터가 대화를 포함하는 음원 데이터인지 여부를 자동으로 분류하며, 분류 결과에 따라 해당 음원 데이터에 대응하는 마스터링을 수행하는 컴퓨팅 장치를 제공하기 위함이다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 음향을 포함하는 영상 데이터의 노이즈 제거 방법이 개시된다. 상기 방법은, 영상 데이터로부터 음원 데이터를 획득하는 단계, 상기 음원 데이터에 포함된 노이즈를 제거하여 가공 음원 데이터를 생성하는 단계 및 상기 영상 데이터 및 상기 가공 음원 데이터를 병합하여 노이즈가 제거된 영상 데이터를 생성하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 가공 음원 데이터를 생성하는 단계는, 상기 음원 데이터에 기초하여 배음(harmonics) 정보를 획득하는 단계 및 상기 배음 정보에 기초하여 상기 음원 데이터로부터 노이즈를 제거하는 단계를 포함하며, 상기 배음 정보는, 원음을 배음 대역 별 에너지 레벨로 분리한 정보일 수 있다.

대안적인 실시예에서, 상기 가공 음원 데이터를 생성하는 단계는, 상기 음원 데이터에 대한 고속 푸리에 변환(FFT, Fast Fourier Transform)을 통해 주파수 정보를 생성하는 단계 및 상기 주파수 정보주파수 정보을 음원 변환 모델에 입력으로 처리하여 상기 음원 데이터에 대응하는 상기 가공 음원 데이터를 생성하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 음원 변환 모델은, 상기 음원 데이터로부터 공명현상(Reconance)에 관련한 노이즈를 제거하기 위한 모델로, 상기 음원 데이터에 대응하는 주파수 정보를 입력으로 하여 노이즈가 제거된 가공 주파수 정보를 출력하는 노이즈 제거 모델 및 상기 가공 주파수 정보에 기초하여 상기 가공 음원 데이터를 생성하는 변환 모델을 포함할 수 있다.

대안적인 실시예에서, 상기 노이즈 제거 모델은, 공명현상을 포함하는 음원 데이터들에 대응하는 주파수 정보들에 관련한 복수의 학습 입력 데이터 및 상기 복수의 학습 입력 데이터에서 공명현상에 관련한 노이즈가 제거된 주파수 정보들에 관련한 복수의 학습 출력 데이터를 통해 구성되는 학습 데이터 세트에 기초하여 학습되는 것을 특징으로 할 수 있다.

대안적인 실시예에서, 상기 변환 모델은, 상기 가공 주파수 정보에 대한 역 고속 푸리에 변환(IFFT, Inverse Fast Fourier Transform)을 수행하여 상기 가공 음원 데이터를 생성할 수 있다.

대안적인 실시예에서, 상기 방법은, 상기 가공 음원 데이터에 대한 증폭을 수행하는 단계를 더 포함할 수 있다.

대안적인 실시예에서, 상기 가공 음원 데이터에 대한 증폭을 수행하는 단계는, 초기 최대값에 기초하여 가공 음원 데이터에 대한 변환을 수행하는 단계, 상기 변환된 가공 음원 데이터의 음량 정보가 미리 정해진 기준값을 초과하는지 여부에 기초하여 상기 변환된 가공 음원 데이터의 증폭을 결정하는 단계 및 상기 가공 음원 데이터에 대응하여 음량 압축(compression) 기능이 적용된 증폭을 수행하는 단계를 포함하며, 상기 음향 압축 기능은, 기 설정된 크기를 초과하는 음향에 대한 압축을 수행하는 것을 특징으로 할 수 있다.

본 발명의 다른 실시예에 따른 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 하나 이상의 인스터럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스터럭션을 실행함으로써, 전술한 음향을 포함하는 영상 데이터의 노이즈 제거 방법을 수행할 수 있다.

본 발명의 또 다른 실시예에 따르면, 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 하드웨어인 컴퓨터와 결합되어, 음향을 포함하는 영상 데이터의 노이즈 제거 방법을 수행할 수 있다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명의 다양한 실시예에 따르면, 음원 데이터를 획득하는 경우, 해당 음원 데이터가 대화를 포함하는 음원 데이터인지 여부를 자동으로 분류하며, 분류 결과에 따라 해당 음원 데이터에 대응하는 마스터링을 수행할 수 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시예와 관련된 음원 데이터에 대한 마스터링을 수행하기 위한 방법의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.
도 2는 본 발명의 일 실시예와 관련된 음원 데이터에 대한 마스터링을 수행하는 컴퓨팅 장치의 하드웨어 구성도이다.
도 3은 본 발명의 일 실시예와 관련된 음원 분류 모델을 생성하기 위한 방법을 예시적으로 나타낸 순서도를 도시한다.
도 4는 본 발명의 일 실시예와 관련된 음원 데이터에 기초하여 복수의 스펙트로그램을 획득하는 과정을 예시적으로 나타낸 예시도이다.
도 5는 본 발명의 일 실시예와 관련된 음원 분류 모델을 활용하여 음원 데이터에 대한 분류 정보를 생성하는 방법을 예시적으로 나타낸 순선도를 도시한다.
도 6은 본 발명의 일 실시예와 관련된 음원 데이터에 대한 마스터링을 수행하기 위한 방법을 예시적으로 나타낸 순서도를 도시한다.
도 7은 본 발명의 일 실시예와 관련된 음원 데이터에 대한 마스터링을 수행하는 과정을 예시적으로 나타낸 순서도를 도시한다.
도 8은 본 발명의 일 실시예와 관련된 음향 압축이 수행된 음원 데이터와 음향 압축이 수행되지 않은 음원 데이터 각각을 예시적으로 나타낸 예시도이다.
도 9는 본 발명의 일 실시예와 관련된 마스터링 되기 전과 후 각각에 대응하는 음원 데이터 각각을 예시적으로 나타낸 예시도이다.
도 10은 본 발명의 일 실시예와 관련된 음향을 포함하는 영상 데이터의 노이즈 제거 방법을 예시적으로 나타낸 순서도를 도시한다.
도 11은 본 발명의 일 실시예와 관련된 배음 정보 및 배음 정보를 배음 대역 별 에너지 레벨로 분리한 예시도를 도시한다.
도 12는 본 발명의 일 실시예와 관련된 하나 이상의 네트워크 함수를 나타낸 개략도이다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 발명의 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.

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 예시 적 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 발명내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.

도 1은 본 발명의 일 실시예와 관련된 음원 데이터에 대한 마스터링을 수행하기 위한 방법의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.

도 1에 도시된 바와 같이, 본 발명의 실시예들에 따른 시스템은, 컴퓨팅 장치(100), 사용자 단말(20), 외부 서버(30) 및 네트워크를 포함할 수 있다. 도 1에서 도시되는 컴포넌트들은 예시적인 것으로서, 추가적인 컴포넌트들이 존재하거나 또는 도 1에서 도시되는 컴포넌트들 중 일부는 생략될 수 있다. 본 발명의 실시예들에 따른 컴퓨팅 장치(100), 사용자 단말(20) 및 외부 서버(30)는 네트워크를 통해, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.

본 발명의 실시예들에 따른 네트워크는 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, 여기서 제시되는 네트워크는 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 발명의 실시예들에 따른 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 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.

본 발명의 실시예에 따르면, 사용자 단말(20)은 컴퓨팅 장치(100)와 통신을 위한 메커니즘을 갖는 시스템에서의 임의의 형태의 노드(들)를 의미할 수 있다. 사용자 단말(20)은 컴퓨팅 장치(100)와의 정보 교환을 통해 음원 데이터에 관련한 정보를 제공받을 수 있는 단말로, 사용자가 소지한 단말을 의미할 수 있다. 예컨대, 사용자 단말(20)은 음원 데이터가 어떠한 음원 데이터인지 여부를 자동으로 식별(예컨대, 음원 데이터가 음악만을 포함하는 음원 데이터인지, 또는 대사까지 포함하는 음원 데이터인지 여부를 식별)하는 모델을 생성하고자 하는 사용자에 관련한 단말일 수 있다. 또한, 예를 들어, 사용자 단말(20)은 음원 해상도를 유지하면서 최대한 음량을 키움으로서, 믹싱된 오디오 결과물(즉, 음원 데이터)에 대응하여 전문가 수준의 고도화된 마스터링을 수행하고자 하는 사용자에 관련한 단말일 수 있다. 다른 예를 들어, 사용자 단말(20)은 영상용 오디오에서 야외소음 또는 생활소음 등 노이즈를 제거하고, 인성을 최대한 강조하여 최적의 영상 오디오를 생성하고자 하는 사용자에 관련한 단말일 수 있다. 전술한 사용자 단말의 사용자에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.

사용자 단말(20)은 컴퓨팅 장치(100)와 통신을 위한 메커니즘을 갖는 시스템에서의 임의의 형태의 엔티티(들)를 의미할 수 있다. 예를 들어, 이러한 사용자 단말(20)은 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 및 웨어러블 디바이스(wearable device) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다. 또한, 사용자 단말(20)은 에이전트, API(Application Programming Interface) 및 플러그-인(Plug-in) 중 적어도 하나에 의해 구현되는 임의의 서버를 포함할 수도 있다. 또한, 사용자 단말(20)은 애플리케이션 소스 및/또는 클라이언트 애플리케이션을 포함할 수 있다.

본 발명의 실시예에 따르면, 외부 서버(30)는 네트워크를 통해 컴퓨팅 장치(100)와 연결될 수 있으며, 컴퓨팅 장치(100)가 음원 데이터에 대한 마스터링을 수행하기 위한 방법, 음향을 포함하는 영상 데이터의 노이즈 제거 방법 및 음원 분류 모델을 생성하기 위한 방법 중 적어도 하나의 방법을 수행하기 위한 필요한 각종 정보/데이터를 제공하거나, 인공지능을 활용한 분석을 수행함에 따라 도출되는 결과 데이터를 제공받아 저장 및 관리할 수 있다. 예를 들어, 외부 서버(30)는 컴퓨팅 장치(100)의 외부에 별도로 구비되는 저장 서버일 수 있으나, 이에 한정되지 않는다.

실시예에서, 외부 서버(30)는 신경망의 학습을 위한 복수의 학습 데이터에 관련한 정보들을 저장하는 서버일 수 있다. 예를 들어, 외부 서버(30)는 복수의 음원 데이터에 대응하는 복수의 스펙트로그램 또는, 각 스펙트로그램에 대응하는 분류 정보들을 저장할 수 있다. 다른 예를 들어, 외부 서버(30)는 노이즈를 포함하는 복수의 음원 데이터 각각에 대응하는 주파수 정보 또는, 노이즈가 제거된 복수의 음원 데이터 각각에 대응하는 가공 주파수 정보에 관련한 정보들을 저장할 수 있다. 외부 서버(30)에 저장된 정보들은 본 발명에서의 신경망을 학습시키기 위한 학습 데이터, 검증 데이터 및 테스트 데이터로 활용될 수 있다. 본 발명의 컴퓨팅 장치(100)는, 외부 서버(30)로부터 수신한 데이터들에 기반하여 학습 데이터 세트를 구축할 수 있으며, 학습 데이터 세트를 통해 하나 이상의 네트워크 함수를 포함하는 신경망 모델을 학습시킴으로써, 본 발명의 음원 분류 모델, 음원 스타일 분류 모델 및 음원 변환 모델 등을 생성할 수 있다.

외부 서버(30)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 외부 서버(30)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 발명은 이에 제한되지 않는다.

본 발명의 일 실시예에 따르면, 컴퓨팅 장치(100)는 음원 데이터에 대한 분석 및 가공을 수행할 수 있다. 여기서 분석은, 음원 데이터가 어떠한 음원 데이터인지 여부를 판별하기 위한 것으로, 예를 들어, 특정 음원 데이터가 음악에 관련한 음원만을 포함하는 제1음원 데이터인지 또는 음악에 관련한 음원과 사용자의 대사에 관련한 음원 모두를 포함하는 제2음원 데이터인지 여부를 판별하기 위한 분석을 의미할 수 있다. 실시예에서, 제1음원 데이터는, 음악에 관련한 음원만을 포함하는 음원 데이터일 수 있으며, 제2음원 데이터는, 사용자의 발화(예컨대, 대사, 또는 대화) 및 음악에 관한 음원을 포함하는 음원 데이터를 의미할 수 있다. 구체적인 예를 들어, 제1음원 데이터는, 다양한 장르(예컨대, 발라드, 댄스, 클래식, 팝송 또는 랩 등)의 음악에 관련한 음원 데이터들을 포함할 수 있으며, 제2음원 데이터는, 영상 데이터에 관련한 음원 데이터, 라디오 진행에 관련한 음원 데이터, 팟캐스터에 관련한 음원 데이터 또는 오디오북에 관련한 음원 데이터 등을 포함할 수 있다. 다시 말해, 제1음원 데이터는, 음악에 관련한 음원 이외에 별도의 사용자의 대사, 대화 등 다이얼로그(dialogue)에 관련한 음원을 포함하지 않는 음원 데이터일 수 있으며, 제2음원 데이터는, 음악에 관련한 음원과 사용자의 대사 또는 대화에 관련한 음원이 동시에 동일 구간에 중첩되어 포함되거나, 또는 구간에 따라 음악에 관련한 음원 및 대사 또는 대화에 관련한 음원 각각이 존재하는 종합적인 음원 데이터일 수 있다. 전술한 각 음원 데이터에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.

또한, 컴퓨팅 장치(100)는 음원 데이터가 제1음원 데이터인지 또는 제2음원 데이터인지 여부에 관한 판별 결과에 따라, 해당 음원 데이터에 대한 가공을 수행할 수 있다. 실시예에서, 음원 데이터에 대한 가공은, 달리 녹음된 여러 곡의 음색과 소리를 전체적으로 균형 있게 통일해주는 마스터링(mastering) 및 야외소음 또는 생활소음 등에 관련한 노이즈를 제거하기 위한 디노이징(denoising)을 포함할 수 있다. 예컨대, 음원 데이터가 제1음원 데이터인지 또는 제2음원 데이터인지 여부에 따라, 마스터링 및 디노이징에 관련한 가공이 상이해질 수 있다. 예를 들어, 음원 데이터가 제2음원 데이터인 경우, 음원 데이터가 제1음원 데이터인 경우 보다 외부 잡음이 더 많이 포함되어 있으므로, 보다 견고한 디노이징이 요구될 수 있다. 또한 예를 들어, 음원 데이터가 음악만을 포함하는지 또는 음악 이외에 다양한 사용자의 발화내용을 포함하는지 여부에 따라, 음원에 대한 마스터링 방법이 상이해질 수 있다. 구체적인 예를 들어, 라디오처럼 음악과 대사가 번갈아가면서 나오는 콘텐츠, 아카펠라처럼 반주가 없는 음악 또는 노래하듯이 대사를 말하는 콘텐츠 등은 마스터링을 수행하기 위해서는 고려해야하는 변수가, 음악에 관련한 마스터링을 수행하는 경우 보다 많을 수 있다. 전술한 예시는 본 발명의 이해를 돕기 위한 예시일 뿐, 본 발명은 이에 제한되지 않는다.

