KR20190001434A - 발화 인식 모델을 선택하는 시스템 및 전자 장치 - Google Patents

발화 인식 모델을 선택하는 시스템 및 전자 장치 Download PDF

Info

Publication number
KR20190001434A
KR20190001434A KR1020170081420A KR20170081420A KR20190001434A KR 20190001434 A KR20190001434 A KR 20190001434A KR 1020170081420 A KR1020170081420 A KR 1020170081420A KR 20170081420 A KR20170081420 A KR 20170081420A KR 20190001434 A KR20190001434 A KR 20190001434A
Authority
KR
South Korea
Prior art keywords
user
language
processor
utterance
models
Prior art date
Application number
KR1020170081420A
Other languages
English (en)
Other versions
KR102426717B1 (ko
Inventor
이정인
권민석
이인종
이창헌
정석영
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170081420A priority Critical patent/KR102426717B1/ko
Priority to US16/019,740 priority patent/US10777193B2/en
Publication of KR20190001434A publication Critical patent/KR20190001434A/ko
Application granted granted Critical
Publication of KR102426717B1 publication Critical patent/KR102426717B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/005—Language recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/32—Multiple recognisers used in sequence or in parallel; Score combination systems therefor, e.g. voting systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • User Interface Of Digital Computer (AREA)
  • Machine Translation (AREA)

Abstract

시스템이 개시된다. 상기 시스템은 어도 하나의 네트워크 인터페이스; 상기 네트워크 인터페이스에 기능적으로 연결된 적어도 하나의 프로세서; 및 상기 프로세서에 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 단어, 구(phrase) 및/또는 문장을 포함하는 복수의 샘플 텍스트를 포함하는 사용자 인터페이스를 포함하는 외부 전자 장치로부터 상기 복수의 샘플 텍스트와 관련된 사용자 발화와 관련된 데이터를 수신하고, 상기 복수의 언어 모델들을 이용하여 상기 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고, 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 및 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하도록 하는 인스트럭션들을 저장할 수 있다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

발화 인식 모델을 선택하는 시스템 및 전자 장치 {System and device for selecting a speech recognition model}
본 문서에서 개시되는 실시 예들은, 발화 인식 모델을 선택하는 기술과 관련된다.
사용자가 모바일 기기나 디스플레이 기기와 같은 다양한 전자 장치를 이용할 때 기존에는 키보드, 리모컨과 같은 도구를 이용하여 사용자 명령을 입력할 수 있다. 최근 사용자 명령의 입력 방식이 다변화됨에 따라 사용자 발화를 이용하여 사용자 명령을 입력할 수 있다.
전자 장치는 사용자 발화를 텍스트 데이터로 변환하기 위해 발화 인식 모델을 사용할 수 있다. 전자 장치는 다양한 언어의 발화를 인식하기 위해 다양한 발화 인식 모델을 사용할 수 있고, 발화 인식 모델은 발화의 발음 또는 억양 등을 이용할 수 있다.
사용자가 모바일 기기나 디스플레이 기기와 같은 다양한 전자 장치를 이용할 때 기존에는 키보드, 리모컨과 같은 도구를 이용하여 사용자 명령을 입력할 수 있다. 최근 사용자 명령의 입력 방식이 다변화됨에 따라 사용자 발화를 이용하여 사용자 명령을 입력할 수 있다.
전자 장치는 사용자 발화를 텍스트 데이터로 변환하기 위해 발화 인식 모델을 사용할 수 있다. 전자 장치는 다양한 언어의 발화를 인식하기 위해 다양한 발화 인식 모델을 사용할 수 있고, 발화 인식 모델은 발화의 발음 또는 억양 등을 이용할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 시스템은 적어도 하나의 네트워크 인터페이스; 상기 네트워크 인터페이스에 기능적으로 연결된 적어도 하나의 프로세서; 및 상기 프로세서에 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 단어, 구(phrase) 및/또는 문장을 포함하는 복수의 샘플 텍스트를 포함하는 사용자 인터페이스를 포함하는 외부 전자 장치로부터 상기 복수의 샘플 텍스트와 관련된 사용자 발화와 관련된 데이터를 수신하고, 상기 복수의 언어 모델들을 이용하여 상기 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고, 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 및 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하도록 하는 인스트럭션들을 저장할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치는 전자 장치에 있어서, 하우징; 상기 하우징 내에 배치되고, 상기 하우징의 제1 부분을 통해 노출된 터치스크린 디스플레이; 상기 하우징 내에 배치되고 상기 하우징의 제2 부분을 통해 노출된 마이크로폰; 상기 하우징 내에 배치된 무선 통신 회로; 상기 하우징 내에 배치되고, 상기 터치스크린 디스플레이, 상기 마이크로폰 및 상기 무선 통신 회로와 전기적으로 연결된 프로세서; 및 상기 하우징 내에 배치되고 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 복수 개의 샘플 텍스트를 상기 터치스크린 디스플레이에 표시하고, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트와 관련된 사용자 발화를 수신하고, 상기 수신된 복수의 사용자 발화와 관련된 데이터를 상기 무선 통신 회로를 통해 외부 서버로 전송하고, 상기 무선 통신 회로를 통해 외부 서버로부터 상기 복수의 사용자 발화와 관련된 데이터에 대한 음성 인식으로부터의 결과를 수신하고, 상기 수신된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하도록 하는 인스트럭션들을 저장할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치는 전자 장치에 있어서, 하우징; 상기 하우징 내에 배치되고, 상기 하우징의 제1 부분을 통해 노출된 터치스크린 디스플레이; 상기 하우징 내에 배치되고 상기 하우징의 제2 부분을 통해 노출된 마이크로폰; 상기 하우징 내에 배치된 무선 통신 회로; 상기 하우징 내에 배치되고, 상기 터치스크린 디스플레이, 상기 마이크로폰 및 상기 무선 통신 회로와 전기적으로 연결된 프로세서; 및 상기 하우징 내에 배치되고 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 복수 개의 샘플 텍스트를 상기 터치스크린 디스플레이에 표시하고, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트와 관련된 복수의 사용자 발화를 수신하고, 상기 수신된 복수의 사용자 발화와 관련된 데이터를 상기 무선 통신 회로를 통해 외부 서버로 전송하고, 상기 복수의 사용자 발화와 관련된 데이터를 전송함으로써 상기 외부 서버가, 상기 복수의 언어 모델들을 이용하여 상기 복수의 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고, 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하는 것을 야기하도록 하는 인스트럭션들을 저장할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 시스템은 적어도 하나의 네트워크 인터페이스; 상기 네트워크 인터페이스에 기능적으로 연결된 적어도 하나의 프로세서; 및 상기 프로세서에 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 단어, 구(phrase) 및/또는 문장을 포함하는 복수의 샘플을 포함하는 사용자 인터페이스를 제공하고, 상기 복수의 샘플과 관련된 사용자의 발화 데이터를 수신하고, 상기 복수의 언어 모델들을 이용하여 상기 발화 데이터에 대한 자동 발화 인식을 수행하고, 상기 수행된 자동 발화 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 및 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 발화 인식기 모델로 사용하도록 하는 인스트럭션들을 저장할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 사용자의 발화를 이용하여 음성 인식 언어 모델을 선택하고 사용하여 음성 인식의 정확도를 높일 수 있다.
또한, 본 문서에 개시되는 실시 예들에 따르면, 사용자의 발화 또는 사용자의 개인화 정보를 이용하여 개인화된 음성 인식 언어 모델을 선택할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 본 발명의 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 사용자 단말을 나타낸 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 사용자 단말의 지능형 앱을 실행시키는 것을 나타낸 도면이다.
도 4a는 일 실시 예에 따른 음성 인식기 모델을 결정하는 시스템의 동작을 나타내는 흐름도이다.
도 4b는 일 실시 예에 따른 음성 인식기 모델을 결정하는 동작을 나타내는 흐름도이다.
도 5는 일 실시 예에 따른 언어 모델별 인식 정확도를 결정하는 동작을 나타내는 흐름도이다.
도 6은 일 실시 예에 따른 음성 인식기 모델을 결정하는 시스템의 동작을 나타내는 흐름도이다.
도 7은 일 실시 예에 따른 언어 모델별 인식 정확도를 결정하는 동작을 나타내는 흐름도이다.
도 8a 내지 도 8f는 일 실시 예에 따른 사용자 단말이 디폴트 음성 인식기 모델을 설정하는 중 디스플레이에 표시하는 화면을 나타낸다.
도 9a는 일 실시 예에 따른 사용자 단말이 사용자 발화의 수신을 대기하는 중 표시하는 화면을 나타낸다.
도 9b는 일 실시 예에 따른 음성 인식에 대한 정확도가 임계값 보다 낮을 때 사용자 단말이 표시하는 화면을 나타낸다.
도 9c는 일 실시 예에 따른 사용자 발화 수신 대기 시간이 지정된 시간을 초과할 때 사용자 단말이 표시하는 화면을 나타낸다.
도 10은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블럭도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
본 발명의 일 실시 예를 서술하기에 앞서, 본 발명의 일 실시 예가 적용될 수 있는 통합 지능화 시스템에 대해 설명한다.
도 1은 본 발명의 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다.
도 1을 참조하면, 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 개인화 정보 서버(300) 또는 제안 서버(400)를 포함할 수 있다.
