KR102583764B1 - 외국어가 포함된 오디오의 음성 인식 방법 - Google Patents

Abstract

본 개시의 일 실시예에 따라 컴퓨팅 장치의 하나 이상의 프로세서에 의해 수행되는, 신경망 기반의 음성 인식 방법이 개시된다. 상기 방법은 음성 정보에 기초하여 제 1 언어 기반의 제 1 텍스트(text) 데이터를 생성하는 단계; 상기 생성된 제 1 텍스트 데이터 중 문제 텍스트를 검출하는 단계; 상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하는 단계; 및 상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하는 단계를 포함할 수 있고, 상기 제 2 언어는 상기 제 1 언어와 상이할 수 있다.

Description

외국어가 포함된 오디오의 음성 인식 방법{METHOD FOR RECOGNIZING THE VOICE OF AUDIO CONTAINING FOREIGN LANGUAGES}

본 개시는 외국어 음성이 포함된 오디오 파일을 보다 명확하게 텍스트로 추출하는 방법에 관한 것으로, 보다 구체적으로 외국어가 포함된 오디오에 대해 언어를 감지하여, 오디오 정보에 보다 부합하는 음성인식 결과 텍스트를 추출하는 방법에 관한 것이다.

기존의 음성 인식을 수행하는 언어 모델은 음성 인식 대상인 음원에 외국어가 포함되어 있는 경우, 해당 부분에 대해서는 음성 인식이 제대로 수행되지 않는 문제가 있었다. 예를 들어, 기존의 음성 인식을 수행하는 언어 모델은, 외국어 인터뷰가 포함된 뉴스와 같은 오디오 파일에 대한 음성 인식을 수행하는 경우, 외국인이 인터뷰한 부분에 대해서는 음성 인식이 제대로 수행되지 않는 문제가 있었다.

다시 말해, 기존의 음성 인식을 수행하는 언어 모델은, 음성 인식 대상인 음원에 복수의 언어들이 포함되는 경우, 음식 인식이 제대로 수행되기가 어려웠다. 특히, 종래의 모델들은, 대상 음원의 대부분이 제 1 언어로 구성되어 있고, 일부만이 제 2 언어로 구성되어 있는 경우, 제 2 언어로 구성된 부분을 제대로 인식하고 올바른 텍스트(text)로 변환시키기가 어려웠다. 종래의 모델들이 복수의 언어 인식 모델을 포함하는 형태로 구현될 수 있더라도, 음원 중 일부가 상이한 타입의 언어인지 여부를 인식할 수 있는 기술이 부재하였고, 해당 부분을 인식할 수 있다고 하더라도 해당 부분을 어떻게 처리할지에 대한 기술이 부재하였기 때문이다.

따라서, 외국어 음성이 포함된 음원을 명확하게 인식하고, 이를 기반으로 상기 명확하게 텍스트로 변환할 수 있는 기술이 요구되고 있다.

한편, 본 개시는 이상에서 살핀 기술적 배경에 적어도 기초하여 도출되었으나, 본 개시의 기술적 과제 또는 목적은, 이상에서 살핀 문제점 또는 단점을 해결하는 것에 한정되지는 않는다. 즉, 본 개시는, 이상에서 살핀 기술적 이슈(issue) 이외에도, 이하에서 설명할 내용과 관련된 다양한 기술적 이슈들을 커버(cover)할 수 있다.

KR 2018-0129486 A

본 개시는 외국어 음성이 포함된 오디오를 보다 명확하게 텍스트로 추출하는 방법을 제공하는 것을 해결 과제로 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 정보를 기초로 제 1 언어 기반의 제 1 텍스트(text) 데이터를 생성하는 단계; 상기 생성된 제 1 텍스트 데이터 중 문제 텍스트를 검출하는 단계; 상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하는 단계; 및 상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하는 단계를 포함할 수 있고, 상기 제 2 언어는 상기 제 1 언어와 상이할 수 있다.

대안적으로, 상기 생성된 제 1 텍스트 데이터의 상기 문제 텍스트에 대응되는 부분에 수정 텍스트를 병기하여 출력하는 단계를 더 포함할 수 있다.

대안적으로, 상기 생성된 제 1 텍스트 데이터 중 문제 텍스트를 검출하는 단계는, 상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 상기 도출된 신뢰도에 기초하여 상기 문제 텍스트를 검출하는 단계를 포함할 수 있다.

대안적으로, 상기 음성 정보에 기초하여 제 1 텍스트 데이터를 생성하는 단계는, 제 1 신경망 모델을 이용하여, 상기 음성 정보에 기초하여, 상기 제 1 언어에 대한 음성 인식을 수행하는 단계; 및 상기 음성 인식에 기초하여, 상기 제 1 언어에 대한 청크 단위의 텍스트들을 출력하는 단계를 포함할 수 있다.

대안적으로, 상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 상기 도출된 신뢰도에 기초하여 문제 텍스트를 검출하는 단계는, 상기 제 1 언어에 대한 청크 단위의 텍스트들 각각에 대해 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 청크 단위의 텍스트를 검출하는 단계를 포함할 수 있다.