본 발명의 컴퓨팅 장치(100)는 음원 데이터가 제1음원 데이터인지 제2음원 데이터인지 여부를 자동으로 분류하고, 해당 분류 결과에 따라 최적의 마스터링 및 디노이징을 수행하여 음원 데이터에 대한 가공을 수행할 수 있다. 음원 데이터의 분류, 마스터링 및 디노이징 방법에 대한 구체적인 설명은, 도 2 및 도 12를 참조하여 후술하도록 한다.

도 1에서의 1개의 컴퓨팅 장치(100)만을 도시하고 있으나, 이보다 많은 컴퓨팅 장치 또는 서버들 또한 본 발명의 범위에 포함될 수 있다는 점 그리고 컴퓨팅 장치(100)가 추가적인 컴포넌트들을 포함할 수 있다는 점은 당해 출원분야에 있어서 통상의 지식을 가진 자에게 명백할 것이다. 즉, 컴퓨팅 장치(100)는 복수 개의 컴퓨팅 장치로 구성될 수도 있다. 다시 말해, 복수의 노드의 집합이 컴퓨팅 장치(100)를 구성할 수 있다.

본 발명의 일 실시예에 따르면, 컴퓨팅 장치(100)는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 보다 구체적으로, 컴퓨팅 장치(100)는 인터넷 기반 컴퓨팅의 일종으로 정보를 사용자의 컴퓨터가 아닌 인터넷에 연결된 다른 컴퓨터로 처리하는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 상기 클라우드 컴퓨팅 서비스는 인터넷 상에 자료를 저장해 두고, 사용자가 필요한 자료나 프로그램을 자신의 컴퓨터에 설치하지 않고도 인터넷 접속을 통해 언제 어디서나 이용할 수 있는 서비스일 수 있으며, 인터넷 상에 저장된 자료들을 간단한 조작 및 클릭으로 쉽게 공유하고 전달할 수 있다. 또한, 클라우드 컴퓨팅 서비스는 인터넷 상의 서버에 단순히 자료를 저장하는 것뿐만 아니라, 별도로 프로그램을 설치하지 않아도 웹에서 제공하는 응용프로그램의 기능을 이용하여 원하는 작업을 수행할 수 있으며, 여러 사람이 동시에 문서를 공유하면서 작업을 진행할 수 있는 서비스일 수 있다. 또한, 클라우드 컴퓨팅 서비스는 IaaS(Infrastructure as a Service), PaaS(Platform as a Service), SaaS(Software as a Service), 가상 머신 기반 클라우드 서버 및 컨테이너 기반 클라우드 서버 중 적어도 하나의 형태로 구현될 수 있다. 즉, 본 발명의 컴퓨팅 장치(100)는 상술한 클라우드 컴퓨팅 서비스 중 적어도 하나의 형태로 구현될 수 있다. 전술한 클라우드 컴퓨팅 서비스의 구체적인 기재는 예시일 뿐, 본 발명의 클라우드 컴퓨팅 환경을 구축하는 임의의 플랫폼을 포함할 수도 있다.

도 2는 본 발명의 일 실시예와 관련된 음원 데이터에 대한 마스터링을 수행하는 컴퓨팅 장치의 하드웨어 구성도이다.

도 2를 참조하면, 본 발명의 다른 실시예에 따른 음원 데이터에 대한 마스터링을 수행하는 컴퓨팅 장치(100)(이하, “컴퓨팅 장치(100)”)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.

본 발명의 일 실시예에 따르면, 프로세서(110)는 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 처리할 수 있다. 프로세서(110)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(120)에 저장된 응용 프로그램을 구동함으로써, 사용자 또는 사용자 단말에게 적정한 정보 또는, 기능을 제공하거나 처리할 수 있다.

또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 컴퓨팅 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.

본 발명의 일 실시예에 따르면, 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(120)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 딥러닝을 위한 데이터 처리를 수행할 수 있다. 본 발명의 일 실시예에 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.

또한, 프로세서(110)는 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 발명의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.

본 명세서에서 네트워크 함수는 인공 신경망, 뉴런 네트워크와 상호 교환 가능하게 사용될 수 있다. 본 명세서에서 네트워크 함수는 하나 이상의 뉴럴 네트워크를 포함할 수도 있으며, 이 경우 네트워크 함수의 출력은 하나 이상의 뉴럴 네트워크의 출력의 앙상블(ensemble)일 수 있다.

프로세서(110)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 음원 데이터에 대한 마스터링을 수행하기 위한 방법, 음향을 포함하는 영상 데이터의 노이즈 제거 방법 및 음원 데이터의 분류 방법을 제공할 수 있다. 본 발명의 일 실시예에 따르면, 프로세서(110)는 음원 데이터에 대한 분류를 수행할 수 있으며, 해당 분류 결과에 따라 음원 데이터에 대응하는 가공된 음원 데이터를 생성할 수 있다. 본 발명의 일 실시예에 따라, 프로세서(110)는 음원 스타일 분류 모델, 음원 변환 모델 및 음원 분류 모델을 학습시키기 위한 계산을 수행할 수 있다.

다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.

메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.

버스(130)는 컴퓨팅 장치(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.

통신 인터페이스(140)는 컴퓨팅 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.

스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 컴퓨팅 장치(100)를 통해 단선도를 생성하기 위한 프로세스를 수행하는 경우, 스토리지(150)는 단선도를 생성하기 위한 프로세스를 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.

스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.

컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.

일 실시예에서, 컴퓨터 프로그램(151)은 소스 음원 데이터 및 최적 음원 가공 스타일 정보를 획득하는 단계, 최적 음원 가공 스타일 정보에 기초하여 상기 소스 음원 데이터에 대한 조정을 수행하여 가공 음원 데이터를 생성하는 단계, 상기 가공 음원 데이터에 대한 증폭을 수행하는 단계 및 증폭된 가공 음원 데이터에 대한 스테레오 이미징을 수행하여 마스터링된 음원 데이터를 생성하는 단계를 포함하는 음원 데이터에 대한 마스터링을 수행하기 위한 방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.

다른 실시예에서, 컴퓨터 프로그램(151)은 영상 데이터로부터 음원 데이터를 획득하는 단계, 음원 데이터에 포함된 노이즈를 제거하여 가공 음원 데이터를 생성하는 단계 및 영상 데이터 및 가공 음원 데이터를 병합하여 노이즈가 제거된 영상 데이터를 생성하는 단계를 포함하는 음향을 포함하는 영상 데이터의 노이즈 제거 방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.

또 다른 실시예에서, 컴퓨터 프로그램(151)은 복수의 음원 데이터를 획득하는 단계, 복수의 음원 데이터 각각에 기초하여 복수의 스펙트로그램을 획득하는 단계, 복수의 스펙트로그램에 기초하여 학습 데이터 세트를 생성하는 단계 및 상기 학습 데이터 세트를 활용하여 하나 이상의 네트워크 함수에 대한 학습을 수행하여 음원 분류 모델을 생성하는 단계를 포함하는 음원 분류 모델을 생성하기 위한 방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 이하, 도 3 내지 도 12 참조하여, 컴퓨팅 장치(100)에 의해 수행되는 음원 데이터의 분류, 마스터링 및 디노이징 방법에 대하여 구체적으로 후술하도록 한다.

도 3은 본 발명의 일 실시예와 관련된 음원 분류 모델을 생성하기 위한 방법을 예시적으로 나타낸 순서도를 도시한다. 도 3에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 이하의 단계들은 본 발명의 일 실시예에 불과할 뿐, 본 발명의 권리 범위는 이에 제한되지 않는다.

본 발명의 일 실시예에 따르면, 음원 분류 모델을 생성하기 위한 방법은 복수의 음원 데이터를 획득하는 단계(S110)를 포함할 수 있다. 실시예에서, 컴퓨팅 장치(100)는 외부 서버(30)로부터 복수의 음원 데이터를 획득할 수 있다. 외부 서버(30)는 신경망 모델의 학습을 위한 학습 데이터들을 저장하는 서버일 수 있다. 컴퓨팅 장치(100)는 외부 서버(30)로부터 복수의 음원 데이터를 수신할 수 있으며, 해당 음원 데이터들을 통해 학습 데이터 세트를 구축함으로써, 신경망 모델에 대한 학습을 수행할 수 있다.

여기서, 복수의 음원 데이터는, 제1음원 데이터 및 제2음원 데이터 중 적어도 하나에 관련한 것일 수 있다. 제1음원 데이터는 음악을 통해 구성된 음원 데이터일 수 있으며, 제2음원 데이터는 음악 및 사용자의 발화(예컨대, 대사 또는 대화)를 통해 구성된 음원 데이터일 수 있다. 예를 들어, 제1음원 데이터는 음악만을 포함하는 음원 데이터를 포함할 수 있으며, 제2음원 데이터는, 음악과 대사가 번갈아 가면서 나오는 라디오에 관련한 음원 데이터, 반주가 없는 아카펠라에 관련한 음원 데이터, 노래하듯이 말하는 대사에 관련한 음원 데이터 및 배경 음악과 사용자의 발화가 동시에 포함되는 방송 컨텐츠에 관련한 음원 데이터 등을 포함할 수 있다. 전술한 제2음원 데이터에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이제 제한되지 않는다.

본 발명의 일 실시예에 따르면, 음원 분류 모델을 생성하기 위한 방법은 복수의 음원 데이터 각각에 기초하여 복수의 스펙트로그램을 획득하는 단계(S120)를 포함할 수 있다. 실시예 따르면, 복수의 음원 데이터는, 제1음원 데이터 및 제2음원 데이터 중 적어도 하나에 관련한 것일 수 있으며, 컴퓨팅 장치(100)는 제1음원 데이터 및 제2음원 데이터 중 적어도 하나에 관련한 복수의 음원 데이터들 각각에 대응하여 복수의 스펙트로그램을 생성할 수 있다.

구체적으로, 컴퓨팅 장치(100)는 복수의 음원 데이터 각각을 미리 정해진 시간 단위로 분할하여 각 음원 데이터에 대응하는 복수의 음원 서브 데이터를 생성할 수 있다. 예컨대, 미리 정해진 시간 단위는, 30초를 의미할 수 있다. 예를 들어, 도 4를 참조하면, 컴퓨팅 장치(100)는 음원 데이터(200)를 미리 정해진 시간 단위(예컨대, 30초)로 분할하여 음원 데이터(200)에 대응하는 복수의 음원 서브 데이터를 생성할 수 있다. 구체적인 예를 들어, 컴퓨팅 장치(100)는 90초에 해당하는 음원 데이터(200)를 0~30초에 해당하는 제1음원 서브 데이터(210), 31~60초에 해당하는 제2음원 서브 데이터(220) 및 61초~90초에 해당하는 제3음원 서브 데이터(230)로 분할할 수 있다. 전술한 음원 데이터 및 음원 서브 데이터에 대한 구체적인 수치적 기재는 예시일 분, 본 발명은 이에 제한되지 않는다.

일 실시예에서, 본 발명에서 활용되는 음원 데이터들은, 음악 및 대사 모두를 포함하는 음원 데이터 즉, 제2음원 데이터에 관련한 데이터들을 포함할 수 있다. 제2음원 데이터에 관련한 음원 데이터들은, 음악과 대사를 모두 포함하기 때문에, 길이가 긴 음원 데이터를 활용하여 신경망에 대한 학습하는 경우, 혼선이 야기될 수 있다. 다시 말해, 제2음원 데이터는 대사 이외에도 음악에 관련한 음원을 포함하기 때문에, 음원 데이터를 제1음원 데이터 및 제2음원 데이터 중 적어도 하나로 분류하는 신경망 모델 학습에 적절치 않을 수 있다. 이에 따라, 컴퓨팅 장치(100)는 신경망 모델의 학습 효율 및 출력 정확도 향상을 위하여, 하나의 음원 데이터를 복수의 음원 서브 데이터로 분할하고, 분할된 음원 서브 데이터 각각을 활용하여 본 발명의 음원 분류 모델을 학습시키기 위한 학습 데이터 세트를 구축할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 복수의 음원 서브 데이터 각각에 대응하여 복수의 스펙트로그램을 생성할 수 있다. 실시예에서, 컴퓨팅 장치(100)는 복수의 음원 서브 데이터 각각에 대한 고속 푸리에 변환(FFT, Fast Fourier Transform)을 통해 복수의 스펙트로그램을 생성할 수 있다. 고속 푸리에 변환은, 각 시간 구간마다 어떤 주파수들이 존재하는지 알 수 있도록 시간에 대한 함수 또는 신호를 주파수 성분으로 분해하는 것을 의미할 수 있다. 스펙트로그램은 소리나 파동을 시각화하여 파악하기 위한 것으로, 파형(waveform)과 스펙트럼(spectrum)의 특징이 조합된 것일 수 있다. 스펙트로그램은 시간 축과 주파수 축의 변화에 따라 진폭을 차이를 인쇄 농도 또는, 표시 색상의 차이로 나타낸 것일 수 있다. 스펙트로그램은 주파수 정보와 시계열 정보를 함께 나타낼 수 있는 데이터로써 음원 데이터 분석에 용이하게 활용될 수 있다. 스펙트로그램은 소리의 주파수 스펙트럼이 시간에 따라 어떻게 변환하는지 보여주는 정보를 포함하고 있으므로, 작은 음향에도 견고한 음향 분석 효율을 제공할 수 있다. 본 발명의 컴퓨팅 장치는, 음원 데이터 분석 과정에서, 복수의 음원 데이터들에 대응하는 복수의 스펙트로그램을 활용함으로써, 향상된 정확성 및 신뢰도를 담보할 수 있다.

구체적인 예를 들어, 도 4를 참조하면, 컴퓨팅 장치(100)는 제1음원 서브 데이터(210)에 대한 고속 푸리에 변환을 통해 제1스펙트로그램(211)을 획득할 수 있으며, 제2음원 서브 데이터(220)에 대한 고속 푸리에 변환을 통해 제2스펙트로그램(212)을 획득할 수 있고, 그리고 제3음원 서브 데이터(230)에 대한 고속 푸리에 변환을 통해 제3스펙트로그램(213)을 획득할 수 있다. 즉, 컴퓨팅 장치(100)는 음원 데이터를 미리 정해진 시간 단위로 분할함에 따라 생성된 복수의 음원 서브 데이터 각각에 대한 고속 푸리에 변환을 통해 복수의 스펙트로그램을 생성할 수 있다.

본 발명의 일 실시예에 따르면, 음원 분류 모델을 생성하기 위한 방법은 복수의 스펙트로그램에 기초하여 학습 데이터 세트를 생성하는 단계(S130)를 포함할 수 있다. 일 실시예에서, 컴퓨팅 장치(100)는 복수의 음원 서브 데이터 각각에 대응하는 복수의 스펙트로그램에 기초하여 복수의 학습 입력 데이터를 생성할 수 있다. 실시예에서, 복수의 학습 입력 데이터는 복수의 스펙트로그램 각각에 관련한 이미지를 통해 구성될 수 있다.