사용자 단말(100)은 사용자 단말(100) 내부에 저장된 앱(app)(또는, 어플리케이션 프로그램(application program))(예: 알람 앱, 메시지 앱, 사진(갤러리) 앱 등)을 통해 사용자에게 필요한 서비스를 제공할 수 있다. 예를 들어, 사용자 단말(100)은 사용자 단말(100) 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 다른 앱을 실행하고 동작시킬 수 있다. 사용자 단말(100)의 상기 지능형 앱을 통해 상기 다른 앱의 실행하고 동작을 실행시키기 위한 사용자 입력을 수신할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼, 터치 패드, 음성 입력, 원격 입력 등을 통해 수신될 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 휴대폰, 스마트폰, PDA(personal digital assistant) 또는 노트북 컴퓨터 등 인터넷에 연결 가능한 각종 단말 장치(또는, 전자 장치)가 이에 해당될 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 사용자의 발화를 사용자 입력으로 수신할 수 있다. 사용자 단말(100)은 사용자의 발화를 수신하고, 상기 사용자의 발화에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 이에 따라, 사용자 단말(100)은 상기 명령을 이용하여 상기 앱을 동작시킬 수 있다.
지능형 서버(200)는 통신망을 통해 사용자 단말(100)로부터 사용자 음성 입력(voice input)을 수신하여 텍스트 데이터(text data)로 변경할 수 있다. 다른 실시 예에서는, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 패스 룰(path rule)을 생성(또는, 선택)할 수 있다. 상기 패스 룰은 앱의 기능을 수행하기 위한 동작(action)(또는, 오퍼레이션(operation))에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함할 수 있다. 또한, 상기 패스 룰은 상기 앱의 상기 동작의 순서를 포함할 수 있다. 사용자 단말(100)은 상기 패스 룰을 수신하고, 상기 패스 룰에 따라 앱을 선택하고, 상기 선택된 앱에서 상기 패스 룰에 포함된 동작을 실행시킬 수 있다.
본 문서의 “패스 룰(path rule)” 이라는 용어는 일반적으로, 전자 장치가 사용자에 의해 요청된 태스크를 수행하기 위한 상태들의 시퀀스를 의미할 수 있지만, 이에 제한되지 않는다. 다시 말해, 패스 룰은 상태들의 시퀀스에 대한 정보를 포함할 수 있다. 상기 태스크는, 예를 들어, 지능형 앱이 제공할 수 있는 어떠한 동작(action)일 수 있다. 상기 태스크는 일정을 생성하거나, 원하는 상대방에게 사진을 전송하거나, 날씨 정보를 제공하는 것을 포함 할 수 있다. 사용자 단말(100)은 적어도 하나 이상의 상태(예: 사용자 단말(100)의 동작 상태)를 순차적으로 갖음으로써, 상기 태스크를 수행할 수 있다.
일 실시 예에 따르면, 패스 룰은 인공 지능(artificial intelligent)(AI) 시스템에 의해 제공되거나, 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 패스 룰은 미리 정의된 패스 룰들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 패스 룰 중 적어도 패스 룰을 선택하거나, 동적(또는, 실시간)으로 패스 룰을 생성할 수 있다. 또한, 사용자 단말(100)은 패스 룰을 제공하기 위해 하이브리드 시스템을 사용할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 상기 동작을 실행하고, 동작을 실행한 사용자 단말(100)의 상태에 대응되는 화면를 디스플레이에 표시할 수 있다. 다른 실시 예에 따르면, 사용자 단말(100)은 상기 동작을 실행하고, 동작을 수행한 결과를 디스플레이에 표시하지 않을 수 있다. 사용자 단말(100)은, 예를 들어, 복수의 동작을 실행하고, 상기 복수의 동작의 일부 결과 만을 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(100)은 마지막 순서의 동작을 실행한 결과만을 디스플레이에 표시할 수 있다. 또 다른 예를 들어, 사용자 단말(100)은 사용자의 입력을 수신하여 상기 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
개인화 정보 서버(300)는 사용자 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 개인화 정보 서버(300)는 사용자 단말(100)로부터 사용자 정보(예: 컨텍스트 정보, 앱 실행 등)를 수신하여 상기 데이터베이스에 저장할 수 있다. 지능형 서버(200)는 통신망을 통해 개인화 정보 서버(300)로부터 상기 사용자 정보를 수신하여 사용자 입력에 대한 패스 룰을 생성하는 경우에 이용할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 통신망을 통해 개인화 정보 서버(300)로부터 사용자 정보를 수신하여 데이터베이스를 관리하기 위한 정보로 이용할 수 있다.
제안 서버(400)는 단말 내에 기능 혹은 어플리케이션의 소개 또는 제공될 기능에 대한 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 제안 서버(400)는 개인화 정보 서버(300)로부터 사용자 단말기(100)의 사용자 정보를 수신하여 사용자가 사용 할 수 있는 기능에 대한 데이터베이스를 포함 할 수 있다. 사용자 단말(100)은 통신망을 통해 제안 서버(400)로부터 상기 제공될 기능에 대한 정보를 수신하여 사용자에게 정보를 제공할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 사용자 단말을 나타낸 블록도이다.
도 2를 참조하면, 사용자 단말(100)은 입력 모듈(110), 디스플레이(120), 스피커(130), 메모리(140) 또는 프로세서(150)을 포함할 수 있다. 사용자 단말(100)은 하우징을 더 포함할 수 있고, 상기 사용자 단말(100)의 구성들은 상기 하우징의 내부에 안착되거나 하우징 상에(on the housing) 위치할 수 있다.
일 실시 예에 따른, 입력 모듈(110)은 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 모듈(110)은 연결된 외부 장치(예: 키보드, 헤드셋)로부터 사용자 입력을 수신할 수 있다. 다른 예를 들어, 입력 모듈(110)은 디스플레이(120)와 결합된 터치 스크린(예: 터치 스크린 디스플레이)을 포함할 수 있다. 또 다른 예를 들어, 입력 모듈(110)은 사용자 단말(100)(또는, 사용자 단말(100)의 하우징)에 위치한 하드웨어 키(또는, 물리적 키)를 포함할 수 있다.
일 실시 예에 따르면, 입력 모듈(110)은 사용자의 발화를 음성 신호로 수신할 수 있는 마이크를 포함할 수 있다. 예를 들어, 입력 모듈(110)은 발화 입력 시스템(speech input system)을 포함하고, 상기 발화 입력 시스템을 통해 사용자의 발화를 음성 신호로 수신할 수 있다.
일 실시 예에 따른, 디스플레이(120)는 이미지나 비디오, 및/또는 어플리케이션의 실행 화면을 표시할 수 있다. 예를 들어, 디스플레이(120)는 앱의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예에 따르면, 스피커(130)는 음성 신호를 출력할 수 있다. 예를 들어, 스피커(130)는 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력할 수 있다.
일 실시 예에 따르면, 메모리(140)는 복수의 앱(또는, 어플리케이션 프로그램(application program))(141, 143)을 저장할 수 있다. 메모리(140)에 저장된 복수의 앱(141, 143)은 사용자 입력에 따라 선택되어 실행되고 동작할 수 있다.
일 실시 예에 따르면, 메모리(140)는 사용자 입력을 인식하는데 필요한 정보를 저장할 수 있는 데이터베이스를 포함할 수 있다. 예를 들어, 메모리(140)은 로그(log) 정보를 저장할 수 있는 로그 데이터베이스를 포함할 수 있다. 다른 예를 들어, 메모리(140)는 사용자 정보를 저장할 수 있는 페르소나 데이터베이스를 포함할 수 있다.
일 실시 예에 따르면, 메모리(140)는 복수의 앱(141, 143)을 저장하고, 복수의 앱(141, 143)은 로드되어 동작할 수 있다. 예를 들어, 메모리(140)에 저장된 복수의 앱(141,143)은 프로세서(150)의 실행 매니저 모듈(153)에 의해 로드되어 동작할 수 있다. 복수의 앱(141, 143)은 기능을 수행하는 실행 서비스 모듈(141a, 143a)을 포함할 수 있다. 일 실시 예에서, 복수의 앱(141, 143)은 기능을 수행하기 위해서 실행 서비스 모듈(141a, 143a)를 통해서 복수의 동작(예: 상태들의 시퀀스)(141b, 143b)을 실행 수 있다. 즉, 실행 서비스 모듈(141a, 143a)는 실행 매니저 모듈(153)에 의해 활성화되고, 복수의 동작(141b, 143b)을 실행할 수 있다.
일 실시 예에 따르면, 앱(141, 143)의 동작(141b, 143b)이 실행되었을 때, 동작(141b, 143b)의 실행에 따른 실행 상태 화면은 디스플레이(120)에 표시될 수 있다. 상기 실행 상태 화면은, 예를 들어, 동작(141b, 143b)이 완료된 상태의 화면일 수 있다. 상기 실행 상태 화면은, 다른 예를 들어, 동작(141b, 143b)의 실행이 정지된 상태(partial landing)(예: 동작(141b, 143b)에 필요한 파라미터가 입력되지 않은 경우)의 화면일 수 있다.
일 실시 예에 따른, 실행 서비스 모듈(141a, 143a)은 패스 룰에 따라 동작(141b, 143b)을 실행할 수 있다. 예를 들어, 실행 서비스 모듈 (141a, 143a)는 실행 매니저 모듈(153)에 의해 활성화되고, 실행 매니저 모듈(153)로부터 상기 패스 룰에 따라 실행 요청을 수신하고, 상기 실행 요청에 따라 동작(141b, 143b)함으로써, 앱(141, 143)의 기능을 실행할 수 있다. 실행 서비스 모듈 (141a, 143a)는 상기 동작(141b, 143b)의 수행이 완료되면 완료 정보를 실행 매니저 모듈(153)로 송신할 수 있다.