대안적으로, 상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 상기 도출된 신뢰도에 기초하여 문제 텍스트를 검출하는 단계는, 상기 생성된 제 1 텍스트 데이터에 대해 단어(word)단위로 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 단어 단위의 텍스트를 검출하는 단계를 포함할 수 있다.

대안적으로, 대안적으로, 상기 제 2 텍스트 데이터는, 상기 제 1 텍스트 데이터 중 상기 문제 텍스트가 제외된 텍스트 부분; 및 상기 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 2 언어 기반으로 생성된 수정 텍스트 부분을 포함할 수 있다.

대안적으로, 상기 문제 텍스트는, 청크(chunk) 단위의 텍스트, 단어(word) 단위의 텍스트, 구(phrase) 단위의 텍스트, 절(clause) 단위의 텍스트, 또는 문장 단위의 텍스트 중 적어도 하나를 포함할 수 있다.

대안적으로, 상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하는 단계는, 제 1 문제 텍스트에 대응되고 상기 제 1 언어와 상이한 제 2 언어를 감지하는 단계; 및 제 2 문제 텍스트에 대응되고 상기 제 1 언어 및 상기 제 2 언어와 상이한 제 3 언어를 감지하는 단계를 더 포함할 수 있다.

대안적으로, 상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하는 단계는, 상기 제 1 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 2 언어를 기반으로 제 1 수정 텍스트를 생성하는 단계; 및 상기 제 2 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 3 언어를 기반으로 제 2 수정 텍스트를 생성하는 단계를 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, 상기 하나 이상의 프로세서로 하여금 음성 인식을 위한 동작들을 수행하도록 하며, 상기 동작들은: 음성 정보에 기초하여 제 1 언어 기반의 제 1 텍스트 데이터를 생성하는 동작; 상기 생성된 제 1 텍스트 데이터 중 문제 텍스트를 검출하는 동작; 상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하는 동작; 및 상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하는 동작을 포함할 수 있고, 상기 제 2 언어는 상기 제 1 언어와 상이할 수 있다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 컴퓨팅 장치가 개시된다. 상기 장치는, 적어도 하나의 프로세서; 및 메모리를 포함하고, 상기 프로세서는, 음성 정보에 기초하여 제 1 언어 기반의 제 1 텍스트 데이터를 생성하고; 상기 생성된 제 1 텍스트 데이터 중 문제 텍스트를 검출하고; 상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하고; 그리고 상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하도록 구성될 수 있고, 상기 제 2 언어는 상기 제 1 언어와 상이할 수 있다.

본 개시는 외국어 음성이 포함된 오디오를 텍스트로 추출하는 방법을 제공할 수 있으며, 이를 통해 외국어가 포함된 오디오에 대해 언어를 감지하여, 오디오 정보에 보다 부합하는 음성인식 결과 텍스트를 추출하는 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 인식을 수행하기 위한 컴퓨팅 장치의 블록 구성도이다.
도 2는 본 개시의 일 실시예에 따른 네트워크 함수를 나타내는 개략도이다.
도 3은 본 개시의 일 실시예에 따른 외국어가 포함된 오디오의 음성 인식을 수행하기 위한 방법을 나타낸 순서도이다.
도 4는 본 개시의 일 실시예에 따라 상기 음성 정보에 기초하여 제 1 텍스트 데이터를 생성하고, 신뢰도를 도출하는 단계를 설명하기 위한 개략도이다.
도 5는 본 개시의 일 실시예에 따라 제 1 텍스트 데이터의 신뢰도를 도출하고, 상기 도출된 신뢰도에 기초하여 문제 텍스트를 검출하는 단계를 나타낸 개략도이다.
도 6은 본 개시의 일 실시예에 따라 복수의 문제 텍스트들(예컨대, 제 1 문제 텍스트, 제 2 문제 텍스트 등)이 검출되고, 검출된 복수의 텍스트들에 대응하는 복수의 언어들(예컨대, 제 2 언어, 제 3 언어 등)를 감지하는 동작을 나타낸 개략도이다.
도 7은 본 개시의 일 실시예에 따라 감지된 (상기 제 1 언어와 상이한) 적어도 하나의 언어에 기초하여 제 2 텍스트 데이터를 생성하는 과정을 나타낸 개략도이다.
도 8은 본 개시의 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.

통상의 기술자들은 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 인식을 수행하기 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)에는 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 따른 프로세서(110)는 음성 인식을 수행하기 위해 음성 정보를 인식하고, 음성 정보에 기초하여 제 1 언어 기반의 제 1 텍스트 데이터를 생성할 수 있으며, 생성된 제 1 텍스트 데이터 중 문제 텍스트를 검출하는 동작들을 수행할 수 있다. 이때, 음성 정보는 외국어가 포함된 음성 파일, 또는 오디오 데이터에 대한 정보일 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(110)는 상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지할 수 있다. 또한, 상기 프로세서(110)는 상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성할 수 있으며, 상기 제 2 언어는 상기 제 1 언어와 상이할 수 있다. 본 개시내용에 있어서, "제 1", "제 2", “제 3” 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하여 명세서 전체적으로 일관성을 유지하기 위해 사용되는 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다.

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 임의의 형태의 공지된 유무선 통신 시스템을 사용할 수 있다.