또한, 컴퓨팅 장치(100)는 복수의 음원 데이터 각각의 음원 분류 정보에 기초하여 복수의 스펙트로그램에 대응하는 복수의 학습 출력 데이터를 생성할 수 있다. 여기서 음원 분류 정보는, 복수의 음원 데이터가 제1음원 데이터 및 제2음원 데이터 중 적어도 하나에 관련한다는 정보일 수 있다. 실시예에서, 제1음원 데이터는 음악에 관련한 음원 데이터를 의미할 수 있으며, 제2음원 데이터는 음악 및 대사에 관련한 음원 데이터를 의미할 수 있다.

실시예에서, 복수의 음원 데이터 각각에는, 제1음원 데이터 및 제2음원 데이터 중 적어도 하나에 관련한다는 음원 분류 정보가 매칭되어 있을 수 있으며, 컴퓨팅 장치(100)는 각 음원 데이터에 매칭된 음원 분류 정보에 기초하여 학습 출력 데이터를 생성할 수 있다. 예컨대, 복수의 음원 데이터 중 A 음원 데이터는 음악에 관련한 음원만을 포함하는 제1음원 데이터라는 음원 분류 정보가 매칭되어 저장되어 있을 수 있으며, B 음원 데이터는 음악 및 대사에 관련한 음원을 포함하는 제2음원 데이터라는 음원 분류 정보가 매칭되어 저장되어 있을 수 있다. 예컨대, A 음원 데이터에 제1음원 데이터라는 음원 분류 정보가 매칭된 경우, A 음원 데이터에 기초하여 생성된 복수의 음원 서브 데이터들 모두, 제1음원 데이터에 관련한 것일 수 있다. 또한, B 음원 데이터에 제2음원 데이터라는 음원 분류 정보가 매칭된 경우, B 음원 데이터에 기초하여 생성된 복수의 음원 서브 데이터들 모두, 제2음원 데이터에 관련한 것일 수 있다. 전술한 각 음원 데이터에 매칭된 음원 분류 정보에 관련한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.

실시예에서, 컴퓨팅 장치(100)는 복수의 학습 입력 데이터 각각에 대응하는 복수의 학습 출력 데이터 각각을 매칭하여 학습 데이터 세트를 생성할 수 있다. 구체적인 예를 들어, 컴퓨팅 장치(100)는 A 음원 데이터를 미리 정해진 시간 단위로 분할하여 복수의 음원 서브 데이터를 생성할 수 있으며, 각 음원 서브 데이터에 대응하는 복수의 스펙트로그램(예컨대, 제1스펙트로그램 내지 제10스펙트로그램)을 생성할 수 있다. 실시예에 따라, A 음원 데이터에는 제2음원 데이터라는 음원 분류 정보가 매칭되어 있을 수 있다. 이 경우, 컴퓨팅 장치(100)는, A 음원 데이터에 대응하는 복수의 스펙트로그램에 기초하여 복수의 학습 입력 데이터를 생성하고, 해당 스펙트로그램들에 대응하는 음원 분류 정보에 기초하여 학습 출력 데이터를 생성할 수 있다. 컴퓨팅 장치(100)는 A 음원 데이터에 대응하는 제1스펙트로그램 내지 제10스펙트로그램에 대응하여 해당 음원 데이터가 음악 및 대사에 관련한 음원을 포함하는 제2음원 데이터에 해당한다는 음원 분류 정보를 매칭하여 라벨링 할 수 있다. 즉, 제1스펙트로그램 내지 제10스펙트로그램 각각에는 제2음원 데이터에 해당한다는 정답 정보가 매칭될 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 음원 데이터가 제2음원 데이터에 관련한 경우, 음원 데이터에서 제거용 음원 서브 데이터를 식별할 수 있다. 본 발명에서의 활용되는 복수의 음원 데이터는 제1음원 데이터 및 제2음원 데이터 중 적어도 하나에 관련할 수 있으며, 컴퓨팅 장치(100)는 제2음원 데이터에 관련한 하나 이상의 음원 데이터들 각각에 대응하여 제거용 음원 서브 데이터를 식별할 수 있다. 제거용 음원 서브 데이터는 제2음원 데이터에서 미리 정해진 시간 이상 동안 음악에 관련한 음원 데이터가 포함된 구간에 관련한 정보인 것을 특징으로 할 수 있다. 예컨대, 미리 정해진 시간은, 30초일 수 있다. 즉, 컴퓨팅 장치(100)는 제2음원 데이터에 관련한 음원 데이터에서 음악에 관련한 음원 데이터가 미리 정해진 시간 이상으로 식별되는 구간을 제거용 음원 서브 데이터로 식별할 수 있다. 일 실시예에서, 제2음원 데이터에 관련한 음원 데이터에 음악에 관련한 음원 데이터가 미리 정해진 시간 이상 포함되는지 여부는, 사용자 단말(20)의 사용자의 입력에 기초하여 생성된 제거 구간 정보에 의해 식별될 수 있다. 일 예로, 사용자 단말(20)은 음원 데이터의 특정 구간에 관련한 사용자 입력에 기초하여, 음원 데이터에서 제거에 관련한 제거 구간 정보를 생성할 수 있으며, 생성된 제거 구간 정보를 컴퓨팅 장치(100)로 전송할 수 있다. 컴퓨팅 장치(100)는 사용자 단말(20)로부터 수신한 해당 제거 구간 정보에 기초하여 제거용 음원 서브 데이터를 식별할 수 있다.

또한, 컴퓨팅 장치(100)는 제거용 음원 서브 데이터가 식별된 경우, 제2음원 데이터로부터 제거용 음원 서브 데이터를 제거할 수 있다. 예컨대, 대사를 포함하는 제2음원 데이터에 관련한 음원 데이터에서, 음악(예컨대, 배경음악)이 길게 나오는 구간이 섞여 있는 경우, 해당 음원 데이터를 활용한 학습 시 혼선이 야기될 수 있다. 예를 들어, 음악과 대사를 포함하고 있으며, 해당 음원의 길이가 긴 경우, 음원 데이터로부터 도출 또는 고려되는 특징이 많아지며, 이는 신경망 모델로 하여금 과도하게 많은 배울 지식을 요구하게 하고, 이는, 신경망 모델의 학습 효율을 저하시킬 우려가 있다.

이에 따라, 컴퓨팅 장치(100)는 제2음원 데이터에 관련한 음원 데이터의 경우, 대사 이외에 음악이 길게 나오는 구간을 제거용 음원 서브 데이터로 식별하여 제거할 수 있다. 즉, 제2음원 데이터에 관련한 음원 데이터로부터 제거용 음원 서브 데이터가 제거됨에 따라, 해당 데이터를 기반으로 한 학습의 효율이 향상될 수 있으며, 나아가 학습이 완료된 신경망 모델(즉, 음원 분류 모델)의 출력 정확도가 향상될 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 제1음원 데이터 및 제2음원 데이터 각각에 관련한 음원 데이터 간의 조합에 기초하여 추가 학습 데이터를 생성할 수 있다. 컴퓨팅 장치(100)는 배경음악이 존재하는 제2음원 데이터에 관련한 음원 데이터의 학습 과정에 대응하여 제1음원 데이터 및 제2음원 데이터 각각에 관련한 음원 데이터를 조합하여 추가 학습 데이터를 생성할 수 있다. 이 경우, 추가 학습 데이터는 제2음원 데이터에 관련한다는 음원 분류 정보를 포함할 수 있다. 즉, 음악과 발화가 합쳐져 생성된 추가 학습 데이터는, 제2음원 데이터라는 정답 정보(음원 기본 정보)가 매칭될 수 있다. 따라서, 컴퓨팅 장치(100)는 음악만을 포함하는 음원 데이터와 음악과 대사를 포함하는 음원 데이터 간의 조합을 통해, 신경망 모델을 학습시키기 위한 학습 데이터를 증강(augmentation)시킬 수 있다.

본 발명의 일 실시예에 따르면, 음원 분류 모델을 생성하기 위한 방법은 학습 데이터 세트를 활용하여 하나 이상의 네트워크 함수에 대한 학습을 수행하여 음원 분류 모델을 생성하는 단계(S140)를 포함할 수 있다. 다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 스펙트로그램과 각 스펙트로그램에 대응하는 음원 분류 정보를 학습 데이터로 하여 지도학습(supervised learning)될 수 있다. 그러나, 이에 한정되지 않고, 다양한 학습 방법이 적용될 수 있다. 여기서, 지도학습은 통상적으로 특정 데이터와 특정 데이터에 연관된 정보를 라벨링하여 학습 데이터를 생성하고, 이를 이용하여 학습시키는 방법으로써, 인과 관계를 가진 두 데이터를 라벨링하여 학습 데이터를 생성하고, 생성된 학습 데이터를 통해 학습하는 방법을 의미한다.

실시예에서, 컴퓨팅 장치(100)는 복수의 스펙트로그램에 관련한 복수의 학습 입력 데이터 각각을 하나 이상의 네트워크 함수의 입력으로 처리하여, 각 학습 입력 데이터에 대응하여 복수의 출력 데이터를 출력할 수 있다. 컴퓨팅 장치(100)는 학습 입력 데이터에 대응하여 하나 이상의 네트워크 함수를 통해 연산되어 출력된 출력 데이터와 학습 입력 데이터의 라벨에 해당하는 학습 출력 데이터를 비교하여 오차를 도출할 수 있다. 또한, 컴퓨팅 장치(100)는 도출된 오차에 기초하여 하나 이상의 네트워크 함수의 가중치를 역전파(backpropagation) 방식으로 조정할 수 있다. 즉, 컴퓨팅 장치(100)는 학습 입력 데이터에 대한 하나 이상의 네트워크 함수의 연산 결과와 학습 출력 데이터의 오차에 기초하여 하나 이상의 네트워크 함수의 출력이 학습 출력 데이터에 가까워지도록 가중치를 조정할 수 있다.

상기와 같은 학습 과정을 통해 생성된 음원 분류 모델은, 음원 데이터에 대응하는 복수의 음원 서브 데이터 각각에 대응하는 복수의 스펙트로그램을 입력으로 하여 각 음원 서브 데이터에 대응하는 복수의 분류 서브 정보를 출력할 수 있다. 또한, 음원 분류 모델은, 복수의 분류 서브 정보의 조합에 관련한 분류 정보를 출력하는 모델일 수 있다. 일 실시예에서, 음원 분류 모델은, 시간 축과 주파수 축의 변화에 따른 진폭의 차이에 관한 인쇄 농도 또는 표시 색상에 관련한 스펙트로그램 이미지를 입력으로 하여 제1음원 데이터 및 제2음원 데이터 중 적어도 하나에 관련한 분류 정보를 출력하는 신경망 모델일 수 있다. 즉, 음원 분류 모델은, 스펙트로그램에 관련한 이미지에 대한 분류를 수행하는 이미지 분류 모델일 수 있다. 이하에서는, 도 5를 참조하여, 분류하고자 하는 음원 데이터(즉, 소스 음원 데이터)를 수신하는 경우, 학습된 신경망 모델인 음원 분류 모델을 활용하여 음원 데이터에 대응하는 분류 정보를 생성하는 과정을 구체적으로 후술하도록 한다.

본 발명의 일 실시예에 따르면, 컴퓨팅 장치(100)는 음원 데이터를 획득할 수 있다(S210). 실시예에서, 음원 데이터는 분류를 수행하고자 하는 소스 음원 데이터를 의미할 수 있다. 일 실시예에서, 음원 데이터의 획득은, 메모리에 저장된 음원 데이터를 수신하거나, 또는 로딩(loading)하는 것일 수 있다. 또한, 음원 데이터의 유/무선 통신 수단에 기초하여 다른 저장 매체, 다른 컴퓨팅 장치, 동일한 컴퓨팅 장치 내의 별도 처리 모듈로부터 음원 데이터를 수신하거나 또는 로딩하는 것일 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자 단말(20)로부터 음원 데이터를 획득할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 음원 데이터를 미리 정해진 시간 단위로 분할하여 복수의 음원 서브 데이터를 생성할 수 있다(S220). 예를 들어, 컴퓨팅 장치(100)는 음원 데이터를 미리 정해진 시간 단위인 30초 단위로 각각으로 구분하여 복수의 음원 서브 데이터를 생성할 수 있다. 구체적인 예를 들어, 90초에 대응하는 소스 음원 데이터에 대응하여, 컴퓨팅 장치(100)는 0~30초에 해당하는 제1음원 서브 데이터, 31~60초에 해당하는 제2음원 서브 데이터 및 61~90초에 해당하는 제3음원 서브 데이터를 생성할 수 있다.

또한, 컴퓨팅 장치(100)는 복수의 음원 서브 데이터에 기초하여 복수의 스펙트로그램을 생성할 수 있다(S230). 컴퓨팅 장치(100)는 소스 음원 데이터에 대응하는 복수의 음원 서브 데이터 각각에 대한 주파수 변환을 통해 복수의 스펙트로그램을 생성할 수 있다. 구체적인 예를 들어, 컴퓨팅 장치(100)는 제1음원 서브 데이터(210)에 대한 고속 푸리에 변환을 통해 제1스펙트로그램(211)을 획득할 수 있으며, 제2음원 서브 데이터(220)에 대한 고속 푸리에 변환을 통해 제2스펙트로그램(212)을 획득할 수 있고, 그리고 제3음원 서브 데이터(230)에 대한 고속 푸리에 변환을 통해 제3스펙트로그램(213)을 획득할 수 있다. 즉, 컴퓨팅 장치(100)는 음원 데이터를 미리 정해진 시간 단위로 분할함에 따라 생성된 복수의 음원 서브 데이터 각각에 대한 고속 푸리에 변환을 통해 복수의 스펙트로그램을 생성할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 복수의 스펙트로그램 각각을 음원 분류 모델을 입력으로 처리할 수 있다(S240). 음원 분류 모델은, 복수의 스펙트로그램 이미지에 관련한 복수의 학습 입력 데이터 및 각 스펙트로그램에 대응하는 음원 분류 정보에 관련한 복수의 학습 출력 데이터를 포함하는 학습 데이터 세트를 통해 학습된 신경망 모델일 수 있다.

즉, 컴퓨팅 장치(100)는 복수의 스펙트로그램 각각을 음원 분류 모델의 입력으로 처리하여 복수의 스펙트로그램 각각에 대응하는 복수의 분류 서브 정보를 획득할 수 있다(S250). 예를 들어, 소스 음원 데이터에 대응하여 3개의 음원 서브 데이터가 획득될 수 있으며, 3개의 음원 서브 데이터 각각에 대응하여 3개의 스펙트로그램(예컨대, 제1스펙트로그램, 제2스펙트로그램 및 제3스펙트로그램)이 생성될 수 있다. 이 경우, 컴퓨팅 장치(100)는 3개의 스펙트로그램 각각을 음원 분류 모델의 입력으로 처리하여, 각 스펙트로그램에 대응하는 3개의 분류 서브 정보를 획득할 수 있다.