일 실시 예에 따르면, 앱(141, 143)에서 복수의 동작(141b, 143b)이 실행되는 경우, 복수의 동작(141b, 143b)은 순차적으로 실행될 수 있다. 실행 서비스 모듈 (141a, 143a)는 하나의 동작(예: 제1 앱(141)의 동작 1, 제2 앱(143)의 동작 1)의 실행이 완료되면 다음 동작(예: 제1 앱(141)의 동작 2, 제2 앱(143)의 동작 2)을 오픈하고 완료 정보를 실행 매니저 모듈(153)로 송신할 수 있다. 여기서 임의의 동작을 오픈한다는 것은, 임의의 동작을 실행 가능한 상태로 천이시키거나, 임의의 동작의 실행을 준비하는 것으로 이해될 수 있다. 다시 말해서, 임의의 동작이 오픈되지 않으면, 해당 동작은 실행될 수 없다. 실행 매니저 모듈(153)은 상기 완료 정보가 수신되면 다음 동작(예: 제1 앱(141)의 동작 2, 제2 앱(143)의 동작 2)에 대한 실행 요청을 실행 서비스 모듈(141a, 143a)로 송신할 수 있다. 일 실시 예에 따르면, 복수의 앱(141, 143)이 실행되는 경우, 복수의 앱(141, 143)은 순차적으로 실행될 수 있다. 예를 들어, 제1 앱(141)의 마지막 동작(예: 제1 앱(141)의 동작 3)의 실행이 완료되어 완료 정보를 수신하면, 실행 매니저 모듈(153)은 제2 앱(143)의 첫번째 동작(예: 제2 앱(143)의 동작 1)의 실행 요청을 실행 서비스(143a)로 송신할 수 있다.
일 실시 예에 따르면, 앱(141, 143)에서 복수의 동작(141b, 143b)이 실행된 경우, 상기 실행된 복수의 동작(141b, 143b) 각각의 실행에 따른 결과 화면은 디스플레이(120)에 표시될 수 있다. 일 실시 예에 따르면, 상기 실행된 복수의 동작(141b, 143b)의 실행에 따른 복수의 결과 화면 중 일부만 디스플레이(120)에 표시될 수 있다.
일 실시 예에 따르면, 메모리(140)는 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)을 저장할 수 있다. 지능형 에이전트(151)와 연동된 앱은 사용자의 발화를 음성 신호로 수신하여 처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)와 연동된 앱은 입력 모듈(110)을 통해 입력되는 특정 입력(예: 하드웨어 키를 통한 입력, 터치 스크린을 통한 입력, 특정 음성 입력)에 의해 동작될 수 있다.
일 실시 예에 따르면, 프로세서(150)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(150)는 입력 모듈(110)을 제어하여 사용자 입력을 수신할 수 있다. 프로세서(150)는 디스플레이(120)를 제어하여 이미지를 표시할 수 있다. 프로세서(150)는 스피커(130)를 제어하여 음성 신호를 출력할 수 있다. 프로세서(150)는 메모리(140)를 제어하여 필요한 정보를 불러오거나 저장할 수 있다.
일 실시 예에 따르면 프로세서(150)는 지능형 에이전트(151), 실행 매니저 모듈(153) 또는 지능형 서비스 모듈(155)를 포함할 수 있다. 일 실시 예에서, 프로세서(150)는 메모리(140)에 저장된 명령어들을 실행하여 지능형 에이전트(151), 실행 매니저 모듈(153) 또는 지능형 서비스 모듈(155)을 구동시킬 수 있다. 본 발명의 다양한 실시 예에서 언급되는 여러 모듈들은 하드웨어로 구현될 수도 있고, 소프트웨어로 구현될 수도 있다. 본 발명의 다양한 실시 예에서 지능형 에이전트(151), 실행 매니저 모듈(153) 또는 지능형 서비스 모듈(155)에 의해 수행되는 동작은 프로세서(150)에 의해 수행되는 동작으로 이해될 수 있다.
일 실시 예에 따른, 지능형 에이전트(151)는 사용자 입력으로 수신된 음성 신호에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 일 실시 예에 따른, 실행 매니저 모듈(153)은 지능형 에이전트(151)로부터 상기 생성된 명령을 수신하여 메모리(140)에 저장된 앱(141, 143)을 선택하여 실행시키고 동작시킬 수 있다. 일 실시 예에 따르면, 지능형 서비스 모듈(155)은 사용자의 정보를 관리하여 사용자 입력을 처리하는데 이용할 수 있다.
지능형 에이전트(151)는 입력 모듈(110)을 통해 수신된 사용자 입력을 지능형 서버(200)로 송신하여 처리할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 상기 사용자 입력을 지능형 서버(200)로 송신하기 전에, 상기 사용자 입력을 전처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 상기 사용자 입력을 전처리하기 위하여, 적응 반향 제거(adaptive echo canceller)(AEC) 모듈, 노이즈 억제(noise suppression)(NS) 모듈, 종점 검출(end-point detection)(EPD) 모듈 또는 자동 이득 제어(automatic gain control)(AGC) 모듈을 포함할 수 있다. 상기 적응 반향 제거부는 상기 사용자 입력에 포함된 에코(echo)를 제거할 수 있다. 상기 노이즈 억제 모듈은 상기 사용자 입력에 포함된 배경 잡음을 억제할 수 있다. 상기 종점 검출 모듈은 상기 사용자 입력에 포함된 사용자 음성의 종점을 검출하여 사용자의 음성이 존재하는 부분을 찾을 수 있다. 상기 자동 이득 제어 모듈은 상기 사용자 입력을 인식하여 처리하기 적합하도록 상기 사용자 입력의 음량을 조절할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 성능을 위하여 상기 전처리 구성을 전부 포함할 수 있지만, 다른 실시 예에서 지능형 에이전트(151)는 저전력으로 동작하기 위해 상기 전처리 구성 중 일부를 포함할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 호출을 인식하는 웨이크 업(wake up) 인식 모듈을 포함할 수 있다. 상기 웨이크 업 인식 모듈은 음성 인식 모듈을 통해 사용자의 웨이크 업 명령을 인식할 수 있고, 상기 웨이크 업 명령을 수신한 경우 사용자 입력을 수신하기 위해 지능형 에이전트(151)을 활성화시킬 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)의 웨이크 업 인식 모듈은 저전력 프로세서(예: 오디오 코덱에 포함된 프로세서)에 구현될 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 하드웨어 키를 통한 사용자 입력에 따라 활성화될 수 있다. 지능형 에이전트(151)가 활성화 되는 경우, 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)이 실행될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자 입력을 실행하기 위한 음성 인식 모듈을 포함할 수 있다. 상기 음성 인식 모듈은 앱에서 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예를 들어, 상기 음성 인식 모듈은 앱(141, 143)에서 상기 웨이크 업 명령과 같은 동작을 실행하는 제한된 사용자 (음성) 입력(예: 카메라 앱이 실행 중일 때 촬영 동작을 실행시키는 “찰칵”과 같은 발화 등)을 인식할 수 있다. 상기 지능형 서버(200)를 보조하여 사용자 입력을 인식하는 음성 인식 모듈은, 예를 들어, 사용자 단말(100)내에서 처리할 수 있는 사용자 명령을 인식하여 빠르게 처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)의 사용자 입력을 실행하기 위한 음성 인식 모듈은 앱 프로세서에서 구현될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)의 음성 인식 모듈(웨이크 업 모듈의 음성 인식 모듈을 포함)은 음성을 인식하기 위한 알고리즘을 이용하여 사용자 입력을 인식할 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model) 알고리즘, ANN(artificial neural network) 알고리즘 또는 DTW(dynamic time warping) 알고리즘 중 적어도 하나일 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 음성을 지능형 서버로(200)로 전달하여, 변환된 텍스트 데이터를 수신할 수 있다. 이에 따라, 지능형 에이전트(151)는 상기 텍스트를 데이터를 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 지능형 서버(200)로부터 송신한 패스 룰을 수신할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)은 상기 패스 룰을 실행 매니저 모듈(153)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 지능형 서버(200)로부터 수신된 패스 룰에 따른 실행 결과 로그(log)를 지능형 서비스(intelligence service) 모듈(155)로 송신하고, 상기 송신된 실행 결과 로그는 페르소나 모듈(persona manager)(155b)의 사용자의 선호(preference) 정보에 누적되어 관리될 수 있다.