예를 들어, 네트워크부(150)는 음성 정보를 외부 시스템으로부터 수신할 수 있다. 이때, 데이터베이스로부터 수신되는 정보는, 외국어가 포함된 오디오의 음성 인식을 수행하기 위한 학습용 데이터 또는 추론용 데이터일 수 있다. 음성 정보는 상술한 예시의 정보들을 포함할 수 있으나, 상술한 예시에 제한되지 않고, 통상의 기술자가 이해할 수 있는 범위 내에서 다양하게 구성될 수 있다.

또한, 네트워크부(150)는 프로세서(110)에 의해 처리된 정보, 사용자 인터페이스 등을 타 단말과의 통신을 통해 송수신할 수 있다. 예를 들어, 네트워크부(150)는 프로세서(110)에 의해 생성된 사용자 인터페이스를 클라이언트(e.g. 사용자 단말)로 제공할 수 있다. 또한, 네트워크부(150)는 클라이언트로 인가된 사용자의 외부 입력을 수신하여 프로세서(110)로 전달할 수 있다. 이때, 프로세서(110)는 네트워크부(150)로부터 전달받은 사용자의 외부 입력을 기초로 사용자 인터페이스를 통해 제공되는 정보의 출력, 수정, 변경, 추가 등의 동작을 처리할 수 있다.

한편, 본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 클라이언트와 통신을 통해 정보를 송수신하는 컴퓨팅 시스템으로서 서버를 포함할 수 있다. 이때, 클라이언트는 서버에 엑세스(access)할 수 있는 임의의 형태의 단말일 수 있다. 예를 들어, 서버인 컴퓨팅 장치(100)는 외부 데이터베이스로부터 단어 그래프를 생성하여 요약 문장을 추출하기 위한 정보를 수신하여 대화에 대한 요약 결과를 생성하고, 대화에 대한 요약 결과에 관한 사용자 인터페이스를 사용자 단말로 제공할 수 있다. 이때, 사용자 단말은 서버인 컴퓨팅 장치(100)로부터 수신한 사용자 인터페이스를 출력하고, 사용자와의 상호 작용을 통해 정보를 입력 받거나 처리할 수 있다.

추가적인 실시예에서, 컴퓨팅 장치(100)는 임의의 서버에서 생성된 데이터 리소스를 전달받아 추가적인 정보 처리를 수행하는 임의의 형태의 단말을 포함할 수도 있다.

도 2는 본 개시의 일 실시예에 따른 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 강화 학습(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 라벨링되어있는 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.

도 3은 본 개시의 일 실시예에 따른 외국어가 포함된 오디오의 음성 인식을 수행하기 위한 방법을 나타낸 순서도이다.

본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 "외국어가 포함된 오디오의 음성 인식을 수행하기 위한 음성 정보"를 직접 획득하거나 또는 외부 시스템으로부터 수신할 수 있다. 음성 정보는 본 개시의 실시예에 따라 음성 인식을 통해 텍스트 데이터를 생성하기 위한 대상이 되는 정보이다. 외부 시스템은 음성 정보들을 저장하고 관리하는 서버, 데이터베이스 등일 수 있다. 컴퓨팅 장치(100)는 직접 획득하거나 외부 시스템으로부터 수신된 음성 정보들을 "음성 인식을 통해 텍스트를 생성하기 위한 입력 데이터"로서 사용할 수 있다.

도 3을 참조하면, 컴퓨팅 장치(100)는 수신된 음성 정보에 기초하여 제 1 언어 기반의 제 1 텍스트 데이터를 생성할 수 있다(S110). 예를 들어, 컴퓨팅 장치(100)는 음성 정보에 기초하여 상기 제 1 언어에 대한 음성 인식을 수행할 수 있으며, 상기 음성 인식에 기초하여 상기 제 1 언어에 대한 텍스트들을 출력할 수 있다. 여기서 출력되는 텍스트는, 청크(chunk) 단위의 텍스트, 단어(word) 단위의 텍스트, 구(phrase) 단위의 텍스트, 절(clause) 단위의 텍스트, 문장 단위의 텍스트 등을 포함할 수 있으며, 이러한 유형 이외에도 다양한 유형의 텍스트를 포함할 수 있다.

컴퓨팅 장치(100)는 S110단계를 통해 생성된 제 1 텍스트 데이터에 기초하여, 문제 텍스트를 검출할 수 있다(S120). 이러한 S120 단계는, 상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 상기 도출된 신뢰도에 기초하여 상기 문제 텍스트를 검출하는 단계를 포함할 수 있다. 즉, S120 단계는, 제 1 텍스트 데이터와 연관된 신뢰도 정보에 기초하여 문제 텍스트를 검출할 수 있다. 이러한 신뢰도 정보 기반의 구체적인 실시예는 도 4 및 도 5를 참조하여 아래에서 후술한다. 한편, S120 단계는 제 1 텍스트 데이터에 기초하여, 복수의 문제 텍스트들을 검출할 수도 있다. 예를 들어, S120 단계는, 제 1 문제 텍스트, 제 2 문제 텍스트 등을 포함하는 복수의 문제 텍스트들을 검출할 수도 있다. 이러한 복수의 문제 텍스트들이 검출되는 구체적인 실시예는 도 6을 참조하여 아래에서 후술한다.