또한, 컴퓨팅 장치(100)는 복수의 분류 서브 정보에 기초하여 분류 정보를 생성할 수 있다(S260). 여기서 분류 정보는, 소스 음원 데이터가 제1음원 데이터 및 제2음원 데이터 중 적어도 하나에 관련한다는 정보일 수 있다. 예를 들어, 음원 데이터에 대응하는 3개의 스펙트로그램 각각에 대응하여 3개의 분류 서브 정보(예컨대, 제1분류 서브 정보 내지 제3분류 서브 정보)가 획득될 수 있다. 실시예에서, 제1분류 서브 정보는, 제1스펙트로그램이 제1음원 데이터에 해당한다는 분류 정보일 수 있으며, 제2분류 서브 정보는, 제2스펙트로그램이 제2음원 데이터에 해당한다는 분류 정보일 수 있고, 그리고 제3분류 서브 정보는, 제3스펙트로그램이 제3음원 데이터에 해당한다는 분류 정보일 수 있다. 이 경우, 컴퓨팅 장치(100)는 복수의 분류 서브 정보를 종합하여 분류 정보를 출력할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 음원 데이터에 대응하는 복수의 스펙트로그램 중 적어도 하나의 스펙트로그램이 제2음원 데이터에 관련한다는 제2분류 서브 정보가 획득되는 경우, 컴퓨팅 장치(100)는 해당 음원 데이터가 제2음원 데이터에 관련한다는 분류 정보를 생성할 수 있다. 즉, 컴퓨팅 장치(100)는 음원 데이터에 대응하는 스펙트로그램 각각에 대응하는 복수의 분류 서브 정보 중 적어도 하나가 제2음원 데이터에 관련한다는 정보를 포함하는 경우, 해당 음원 데이터를 제2음원 데이터로 분류할 수 있다. 다시 말해, 컴퓨팅 장치(100)는 음원 데이터를 구성하는 복수의 구간 중 적어도 일 구간에 음악 및 대사를 포함하는 정보가 출력되는 경우(즉, 제2음원 데이터에 관련한다는 분류 서브 정보가 출력되는 경우), 전체 소스 음원 데이터를 제2음원 데이터로 분류할 수 있다. 일 예로, 음원 데이터를 구성하는 복수의 구간 각각에 대응하는 정보 즉, 복수의 분류 서브 정보 모두가 제1음원 데이터에 관련한다는 정보를 포함하는 경우, 컴퓨팅 장치(100)는 해당 음원 데이터를 제1음원 데이터로 분류할 수 있다.

추가적인 실시예에서, 컴퓨팅 장치(100)는 제1음원 데이터 및 제2음원 데이터 각각에 관련한 분류 서브 정보의 수에 기초하여 음원 데이터에 대응하는 분류 정보를 생성할 수 있다. 구체적인 예를 들어, 음원 데이터를 미리 정해진 시간 단위로 분할함에 따라 20개의 스펙트로그램이 획득될 수 있으며, 해당 20개의 스펙트로그램 각각을 음원 분류 모델의 입력으로 처리하는 경우, 20개의 분류 서브 정보가 획득될 수 있다. 일 실시예에서, 20개의 분류 서브 정보 중 18개는 제1음원 데이터에 관련한다는 정보를 포함할 수 있으며, 2개는 제2음원 데이터에 관련한다는 정보를 포함할 수 있다. 이 경우, 컴퓨팅 장치(100)는 제1음원 데이터에 관련한다는 분류 서브 정보가 제2음원 데이터에 관련한다는 분류 서브 정보 보다 다수인 것을 식별하고, 해당 식별 결과를 종합적으로 고려하여 해당 음원 데이터가 제1음원 데이터에 관련한다는 분류 정보를 생성할 수 있다. 즉, 컴퓨팅 장치(100)는 복수의 분류 서브 정보 각각이 제1음원 데이터 및 제2음원 데이터 중 어떠한 음원 데이터에 관련하는지 여부를 식별하고, 각 음원 데이터에 관련하는 분류 서브 정보 수를 비교하여, 더 많은 수에 해당하는 분류 서브 정보에 기초하여 분류 정보를 결정할 수 있다. 이는, 음악과 대사를 포함하며, 전체 길이가 비교적으로 큰 음원 데이터를 한 번에 분석하는 것이 아닌, 음원 데이터를 일정한 크기로 분할하여 복수의 분석 결과(또는 분류 결과)를 종합적으로 고려하여 결과를 도출하는 방법으로, 향상된 신뢰도를 담보할 수 있다는 장점이 있다.

따라서, 컴퓨팅 장치(100)는 복수의 학습 데이터에 기초하여 음원 분류 모델을 생성할 수 있으며, 해당 음원 분류 모델을 활용하여 음원 데이터(예컨대, 소스 음원 데이터)가 음악만을 포함하는 제1음원 데이터인지 또는 음악 및 대사를 포함하는 제2음원 데이터인지 여부를 판별할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 해당 판별 결과에 따라, 해당 음원 데이터에 대한 가공을 수행할 수 있다. 음원 데이터에 대한 가공은, 달리 녹음된 여러 곡의 음색과 소리를 전체적으로 균형 있게 통일해주는 마스터링(mastering) 및 야외소음 또는 생활소음 등에 관련한 노이즈를 제거하기 위한 디노이징(denoising)을 포함할 수 있다. 예컨대, 음원 데이터가 제1음원 데이터인지 또는 제2음원 데이터인지 여부에 따라, 마스터링 및 디노이징에 관련한 가공이 상이해질 수 있다. 예를 들어, 음원 데이터가 제2음원 데이터인 경우, 음원 데이터가 제1음원 데이터인 경우 보다 외부 잡음이 더 많이 포함되어 있으므로, 보다 견고한 디노이징이 요구될 수 있다. 또한 예를 들어, 음원 데이터가 음악만을 포함하는지 또는 음악 이외에 다양한 사용자의 발화내용을 포함하는지 여부에 따라, 음원에 대한 마스터링 방법이 상이해질 수 있다. 구체적인 예를 들어, 라디오처럼 음악과 대사가 번갈아가면서 나오는 콘텐츠, 아카펠라처럼 반주가 없는 음악 또는 노래하듯이 대사를 말하는 콘텐츠 등은 마스터링을 수행하기 위하여 고려해야하는 변수가 음악에 관련한 마스터링을 수행하는 경우 보다 많을 수 있다. 전술한 예시는 본 발명의 이해를 돕기 위한 예시일 뿐, 본 발명은 이에 제한되지 않는다.

본 발명의 컴퓨팅 장치(100)는 음원 데이터가 제1음원 데이터인지 제2음원 데이터인지 여부를 자동으로 분류하고, 해당 분류 결과에 따라 최적의 마스터링 및 디노이징을 수행하여 음원 데이터에 대한 가공을 수행할 수 있다. 음원 데이터에 대한 마스터링 및 디노이징을 수행하는 구체적인 방법은 도 6 내지 도 12를 참조하여 이하에서 후술하도록 한다.

도 6은 본 발명의 일 실시예와 관련된 음원 데이터에 대한 마스터링을 수행하기 위한 방법을 예시적으로 나타낸 순서도를 도시한다. 도 6에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 이하의 단계들은 본 발명의 일 실시예에 불과할 뿐, 본 발명의 권리 범위는 이에 제한되지 않는다.

본 발명의 일 실시예에 따르면, 음원 데이터에 대한 마스터링을 수행하기 위한 방법은 소스 음원 데이터 및 최적 음원 가공 스타일 정보를 획득하는 단계(S310)를 포함할 수 있다. 여기서 소스 음원 데이터는, 가공 또는 조정에 대상이 되는 음원 데이터일 수 있다. 실시예에서, 소스 음원 데이터의 획득은, 메모리에 저장된 소스 음원 데이터를 수신하거나, 또는 로딩(loading)하는 것일 수 있다. 또한, 소스 음원 데이터의 유/무선 통신 수단에 기초하여 다른 저장 매체, 다른 컴퓨팅 장치, 동일한 컴퓨팅 장치 내의 별도 처리 모듈로부터 음원 데이터를 수신하거나 또는 로딩하는 것일 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자 단말(20)로부터 소스 음원 데이터를 획득할 수 있다.

본 발명의 일 실시예에 따르면, 음원 데이터에 대한 마스터링을 수행하기 위한 방법은, 최적 음원 가공 스타일 정보에 기초하여 소스 음원 데이터에 대한 조정을 수행하여 가공 음원 데이터를 생성하는 단계(S320)를 포함할 수 있다.

실시예에서, 최적 음원 가공 스타일 정보는, 소스 음원 데이터를 가공하기 위한 조정 방법에 관련한 것일 수 있다. 최적 음원 가공 스타일 정보는, 소스 음원 데이터의 EQ 조정에 관련한 것일 수 있다. 일 예로, 최적 음원 가공 스타일 정보는, 미리 정해진 다양한 EQ 조정 중 사용자 단말의 사용자가 선택한 EQ 조정 방법 및 소스 음원 데이터에 이외에 추가적으로 획득한 음원 데이터들(예컨대, 레퍼런스 음원 데이터)에 대한 분석에 기초하여 획득될 수 있다.

본 발명의 일 실시예에 따르면, 최적 음원 가공 스타일 정보는 복수의 음원 스타일 중 하나의 음원 스타일 정보에 관련한 사용자의 선택 입력에 기초하여 생성될 수 있다.

구체적으로, 컴퓨팅 장치(100)는 사용자 단말(20)로부터 스타일 선택 정보를 수신할 수 있다. 스타일 선택 정보는 복수의 음원 스타일 중 하나 이상의 음원 스타일 정보에 관련한 사용자의 선택에 기초하여 생성되는 정보일 수 있다. 여기서, 복수의 음원 스타일은 예를 들어, Punch, Balanced 및 High-boost 중 적어도 하나를 포함할 수 있다. 실시예에서, Punch 스타일은, bass 영역이 강조된 스타일일 수 있으며, balanced 스타일은, 전 영역이 균형감 있는 스타일일 수 있으며, High-boost는, 전반적으로 음량의 크기를 부스트하는 스타일일 수 있다. 전술한 복수의 음원 스타일에 대한 구체적인 기재는 본 발명의 일 예시에 불과할 뿐, 본 발명은 이에 제한되지 않는다.

본 발명의 실시예에 따르면, 복수의 음원 스타일 각각에는, 서로 상이한 복수의 음원 가공 스타일 정보 각각이 사전 매칭되어 저장되어 있을 수 있다. 음원 가공 스타일 정보는, 주파수 대역에 따라 강조 부분을 조정하는 것으로, EQ에 관련한 음원 조정을 의미할 수 있다.

예를 들어, Punch 스타일에는 제1음원 가공 스타일 정보가 매칭되어 저장될 수 있으며, Balanced 스타일에는 제2음원 가공 스타일 정보가 매칭되고, 그리고 High-boost 스타일에는 제3음원 가공 스타일 정보가 매칭되어 저장될 수 있다. 이 경우, 제1음원 가공 스타일 정보 내지 제3음원 가공 스타일 정보 각각은 서로 상이한 EQ 조정에 관련한 것일 수 있다. 다시 말해, 각 음원 스타일에는 서로 상이한 EQ 가공 스타일에 관련한 조정 방법이 매칭되어 있을 수 있다.

실시예에서, 컴퓨팅 장치(100)는 스타일 선택 정보에 기초하여 복수의 음원 스타일 중 타겟 음원 스타일을 식별할 수 있다. 컴퓨팅 장치(100)는 사용자 단말(20)로부터 수신한 스타일 선택 정보에 기초하여 복수의 음원 스타일 중 사용자의 선택에 관련한 타겟 음원 스타일을 식별할 수 있다. 또한, 컴퓨팅 장치(100)는 타겟 음원 스타일에 매칭된 음원 가공 스타일 정보에 기초하여 최적 음원 가공 스타일 정보를 획득할 수 있다.

다시 말해, 컴퓨팅 장치(100)는 사용자 단말(20)로부터 스타일 선택 정보를 수신하는 경우, 해당 스타일 선택 정보를 통해 사용자가 원하는 음원 스타일을 식별할 수 있으며, 식별된 음원 스타일(즉, 타겟 음원 스타일)에 사전 매칭된 음원 가공 스타일 정보를 최적 음원 가공 스타일 정보로 결정할 수 있다. 또한, 컴퓨팅 장치(100)는 최적 음원 가공 스타일 정보에 기초하여 소스 음원 데이터에 대한 조정을 수행하여 가공 음원 데이터를 생성할 수 있다. 구체적인 예를 들어, 컴퓨팅 장치(100)가 사용자 단말(20)로부터 소스 음원 데이터 및 Punch 스타일에 관련한 스타일 선택 정보를 수신하는 경우, 컴퓨팅 장치(100)는 소스 음원 데이터를 Punch 스타일에 사전 매칭된 음원 가공 스타일 정보를 최적 음원 가공 스타일 정보로 결정하여, 해당 소스 음원 데이터를 bass 영역이 강조된 스타일로 EQ 조정함으로써, 가공 음원 데이터를 생성할 수 있다. 전술한 스타일 선택 정보 및 이에 기반한 가공에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.

즉, 컴퓨팅 장치(100)는 미리 정의된 스타일(예컨대, Punch, Balanced, High-boost) 중 적어도 하나에 관련한 사용자의 선택에 기반하여 소스 음원 데이터에 대한 EQ 조정을 수행하여 가공 음원 데이터를 생성할 수 있다.

본 발명의 일 실시예에 따르면, 최적 음원 가공 스타일 정보는 하나 이상의 레퍼런스 음원 데이터에 대한 분석에 기초하여 생성될 수 있다. 구체적으로, 컴퓨팅 장치(100)는 소스 음원 데이터에 관련한 하나 이상의 레퍼런스 음원 데이터를 획득할 수 있다. 예를 들어, 하나 이상의 레퍼런스 음원 데이터는 동일 사용자가 기존에 EQ 작업을 수행함에 따라 생성된 즉, 기존 작업물에 관련한 하나 이상의 가공 음원 데이터일 수 있다. 또한 예를 들어, 하나 이상의 레퍼런스 음원 데이터는, 사용자가 추구하는 음원 가공 스타일에 관련한 EQ 조정이 반영된 음원 데이터일 수 있다. 전술한 레퍼런스 음원 데이터에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다. 즉, 컴퓨팅 장치(100)는 하나 이상의 레퍼런스 음원 데이터를 획득하는 경우, 해당 레퍼런스 음원 데이터를 분석하여 소스 음원 데이터를 가공하기 위한 최적 음원 가공 스타일 정보를 생성할 수 있다.