일 실시 예에 따른, 실행 매니저 모듈(153)은 지능형 에이전트(151)로부터 패스 룰을 수신하여 앱(141, 143)을 실행시키고, 앱(141, 143)이 상기 패스 룰에 포함된 동작(141b, 143b)을 실행하도록 할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 앱(141, 143)으로 동작(141b, 143b)을 실행하기 위한 명령 정보(예: 패스 룰 정보)를 송신할 수 있고, 상기 앱(141, 143)로부터 동작(141b, 143b)의 완료 정보를 수신할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 지능형 에이전트(151)와 앱(141, 143)의 사이에서 앱(141, 143)의 동작(141b, 143b)을 실행하기 위한 명령 정보(예: 패스 룰 정보)를 송수신할 수 있다. 실행 매니저 모듈(153)은 상기 패스 룰에 따라 실행할 앱(141, 143)을 바인딩(binding)하고, 상기 패스 룰에 포함된 동작(141b, 143b)의 명령 정보(예: 패스 룰 정보)를 앱(141, 143)으로 송신할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 상기 패스 룰에 포함된 동작(141b, 143b)을 순차적으로 앱(141, 143)으로 송신하여, 앱(141, 143)의 동작(141b, 143b)을 상기 패스 룰에 따라 순차적으로 실행시킬 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 앱(141, 143)의 동작(141b, 143b)의 실행 상태를 관리할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 앱(141, 143)으로부터 상기 동작(141b, 143b)의 실행 상태에 대한 정보를 수신할 수 있다. 상기 동작(141b, 143b)의 실행 상태가, 예를 들어, 정지된 상태(partial landing)인 경우(예: 동작(141b, 143b)에 필요한 파라미터가 입력되지 않은 경우), 실행 매니저 모듈(153)은 상기 정지된 상태에 대한 정보를 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 상기 수신된 정보를 이용하여, 사용자에게 필요한 정보(예: 파라미터 정보)의 입력을 요청할 수 있다. 상기 동작(141b, 143b)의 실행 상태가, 다른 예를 들어, 동작 상태인 경우에 사용자로부터 발화를 수신할 수 있고, 실행 매니저 모듈(153)은 상기 실행되고 있는 앱(141, 143) 및 앱(141, 143)의 실행 상태에 대한 정보를 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 지능형 서버(200)를 통해 상기 사용자의 발화의 파라미터 정보를 수신할 수 있고, 상기 수신된 파라미터 정보를 실행 매니저 모듈(153)로 송신할 수 있다. 실행 매니저 모듈(153)은 상기 수신한 파라미터 정보를 이용하여 동작(141b, 143b)의 파라미터를 새로운 파라미터로 변경할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 패스 룰에 포함된 파라미터 정보를 앱(141, 143)로 전달할 수 있다. 상기 패스 룰에 따라 복수의 앱(141, 143)이 순차적으로 실행되는 경우, 실행 매니저 모듈(153)은 하나의 앱에서 다른 앱으로 패스 룰에 포함된 파라미터 정보를 전달할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 복수의 패스 룰을 수신할 수 있다. 실행 매니저 모듈(153)은 사용자의 발화에 기초하여 복수의 패스 룰이 선택될 수 있다. 예를 들어, 실행 매니저 모듈(153)은 사용자의 발화가 일부 동작(141a)을 실행할 일부 앱(141)을 특정하였지만, 나머지 동작(143b)을 실행할 다른 앱(143)을 특정하지 않은 경우, 일부 동작(141a)를 실행할 동일한 앱(141)(예: 갤러리 앱)이 실행되고 나머지 동작(143b)를 실행할 수 있는 서로 다른 앱(143)(예: 메시지 앱, 텔레그램 앱)이 각각 실행되는 서로 다른 복수의 패스 룰을 수신할 수 있다. 실행 매니저 모듈(153)은, 예를 들어, 상기 복수의 패스 룰의 동일한 동작(141b, 143b)(예: 연속된 동일한 동작(141b, 143b))을 실행할 수 있다. 실행 매니저 모듈(153)은 상기 동일한 동작까지 실행한 경우, 상기 복수의 패스 룰에 각각 포함된 서로 다른 앱(141, 143)을 선택할 수 있는 상태 화면을 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 지능형 서비스 모듈(155)는 컨텍스트 모듈(155a), 페르소나 모듈(155b) 또는 제안 모듈(155c)을 포함할 수 있다.
컨텍스트 모듈(155a)는 앱(141, 143)으로부터 앱(141, 143)의 현재 상태를 수집할 수 있다. 예를 들어, 컨텍스트 모듈(155a)은 앱(141, 143)의 현재 상태를 나타내는 컨텍스트 정보를 수신하여 앱(141, 143)의 현재 상태를 수집할 수 있다.
페르소나 모듈(155b)은 사용자 단말(100)을 사용하는 사용자의 개인 정보를 관리할 수 있다. 예를 들어, 페르소나 모듈(155b)은 사용자 단말(100)의 사용 정보 및 수행 결과를 수집하여 사용자의 개인 정보를 관리할 수 있다.
제안 모듈(155c)는 사용자의 의도를 예측하여 사용자에게 명령을 추천해줄 수 있다. 예를 들어, 제안 모듈(155c)은 사용자의 현재 상태(예: 시간, 장소, 상황, 앱)을 고려하여 사용자에게 명령을 추천해줄 수 있다.
도 3은 본 발명의 일 실시 예에 따른 사용자 단말의 지능형 앱을 실행시키는 것을 나타낸 도면이다.
도 3을 참조하면, 사용자 단말(100)이 사용자 입력을 수신하여 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)을 실행시키는 것을 나타낸 것이다.
일 실시 예에 따르면, 사용자 단말(100)은 하드웨어 키(112)를 통해 음성을 인식하기 위한 지능형 앱을 실행시킬 수 있다. 예를 들어, 사용자 단말(100)은 하드웨어 키(112)를 통해 사용자 입력을 수신한 경우 디스플레이(120)에 지능형 앱의 UI(user interface)(121)를 표시할 수 있다. 사용자는, 예를 들어, 지능형 앱의 UI(121)가 디스플레이(120)에 표시된 상태에서 음성을 입력(111b)하기 위해 지능형 앱의 UI(121)에 음성인식 버튼(121a)를 터치할 수 있다. 사용자는, 다른 예를 들어, 음성을 입력(120b)하기 위해 상기 하드웨어 키(112)를 지속적으로 눌러서 음성을 입력(120b)을 할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 마이크(111)를 통해 음성을 인식하기 위한 지능형 앱을 실행시킬 수 있다. 예를 들어, 사용자 단말(100)은 마이크(111)를 통해 지정된 음성(예: 일어나!(wake up!))이 입력(120a)된 경우 디스플레이(120)에 지능형 앱의 UI(121)를 표시할 수 있다.
이하에서는 사용자 단말(100) 및 지능형 서버(200)를 포함하는 시스템이 도 4a 내지 도 7의 프로세스를 수행하는 것을 가정한다.
또한, 도 4a 내지 도 7의 설명에서, 사용자 단말(100)에 의해 수행되는 것으로 기술된 동작은 사용자 단말(100)의 프로세서(150)에 의해 제어되는 것으로 이해될 수 있다. 사용자 단말(100)은 무선 통신 회로(160)를 더 포함할 수 있고, 사용자 단말(100)은 무선 통신 회로(160)를 통해 지능형 서버(200)와 통신할 수 있다.
상기 사용자 단말(100)의 프로세서(150)에 의해 수행(혹은, 실행)될 수 있는 인스트럭션들(instructions)로 구현될 수 있다. 상기 인스트럭션들은, 예를 들어, 컴퓨터 기록 매체 또는 도 2에 도시된 사용자 단말(100)의 메모리(140)에 저장될 수 있다.
지능형 서버(200)는 적어도 하나의 네트워크 인터페이스(210), 적어도 하나의 프로세서(220) 및 적어도 하나의 메모리(230)를 포함할 수 있다.
네트워크 인터페이스(210)는 사용자 단말(100)과의 통신 채널 수립 및 수립된 통신 채널을 통한 유선 또는 무선 통신의 수행을 지원할 수 있다.
프로세서(220)는 네트워크 인터페이스(210)에 기능적으로 연결되고 도 4a 내지 도 7의 설명에서, 지능형 서버(200)에 의해 수행되는 것으로 기술된 동작을 제어할 수 있다. 상기 지능형 서버(200)의 프로세서(220)에 의해 수행(혹은, 실행)될 수 있는 인스트럭션들로 구현될 수 있다. 상기 인스트럭션들은, 예를 들어, 컴퓨터 기록 매체 또는 지능형 서버(200)의 메모리(230)에 저장될 수 있다. 메모리(230)는 프로세서(220)에 기능적으로 연결될 수 있다.
일 실시 예에서, 사용자 단말(100)의 메모리(140) 및 지능형 서버(200)의 메모리(230)는 복수의 제1 언어의 언어 모델을 저장할 수 있다. 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 발화 모델들 각각은 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공될 수 있다. 예를 들어, 제1 언어는 영어이고, 제1 언어와 다른 언어는 한국어, 중국어, 일본어, 인도어, 프랑스어, 영국 영어, 독일어, 스페인어, 포르투갈어 또는 러시아어 중 적어도 하나를 포함할 수 있다.
예를 들어, 복수의 언어 모델들은 한국식 영어 발화 모델, 중국식 영어 발화 모델, 일본식 영어 발화 모델, 인도식 영어 발화 모델 또는 스페인식 영어 발화 모델 등을 포함할 수 있다. 한국식 영어 발화 모델은 한국인의 영어 발화를 인식하기 위한 언어 모델이고, 중국식 영어 발화 모델은 중국인의 영어 발화를 인식하기 위한 언어 모델이고 일본식 영어 발화 모델은 일본인의 영어 발화를 인식하기 위한 언어 모델이다. 다른 나라식 영어 발화 모델은 해당 나라 사람의 영어 발화를 인식하기 위한 언어 모델이다.