컴퓨팅 장치(100)는 S120 단계를 통해 검출된 문제 텍스트에 대응하는 제 2 언어를 감지할 수 있다(S130). 이때, 제 2 언어는 상기 제 1 언어와 상이할 수 있다. 즉, 제 2 언어는 상기 제 1 언어와의 관계에서 외국어일 수 있다. 또한, 컴퓨팅 장치는, S120 단계에서 복수의 문제 텍스트들이 검출되는 경우, 상기 제 1 언어와 상이한 복수의 언어들을 검출할 수도 있다. 예를 들어, S130 단계는, 상기 제 1 문제 텍스트에 대응되고 상기 제 1 언어와 상이한 제 2 언어를 감지하는 단계, 및 상기 제 2 문제 텍스트에 대응되고 상기 제 1 언어 및 상기 제 2 언어와 상이한 제 3 언어를 감지하는 단계를 더 포함할 수도 있다.

컴퓨팅 장치(100)는 S130 단계를 통해 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성할 수 있다(S140). 여기서 상기 제 2 텍스트 데이터는, 상기 제 1 텍스트 데이터 중 상기 문제 텍스트가 제외된 텍스트 부분, 및 상기 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 2 언어 기반으로 생성된 수정 텍스트 부분을 포함할 수 있다. 또한, S140 단계는, S120 단계에서 복수의 문제 텍스트들이 검출되고 S130 단계에서 복수의 언어들이 검출되는 경우, 복수의 수정 텍스트들을 생성하는 단계를 포함할 수도 있다. 예를 들어, S140 단계는, 상기 제 1 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 2 언어를 기반으로 제 1 수정 텍스트를 생성하는 단계, 및 상기 제 2 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 3 언어를 기반으로 제 2 수정 텍스트를 생성하는 단계를 포함할 수 있다.

컴퓨팅 장치는 S140 단계 이후에, 상기 생성된 제 1 텍스트 데이터의 상기 문제 텍스트에 대응되는 부분에 수정 텍스트를 병기하여 출력하는 단계를 더 포함할 수도 있다.

도 4는 본 개시의 일 실시예에 따라 상기 음성 정보에 기초하여 제 1 텍스트 데이터를 생성하고, 신뢰도를 도출하는 동작을 설명하기 위한 개략도이다.

도 4를 참조하면, 본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 외국어 음성(예컨대, 제 2 언어)이 포함된 오디오를 텍스트로 추출하기 위해 외부 시스템으로부터 음성 정보(11)를 수신할 수 있다.

이때, 음성 정보(11)는 외국어 대화에 관한 음성 정보, 여러 외국어가 포함된 인터뷰에 관한 음성 정보, 뉴스 영상에 포함된 외국어 음성 정보 등을 포함할 수 있으며, 이러한 예시들 이외에도 다양한 음성들이 포함될 수 있다. 이와 같이, 상기 음성 정보는, 하나의 특정 언어에 한정되지 않고 텍스트로 추출이 필요한 다양한 외국어가 포함된 음성 정보들을 포함할 수 있다.

컴퓨팅 장치(100)는 외부 시스템으로부터 수신된 음성 정보들을 음성 인식을 수행하기 위한 입력 데이터로 사용하여 제 1 텍스트 데이터(13)를 출력할 수 있다. 예를 들어, 도 4의 예시는 제 1 신경망 모델(12)에 음성 정보를 입력하여 제 1 언어에 대한 음성 인식을 수행하고, 상기 음성 인식에 기초하여 상기 제 1 언어에 대한 청크 단위의 텍스트들을 출력할 수 있다. 여기서 청크는 하나의 의미를 갖는 말 덩어리로써 자연어처리(NLP)에서 텍스트를 분할하는 데 사용될 수 있는 하나의 단위를 의미하며 청크의 길이는 가변적일 수 있다. 또한, 컴퓨팅 장치(100)는 제 1 신경망 모델(12)을 이용하여 STT(Speech-to-Text) 또는 ASR(Automatic Speech Recognition)을 수행할 수 있다. STT 또는 ASR은 음성신호 또는 이를 변환한 스펙토그램(spectrogram)을 입력 데이터로 받아서 문자열 형태의 텍스트를 출력할 수 있다. 이를 통해, 상기 제 1 언어에 대해 음성 인식이 수행된 결과인 상기 제 1 텍스트 데이터(13)가 생성될 수 있다.

컴퓨팅 장치(100)는 상기 생성된 제 1 텍스트 데이터의 신뢰도(14)를 도출할 수 있다. 예를 들어, 음성 정보에 대해 음성 인식을 수행하여 생성된 결과인 제 1 텍스트 데이터의 신뢰도(14)를 계산할 수 있다. 상기 신뢰도를 계산하는 과정은 정답에 대한 정보 없이 ASR의 결과를 얼마나 신뢰할 수 있는지에 대해 예측하는 과정일 수 있다. 예를 들어, 도 4의 예시에서, 상기 제 1 언어에 대한 청크 단위의 텍스트들 각각에 대해 (0.99), (0.1), (0.94), (0.08)의 신뢰도가 도출될 수 있다.