보다 자세히 설명하면, 컴퓨팅 장치(100)는 학습된 신경망을 통해 구성되는 음원 스타일 분류 모델을 활용하여 소스 음원 데이터를 조정하기 위한 최적 음원 가공 스타일 정보를 획득할 수 있다. 컴퓨팅 장치(100)는 하나 이상의 레퍼런스 음원 데이터를 획득하는 경우, 해당 하나 이상의 레퍼런스 음원 데이터에 관련한 주파수 정보를 음원 스타일 분류 모델에 입력으로 처리할 수 있다. 음원 스타일 분류 모델은 레퍼런스 음원 데이터를 입력으로 하여 소스 음원 데이터를 조정하기 위한 최적 음원 가공 스타일 정보를 출력할 수 있다.

보다 자세히 설명하면, 컴퓨팅 장치(100)는 오토인코더(Autoencoder)를 활용하여 주파수 정보에서 특징 정보를 추출할 수 있다. 오토인코더는 대량 데이터에서 본질적인 대표 특성을 찾아낼 수 있는 신경망 모델일 수 있다. 오토인코더는, 차원 감소 네트워크 함수(예컨대, 인코더) 및 차원 복원 네트워크 함수(예컨대, 디코더)를 통해 구성될 수 있다. 차원 감소 네트워크 함수는, 입력 데이터의 입력에 관련한 부분이며, 차원 복원 네트워크 함수는 입력 데이터의 출력에 관련한 부분일 수 있다.

일 실시예에 따르면, 오토인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 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. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 남은 입력 데이터의 항목들의 수와 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.

실시예에서, 컴퓨팅 장치(100)는 오토인코더를 통해 학습을 수행할 수 있다. 컴퓨팅 장치(100)는 복수의 주파수 정보에 관련한 복수의 학습 데이터를 통해 오토인코더에 대한 학습을 수행할 수 있다. 여기서 복수의 주파수 정보는 복수의 음원 데이터에 대응하는 것일 수 있다. 구체적인 실시예에서, 복수의 주파수 정보는, 복수의 음원 데이터 각각에 관련한 멜로디 데이터 및 비트 데이터에 각각에 대응하는 주파수 정보를 포함할 수 있다. 예컨대, 멜로디와 비트 파트에 따라 강조되는 주파수 대역이 다를 수 있으므로, 본 발명은 이를 구분하여 분석을 수행하기 위하여 음원 데이터를 멜로디 데이터 및 비트 데이터 각각으로 분리시킬 수 있다. 일 예시에서, python librosa를 활용하여 음원 데이터를 멜로디 및 비트 파트 각각으로 구분할 수 있다. 실시예에서, 컴퓨팅 장치(100)는 복수의 음원 데이터 각각에 대응하는 멜로디 데이터 및 비트 데이터 각각에 대한 고속 푸리에 변환을 통해 멜로디 주파수 정보 및 비트 주파수 정보를 생성할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 멜로디 주파수 정보 및 비트 주파수 정보에 대한 정규화 및 스무딩 처리를 수행할 수 있다. 컴퓨팅 장치(100)는 멜로디 주파수 정보 및 비트 주파수 정보 각각에 대한 정규화(normalize)를 수행할 수 있다. 실시예에서, 주파수 정보에 대한 정규화는 머신러닝 모델(예컨대, 음원 스타일 분류 모델)에 입력되는 입력 변수들의 크기를 조정하기 위한 것일 수 있다. 실시예에서, 컴퓨팅 장치(100)는 멜로디 주파수 정보 및 비트 주파수 정보 각각에 대응하여 Max-min normalize을 수행할 수 있다. 컴퓨팅 장치(100)는 정규화된 멜로디 주파수 정보 및 정규화된 비트 주파수 정보 각각에 대한 스무딩(smoothing) 처리를 수행할 수 있다. 예컨대, 음원 데이터에 대응하는 주파수 정보는 진폭 변화가 매우 심할 수 있다. 진폭 변화가 큰 경우, 시간-주파수 대역에서 서로 다른 음성 신호로 인식될 수 있어 비연속적인 경우가 발생할 우려가 있다. 이를 보완하기 위한 컴퓨팅 장치(100)는 스무딩 필터를 적용하여 각 주파수 정보에 대한 스무딩 처리를 수행할 수 있다. 일 예로, 컴퓨팅 장치(100)는 약 1/200의 강도로 스무딩 처리를 수행하여 주파수 대역 별 전반적인 강도를 파악할 수 있다. 즉, 오토인코더의 학습에 활용되는 학습 데이터는 음원 데이터에 대응하는 주파수 정보가 정규화 및 스무딩 처리된 정보를 포함할 수 있다.

실시예에 따르면, 컴퓨팅 장치(100)는 입력 데이터와 유사한 출력 데이터를 출력하도록 오토인코더를 구성하는 차원 감소 네트워크 함수 및 차원 복원 네트워크 함수를 학습시킬 수 있다. 컴퓨팅 장치(100)는 차원 감소 네트워크 함수를 통해 인코딩 과정에서 입력된 주파수 정보의 핵심 특징 데이터(또는, 피처(feature))만을 히든 레이어를 통해 학습하고 나머지 정보는 손실시킬 수 있다. 이 경우, 차원 복원 네트워크 함수를 통한 디코딩 과정에서 히든 레이어의 출력 데이터는 완벽한 복사 값이 아닌 입력 데이터(즉, 주파수 정보)의 근사치일 수 있다. 즉, 컴퓨팅 장치(100)는 출력 데이터와 입력 데이터가 최대한 같아지도록 가중치를 조정함으로써, 오토인코더를 학습시킬 수 있다.

학습된 오토인코더의 차원 감소 네트워크 함수의 경우, 차원 복원 네트워크 함수가 입력 데이터를 잘 복원할 수 있도록 하는 특징을 잘 추출하도록 학습될 수 있다. 즉 차원 감소 네트워크 함수는, 입력 데이터(예컨대, 주파수 정보)를 잘 복원할 수 있도록 하는 특징들(즉, 주파수 정보에 대응하는 피처)을 추출하도록 학습될 수 있다.

예를 들어, 컴퓨팅 장치(100)는 차원 감소 네트워크 함수를 이용하여 제1주파수 정보에 관련한 학습 데이터를 입력으로 하여, 제1주파수 정보에 대응하는 특징(feature) 데이터를 획득할 수 있다. 획득된 특징 데이터는 벡터로 표현될 수 있다. 예컨대, 비슷한 주파수 정보를 가진 학습 데이터들 각각에 대응하여 출력된 특징 데이터들(즉, 피처들)은 벡터 공간 상에서 비교적 가까운 거리에 위치할 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 벡터 공간 상에 임베딩된 피처들을 k-means 알고리즘에 기반하여 하나 이상의 클러스터로 분류함으로써, 클러스터링을 수행할 수 있다. 예컨대, 컴퓨팅 장치(100)는 주파수 정보를 구성하는 복수의 요소들에 대응하여 벡터화된 피처들이 형성하는 초기 클러스터에 기반하여 k개의 센트로이드(centroid)를 설정할 수 있다. 컴퓨팅 장치(100)는, k개의 센트로이드를 설정한 후, 각 요소들이 형성하는 클러스터 간의 거리에 기반하여 센트로이드를 할당할 수 있다. 다시 말해, 각 요소들과 가까운 위치에 각 센트로이드가 할당될 수 있다. 이후, 컴퓨팅 장치(100)는 각 클러스터에 대응하여 각 센트로이드를 클러스터의 중심부로 이동시켜 각 센트로이드를 갱신할 수 있다. 컴퓨팅 장치(100)는 클러스터의 할당이 변하지 않거나, 미리 지정된 허용오차나 최대 반복 횟수에 도달할 때까지 센트로이드 할당과 갱신 과정을 반복함으로써, 알고리즘의 최적화를 수행할 수 있다. 예컨대, 컴퓨팅 장치(100)는 센트로이드가 변화할 때 마다 오차 제곱합을 반복적으로 계산하면서, 변화량에 대한 허용 오차값이 일정 수준 내로 돌아오는 것을 식별하여 최적화를 수행할 수 있다. 전술한 과정을 통해 컴퓨팅 장치(100)는 각 주파수 정보에 대응하여 출력된 피처들을 하나 이상의 클러스터 각각으로 분류할 수 있다. 전술한 설명에서는 컴퓨팅 장치가 k-means 알고리즘에 기반하여 클러스터링을 수행함을 기재하나, 이는 예시일 뿐, 본 발명은 이에 제한되지 않는다. 예컨대, 본 발명의 클러스터링은, 밀도에 기반하여 군집을 할당하는 DBSCAN 또는 Gaussian Mixture Model을 통해 수행될 수도 있다.

다시 말해, 컴퓨팅 장치(100)는 차원 감소 네트워크 함수의 출력에 관련한 피처들을 클러스터링하여 하나 이상의 클러스터를 생성할 수 있다. 하나 이상의 클러스터 각각은, 주파수 정보에 따른 음원 스타일을 분류하기 위한 기준이 될 수 있다. 즉, 각 클러스터는 다양한 음원 스타일 각각과 연관될 수 있다. 예를 들어, 하나 이상의 클러스터는, Punch, Balanced 및 High-boost에 관련한 것일 수 있다. 전술한 하나 이상의 클러스터에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.

본 발명의 일 실시예에 따르면, 컴퓨팅 장치(100)는 학습된 오토인코더에서 차원 감소 네트워크 함수에 기초하여 음원 스타일 분류 모델을 생성할 수 있다. 음원 스타일 분류 모델은, 컴퓨팅 장치(100)에 의해 입력 데이터와 유사한 출력 데이터를 출력하도록 학습된 차원 감소 네트워크 함수 및 차원 복원 네트워크 함수에서, 학습된 차원 감소 네트워크 함수를 포함하여 구현될 수 있다. 즉, 음원 스타일 분류 모델은, 학습된 오토인코더의 구성에서 차원 감소 네트워크 함수를 포함하여 구성될 수 있다.

음원 스타일 분류 모델은, 학습된 차원 감소 네트워크 함수를 포함하여 구성됨에 따라, 주파수 정보를 입력으로 하는 경우, 해당 주파수 정보에 대응하는 피처를 추출할 수 있다. 음원 스타일 분류 모델은, 주파수 정보에 대응하여 추출된 피처가 하나 이상의 클러스터 중 어느 영역에 속하는지를 판별하고, 이에 기초하여 최적 음원 가공 스타일 정보를 출력할 수 있다. 예를 들어, 제1주파수 정보에 대응하여 추출된 피처가 punch에 관련한 클러스터에 위치하는 경우, 음원 스타일 분류 모델은 제1주파수 정보를 punch 스타일로 분류할 수 있다. 다른 예를 들어, 제2주파수 정보에 대응하여 추출된 피처가 balanced에 관련한 클러스터에 위치하는 경우, 음원 스타일 분류 모델은 제2주파수 정보를 balanced 스타일로 분류할 수 있다. 전술한 주파수 정보 및 해당 주파수에 대응하는 음원 스타일 분류 정보에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.

실시예에서, 컴퓨팅 장치(100)는 학습된 신경망을 통해 구성되는 음원 스타일 분류 모델을 활용하여 소스 음원 데이터를 조정하기 위한 최적 음원 가공 스타일 정보를 획득할 수 있다. 실시예에서, 음원 스타일 분류 모델은, 전술한 학습 과정을 통해 생성된 신경망 모델의 일부를 포함하여 구성되는 것으로, 음원 데이터에 대응하는 주파수 정보가 입력되는 경우, 해당 주파수 정보를 복수의 음원 스타일 중 하나의 음원 스타일로 분류하는 것에 관련한 스타일 분류 정보를 출력하는 신경망 모델일 수 있다. 예컨대, 복수의 음원 스타일은, Punch, Balanced 및 High-boost 중 적어도 하나를 포함할 수 있다. 즉, 음원 스타일 분류 모델은, 음원 데이터에 대응하는 주파수 정보(예컨대, 멜로디 주파수 정보 및 비트 주파수 정보)를 입력으로 하여 해당 음원 데이터를 Punch, Balanced 및 High-boost 중 적어도 하나로 분류하는 모델일 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 하나 이상의 레퍼런스 음원 데이터를 획득하는 경우, 해당 하나 이상의 레퍼런스 음원 데이터에 관련한 주파수 정보를 음원 스타일 분류 모델에 입력으로 처리할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 레퍼런스 음원 데이터를 멜로디 데이터 및 비트 데이터 각각으로 분리시킬 수 있다. 또한, 컴퓨팅 장치(100)는 멜로디 데이터 및 비트 데이터 각각에 대한 푸리에 변환을 통해 멜로디 주파수 정보 및 비트 주파수 정보를 생성할 수 있다. 컴퓨팅 장치는 생성된 각 주파수 정보에 대한 정규화 및 스무딩 처리를 수행할 수 있다. 실시예에서, 래퍼런스 음원 데이터에 대응하는 주파수 정보에 정규화 및 스무딩 처리를 수행하는 것은, 오토 인코더를 학습을 위한 학습 데이터 획득과정에서의 정규화 및 스무딩 처리와 동일할 수 있다. 컴퓨팅 장치(100)는 레퍼런스 음원 데이터에 대응하는 주파수 정보에 대응하여 Max-min normalize을 수행할 수 있다. 또한, 컴퓨팅 장치(100)는 정규화된 주파수 정보에 대한 스무딩 처리를 수행할 수 있다. 예컨대, 음원 데이터에 대응하는 주파수 정보는 진폭 변화가 매우 심할 수 있다. 진폭 변화가 큰 경우, 시간-주파수 대역에서 서로 다른 음성 신호로 인식될 수 있어 비연속적인 경우가 발생할 우려가 있다. 이를 보완하기 위한 컴퓨팅 장치(100)는 스무딩 필터를 적용하여 각 주파수 정보에 대한 스무딩 처리를 수행할 수 있다. 일 예로, 컴퓨팅 장치(100)는 약 1/200의 강도로 스무딩 처리를 수행하여 주파수 대역 별 전반적인 강도를 파악할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 정규화 및 스무딩 처리된 주파수 정보(예컨대, 멜로디 주파수 정보 및 비트 주파수 정보)를 음원 스타일 분류 모델의 입력으로 처리할 수 있다. 이 경우, 음원 스타일 분류 모델은, 입력된 주파수 정보에 대응하는 최적 음원 가공 스타일 정보를 출력할 수 있다. 컴퓨팅 장치(100)는 음원 스타일 분류 모델에 관련한 최적 음원 가공 스타일 정보에 기초하여 소스 음원 데이터에 대한 조정을 수행할 수 있다. 즉, 컴퓨팅 장치(100)는 복수의 레퍼런스 음원 데이터를 획득하는 경우, 해당 레퍼런스 음원 데이터를 멜로디 및 비트 각각으로 분리하여 주파수 정보로 변환하고, 해당 주파수 정보를 음원 스타일 분류 모델에 입력으로 처리함으로써, 레퍼런스 음원 데이터에 관련한 최적 음원 가공 스타일 정보를 도출하여, 소스 음원 데이터에 대한 가공을 수행하여 가공 음원 데이터를 생성할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 주파수 정보가 어떠한 스타일(예컨대, 어떤 클러스터)로 분류되는지에 따라, 해당 분류된 스타일에 관련한 음원 가공 스타일 정보에 기초하여 최적 음원 가공 스타일 정보를 획득할 수 있다. 또한, 컴퓨팅 장치(100)는 최적 음원 가공 스타일 정보에 기초하여 음원 데이터에 대한 조정을 수행하여 가공 음원 데이터를 생성할 수 있다. 즉, 컴퓨팅 장치(100)는 레퍼런스 음원 데이터에 대응하는 주파수 정보에 기초하여 스타일 분류 정보를 획득하고, 획득된 스타일 분류 정보에 따라 최적 음원 가공 스타일 정보를 획득할 수 있다. 컴퓨팅 장치(100)는 최적 음원 가공 스타일 정보에 기초하여 EQ를 조정하기 위한 ratio를 추출할 수 있다. 예컨대, 컴퓨팅 장치(100)는 주파수 정보와 최적 음원 조정 정보 간의 비교를 통해 어느 대역을 얼마나 키우고, 얼마나 줄일 것인지 여부에 관한 정보를 추출할 수 있다. 즉, 컴퓨팅 장치(100)는 음원 데이터에 대응하여 변환된 주파수 정보를 타겟이 되는 스타일 정보의 음원 조정 패턴(즉, 최적 음원 스타일 정보 정보)을 적용하여 주파수 대역 별 진폭을 변환할 수 있다. 일 실시예에서, 음원 데이터가 스테레오(stereo)에 관련한 음원인 경우, 좌측 및 우측 각각 개별적인 변환이 가능할 수 있다.