일 실시 예에 따르면, 제1 언어는 영어뿐만 아니라, 한국어, 중국어 또는 일본어 등일 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 메모리(140) 및 지능형 서버(200)의 메모리(230)는 단어, 구(phrase) 및/또는 문장을 포함하는 복수의 샘플 텍스트를 저장할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 메모리(140) 및 지능형 서버(200)의 메모리(230)는 복수의 언어 모델 각각에 대응하는 복수의 텍스트 그룹을 포함하고, 각 텍스트 그룹은 하나 이상의 샘플 텍스트를 포함할 수 있다.
예를 들어, 사용자 단말(100)의 메모리(140) 및 지능형 서버(200)의 메모리(230)는 한국식 영어 발화 모델에 대응하는 하나 이상의 문장, 중국식 영어 발화 모델에 대응하는 하나 이상의 문장 또는 일본식 영어 발화 모델에 대응하는 하나 이상의 문장 등을 포함할 수 있다.
일 실시 예에 따르면, 각 텍스트 그룹에 포함된 샘플 텍스트들은 텍스트 그룹에 대응하는 국가의 사람이 특징적으로 발음하는 키워드를 포함할 수 있다.
표 1은 각 국가의 사람이 특징적으로 발음하는 키워드 및 키워드를 포함하는 샘플 텍스트를 포함한다.
Language Key Word Utterance
Chinese Usually I usually take a walk in morning
Korean bookmark Search for Samsung in my Internet bookmarks
Indian Euler Tell me about Euler's formula
Spain bridge A long time ago, there was a bridge here
일 실시 예에 따르면, 중국인의 “usually” 발음, 한국인의 “bookmark” 발음, 인도인의 “Euler” 발음 및 스페인인의 “bridge” 발음 각각은 영어를 모국어로 사용하는 국가의 사람의 발음과 확연히 구분될 수 있다.
일 실시 예에 따라, 각 국가의 사람이 특징적으로 발음하는 키워드 및 해당 키워드를 포함하는 샘플 텍스트를 이용하는 경우, 영어를 모국어로 사용하지 않는 사용자의 특징적인 발음을 유도할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 메모리(140) 및 지능형 서버(200)의 메모리(230)는 샘플 텍스트에 해당하는 구 또는 문장이 포함하는 단어 중 미리 지정된 키워드에 대한 정보를 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 메모리(140)는 사용자의 개인화 정보를 저장할 수 있다. 사용자의 개인화 정보는 메모리(140)에 저장된 연락처에 사용된 글자(character)의 타입(예: 한글, 중문, 일문), 연락처에 저장된 이름, 지역 설정 또는 가상 키보드 의 언어 설정 정보 중 적어도 하나를 포함할 수 있다.
도 4a는 일 실시 예에 따른 음성 인식기 모델을 결정하는 시스템의 동작을 나타내는 흐름도이다.
동작 401에서, 사용자 단말(100)의 프로세서(150)는 복수의 샘플 텍스트를 터치스크린 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 복수의 샘플 텍스트는 단어, 구 및/또는 문장을 포함할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 터치 스크린 디스플레이(120)에 복수의 샘플 텍스트를 사용자 인터페이스로써 제공할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 언어 설정 정보에 기반하여 표시할 샘플 텍스트의 언어를 결정할 수 있다. 예를 들어, 사용자 단말(100)의 언어가 영어로 설정된 경우, 사용자 단말(100)의 프로세서(150)는 영어로 작성된 복수의 샘플 텍스트를 표시할 수 있다. 다른 예로, 사용자 단말(100)의 언어가 한국어로 설정된 경우, 사용자 단말(100)의 프로세서(150)는 한국어로 작성된 복수의 샘플 텍스트를 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 메모리(140)가 포함하는 복수의 텍스트 그룹 각각에서 복수의 샘플 텍스트를 선택하고, 선택된 복수의 샘플 텍스트를 터치스크린 디스플레이(120)에 표시할 수 있다.
예를 들어, 메모리(140)는 제1 언어 모델, 제2 언어 모델 및 제3 언어 모델 각각에 대응하는 텍스트 그룹을 포함할 수 있다. 사용자 단말(100)의 프로세서(150)는 제1 언어 모델에 대응하는 텍스트 그룹에서 샘플 텍스트를 선택하고, 제2 언어 모델에 대응하는 텍스트 그룹에서 샘플 텍스트를 선택하고 제3 언어 모델에 대응하는 텍스트 그룹에서 샘플 텍스트를 선택할 수 있다. 다시 말해, 선택된 복수의 샘플 텍스트는 메모리(140)에 저장된 언어 모델 각각에 대응하는 모든 샘플 텍스트를 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150) 및 지능형 서버(200)의 프로세서(220)는 미리 설정된 복수의 샘플 텍스트를 사용할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 미리 설정된 복수의 샘플 텍스트를 터치스크린 디스플레이(120)에 표시할 수 있다.
다양한 실시 예에 따르면, 동작 401 전, 사용자 단말(100)의 프로세서(150)는 무선 통신 회로(160)를 통해 지능형 서버(200)로부터 복수의 샘플 텍스트를 수신하고, 수신된 복수의 샘플 텍스트를 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 동작 403 전, 사용자 발화 수신을 활성화 하기 위한 제1 오브젝트를 터치스크린 디스플레이(120)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 터치스크린 디스플레이(120)를 통한 제1 오브젝트를 선택하는 사용자 입력이 수신되면 후술될 동작 403에서 사용자 발화를 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 동작 403 전 미리 설정된 언어 모델을 디폴트 음성 인식기 모델로 사용하기 위한 제2 오브젝트를 터치스크린 디스플레이(120)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 터치스크린 디스플레이(120)를 통해 제2 오브젝트를 선택하는 사용자 입력이 수신되면, 지능형 서버(200)가 미리 설정된 언어 모델을 디폴트 음성 인식기 모델로 사용하도록 야기할 수 있다.
동작 403에서, 사용자 단말(100) 및 지능형 서버(200)는 언어 모델 별 인식 정확도를 결정할 수 있다.
일 실시 예에 따르면, 동작 403은 사용자 단말(100)의 프로세서(150)가 마이크로폰(111)을 통해 표시된 복수의 샘플 텍스트와 관련된 사용자 발화를 수신하는 동작, 사용자 단말(100)의 프로세서(150)가 무선 통신 회로(160)를 통해 수신된 사용자 발화와 관련된 데이터를 지능형 서버(200)로 전송하는 동작, 지능형 서버(200)의 프로세서(220)가 복수의 언어 모델들을 이용하여 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하는 동작, 및 지능형 서버(200)의 프로세서(220)가 음성 인식의 결과에 기반하여 언어 모델 별 인식 정확도를 결정하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)가 사용자 발화와 관련된 데이터를 지능형 서버(200)로 전송하는 동작에서, 사용자 단말(100)의 프로세서(150)는 샘플 텍스트와 관련된 데이터를 지능형 서버(200)로 전송할 수 있다. 예를 들어, 사용자 단말(100)의 프로세서(150)는 사용자 발화와 관련된 데이터가 연관된 샘플 텍스트가 몇 번째 샘플 텍스트인지에 대한 정보를 지능형 서버(200)로 전송할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)가 음성 인식을 수행하는 동작에서, 사용자 단말(100)의 프로세서(150)는 고립 단어 인식(isolated word recognition), 연속 단어 인식(connected word recognition) 또는 대단위 어휘 인식(large vocabulary recognition) 등의 방식을 이용할 수 있다.
일 실시 예에 따르면, 동작 403은 지능형 서버(200)의 프로세서(220)가 수행된 음성 인식으로부터의 결과에 대한 점수를 결정하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 샘플 텍스트에 포함된 단어 또는 음소 별 점수를 결정할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 미리 지정된 일부 키워드에 대하여 점수를 결정할 수 있다. 예를 들어, 샘플 텍스트가 “Choose a music genre for me” 이고, 미리 지정된 일부 키워드가 “Genre” 인 경우, 지능형 서버(200)의 프로세서(220)는 “Choose a music genre for me”에 대하여 음성 인식을 수행하고, “Genre”에 대한 점수를 결정할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 샘플 텍스트인 “Choose a music genre for me”의 각각의 단어(예: “Choose” “a music” “genre” “for” 및 “me”)에 대한 점수를 결정하고, 각 점수를 합하거나 각 점수의 평균을 계산하여 샘플 텍스트에 대한 최종 점수를 결정할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)가 언어 모델 별 인식 정확도를 결정하는 동작에서, 지능형 서버(200)의 프로세서(220)는 결정된 점수를 이용하여 인식 정확도를 결정할 수 있다.
예를 들어, 지능형 서버(200)의 프로세서(220)는 음성 인식으로부터의 결과에 기반하여 복수의 사용자 발화와 관련된 데이터 각각의 복수의 언어 모델 별 점수를 결정할 수 있다. 예를 들어, 사용자 발화와 관련된 데이터가 3개 이고, 언어 모델이 4개인 경우, 지능형 서버(200)의 프로세서(220)는 12개의 점수를 결정할 수 있다. 실시 예에서, 지능형 서버(200)의 프로세서(220)는 언어 모델 별 점수를 합하거나 평균을 계산하여 언어 모델 별 인식 정확도를 결정할 수 있다. 예를 들어, 지능형 서버(200)의 프로세서(220)는 제1 사용자 발화와 관련된 데이터, 제2 사용자 발화와 관련된 데이터 및 제3 사용자 발화와 관련된 데이터에 대하여 제1 언어 모델을 이용하여 수행된 음성 인식 결과에 기반하여 3개의 점수를 결정할 수 있고, 3개의 점수를 합하거나 평균값을 계산하여 제1 언어 모델의 인식 정확도를 결정할 수 있다.