간명한 설명을 위해 제1 텍스트 데이터의 신뢰도(14)라고 설명하였지만, 신뢰도(14)는 제1 텍스트 데이터(13)가 생성된 후 제1 텍스트 데이터(13)에 기초하여 계산되는 것으로 제한되는 것은 아니다. 예를 들어, 제1 신경망 모델(12)은 음성 정보(11)에 대해 제1 언어로 음성 인식을 수행할 때 청크 별로 텍스트를 예측할 수 있고, 청크 별 예측한 텍스트의 정확도에 대응하는 신뢰도(14)를 도출할 수 있다. 즉 제1 텍스트 데이터의 신뢰도(14)는 제1 텍스트(13)의 생성 과정에서 도출되거나, 생성된 제1 텍스트(13)에 기초하여 도출될 수 있다.

또한, 상기 신뢰도 도출과정에서는 청크 단위의 텍스트들에 대해 신뢰도를 계산했지만, 청크 단위의 텍스트들 이외에도 다양한 단위의 텍스트들에 대해 신뢰도가 계산될 수 있다. 예를 들어, 단어(word) 단위의 텍스트, 구(phrase) 단위의 텍스트, 절(clause) 단위 등의 텍스트들에 대해서도 신뢰도가 도출될 수 있다. 한편, 이를 통해 상기 계산된 제 1 텍스트 데이터의 신뢰도(14)는 문제 텍스트를 검출하는데 기초로 이용될 수 있으며, 구체적인 내용은 이하 도 5를 통해 설명된다.

도 5는 본 개시의 일 실시예에 따라 제 1 텍스트 데이터의 신뢰도를 도출하고, 상기 도출된 신뢰도에 기초하여 문제 텍스트를 검출하는 동작을 나타낸 개략도이다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 상기 생성된 제 1 텍스트 데이터의 신뢰도(14)를 도출하고, 상기 도출된 신뢰도(14)에 기초하여 문제 텍스트를 검출할 수 있다. 또한, 이 경우, 복수의 문제 텍스트들(23)이 검출될 수 있다. 구체적으로, 컴퓨팅 장치(100)는 설정된 임계치(21) 미만의 신뢰도를 갖는 청크 단위의 텍스트를 검출(22)할 수 있다. 예를 들어, 도 5의 예시에서 임계치 미만의 신뢰도를 갖는 텍스트를 검출하는 과정(22)은 임계치(21)가 0.8로 설정될 수 있고, 설정된 임계치(21)인 0.8 미만의 (0.1)과 (0.08)의 신뢰도를 갖는 청크 단위의 텍스트들이 복수의 문제 텍스트들(23)로 검출될 수 있다. 구체적으로, 제 1 언어가 한국어인 경우 제 1 텍스트 데이터(13)는 한국어를 기반으로 음성 인식이 수행된 결과일 수 있고, 제 1 텍스트 데이터의 일부분의 신뢰도가 임계치 0.8 미만의 값을 갖는다면, 해당 부분이 (한국어가 아닌 외국어가 포함된 텍스트에 해당할 것이라고 예측되는) 문제 텍스트로서 검출될 수 있다. 추가적으로, 도 4를 참조하여 전술한 바와 같이, 본 개시의 일 실시예에 따르면 상기 제 1 텍스트 데이터(13)에 대해 단어 단위로 신뢰도가 도출될 수 있고, 설정된 임계치 미만의 신뢰도를 갖는 단어 단위의 텍스트가 검출될 수 있다. 또한, 청크 단위 및 단어 단위 이외에도, 구 단위, 절 단위, 문장 단위 등으로 신뢰도가 도출될 수 있다. 따라서, 상기 문제 텍스트(23)는 청크 단위의 텍스트로 한정되지 않고, 다양한 단위의 텍스트를 포함할 수 있다. 상기 검출된 복수의 문제 텍스트들(23)에 대해 언어 감지가 수행될 수 있으며, 이에 대해 이하 도 6을 바탕으로 상세히 설명된다.