도 7을 참조하여 정리하면, 컴퓨팅 장치(100)는 음원 데이터를 획득할 수 있다(S410). 실시예에서, 소스 음원 데이터는, 가공(예컨대, 마스터링)에 대상이 되는 음원 데이터일 수 있다.

또한, 컴퓨팅 장치(100)는 소스 음원 데이터를 멜로디 데이터 및 비트 데이터 각각으로 분리시킬 수 있다(S420). 예컨대, 멜로디와 비트 파트에 따라 강조되는 주파수 대역이 다를 수 있으므로, 본 발명은 이를 구분하여 분석을 수행하기 위하여 음원 데이터를 멜로디 데이터 및 비트 데이터 각각으로 분리시킬 수 있다.

이후 컴퓨팅 장치(100)는 멜로디 데이터 및 비트 데이터 각각에 기초하여 멜로디 주파수 정보 및 비트 주파수 정보를 획득할 수 있다(S430). 구체적으로, 컴퓨팅 장치(100)는 멜로디 데이터에 대한 고속 푸리에 변환을 수행하여 멜로디 주파수 정보를 생성하고, 그리고 비트 데이터에 대한 고속 푸리에 변환을 수행하여 비트 주파수 정보를 생성할 수 있다.

또한, 컴퓨팅 장치(100)는 멜로디 주파수 정보 및 비트 주파수 정보에 대한 정규화 및 스무딩 처리를 수행할 수 있다(S440). 컴퓨팅 장치(100)는 멜로디 주파수 정보 및 비트 주파수 정보 각각에 대한 정규화를 수행할 수 있다. 컴퓨팅 장치(100)는 정규화된 멜로디 주파수 정보 및 정규화된 비트 주파수 정보 각각에 대한 스무딩 처리를 수행할 수 있다.

또한, 컴퓨팅 장치(100)는 정규화 및 스무딩 처리된 멜로디 주파수 정보 및 비트 주파수 정보를 음원 스타일 분류 모델의 입력으로 처리하여 최적 음원 가공 스타일 정보 획득할 수 있다(S450). 음원 스타일 분류 모델은, 음원 데이터에 대응하는 주파수 정보가 입력되는 경우, 해당 주파수 정보를 복수의 음원 스타일 중 하나의 음원 스타일로 분류하는 것에 관련한 최적 음원 가공 스타일 정보를 출력하는 신경망 모델일 수 있다. 여기서 복수의 음원 스타일은, Punch, Balanced 및 High-boost 중 적어도 하나를 포함할 수 있다. 즉, 음원 스타일 분류 모델은, 음원 데이터에 대응하는 주파수 정보(예컨대, 멜로디 주파수 정보 및 비트 주파수 정보)를 입력으로 하여 해당 음원 데이터를 Punch, Balanced 및 High-boost 중 적어도 하나로 분류하는 모델일 수 있다. 컴퓨팅 장치(100)는 주파수 정보가 어떠한 스타일로 분류되는지에 따라, 해당 분류된 스타일에 매칭된 음원 가공 스타일 정보에 기초하여 최적 음원 가공 스타일 정보를 획득할 수 있다.

또한, 컴퓨팅 장치(100)는 최적 음원 가공 스타일 정보에 기초하여 음원 데이터에 대한 가공을 수행할 수 있다(S460). 컴퓨팅 장치(100)는 최적 음원 가공 스타일 정보에 기초하여 음원 데이터에 대한 조정을 수행하여 가공 음원 데이터를 생성할 수 있다. 실시예에 따르면, 컴퓨팅 장치(100)는 가공이 완료된(예컨대, EQ가 조정된) 주파수 정보(즉, 멜로디 주파수 정보 및 비트 주파수 정보)를 가공된 음원 데이터로 변환할 수 있다. 예컨대, 컴퓨팅 장치(100)는 가공이 완료된 주파수 정보에 대한 역 고속 푸리에 변환(ifft, inverse-fft)을 수행하여 주파수 정보를 다시 음원의 형태로 변환할 수 있다. 이 경우, 가공된 주파수 정보는, 타겟 스타일에 따라 EQ가 조정된 주파수 정보임에 따라, 해당 가공된 주파수 정보를 통해 생성된 가공 음원 데이터 또한, EQ가 조정된 음원일 수 있다.

즉, 컴퓨팅 장치(100)는 소스 음원 데이터에 대응하여 변환된 주파수 정보를 타겟이 되는 스타일 정보의 음원 조정 패턴(즉, 최적 음원 가공 스타일 정보)을 적용하여 주파수 대역 별 진폭을 변환할 수 있다. 일 실시예에서, 음원 데이터가 스테레오(stereo)에 관련한 음원인 경우, 좌측 및 우측 각각 개별적인 변환이 가능할 수 있다.

본 발명의 일 실시예에 따르면, 음원 데이터에 대한 마스터링을 수행하기 위한 방법은 가공 음원 데이터에 대한 증폭을 수행하는 단계(S330)를 포함할 수 있다. 예컨대, 일반적으로 사람의 귀는 소리가 크면 클수록 모든 주파수 대역의 소리를 가장 평탄하게 듣고 인지할 수 있으므로, 같은 음악이라도 음향의 세기(loudness)가 더 높을수록 좋은 소리로 인지할 수 있다. 즉, 소비되는 데이터의 상업성을 늘리기 위해서는 소비자 입장에서 소리의 깊이감과 밀도감을 상승시키는 느낌을 유발하고자 음량을 최대한 향상시키는 것이 중요할 수 있다. 다만, 음량 상승에만 과도하게 치중하여 다이나믹이 큰 부분을 너무 압축시킬 경우, 트루피크(ture peak)를 넘어서는 디스토션(distortion)이 발생할 수 있다. 아무리 음량을 높이고 싶더라도, 다이나믹에 따라 얼마나 키울것이고, 얼마나 누를 것인지 적당하게 조정하는 것이 필요할 수 있다.

실시예에 따르면, 본 발명의 가공 음원 데이터에 대한 증폭은, 고도화된 마스터링을 위하여 음량의 크기를 키우는 과정에서, 일정 이상의 기준값을 초과함에 따라 음이 깨져 발생하는 노이즈를 최소화하기 위한 것일 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 일정 이상의 기준값을 초과하는 음량을 자연스럽게 압축(compression)하여 전체적으로 음량을 키울 수 있는 여지를 제공할 수 있다. 즉, 압축 처리를 통해 노이즈가 발생하지 않으면서 최대한 음량에 대한 증폭을 수행할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 초기 최대값에 기초하여 가공 음원 데이터에 대한 변환을 수행할 수 있다. 컴퓨팅 장치(100)는 가공 음원 데이터의 초기 최대값을 설정할 수 있다. 초기 최대값은, 가공 음원 데이터의 전체 구간에 대응하여 최대로 크게 설정할 수 있는 설정값을 의미할 수 있다. 실시예에서, 초기 최대값은, 0.6 LUFS일 수 있다. 일 실시예에서, 초기 최대값을 0.6 LUFS로 설정하는 것은, 추가적인 음량 증대를 위한 공간을 확보하기 위한 것일 수 있다. 여기서 LUFS는 방송시스템 및 기타 비디오, 음악 스트리밍 서버스에서 오디오 정규화에 사용되는 표준 loudness 측정 단위를 의미할 수 있다. 즉, 컴퓨팅 장치(100)는 가공 음원 데이터에 대응하여 최대로 증폭할 수 있는 값을 0.6 LUFS로 제한하여 초기시점에 대응하는 최대값을 설정할 수 있다. 실시예에서, 컴퓨팅 장치(100)는 가공 음원 데이터에 대응하여 음량 최대 크기를 절대값 0.6 LUFS으로 정규화(nomalize) 할 수 있다.

또한, 컴퓨팅 장치(100)는 변환된 가공 음원 데이터의 음량 정보가 미리 정해진 기준값을 초과하는지 여부에 기초하여 변환된 가공 음원 데이터의 증폭을 결정할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 음원 데이터에 대응하는 음량 정보를 식별할 수 있다. 컴퓨팅 장치(100)는 변환된 가공 음원 데이터의 음량 정보가 미리 정해진 기준값 이하인 경우, 해당 변환된 가공 음원 데이터에 대한 증폭을 수행할 수 있다. 실시예에서, 미리 정해진 기준값은, -7 LUFS일 수 있다. 즉, 컴퓨팅 장치(100)는 -7 LUFS 이하인 변환된 가공 음원 데이터들을 증폭을 수행할 음원 데이터로 결정할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 변환된 가공 음원 데이터의 음량 정보가 미리 정해진 기준값을 초과하는 경우, 해당 변환된 가공 음원 데이터에 대응하여 증폭을 수행하지 않을 수 있다. 구체적으로, 컴퓨팅 장치(100)는 변환된 가공 음원 데이터의 음량 정보가 -7 LUFS를 초과하는 경우, 증폭을 수행하지 않을 수 있다. 실시예에 따르면, 실시예에서, 초기 최대값이 0.6 LUFS임에도 음량이 -7 LUFS 이상이라는 것은, 전반적인 음량이 매우 큰 음원인 것이므로, 컴퓨팅 장치(100)는 이러한 음원 데이터에 대하여 별도의 증폭을 수행하지 않을 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 가공 음원 데이터에 대응하여 음량 압축 기능이 적용된 증폭을 수행할 수 있다. 음량 압축 기능은, 기 설정된 크기를 초과하는 음향에 대한 압축을 수행하는 것을 특징으로 할 수 있다. 여기서 기 설정된 크기는, 음량 증폭시에도 노이즈가 발생하지 않는 일 지점에 관련한 것일 수 있다. 예컨대, 소리의 밀도감 및 깊이감 향상을 위해서는 음량에 대한 증폭이 요구될 수 있다. 다만, 음량 증폭 과정에서 일정 기준값 이상 증폭되는 경우, 음이 깨져서 노이즈가 발생할 수 있다. 이에 따라, 음향 증폭(예컨대, gain 값)에 한계가 있을 수 있다. 실시예에서, 컴퓨팅 장치(100)는 음량 압축 기능을 적용하여, 전체 음량을 증폭(즉, gain값을 상승)시킬 수 있는 여지를 제공할 수 있다. 구체적인 예를 들어, 도 8의 (a)를 참조하면, 음량 압축 기능이 적용되지 않는 경우, 기 설정된 크기(311)를 초과하는 음량의 경우, 노이즈가 발생됨에 따라 소리의 품질이 저하될 수 있다.

즉, 음량 압축 기능이 적용되지 않는 경우, 작은 음량 증폭에도 기 설정된 크기(311)를 초과하는 구간이 발생하게 된다. 다시 말해, 큰 크기의 음량 증폭이 수행될 수 없다.

이에 따라, 본 발명의 컴퓨팅 장치(100)는 도 8의 (b)에 도시된 바와 같이, 기 설정된 크기(311)를 초과하는 음량에 대하여 압축(compress)을 수행함으로써, 음원 데이터가 전체적으로 크게 증폭될 수 있는 여지를 제공할 수 있다. 실시예에서, 음량 압축은 음량의 큰 부분만(즉, 기 설정된 크기를 초과하는 부분)을 줄여줌으로써 작은 소리를 더 키울 수 있는 여지(즉, 증폭을 크게 할 수 있는 여지)를 제공할 수 있다.

따라서, 음원 해상도를 유지하면서 최대한 음량을 키움으로서, 믹싱된 오디오 결과물(즉, 음원 데이터)에 대응하여 전문가 수준의 고도화된 마스터링이 수행될 수 있다.

실시예에서, 음량 압축 기능 적용 시, 압축되는 부분이 부드럽게 처리되는 것이 중요할 수 있다. 일 실시예에 따르면, 컴퓨팅 장치(100)는 음원 데이터(예컨대, 변환된 가공 음원 데이터)의 LUFS 값에 기초하여 조정을 적용하기 위한 임계값(threshold), 조정 비율에 관한 값(ratio) 및 증폭 값(gain)을 결정할 수 있다. 예컨대, 컴퓨팅 장치(100)는 threshold와 ratio값과 수학적 함수(2차함수, 3차함수, sigmoid등)를 적용하여 Max값까지 부드럽게 조절될 수 있도록 함수를 구현할 수 있으며, 구현된 함수를 활용하여 LUFS 값에 대응하는 조정을 적용하기 위한 임계값, 조정 비율에 관한 값 및 증폭값을 산출할 수 있다.

본 발명의 일 실시예에 따르면, 음원 데이터에 대한 마스터링을 수행하기 위한 방법은 증폭된 가공 음원 데이터에 대한 스테레오 이미징을 수행하여 마스터링된 음원 데이터를 생성하는 단계(S340)를 포함할 수 있다. 스테레오 이미징은, 측면 음향을 조정하여 음원의 전체적인 입체감을 풍부하게 하기 위한 음원 조정에 관련한 것일 수 있다.

컴퓨팅 장치(100)는 증폭된 가공 음원 데이터에 기초하여 중앙 음향에 관련한 중앙 가공 음원 데이터 및 측면 음향에 관련한 측면 가공 데이터를 획득할 수 있다. 실시예에 따르면, 음원 데이터는 스테레오 음원에 관련한 것일 수 있으며, 스테레오 음원 데이터는 좌측, 우측 및 중앙 각각에 관련한 음향 정보를 포함할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 중앙 가공 음원 데이터 및 측면 가공 음원 데이터 각각에 대한 고속 푸리에 변환을 수행하여 중앙 주파수 정보 및 측면 주파수 정보를 생성할 수 있다. 컴퓨팅 장치(100)는 중앙 가공 음원 데이터에 대한 고속 푸리에 변환을 수행하여 중앙 주파수 정보를 생성하고, 그리고 측면 가공 음원 데이터에 대한 고속 푸리에 변환을 수행하여 측면 가공 주파수 정보를 생성할 수 있다. 실시예에서, 측면 가공 음원 데이터는, 좌측 및 우측 각각에 대응하는 가공 음원 데이터를 포함할 수 있으며, 측면 가공 주파수 정보는, 좌측 가공 주파수 정보 및 우측 주파수 정보를 포함할 수 있다.