다른 예로, 지능형 서버(200)의 프로세서(220)는 각 언어 모델의 점수 중 최고 점수를 이용하여 언어 모델 별 인식 정확도를 결정할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 각 점수에 대응하는 상기 샘플 텍스트 또는 상기 언어 모델 중 적어도 하나에 기반한 가중치를 점수에 적용하여 언어 모델별 인식 정확도를 결정할 수 있다.
일 실시 예에 따르면, 점수는 음성 인식에 대한 결과에 기반하여 결정되므로, 점수는 샘플 텍스트, 사용자 발화와 관련된 텍스트 및 언어 모델에 종속될 수 있다. 일 실시 예에 따르면, 점수에 적용되는 가중치는 점수에 영향을 미치는 샘플 텍스트 또는 언어 모델 중 적어도 하나에 기반할 수 있다.
예를 들어, 지능형 서버(200)의 프로세서(220)는 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터 및 제2 샘플 텍스트와 관련된 제2 사용자 발화와 관련된 데이터에 대해 제1 언어 모델 및 제2 언어 모델을 이용하여 음성 인식을 수행할 수 있다. 실시 예에서, 제1 언어 모델을 이용한 제1 사용자 발화와 관련된 데이터의 음성 인식 결과에 대한 점수는 2점, 제2 언어 모델을 이용한 제1 사용자 발화와 관련된 데이터의 음성 인식 결과에 대한 점수는 2.5점, 제1 언어 모델을 이용한 제2 사용자 발화와 관련된 데이터의 음성 인식 결과에 대한 점수는 3점 및 제2 언어 모델을 이용한 제2 사용자 발화와 관련된 데이터의 음성 인식 결과에 대한 점수는 4점일 수 있다.
일 실시 예에서, 제1 샘플 텍스트 및 제1 언어 모델에 기반한 가중치는 0.2, 제1 샘플 텍스트 및 제1 언어 모델에 기반한 가중치는 0.2, 제1 샘플 텍스트 및 제1 언어 모델에 기반한 가중치는 0.3 및 제1 샘플 텍스트 및 제1 언어 모델에 기반한 가중치는 0.1일 수 있다.
일 실시 예에서, 가중치가 적용되지 않은 경우, 제1 언어 모델의 인식 정확도는 5(=2+3)이고, 제2 언어 모델의 인식 정확도는 6.5(=2.5+4)일 수 있다. 일 실시 예에서, 상기 가중치가 적용되는 경우, 제1 언어 모델의 인식 정확도는 1.3(=2 x 0.2 + 3 x 0.3)이고, 제2 언어 모델의 인식 정확도는 0.9(=2.5 x 0.2 + 4 x 0.1)일 수 있다. 일 실시 예에 따르면, 가중치가 적용됨으로써 언어 모델 별 인식 정확도가 달라질 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 음성 인식에 대응하는 신뢰도 점수를 점수에 적용하여 언어 모델 별 인식 정확도를 결정할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 인식 결과의 신뢰성을 확보하기 위해 신뢰도 점수(confidence score)를 계산할 수 있다. 신뢰도 점수는 음성 인식 결과에 대해서 그 결과를 얼마나 믿을 만한 것인가를 나타내는 척도가 될 수 있다.
일 실시 예에 따르면, 신뢰도 점수는 인식 결과인 음소나 단어에 대해서, 그 외의 다른 음소나 단어로부터 그 말이 발화되었을 확률에 대한 상대값으로 정의될 수 있다. 따라서, 신뢰도 점수는 0 에서 1 사이의 값으로 표현될 수도 있고, 0 에서 100 사이의 값으로 표현될 수도 있다. 신뢰도 점수가 미리 지정된 임계 값보다 큰 경우에는 인식 결과를 인정하고, 작은 경우에는 인식 결과를 거절(rejection)할 수 있다.
일 실시 예에서, 제1 언어 모델을 이용한 제1 사용자 발화와 관련된 데이터의 제1 음성 인식 결과에 대한 점수는 2점, 제2 언어 모델을 이용한 제1 사용자 발화와 관련된 데이터의 제2 음성 인식 결과에 대한 점수는 2.5점, 제1 언어 모델을 이용한 제2 사용자 발화와 관련된 데이터의 제3 음성 인식 결과에 대한 점수는 3점 및 제2 언어 모델을 이용한 제2 사용자 발화와 관련된 데이터의 제4 음성 인식 결과에 대한 점수는 4점일 수 있다. 일 실시 예에서, 제1 음성 인식 결과에 대한 신뢰도 점수는 0.7, 제2 음성 인식 결과에 대한 신뢰도 점수는 0.8, 제3 음성 인식 결과에 대한 신뢰도 점수는 0.5, 제1 음성 인식 결과에 대한 신뢰도 점수는 0.4로 결정될 수 있다.
일 실시 예에서, 지능형 서버(200)의 프로세서(220)는 각 음성 인식 결과에 대한 점수에 신뢰도 점수를 적용하고, 제1 언어 모델의 인식 정확도를 3.4(=2 x 0.7 + 2.5 x 0.8), 제2 언어 모델의 인식 정확도를 3.1(=3 x 0.5 + 4 x 0.4)로 결정할 수 있다.
다양한 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 결정된 신뢰도 점수를 이용하여 인식 정확도를 결정할 수 있다
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 무선 통신 회로(160)를 통해 사용자의 개인화 정보를 지능형 서버(200)로 전송할 수 있다. 지능형 서버(200)의 프로세서(220)는 개인화 정보에 기반한 가중치를 점수에 적용하여 언어 모델별 인식 정확도를 결정할 수 있다. 예를 들어, 가상 키보드에서 사용되는 언어가 한국어인 경우, 사용자 단말(100)의 프로세서(150)는 한국어와 관련된 언어 모델에 높은 가중치를 부여할 수 있다. 일 실시 예에 따르면, 가중치가 적용되지 않은 경우 도출된 2개의 언어 모델 별 인식 정확도가 동일할 수 있다. 일 실시 예에서, 한국어와 관련된 언어 모델에 높은 가중치가 부여 되는 경우, 2개의 언어 모델 중 한국어와 관련된 언어 모델의 인식 정확도가 다른 언어 모델의 인식 정확도보다 높을 수 있다.
일 실시 예에 따르면, 동작 403이 포함하는 동작들은 순차적으로 반복하여 수행될 수 있다. 예를 들어, 사용자 단말(100)의 프로세서(150)가 마이크로폰(111)을 통해 표시된 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화를 수신하는 동작, 사용자 단말(100)의 프로세서(150)가 무선 통신 회로(160)를 통해 수신된 제1 사용자 발화와 관련된 데이터를 지능형 서버(200)로 전송하는 동작, 지능형 서버(200)의 프로세서(220)가 복수의 언어 모델들을 이용하여 제1 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하는 동작 및 지능형 서버(200)의 프로세서(220)가 음성 인식의 결과에 기반하여 언어 모델 별 인식 정확도를 결정하는 동작이 반복적으로 수행될 수 있다. 이에 대한 구체적인 내용은 아래의 도 5를 참조하여 설명될 것이다.
동작 405에서, 지능형 서버(200)의 프로세서(220)는 수행된 음성 인식으로부터의 결과에 기반하여 언어 모델들 중 하나를 선택할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 언어 모델들 중 하나를 선택하기 위해 점수를 이용하여 결정된 인식 정확도를 이용할 수 있다. 예를 들어, 언어 모델들 중 가장 높은 인식 정확도를 가지는 언어 모델을 선택할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 네트워크 인터페이스(210)를 통해 사용자 단말(100)로부터 사용자의 개인화 정보를 수신할 수 있다. 일 실시 예에 따르면, 사용자의 개인화 정보는 상기 메모리(140)에 저장된 연락처에 사용된 글자의 타입, 연락처에 저장된 이름, 지역 설정 또는 가상 키보드의 언어 설정 정보 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 수신된 개인화 정보 및 수행된 음성 인식으로부터의 결과에 기반하여 언어 모델들 중 하나를 선택할 수 있다.
예를 들어, 지능형 서버(200)의 프로세서(220)는 사용자의 개인화 정보에 기반하여 복수의 언어 모델 중 하나 이상의 제1 언어 모델을 선택하고, 음성 인식으로부터의 결과에 기반하여 복수의 언어 모델 중 하나의 제2 언어 모델을 선택할 수 있다. 제2 언어 모델이 하나 이상의 제1 언어 모델에 포함되면, 지능형 서버(200)의 프로세서(220)는 제2 언어 모델을 디폴트 자동 언어 모델로 사용할 언어 모델로 선택할 수 있다.
동작 407에서, 지능형 서버(200)의 프로세서(220)는 선택된 언어 모델을 디폴트 음성 인식기 모델로 사용할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 사용자 발화와 관련된 데이터로부터 음성 데이터를 획득하기 위해 선택된 언어 모델을 이용할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 네트워크 인터페이스(210)를 통해 디폴트 음성 인식기 모델 설정이 완료됨을 나타내는 응답을 전송할 수 있다. 사용자 단말(100)의 프로세서(150)는 상기 응답의 수신에 응답하여, 디폴트 음성 인식기 모델 설정이 완료됨을 나타내는 메시지를 터치스크린 디스플레이(120)에 표시할 수 있다.
도 4b는 일 실시 예에 따른 음성 인식기 모델을 결정하는 동작을 나타내는 흐름도이다.