도 6은 본 개시의 일 실시예에 따라 복수의 문제 텍스트들(예컨대, 제 1 문제 텍스트, 제 2 문제 텍스트 등)이 검출되고, 검출된 복수의 텍스트들에 대응하는 복수의 언어들(예컨대, 제 2 언어, 제 3 언어 등)를 감지하는 동작을 나타낸 개략도이다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 상기 검출된 복수의 문제 텍스트들(23)에 대응하는, 복수의 언어들을 감지할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 언어 감지(33)를 통해 제 1 문제 텍스트(31)에 대응되고, 상기 제 1 언어와 상이한 제 2 언어(34)를 감지할 수 있으며, 동일한 과정을 통해 제 2 문제 텍스트(32)에 대응되고, 상기 제 1 언어 및 상기 제 2 언어와 상이한 제 3 언어(35)를 감지할 수 있다. 이때, 컴퓨팅 장치(100)가 언어 감지(33)를 수행할 때 사용되는 모델은 신경망 모델, 알고리즘 기반의 언어 감지 모델 또는 LID(Spoken Language Identification)가 사용될 수 있으며, 주어진 음성 정보를 바탕으로 음성에서 사용되는 언어를 구별하는 기술들이 사용될 수 있다. 예를 들어, 제 1 언어는 한국어를 기반으로 신뢰도를 계산하고, 계산된 신뢰도가 설정된 임계치(21) 미만의 값을 갖는 청크 단위의 문제 텍스트에 대해서 제 1 문제 텍스트(31)에 대응되는 제 2 언어(34)는 영어, 제 2 문제 텍스트(32)에 대응되는 제 3 언어(35)는 중국어로 감지될 수 있다. 이때 제 1 언어인 한국어와 상이한 영어가 제 2 언어(34)로 감지되고, 한국어 및 영어와 상이한 중국어가 제 3 언어(35)로 감지될 수 있다. 본 개시내용에 있어서, "제 1", "제 2", “제 3” 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하여 명세서 전체적으로 일관성을 유지하기 위해 사용되는 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 또한 본 개시에 따른 몇몇 실시예들에 있어서, 둘 이상의 언어를 서로 구별할 필요가 없어서 지시 대상이 하나의 언어로 명확한 경우, 제 3 언어(35)는 감지되지 않을 수 있다. 예를 들어, 제 1 문제 텍스트(31)와 제 2 문제 텍스트(32)에 대해 언어 감지(33)가 수행된 결과 대응되는 언어가 상기 두 문제 텍스트에 대해 모두 영어로 감지될 수 있다. 이러한 경우에 상기 두 문제 텍스트에 대응하는 영어는 제 2 언어(34)로 감지되며, 상기 제 2 언어와 상이하지 않은 제 3 언어(35)는 감지되지 않을 수 있다. 또한, 컴퓨팅 장치(100)는 감지된 (상기 제 1 언어와 상이한) 적어도 하나의 언어에 기초하여 제 2 텍스트 데이터를 생성할 수 있는데, 이하 도 7을 바탕으로 상세히 설명된다.

도 7은 본 개시의 일 실시예에 따라 감지된 (상기 제 1 언어와 상이한) 적어도 하나의 언어에 기초하여 제 2 텍스트 데이터를 생성하는 과정을 나타낸 개략도이다.

우선 도 6의 실시예에 따라 제 1 문제 텍스트(31)와 제 2 문제 텍스트(32)에 대응되는 제 2 언어(34) 및 제 3 언어(35)가 감지될 수 있다. 이를 기초로 도 7을 참조하면, 음성 정보 중에서 제 1 문제 텍스트(31) 및 제 2 문제 텍스트(32)에 대응되는 부분에 대해 각각 제 2 언어(34), 제 3 언어(35) 기반의 음성 인식이 수행될 수 있다(41). 예를 들어, 제 1 문제 텍스트(31)에 대응되는 언어는 영어로 감지되고, 제 2 문제 텍스트(32)에 대응되는 언어는 중국어로 감지될 때, 음성 정보(11) 중에서 제 1 및 제 2 문제 텍스트에 대응되는 부분에 대해 각각 영어 및 중국어 기반의 음성 인식이 수행될 수 있다. 또한 본 개시에 따른 다른 실시예들에 있어서, 제 1 문제 텍스트(31) 및 제 2 문제 텍스트(32)에 대응되는 언어가 하나의 언어로 명확한 경우, 제 3 언어(35)는 감지되지 않을 수 있다. 예를 들어, 제 1 문제 텍스트(31)와 제 2 문제 텍스트(32)에 대해 언어 감지(33)가 수행된 결과 대응되는 언어가 상기 두 문제 텍스트에 대해 모두 영어로 감지될 수 있다. 이러한 경우에 상기 두 문제 텍스트에 대응하는 영어는 제 2 언어(34)로 감지되며, 상기 제 2 언어와 상이하지 않은 제 3 언어(35)는 감지되지 않을 수 있고, 제 1 문제 텍스트 및 제 2 문제 텍스트에 대응되는 부분 모두에 대해 영어기반의 음성 인식이 수행될 수 있다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 제 1 문제 텍스트(31)에 대응되는 음성 부분에 대하여, 상기 제 2 언어(34)를 기반으로 제 1 수정 텍스트(43)를 생성하고, 상기 제 2 문제 텍스트(32)에 대응되는 음성 부분에 대하여, 상기 제 3 언어(35)를 기반으로 제 2 수정 텍스트(44)를 생성할 수 있으며, 이러한 동작들에 기초하여 제 2 텍스트 데이터를 생성할 수 있다. 예를 들어, 상기 음성 정보 중에서 제 1 및 제 2 문제 텍스트에 대응되는 부분에 대해 각각 영어 및 중국어 기반의 음성 인식이 수행되어 “영어 기반의 음성 인식 결과인 제 1 수정 텍스트” 및 “중국어 기반의 음성 인식 결과인 제 2 수정 텍스트”가 생성될 수 있다. 또한, 다른 실시예로써 제 1 문제 텍스트(31) 및 제 2 문제 텍스트(32)에 대응되는 언어가 모두 영어인 경우 상기 음성 정보 중에서 제 1 및 제 2 문제 텍스트에 대응되는 부분 모두에 대해 영어 기반의 음성 인식이 수행되어 “영어 기반의 음성 인식 결과인 제 1 수정 텍스트 및 제 2 수정 텍스트”가 생성될 수 있다.