컴퓨팅 장치(100)는 중앙 주파수 정보 및 측면 주파수 정보 각각에 대한 조정을 수행하고, 조정된 각 주파수 정보를 병합하여 가공 주파수 정보를 생성할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 중앙 주파수 정보에 관련한 주파수를 감소시키는 조정을 수행할 수 있으며, 측면 주파수 정보에 관련한 주파수를 증가시키는 조정을 수행할 수 있다. 즉, 컴퓨팅 장치(100)는, 음원 데이터(예컨대, 증폭된 가공 음원 데이터)를 좌-중앙-우 영역으로 구분한 후, 중앙 영역의 크기는 줄여주는 조정을 수행하고, 양 side 영역 크기는 키워주는 조정을 수행할 수 있다.

실시예에 따르면, 컴퓨팅 장치(100)는 고음역대에 관련할수록 측면 주파수가 증가되도록 조정을 수행할 수 있다. 예컨대, 저음역대는, 100Hz 미만에 관련한 음역대일 수 있으며, 중고음역대는, 100Hz 내지 1000Hz에 관련한 음역대일 수 있고, 고음역대는 1000Hz 초과에 관련한 음역대일 수 있다. 구체적인 실시예에서, 컴퓨팅 장치(100)는 저음역대에 관련하여 중앙과 측면의 비율을 45:55로 조정할 수 있다. 또한, 컴퓨팅 장치(100)는 100Hz를 초과하는 경우, 10000Hz까지 측면의 비율을 서서히 증가시킬 수 있다. 예컨대, 10000Hz에 관련하는 음향에 대응하는 중앙과 측면의 비율은 0:100일 수 있다. 즉, 컴퓨팅 장치(100)는 고음역대로 갈수록 측면(예컨대, 좌측 및 우측)에 관련한 주파수를 증가시키는 조정을 수행할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 조정된 중앙 주파수 정보 및 조정된 측면 주파수 정보를 병합하여 가공 주파수 정보를 생성할 수 있다. 즉, 컴퓨팅 장치(100)는 조정이 완료된(예컨대, 스테레오 조정이 완료된) 중앙 주파수 정보 및 측면 주파수 정보에 기초하여 전체적인 가공 주파수 정보를 생성할 수 있다. 또한, 컴퓨팅 장치(100)는 가공 주파수 정보에 대한 역 고속 푸리에 변환을 수행하여 마스터링된 음원 데이터를 생성할 수 있다. 즉, 컴퓨팅 장치(100)는 스테레오에 관련하여 가공이 완료된 주파수 정보에 대한 역 푸리에 변환을 통해 주파수 정보를 다시 음원의 형태로 변환할 수 있다. 이 경우, 가공된 주파수 정보는, 음역대에 따라 측면과 중앙의 비율이 조정된 스테레오 이미징이 수행된 주파수 정보임에 따라, 해당 가공된 주파수 정보를 통해 생성된 마스터링된 음원 데이터는, 측면 파트의 사운드가 조정되어 음원의 전체적인 입체감이 풍부하게 표현된 음원 데이터일 수 있다. 특히, 마스터링된 음원 데이터는, 도 10에 도시된 바와 같이, 마스터링되기 이전 보다, 음량이 현저히 증폭될 수 있어, 사용자로 하여금 소리의 깊이감과 밀도감을 상승시키는 느낌을 유발할 수 있다. 또한, 음량 증폭 과정에서 일정 이상의 음량을 자연스럽게 압축시켜줌으로써 노이즈 발생을 최소화함에 따라, 음향의 품질을 향상시킬 수 있다.

정리하면, 컴퓨팅 장치(100)는 소스 음원 데이터에 대응하여 EQ 조정을 수행하여 가공 음원 데이터를 생성하고, 가공 음원 데이터에 기초한 증폭을 수행하여 증폭된 가공 음원 데이터를 생성하고, 그리고 증폭된 가공 음원 데이터에 대한 스테레오 이미징을 수행하여 마스터링된 음원 데이터를 생성할 수 있다. 즉, 마스터링된 음원 데이터는 EQ 조정, 음량 압축 기능이 적용된 증폭에 관한 조정 및 음향 입체감에 관련한 스테레오 조정이 수행된 음원 데이터일 수 있다.

도 10은 본 발명의 일 실시예와 관련된 음향을 포함하는 영상 데이터의 노이즈 제거 방법을 예시적으로 나타낸 순서도를 도시한다. 도 10에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 이하의 단계들은 본 발명의 일 실시예에 불과할 뿐, 본 발명의 권리 범위는 이에 제한되지 않는다.

본 발명의 일 실시예에 따르면, 음향을 포함하는 영상 데이터의 노이즈 제거 방법은 영상 데이터로부터 음원 데이터를 획득하는 단계(S510)를 포함할 수 있다. 실시예에서, 컴퓨팅 장치(100)는 영상 데이터로부터 음원 데이터만을 추출하여 획득할 수 있다. 실시예에서, 컴퓨팅 장치(100)는 추출된 음원 데이터의 sampling rate를 44100Hz로 통일시킬 수 있다.

본 발명의 일 실시예에 따르면, 음향을 포함하는 영상 데이터의 노이즈 제거 방법은 음원 데이터에 포함된 노이즈를 제거하여 가공 음원 데이터를 생성하는 단계(S520)를 포함할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 음원 가공 모델을 활용하여 배음에 관련한 노이즈 제거를 수행할 수 있다. 음원 가공 모델은, 생성적 적대 신경망(GAN, Generative Adversarial Networks) 모델을 통해 구성되는 것을 특징으로 할 수 있다. 컴퓨팅 장치(100)는 학습 데이터 세트를 통해 생성자 모델 및 분류자 모델을 포함하는 생성적 적대 신경망 모델에 대한 학습을 수행할 수 있으며, 학습이 완료되는 시점에 대응하여 생성자 모델을 통해 음원 가공 모델을 생성할 수 있다. 실시예에서, 학습 데이터 세트는 복수의 학습 데이터를 포함할 수 있으며, 복수의 학습 데이터는 노이즈가 포함된 스펙트로그램(즉, 가공 전 스펙트로그램) 및 노이즈가 제거된 스펙트로그램(즉, 가공 후 스펙트로그램, 가공 스펙트로그램)을 포함할 수 있다.

생성적 적대 신경망 모델은 생성자 모델 및 분류자 모델 두 신경망 모델의 경쟁을 통해 학습하고 결과물을 만들어 내는 모델일 수 있다. 생성자 모델 및 분류자 모델은 상반된 목적을 가진 신경망 모델일 수 있다. 생성자 모델은 실제 스펙트로그램(예컨대, 가공 전 스펙트로그램)을 학습하고, 이를 바탕으로 가짜 스펙트로그램(예컨대, 가공 스펙트로그램)을 생성할 수 있다. 즉, 생성자 모델은 노이즈가 제거되지 않은 스펙트로그램을 바탕으로 노이즈가 제거된 가짜 스펙트로그램을 생성하는 것을 목적으로 하는 신경망 모델일 수 있다. 분류자 모델은 생성자 모델을 통해 생성된 가짜 스펙트로그램과 가공 전 스펙트로그램에 매칭된 가공 스펙트로그램(즉, 실제 가공 스펙트로그램(예컨대, 배음에 관련한 노이즈가 제거된 스펙트로그램)) 중 적어도 하나를 입력으로 하여 실제 데이터인지 또는 거짓 데이터인지 여부를 판별하는 모델일 수 있다. 즉, 분류자 모델은, 실제 가공 스펙트로그램과 가짜 가공 스펙트로그램을 보다 정확히 구별하는 것을 목적으로 하는 신경망 모델일 수 있다. 다시 말해, 생성자 모델은 분류자 모델이 진위 여부를 구별하지 못하도록 진짜에 유사한 가짜 데이터를 생성하도록 학습되며, 분류자 모델은, 생성자 모델의 출력과 관련한 가짜 데이터에 대한 진위 여부 판별을 보다 정확하게 수행하도록 학습될 수 있다. 즉, 생성적 적대 신경망 모델의 생성자 모델은, 분류자 모델과의 경쟁을 통한 학습 과정이 반복됨에 따라 보다 정교한 가공 스펙트로그램을 생성하도록 학습될 수 있다.

컴퓨팅 장치(100)는 학습 완료 시점에 대응하여 생성자 모델을 통해 음원 가공 모델을 생성할 수 있다. 즉, 분류자 모델과의 적대적인 학습이 완료됨에 따라 생성자 모델은 스펙트로그램(예컨대, 노이즈를 포함하는 스펙트로그램)을 입력으로 하여 가공 스펙트로그램(예컨대, 노이즈가 제거된 스펙트로그램)을 출력할 수 있다. 다시 말해, 컴퓨팅 장치(100)는 학습이 완료된 생성적 적대 신경망 모델에서 생성자 모델 만을 추출하여 스펙트로그램에 기반한 가공 스펙트로그램을 출력하기 위한 비디오 생성 모델을 생성할 수 있다. 이는 인공지능을 활용하여 스펙트로그램에 기반한 가공 스펙트로그램을 생성하는 알고리즘에서 인공지능이 학습할 수 있는 방식으로 인간의 개입이 없이, 생성적 적대 신경망 모델의 생성자 모델 및 분류자 모델 간의 경쟁 과정 속에 스스로 학습을 가능하도록 할 수 있다. 이는, 대량의 데이터를 신경망 모델 스스로 학습하기 때문에 편의성 및 학습 효율 향상에 기여할 수 있다. 즉, 음원 가공 모델을 통해 직접 스펙트로그램으로부터 노이즈가 제거된 가공 스펙트로그램을 생성해낸다는 점에서 지도 학습형 인공지능 알고리즘 기술들과 차별화될 수 있다.

실시예에서, 컴퓨팅 장치(100)는 음원 데이터를 획득하는 경우, 해당 음원 데이터에 기초하여 스펙트로그램을 획득할 수 있다. 컴퓨팅 장치(100)는 음원 가공 모델을 활용하여 스펙트로그램에 대응하는 가공 스펙트로그램을 획득할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 전술한 학습 방법을 통해 학습된 생성적 적대 신경망 모델의 생성자 모델에 기반하여 생성된 음원 가공 모델을 생성하고, 생성된 음원 가공 모델에 스펙트로그램을 입력으로 처리함으로써, 가공 스펙트로그램이 출력되도록 할 수 있다. 즉, 컴퓨팅 장치(100)는 음원 가공 모델을 활용하여 노이즈가 제거된 스펙트로그램을 출력할 수 있다. 또한, 컴퓨팅 장치(100)는 가공 스펙트로그램에 대한 역 고속 푸리에 변환을 수행하여 노이즈가 제거된 음원 데이터를 생성할 수 있다. 즉, 컴퓨팅 장치(100)는 음원 가공 모델을 활용하여 음원 데이터로부터 배음에 관련한 노이즈가 제거된 음원 데이터를 획득할 수 있다.

또한 실시예에서, 컴퓨팅 장치(100)는 음원 데이터에 기초하여 배음 정보를 획득할 수 있다. 배음 정보(harmonics)는, 소리의 기본 진동수의 정수배인 음을 의미할 수 있다. 컴퓨팅 장치(100)는 음원 데이터의 배음 정보에 기초하여 과도한 배음 부분(예컨대, 배음 정보가 작은 부분)을 제거하여 노이즈를 제거할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 배음 정보에 기초하여 노이즈를 제거할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 원음에 관련한 음원 데이터를 배음 대역 별 에너지 레벨로 분리할 수 있다. 예를 들어, 도 11에 도시된 바와 같이, 원음에 관련한 음원 데이터를 배음 대역 별 에너지 레벨로 분리할 수 있다. 여기서, h=1인 경우, 원음과 동일한 데이터를 의미할 수 있다. 컴퓨팅 장치(100)는 각 배음 대열 별 최소값을 추출할 수 있으며, 해당 추출값을 기반으로 원음에 관련한 음원 데이터에 노이즈를 제거할 수 있다. 예컨대, 노이즈는, 인성 대비 배음상 작은 크기로 불규칙하게 분포할 수 있다. 이에 따라, 각 배음 대역에서의 최소값을 추출하고, 해당 추출값을 원음에서 빼주는 경우, 노이즈가 제거될 수 있다. 다시 말해, 본 발명은, 인성 대비 배음 상 작은 크기로 불규칙하게 존재하는 노이즈를 식별하여 원음에 관련한 데이터에서 제거해줌으로써, 음원 데이터에 대한 1차적인 노이즈 제거를 수행할 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 공명(Reconance)에 관련한 노이즈 제거를 수행할 수 있다. 일반적으로, Reconance는 공진, 공명 주파수에 관한 것일 수 있다. 예컨대, 음정 별로 상이하게 포함된 공진 때문에, 증폭된 사운드의 전체적인 밸런스가 불안정할 수 있으므로, 공진에 대한 노이즈 제거가 요구될 수 있다.

실시예에서, 컴퓨팅 장치(100)는 음원 변환 모델을 활용하여 음원 데이터에 대응하여 공진에 관련한 노이즈 제거를 수행할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 음원 데이터에 대한 고속 푸리에 변환을 수행하여 주파수 정보를 생성할 수 있다. 또한, 컴퓨팅 장치(100)는 주파수 정보를 음원 변환 모델에 입력으로 처리하여 음원 데이터에 대응하는 가공 음원 데이터를 생성할 수 있다.

일 실시예에 따르면, 음원 변환 모델은, 음원 데이터로부터 공명현상에 관련한 노이즈를 제거하기 위한 모델로, 노이즈 제거 모델 및 변환 모델을 포함할 수 있다.

실시예에서, 노이즈 제거 모델은, 음원 데이터에 대응하는 주파수 정보를 입력으로 하여 노이즈가 제거된 가공 주파수 정보를 출력하는 모델일 수 있다. 노이즈 제거 모델은 공명현상을 포함하는 음원 데이터들에 대응하는 주파수 정보들에 관련한 복수의 학습 입력 데이터 및 복수의 학습 입력 데이터에서 공명현상에 관련한 노이즈가 제거된 주파수 정보들에 관련한 복수의 학습 출력 데이터를 통해 구성되는 학습 데이터 세트에 기초하여 학습되는 것을 특징으로 할 수 있다. 실시예에서, 컴퓨팅 장치(100)는 복수의 주파수 정보에 관련한 복수의 학습 입력 데이터 각각을 하나 이상의 네트워크 함수의 입력으로 처리하여, 각 학습 입력 데이터에 대응하여 복수의 출력 데이터(예컨대, 노이즈가 제거된 주파수 정보)를 출력할 수 있다. 컴퓨팅 장치(100)는 학습 입력 데이터에 대응하여 하나 이상의 네트워크 함수를 통해 연산되어 출력된 출력 데이터와 학습 입력 데이터의 라벨에 해당하는 학습 출력 데이터를 비교하여 오차를 도출할 수 있다. 또한, 컴퓨팅 장치(100)는 도출된 오차에 기초하여 하나 이상의 네트워크 함수의 가중치를 역전파(backpropagation) 방식으로 조정할 수 있다. 즉, 컴퓨팅 장치(100)는 학습 입력 데이터에 대한 하나 이상의 네트워크 함수의 연산 결과와 학습 출력 데이터의 오차에 기초하여 하나 이상의 네트워크 함수의 출력이 학습 출력 데이터에 가까워지도록 가중치를 조정할 수 있다.