도 4b의 동작들은 도 4a의 동작 403 내지 동작 405에 대응될 수 있다.
동작 451에서, 지능형 서버(200)의 프로세서(220)는 사용자 단말로부터 복수의 사용자 발화와 관련된 데이터를 수신할 수 있다.
동작 453에서, 지능형 서버(200)의 프로세서(220)는 언어 모델 별 음성 인식을 수행할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 복수의 언어 모델들을 이용하여 사용자 발화와 관련된 데이터에 대한 언어 모델 별 음성 인식을 수행할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 ASR(automated speech recognition) 방식을 이용할 수 있다. 상기 ASR은 고립 단어 인식, 연속 단어 인식 또는 대단위 어휘 인식 등의 방식을 이용할 수 있다.
동작 455에서, 지능형 서버(200)의 프로세서(220)는 언어 모델 별 음성 인식 결과에 대한 점수를 계산할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 사용자 발화 전체에 대한 점수를 계산할 수 있을 뿐만 아니라 사용자 발화 중 미리 지정된 키워드에 대한 점수를 계산할 수도 있다.
동작 457에서, 지능형 서버(200)의 프로세서(220)는 언어 모델 별로 점수를 합산할 수 있다.
일 실시 예에 따르면, 4개의 사용자 발화와 관련된 데이터를 수신한 경우, 언어 모델 별 점수는 4개이다. 지능형 서버(200)의 프로세서(220)는 4개의 점수를 합산하여 언어 모델 별 합산 점수를 계산할 수 있다.
동작 459에서, 지능형 서버(200)의 프로세서(220)는 합산된 점수를 비교할 수 있다.
다양한 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 언어 모델 별 점수 중 최고 점수를 비교할 수도 있다.
동작 461에서, 지능형 서버(200)의 프로세서(220)는 점수가 가장 큰 언어 모델을 선택할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 합산된 점수가 가장 큰 언어 모델을 디폴트 자동 언어 모델로 사용할 언어 모델로 선택할 수 있다.
일 실시 예에 따르면, 동작 455 내지 동작 461은 사용자 단말(100)의 프로세서(150)에 의해 수행될 수 있다. 사용자 단말(100)의 프로세서(150)은 동작 455 내지 동작 461을 수행하기 위해, 동작 455 전, 지능형 서버(200)로부터 언어 모델 별 음성 인식 결과를 수신할 수 있다.
도 5는 일 실시 예에 따른 언어 모델별 인식 정확도를 결정하는 동작을 나타내는 흐름도이다.
일 실시 예에 따르면, 도 5에 도시된 동작들은 전술된 도 4a의 동작 403에 대응될 수 있다. 일 실시 예에 따르면, 동작 403에 적용될 수 있는 실시 예들은 동작 501 내지 동작 561에도 적용될 수 있다.
동작 501에서, 사용자 단말(100)의 프로세서(150)는 마이크로폰(111)을 통해 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터를 수신할 수 있다.
동작 503에서, 사용자 단말(100)의 프로세서(150)는 제1 사용자 발화와 관련된 데이터를 무선 통신 회로(160)를 통해 지능형 서버(200)로 전송할 수 있다. 다시 말해, 동작 551에서, 지능형 서버(200)의 프로세서(220)는 네트워크 인터페이스(210)를 통해 제1 사용자 발화와 관련된 데이터를 수신할 수 있다.
동작 553에서, 지능형 서버(200)의 프로세서(220)는 복수의 언어 모델들을 이용하여 제1 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 음성 인식에 대한 정확도를 결정할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 제1 샘플 텍스트 및 제1 사용자 발화에 기반하여 오류율을 결정할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 제1 사용자 발화에 대한 음성 인식 결과로부터 획득된 텍스트에 기반하여 신뢰도 점수를 결정할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 결정된 오류율 또는 신뢰도 점수 중 적어도 하나에 기반하여 정확도를 결정할 수 있다. 일 실시 예에서, 결정된 오류율이 낮을수록 음성 인식에 대한 정확도는 높을 수 있고, 결정된 신뢰도 점수가 높을수록 음성 인식에 대한 정확도는 높을 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 제1 샘플 텍스트 및 제1 사용자 발화에 기반하여 음성 인식에 대한 오류율을 결정할 수 있다. 예를 들어, 지능형 서버(200)의 프로세서(220)는 제1 사용자 발화에 대한 음성 인식 수행으로부터 획득된 텍스트와 제1 샘플 텍스트를 비교하여 음성 인식에 대한 오류율을 결정할 수 있다.
일 실시 예에서, 지능형 서버(200)의 프로세서(220)가 5개의 언어 모델들을 이용하여 제1 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하는 경우, 지능형 서버(200)의 프로세서(220)는 5개의 개별 오류율을 결정할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 결정된 5개의 개별 오류율 중 가장 낮은 오류율을 음성 인식에 대한 오류율로 결정할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 결정된 5개의 개별 오류율의 평균을 음성 인식에 대한 오류율로 결정할 수 있다. 다만, 개별 오류율로부터 음성 인식에 대한 오류율을 결정하는 방법은 위의 예시에 한정되지 않는다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 제1 사용자 발화에 대한 음성 인식 수행에 의해 획득된 텍스트에 기반하여 신뢰도 점수를 결정할 수 있다.
일 실시 예에 따르면, 신뢰도 점수는 인식 결과인 음소나 단어에 대해서, 그 외의 다른 음소나 단어로부터 그 말이 발화되었을 확률에 대한 상대값으로 정의될 수 있다. 따라서, 신뢰도 점수는 0 에서 1 사이의 값으로 표현될 수도 있고, 0 에서 100 사이의 값으로 표현될 수도 있다.
결정된 정확도가 임계값 미만인 경우(동작 555), 동작 557에서, 지능형 서버(200)의 프로세서(220)는 네트워크 인터페이스(210)를 통해 사용자 단말(100)로 제1 응답을 전송할 수 있다. 결정된 정확도가 임계값 이상인 경우(동작 555), 동작 559에서, 지능형 서버(200)의 프로세서(220)는 네트워크 인터페이스(210)를 통해 사용자 단말(100)로 제1 응답과 다른 제2 응답을 전송할 수 있다. 다시 말해, 동작 505에서, 사용자 단말(100)의 프로세서(150)는 무선 통신 회로(160)를 통해 제1 응답 또는 제2 응답을 수신할 수 있다.
사용자 단말(100)의 프로세서(150)가 제1 응답을 수신한 경우(동작 507), 동작 501에서, 사용자 단말(100)의 프로세서(150)는 마이크로폰(111)을 통해 제1 샘플 텍스트와 관련된 제1 사용자 발화를 다시 수신할 수 있다.
동작 561에서, 지능형 서버(200)의 프로세서(220)는 제1 사용자 발화와 관련된 데이터에 대한 언어 모델별 인식 정확도를 결정할 수 있다.
사용자 단말(100)의 프로세서(150)가 제2 응답을 수신한 경우, (제1 응답이 수신되지 않은 경우, 동작 507), 동작 509에서, 사용자 단말(100)의 프로세서(150)는 마이크로폰(111)을 통해 복수의 샘플 텍스트 중 제1 샘플 텍스트와 다른 제2 샘플 텍스트와 관련된 제2 사용자 발화를 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)가 제2 응답을 수신하면, 사용자 단말(100)의 프로세서(150)는 터치스크린 디스플레이(120)의 제1 샘플 텍스트에 대응하는 위치에 인디케이터(예:체크 표시)를 표시할 수 있다.
일 실시 예에 따르면, 제2 샘플 텍스트와 관련된 제2 사용자 발화를 수신하는 동작을 동작 501로 하여, 전술된 동작 501 내지 동작 561은 사용자 단말(100)의 디스플레이(120)에 표시된 복수의 샘플 텍스트 전부에 대해 수행 완료될 때까지 반복적으로 수행될 수 있다.
도 6은 일 실시 예에 따른 음성 인식기 모델을 결정하는 시스템의 동작을 나타내는 흐름도이다.
일 실시 예에 따르면, 도 6의 동작 601 내지 동작 607은 전술된 도 4a의 동작 401 내지 동작 407에 대응될 수 있다. 일 실시 예에 따르면, 동작 401 내지 동작 407에 적용될 수 있는 실시 예들은 동작 601 내지 동작 607에도 적용될 수 있다.
동작 601에서, 사용자 단말(100)의 프로세서(150)는 복수의 샘플 텍스트를 터치스크린 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 동작 403 전 미리 설정된 언어 모델을 디폴트 음성 인식기 모델로 사용하기 위한 제2 오브젝트를 터치스크린 디스플레이(120)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 터치스크린 디스플레이(120)를 통해 제2 오브젝트를 선택하는 사용자 입력이 수신되면, 미리 설정된 언어 모델을 디폴트 음성 인식기 모델로 사용할 수 있다.
동작 603에서, 사용자 단말(100) 및 지능형 서버(200)는 언어 모델 별 인식 정확도를 결정할 수 있다.
일 실시 예에 따르면, 동작 603은 사용자 단말(100)의 프로세서(150)가 마이크로폰(111)을 통해 표시된 복수의 샘플 텍스트와 관련된 사용자 발화를 수신하는 동작, 사용자 단말(100)의 프로세서(150)가 무선 통신 회로(160)를 통해 수신된 사용자 발화와 관련된 데이터를 지능형 서버(200)로 전송하는 동작, 지능형 서버(200)의 프로세서(220)가 복수의 언어 모델들을 이용하여 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하는 동작, 지능형 서버(200)의 프로세서(220)가 수행된 음성 인식의 결과를 사용자 단말(100)로 전송하는 동작 및 사용자 단말(100)의 프로세서(150)가 음성 인식의 결과에 기반하여 언어 모델 별 인식 정확도를 결정하는 동작을 포함할 수 있다.