본 개시가 수행됨으로써 외국어가 포함된 음성 정보의 모든 부분에 대해 언어 감지가 수행되지 않고, 일부 신뢰도가 낮은 부분에 대해서만 언어 감지가 수행된 후 해당 언어로 음성 인식이 수행된 결과가 출력됨으로써, 음성 내용에 보다 더 잘 부합되는 텍스트 결과가 출력될 수 있다.

또한, 본 개시의 일 실시예에 따라 컴퓨팅 장치(100)는 상기 생성된 제 1 텍스트 데이터(13)의 상기 문제 텍스트(23)에 대응되는 부분에 수정 텍스트 (43, 44)를 병기하여 출력할 수 있다. 예를 들어, 제 1 언어가 한국어이고 제 2 언어(34)가 영어, 제3 언어(35)가 중국어인 경우에 제 1 텍스트 데이터(13)의 문제 텍스트(23) 중 제1 문제 텍스트(31) 부분은 영어기반으로 음성 인식이 수행된 텍스트 결과인 제1 수정 텍스트(43)가 병기되고, 제2 문제 텍스트(32) 부분은 중국어 기반으로 음성 인식이 수행된 텍스트 결과인 제2 수정 텍스트(44)가 병기되어 출력될 수 있다. 다른 일 실시 예에 따르면, 수정 텍스트가 병기되어 출력되는 경우 “외국어일 수 있는 부분에 외국어 텍스트를 병기했다”는 노티(notification)가 함께 출력될 수 있다.

추가적으로, 본 개시의 다른 실시예에 따르면, 컴퓨팅 장치(100)는 음성 정보(11)와 함께 뉴스 영상 등 영상이 입력으로 들어와 음성 인식이 수행되는 경우, 검출된 문제 텍스트(23)와 대응되는 영상 부분에 자막의 유무를 판단할 수 있다. 이때, 컴퓨팅 장치(100)는 문제 텍스트(23)와 대응되는 영상 부분에 자막이 존재하는 경우, 영상에서 자막이 나오는 부분을 감지(detect)하고 해당 자막 부분을 OCR(Optical Character Recognition)을 통해 획득할 수 있다. 또한, OCR을 통해 획득된 자막 정보는 “음성 인식을 통해 생성된 제 1 텍스트 데이터(13)의 문제 텍스트(23)에 대응되는 부분”에 수정 텍스트 (43, 44)와 함께 병기되어 출력될 수 있다. 예를 들어, 뉴스 영상 중 해외에서 발생한 상황을 브리핑하는 경우 외국인 인터뷰가 포함될 수 있으며, 이때 외국인 인터뷰에 자막 정보가 포함되어 있을 수 있다. 이러한 경우, 뉴스 영상 중 외국인 인터뷰의 발화 부분에 대응되는 텍스트가 문제 텍스트(23)로 검출될 수 있고, “해당 뉴스 영상 중 외국인 인터뷰의 발화 부분에 대응하는 부분”에 자막이 존재하면 해당 자막 부분은 OCR을 통해 획득될 수 있다. 또한, OCR을 통해 획득된 자막 정보는 “음성 인식을 통해 생성된 제 1 텍스트 데이터(13)의 문제 텍스트(23)에 대응되는 부분”에 수정 텍스트 (43, 44)와 함께 병기되어 출력될 수 있다.

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, 통상의 기술자라면 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, 통상의 기술자라면 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, 통상의 기술자라면 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 (12)

1. 컴퓨팅 장치에 의해 수행되는, 신경망 기반의 음성 인식 방법으로서,
   음성 정보를 포함하는 영상을 수신하는 단계;
   상기 음성 정보에 기초하여 제 1 언어 기반의 제 1 텍스트(text) 데이터를 생성하는 단계;
   상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 문제 텍스트를 검출하는 단계;
   상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하는 단계;
   상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하는 단계;
   상기 영상 중 상기 문제 텍스트와 대응되는 영상 부분의 자막 유무를 판단하는 단계;
   상기 영상 부분에 자막이 존재하는 경우 OCR(Optical Character Recognition)을 통해 상기 영상 부분의 자막 텍스트를 획득하는 단계; 및
   상기 문제 텍스트와 대응되는 부분에 상기 획득된 자막 텍스트를 상기 제 2 텍스트 데이터와 병기하여 출력하는 단계;
   를 포함하고,
   상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 문제 텍스트를 검출하는 단계는,
   상기 제 1 언어에 대한 청크 단위의 텍스트들 각각에 대해 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 청크 단위의 텍스트를 상기 문제 텍스트로 검출하는 단계;
   를 포함하고,
   상기 제 2 언어는 상기 제 1 언어와 상이한,
   방법.
   
2. 삭제
3. 제 1 항에 있어서,
   상기 음성 정보에 기초하여 제 1 텍스트 데이터를 생성하는 단계는,
   제 1 신경망 모델을 이용하여, 상기 음성 정보에 기초하여, 상기 제 1 언어에 대한 음성 인식을 수행하는 단계; 및
   상기 음성 인식에 기초하여, 상기 제 1 언어에 대한 청크 단위의 텍스트들을 출력하는 단계
   를 포함하는,
   방법.
   