상기와 같은 학습 과정을 통해 생성된 노이즈 제거 모델은, 음원 데이터에 대응하는 주파수 정보를 입력으로 하여 노이즈가 제거된 주파수 정보(즉, 가공 주파수 정보)를 출력할 수 있다.

실시예에서, 음원 변환 모델은, 노이즈 제거 모델의 출력에 관련한 가공 주파수 정보에 기초하여 가공 음원 데이터를 생성하는 모델일 수 있다. 변환 모델은, 가공 주파수 정보에 대한 역 고속 푸리에 변환을 수행하여 가공 음원 데이터를 생성하는 것을 특징으로 할 수 있다. 즉, 음원 변환 모델은 공명 관련 노이즈 제거에 관련하여 가공이 완료된 주파수 정보에 대한 역 푸리에 변환을 통해 주파수 정보를 다시 음원의 형태로 변환할 수 있다.

즉, 컴퓨팅 장치(100)는 음원 데이터에 대한 주파수 정보를 음원 변환 모델의 입력으로 처리하여 공명현상에 관련한 노이즈가 제거된 가공 음원 데이터를 출력할 수 있다. 실시예에서, 본원 발명의 노이즈가 제거된 가공 음원 데이터는, 배음에 관련한 노이즈 제거 및 공명현상에 관련한 노이즈 제거가 수행된 음원 데이터일 수 있다.

실시예에 따르면, 컴퓨팅 장치(100)는 가공 음원 데이터에 대한 증폭을 수행할 수 있다. 예컨대, 일반적으로 사람의 귀는 소리가 크면 클수록 모든 주파수 대역의 소리를 가장 평탄하게 듣고 인지할 수 있으므로, 같은 음악이라도 음향의 세기(loudness)가 더 높을수록 좋은 소리로 인지할 수 있다. 즉, 소비되는 데이터의 상업성을 늘리기 위해서는 소비자 입장에서 소리의 깊이감과 밀도감을 상승시키는 느낌을 유발하고자 음량을 최대한 향상시키는 것이 중요할 수 있다. 다만, 음량 상승에만 과도하게 치중하여 다이나믹이 큰 부분을 너무 압축시킬 경우, 트루피크(ture peak)를 넘어서는 디스토션(distortion)이 발생할 수 있다. 아무리 음량을 높이고 싶더라도, 다이나믹에 따라 얼마나 키울것이고, 얼마나 누를 것인지 적당하게 조정하는 것이 필요할 수 있다.

실시예에 따르면, 본 발명의 가공 음원 데이터에 대한 증폭은, 고도화된 마스터링을 위하여 음량의 크기를 키우는 과정에서, 일정 이상의 기준값을 초과함에 따라 음이 깨져 발생하는 노이즈를 최소화하기 위한 것일 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 일정 이상의 기준값을 초과하는 음량을 자연스럽게 압축(compression)하여 전체적으로 음량을 키울 수 있는 여지를 제공할 수 있다. 즉, 압축 처리를 통해 노이지가 발생하지 않으면서 최대한 음량에 대한 증폭을 수행할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 초기 최대값에 기초하여 가공 음원 데이터에 대한 변환을 수행할 수 있다. 컴퓨팅 장치(100)는 가공 음원 데이터의 초기 최대값을 설정할 수 있다. 초기 최대값은, 가공 음원 데이터의 전체 구간에 대응하여 최대로 크게 설정할 수 있는 설정값을 의미할 수 있다. 실시예에서, 초기 최대값은, 0.6 LUFS일 수 있다. 일 실시예에서, 초기 최대값을 0.6 LUFS로 설정하는 것은, 추가적인 음량 증대를 위한 공간을 확보하기 위한 것일 수 있다. 여기서 LUFS는 방송시스템 및 기타 비디오, 음악 스트리밍 서버스에서 오디오 정규화에 사용되는 표준 loudness 측정 단위를 의미할 수 있다. 즉, 컴퓨팅 장치(100)는 가공 음원 데이터에 대응하여 최대로 증폭할 수 있는 값을 0.6 LUFS로 제한하여 초기시점에 대응하는 최대값을 설정할 수 있다. 실시예에서, 컴퓨팅 장치(100)는 가공 음원 데이터에 대응하여 음량 최대 크기를 절대값 0.6 LUFS으로 정규화(nomalize) 할 수 있다.

또한, 컴퓨팅 장치(100)는 변환된 가공 음원 데이터의 음량 정보가 미리 정해진 기준값을 초과하는지 여부에 기초하여 변환된 가공 음원 데이터의 증폭을 결정할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 음원 데이터에 대응하는 음량 정보를 식별할 수 있다. 컴퓨팅 장치(100)는 변환된 가공 음원 데이터의 음량 정보가 미리 정해진 기준값 이하인 경우, 해당 변환된 가공 음원 데이터에 대한 증폭을 수행할 수 있다. 실시예에서, 미리 정해진 기준값은, -14 LUFS일 수 있다. 예컨대, 음악만을 포함하는 제1음원 데이터에 관련하는 경우는 미리 정해진 기준값이, -7 LUFS일 수 있으나, 영상 데이터에서 추출된 음원 데이터(즉, 변환된 가공 음원 데이터)는 제2음원 데이터에 관련한 것이므로, 음악만을 포함하는 음원 데이터의 증폭 기준과 상이할 수 있다. 즉, 컴퓨팅 장치(100)는 -14 LUFS 이하인 변환된 가공 음원 데이터들을 증폭을 수행할 음원 데이터로 결정할 수 있다.

실시예에서, 컴퓨팅 장치(100)는 변환된 가공 음원 데이터의 음량 정보가 미리 정해진 기준값을 초과하는 경우, 해당 변환된 가공 음원 데이터에 대응하여 증폭을 수행하지 않을 수 있다. 구체적으로, 컴퓨팅 장치(100)는 변환된 가공 음원 데이터의 음량 정보가 -14 LUFS를 초과하는 경우, 증폭을 수행하지 않을 수 있다. 실시예에 따르면, 실시예에서, 초기 최대값이 0.6 LUFS임에도 음량이 -14 LUFS 이상이라는 것은, 전반적인 음량이 매우 큰 음원인 것이므로, 컴퓨팅 장치(100)는 이러한 음원 데이터에 대하여 별도의 증폭을 수행하지 않을 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(100)는 가공 음원 데이터에 대응하여 음량 압축 기능이 적용된 증폭을 수행할 수 있다. 음량 압축 기능은, 기 설정된 크기를 초과하는 음향에 대한 압축을 수행하는 것을 특징으로 할 수 있다. 여기서 기 설정된 크기는, 음량 증폭시에도 노이즈가 발생하지 않는 일 지점에 관련한 것일 수 있다. 예컨대, 소리의 밀도감 및 깊이감 향상을 위해서는 음량에 대한 증폭이 요구될 수 있다. 다만, 음량 증폭 과정에서 일정 기준값 이상 증폭되는 경우, 음이 깨져서 노이즈가 발생할 수 있다. 이에 따라, 음향 증폭(예컨대, gain 값)에 한계가 있을 수 있다. 실시예에서, 컴퓨팅 장치(100)는 음량 압축 기능을 적용하여, 전체 음량을 증폭(즉, gain값을 상승)시킬 수 있는 여지를 제공할 수 있다. 예컨대, 증폭 과정에서 기 설정된 크기를 초과하는 음량이 발생되는 경우, 노이즈가 야기됨에 따라 소리의 품질이 저하될 수 있다. 즉, 음량 압축 기능이 적용되지 않는 경우, 작은 음량 증폭에도 기 설정된 크기를 초과하는 구간이 발생하게 된다. 다시 말해, 큰 크기의 음량 증폭이 수행될 수 없다.

이에 따라, 본 발명의 컴퓨팅 장치(100)는 기 설정된 크기를 초과하는 음량에 대하여 압축(compress)을 수행함으로써, 음원 데이터가 전체적으로 크게 증폭될 수 있는 여지를 제공할 수 있다. 실시예에서, 음량 압축은 음량의 큰 부분만(즉, 기 설정된 크기를 초과하는 부분)을 줄여줌으로써 작은 소리를 더 키울 수 있는 여지(즉, 증폭을 크게 할 수 있는 여지)를 제공할 수 있다.

따라서, 음원 해상도를 유지하면서 최대한 음량을 키움으로서, 노이즈가 제거된 음원 데이터에 대한 마스터링이 수행될 수 있다.

본 발명의 일 실시예에 따르면, 음향을 포함하는 영상 데이터의 노이즈 제거 방법은 영상 데이터 및 가공 음원 데이터를 병합하여 노이즈가 제거된 영상 데이터를 생성하는 단계(S530)를 포함할 수 있다. 이에 따라 영상 데이터와 가공 음원 데이터의 병합에 의해 생성된 데이터는, 배음에 관련한 노이즈 제거 및 공명현상에 관련한 노이즈 제거가 수행된 음원 데이터, 추가적으로, 음원 해상도를 유지하면서 최대한 음량을 키우는 마스터링이 수행된 음원 데이터를 포함할 수 있다.

도 12는 본 발명의 일 실시예와 관련된 하나 이상의 네트워크 함수를 나타낸 개략도이다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 “노드”라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 “노드”들은 “뉴런(neuron)”들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의“링크”에 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 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 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, 링크들 사이의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.

신경망은 하나 이상의 노드들을 포함하여 구성될 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 노드를 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 발명의 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 발명의 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 발명의 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 발명의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.

딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력레이어와 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 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 발명은 이에 제한되지 않는다.

뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning) 및 반교사학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 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 라벨이 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 생략하는 드롭아웃(dropout) 등의 방법이 적용될 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 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수를 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 트레이닝을 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 발명은 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 파라미터에 기초하여 출력 노드 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 발명은 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 발명은 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 발명은 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 발명은 이에 제한되지 않는다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

본 발명의 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 "소프트웨어"로 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 발명의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 발명의 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 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 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. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 발명의 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 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (10)

1. 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 방법에 있어서,
   영상 데이터로부터 음원 데이터를 획득하는 단계;
   상기 음원 데이터에 포함된 노이즈를 제거하여 가공 음원 데이터를 생성하는 단계; 및
   상기 영상 데이터 및 상기 가공 음원 데이터를 병합하여 노이즈가 제거된 영상 데이터를 생성하는 단계;
   를 포함하며,
   상기 가공 음원 데이터를 생성하는 단계는,
   상기 음원 데이터에 기초하여 배음(harmonics) 정보─상기 배음 정보는, 원음을 배음 대역 별 에너지 레벨로 분리한 정보임─를 획득하는 단계;
   상기 배음 정보에 기초하여 상기 음원 데이터로부터 노이즈를 제거하는 단계;
   상기 노이즈가 제거된 음원 데이터에 대한 고속 푸리에 변환(FFT, Fast Fourier Transform)을 통해 주파수 정보를 생성하는 단계; 및
   상기 주파수 정보를 음원 변환 모델에 입력으로 처리하여 상기 음원 데이터에 대응하는 상기 가공 음원 데이터를 생성하는 단계; 를 포함하며,
   상기 배음 정보에 기초하여 상기 음원 데이터로부터 노이즈를 제거하는 단계는,
   상기 원음을 복수의 배음 대역 별 에너지 레벨로 분리하는 단계;
   상기 복수의 배음 대역 각각에서 에너지 최소값을 추출하는 단계; 및
   추출된 최소값을 기반으로 배음에 대응하는 노이즈를 제거하는 단계; 를 포함하며,
   상기 음원 변환 모델은,
   상기 음원 데이터로부터 공명현상(Resonance)에 관련한 노이즈를 제거하기 위한 모델로, 상기 음원 데이터에 대응하는 주파수 정보를 입력으로 하여 노이즈가 제거된 가공 주파수 정보를 출력하는 노이즈 제거 모델 및 상기 가공 주파수 정보에 기초하여 상기 가공 음원 데이터를 생성하는 변환 모델을 포함하며,
   상기 노이즈 제거 모델은,
   상기 노이즈가 제거된 음원 데이터에 대응하는 주파수 정보를 입력으로 하여 상기 공명현상에 관련한 노이즈가 제거된 가공 주파수 정보를 출력하도록 학습된 신경망 모델로,
   공명현상을 포함하는 음원 데이터들에 대응하는 주파수 정보들에 관련한 복수의 학습 입력 데이터 및 상기 복수의 학습 입력 데이터에서 공명현상에 관련한 노이즈가 제거된 가공 주파수 정보들에 관련한 복수의 학습 출력 데이터를 통해 구성되는 학습 데이터 세트에 기초하여 학습되는 것을 특징으로 하며,
   상기 방법은,
   상기 가공 음원 데이터에 대한 증폭을 수행하는 단계; 를 더 포함하고,
   상기 가공 음원 데이터에 대한 증폭을 수행하는 단계는,
   초기 최대값에 기초하여 가공 음원 데이터에 대한 변환을 수행하는 단계;
   상기 변환된 가공 음원 데이터의 음량 정보가 미리 정해진 기준값을 초과하는지 여부에 기초하여 상기 변환된 가공 음원 데이터의 증폭을 결정하는 단계; 및
   상기 가공 음원 데이터에 대응하여 음량 압축(compression) 기능이 적용된 증폭을 수행하는 단계;
   를 포함하며,
   상기 음량 압축 기능은,
   기 설정된 크기를 초과하는 음향에 대한 압축을 수행하는 것을 특징으로 하는,
   음향을 포함하는 영상 데이터의 노이즈 제거 방법.
   
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 제1항에 있어서,
   상기 변환 모델은,
   상기 가공 주파수 정보에 대한 역 고속 푸리에 변환(IFFT, Inverse Fast Fourier Transform)을 수행하여 상기 가공 음원 데이터를 생성하는,
   음향을 포함하는 영상 데이터의 노이즈 제거 방법.
   
7. 삭제
8. 삭제
9. 하나 이상의 인스트럭션을 저장하는 메모리; 및
   상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서; 를 포함하고,
   상기 프로세서는, 상기 하나 이상의 인스트럭션을 실행함으로써,
   제1항의 방법을 수행하는, 장치.
   
10. 하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터 프로그램.
    
    

Images