4. 삭제
5. 제 1 항에 있어서,
   상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 문제 텍스트를 검출하는 단계는,
   상기 생성된 제 1 텍스트 데이터에 대해 단어(word)단위로 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 단어 단위의 텍스트를 검출하는 단계
   를 포함하는,
   방법.
   
6. 제 1 항에 있어서,
   상기 제 2 텍스트 데이터는,
   상기 제 1 텍스트 데이터 중 상기 문제 텍스트가 제외된 텍스트 부분; 및
   상기 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 2 언어 기반으로 생성된 수정 텍스트 부분;
   을 포함하는,
   방법.
   
7. 제 6 항에 있어서,
   상기 생성된 제 1 텍스트 데이터의 상기 문제 텍스트에 대응되는 부분에 상기 수정 텍스트를 병기하여 출력하는 단계
   를 더 포함하는,
   방법.
   
8. 제 1 항에 있어서,
   상기 문제 텍스트는, 청크(chunk) 단위의 텍스트, 단어(word) 단위의 텍스트, 구(phrase) 단위의 텍스트, 절(clause) 단위의 텍스트, 또는 문장 단위의 텍스트 중 적어도 하나를 포함하는,
   방법.
   
9. 제 1 항에 있어서,
   상기 검출된 문제 텍스트는,
   제 1 문제 텍스트 및 제 2 문제 텍스트를 포함하고,
   상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하는 단계는,
   상기 제 1 문제 텍스트에 대응되고 상기 제 1 언어와 상이한 제 2 언어를 감지하는 단계; 및
   상기 제 2 문제 텍스트에 대응되고 상기 제 1 언어 및 상기 제 2 언어와 상이한 제 3 언어를 감지하는 단계
   를 더 포함하는,
   방법.
   
10. 제 9 항에 있어서,
    상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하는 단계는,
    상기 제 1 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 2 언어를 기반으로 제 1 수정 텍스트를 생성하는 단계; 및
    상기 제 2 문제 텍스트에 대응되는 음성 부분에 대하여, 상기 제 3 언어를 기반으로 제 2 수정 텍스트를 생성하는 단계
    를 포함하는,
    방법.
    
11. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에 의해 실행되는 경우, 상기 하나 이상의 프로세서로 하여금 음성 인식을 위한 동작들을 수행하도록 하며, 상기 동작들은:
    음성 정보를 포함하는 영상을 수신하는 동작;
    상기 음성 정보에 기초하여 제 1 언어 기반의 제 1 텍스트 데이터를 생성하는 동작;
    상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 문제 텍스트를 검출하는 동작;
    상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하는 동작;
    상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하는 동작;
    상기 영상 중 상기 문제 텍스트와 대응되는 영상 부분의 자막 유무를 판단하는 동작;
    상기 영상 부분에 자막이 존재하는 경우 OCR(Optical Character Recognition)을 통해 상기 영상 부분의 자막 텍스트를 획득하는 동작; 및
    상기 문제 텍스트와 대응되는 부분에 상기 획득된 자막 텍스트를 상기 제 2 텍스트 데이터와 병기하여 출력하는 동작;
    을 포함하고,
    상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 문제 텍스트를 검출하는 동작은,
    상기 제 1 언어에 대한 청크 단위의 텍스트들 각각에 대해 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 청크 단위의 텍스트를 상기 문제 텍스트로 검출하는 동작;
    을 포함하고,
    상기 제 2 언어는 상기 제 1 언어와 상이한,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
    
12. 컴퓨팅 장치로서,
    적어도 하나의 프로세서; 및
    메모리
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    음성 정보를 포함하는 영상을 수신하고;
    상기 음성 정보에 기초하여 제 1 언어 기반의 제 1 텍스트 데이터를 생성하고;
    상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 문제 텍스트를 검출하고;
    상기 검출된 문제 텍스트에 대응하는 제 2 언어를 감지하고;
    상기 감지된 제 2 언어에 기초하여 제 2 텍스트 데이터를 생성하고;
    상기 영상 중 상기 문제 텍스트와 대응되는 영상 부분의 자막 유무를 판단하고;
    상기 영상 부분에 자막이 존재하는 경우 OCR(Optical Character Recognition)을 통해 상기 영상 부분의 자막 텍스트를 획득하고; 그리고
    상기 문제 텍스트와 대응되는 부분에 상기 획득된 자막 텍스트를 상기 제 2 텍스트 데이터와 병기하여 출력하도록 구성되고,
    상기 생성된 제 1 텍스트 데이터의 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 문제 텍스트를 검출하는 과정은,
    상기 제 1 언어에 대한 청크 단위의 텍스트들 각각에 대해 신뢰도를 도출하고, 설정된 임계치 미만의 신뢰도를 갖는 청크 단위의 텍스트를 상기 문제 텍스트로 검출하는 과정;
    을 포함하고,
    상기 제 2 언어는 상기 제 1 언어와 상이한,
    컴퓨팅 장치.