동작 605에서, 사용자 단말(100)의 프로세서(150)는 수행된 음성 인식으로부터의 결과에 기반하여 언어 모델들 중 하나를 선택할 수 있다.
동작 607에서, 사용자 단말(100)의 프로세서(150)는 선택된 언어 모델을 디폴트 음성 인식기 모델로 사용할 수 있다.
일 실시 예에 따르면, 동작 607 후, 사용자 단말(100)의 프로세서(150)는 디폴트 음성 인식기 모델 설정이 완료됨을 나타내는 메시지를 터치스크린 디스플레이(120)에 표시할 수 있다.
동작 605 및 동작 607은 지능형 서버(200)의 프로세서(220)가 음성 인식 에 대한 결과를 사용자 단말(100)로 전송하고, 음성 인식 에 대한 결과를 처리하는 주체가 사용자 단말(100)이라는 점에서 차이가 있다. 다만, 동작 405 및 동작 407 에 포함된 동작들 중 동작 605 및 동작 607과 비교하여 동작을 수행하는 주체만이 다른 동작들에 적용되는 실시 예들은 동작 605 및 동작 607에 적용될 수 있다.
도 7은 일 실시 예에 따른 언어 모델별 인식 정확도를 결정하는 동작을 나타내는 흐름도이다.
일 실시 예에 따르면, 도 7에 도시된 동작들은 전술된 도 6의 동작 603에 대응될 수 있다. 일 실시 예에 따르면, 동작 603에 적용될 수 있는 실시 예들은 동작 701 내지 동작 755에도 적용될 수 있다.
동작 701에서, 사용자 단말(100)의 프로세서(150)는 마이크로폰(111)을 통해 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터를 수신할 수 있다.
동작 703에서, 사용자 단말(100)의 프로세서(150)는 제1 사용자 발화와 관련된 데이터를 무선 통신 회로(160)를 통해 지능형 서버(200)로 전송할 수 있다. 다시 말해, 동작 751에서, 지능형 서버(200)의 프로세서(220)는 네트워크 인터페이스(210)를 통해 제1 사용자 발화와 관련된 데이터를 수신할 수 있다.
동작 753에서, 지능형 서버(200)의 프로세서(220)는 복수의 언어 모델들을 이용하여 제1 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 제1 샘플 텍스트 및 제1 사용자 발화에 기반하여 음성 인식에 대한 정확도를 더 결정할 수 있다. 일 실시 예에 따르면, 정확도는 지능형 서버(200)의 프로세서(220)에 의해 결정되지 않고, 동작 705 후 사용자 단말(100)의 프로세서(150)에 의해 결정될 수 있다.
동작 755에서, 지능형 서버(200)의 프로세서(220)는 제1 사용자 발화와 관련된 데이터에 대한 음성 인식 결과를 사용자 단말(100)로 전송할 수 있다. 다시 말해, 동작 705에서, 사용자 단말(100)의 프로세서(150)는 무선 통신 회로(160)를 통해 음성 인식 결과를 수신할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 프로세서(220)는 제1 샘플 텍스트 및 제1 사용자 발화에 기반하여 결정된 음성 인식에 대한 정확도를 사용자 단말(100)로 더 전송할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 제1 샘플 텍스트 및 제1 사용자 발화에 기반하여 음성 인식에 대한 정확도를 결정할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 제1 샘플 텍스트 및 제1 사용자 발화에 기반하여 음식 인식에 대한 오류율을 결정할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 제1 사용자 발화에 대한 음성 인식 결과에 기반하여 음성 인식에 대한 신뢰도 점수를 결정할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 결정된 오류율 또는 신뢰도 점수 중 적어도 하나에 기반하여 음성 인식에 대한 정확도를 결정할 수 있다.
정확도가 임계값 미만인 경우(동작 707), 동작 701에서, 사용자 단말(100)의 프로세서(150)는 마이크로폰(111)을 통해 제1 샘플 텍스트와 관련된 제1 사용자 발화를 다시 수신할 수 있다.
정확도가 임계값 이상인 경우(동작 707), 동작 709에서, 사용자 단말(100)의 프로세서(150)는 제1 사용자 발화와 관련된 데이터에 대한 언어 모델 별 인식 정확도를 결정할 수 있다.
일 실시 예에 따르면, 정확도가 임계값 이상인 경우 사용자 단말(100)의 프로세서(150)는 터치스크린 디스플레이(120)의 제1 샘플 텍스트에 대응하는 위치에 인디케이터(예:체크 표시)를 표시할 수 있다.
동작 711에서, 사용자 단말(100)의 프로세서(150)는 마이크로폰(111)을 통해 복수의 샘플 텍스트 중 제1 샘플 텍스트와 다른 제2 샘플 텍스트와 관련된 제2 사용자 발화를 수신할 수 있다.
일 실시 예에 따르면, 제2 샘플 텍스트와 관련된 제2 사용자 발화를 수신하는 동작을 동작 701로 하여, 전술된 동작 701 내지 동작 711은 사용자 단말(100)의 디스플레이(120)에 표시된 복수의 샘플 텍스트 전부에 대해 수행 완료될 때까지 반복적으로 수행될 수 있다.
도 8a 내지 도 8f는 일 실시 예에 따른 사용자 단말(100)이 디폴트 음성 인식기 모델을 설정하는 중 디스플레이(120)에 표시하는 화면을 나타낸다.
도 8a 내지 도 8f는 동작 401 내지 동작 407 또는 동작 601 내지 동작 607이 수행되는 중 사용자 단말(100)이 표시하는 화면을 나타낸다.
도 8a는 동작 401 및 동작 601에 대응되는 화면으로써, 도 8a를 참조하면, 사용자 단말(100)의 프로세서(150)는 사용자에게 제1 오브젝트를 선택하는 사용자 입력을 유도하는 가이드 메시지(811), 복수의 샘플 텍스트(812), 제1 오브젝트(813) 및 제2 오브젝트(814)를 터치스크린 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 제1 오브젝트를 선택하는 사용자 입력이 수신되면 도 8b와 같은 화면을 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 제2 오브젝트를 선택하는 사용자 입력이 수신되면, 사용자 단말(100)의 프로세서(150)는 지능형 서버(200)가 미리 설정된 언어 모델을 디폴트 음성 인식기 모델로 사용하도록 야기할 수 있다. 일 실시 예에 따라, 사용자 단말(100)이 디폴트 음성 인식기 모델을 선택하는 경우, 사용자 단말(100)의 프로세서(150)는 제2 오브젝트를 선택하는 사용자 입력이 수신되면, 사용자 단말(100)의 프로세서(150)는 미리 설정된 언어 모델을 디폴트 음성 인식기 모델로 사용할 수 있다. 예를 들어, 미리 설정된 언어 모델은 미국식 영어 발화 모델일 수 있고, 제2 오브젝트가 선택되면 동작 403 내지 동작 407 또는 동작 603 내지 동작 607이 수행되지 않고, 한국식 영어 발화 모델이 디폴트 음성 인식음성 인식기 모델로 사용될 수 있다.
일 실시 예에 따르면, 제2 오브젝트는 도 8b 내지 도 8e에서는 표시될 수 있고, 어떤 단계에서든 제2 오브젝트를 선택하는 사용자 입력이 수신되면, 미리 설정된 언어 모델이 디폴트 음성 인식기 모델로 사용될 수 있다
도 8b는 동작 501 및 동작 701에 대응되는 화면이다. 도 8b를 참조하면, 사용자 단말(100)의 프로세서(150)는 사용자에게 제1 샘플 텍스트를 발화하라는 가이드 메시지(821), 다른 샘플 텍스트와 시각적으로 다르게 표시된 제1 샘플 텍스트(822), 활성화 표시된 제1 오브젝트(823) 및 제2 오브젝트(824)를 터치스크린 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 사용자가 제1 샘플 텍스트를 발화하도록 복수의 샘플 텍스트 중 제1 샘플 텍스트(822)를 다른 샘플 텍스트과 다르게 표시(예: 볼드체, 색상, 크기)할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 사용자 발화 수신이 활성화됨을 나타내기 위해 활성화 표시된 제1 오브젝트(823)를 표시할 수 있다.
도 8c는 동작 509 및 동작 711에 대응되는 화면이다. 도 8c를 참조하면, 사용자 단말(100)의 프로세서(150)는 사용자에게 제2 샘플 텍스트를 발화하라는 가이드 메시지(831), 제1 샘플 텍스트에 대응되는 위치에 표시된 인디케이터(832), 다른 샘플 텍스트와 시각적으로 다르게 표시된 제2 샘플 텍스트(833), 활성화 표시된 제1 오브젝트(834) 및 제2 오브젝트(835)를 터치스크린 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 제1 사용자 발화가 정상적으로 인식됨을 나타내는 인디케이터(832)를 제1 샘플 텍스트에 대응되는 위치에 표시할 수 있다.
도 8d는 동작 403 및 동작 603이 반복적으로 수행되고 제5 샘플 텍스트와 관련된 사용자 발화를 수신하기 위한 화면이다. 도 8d를 참조하면, 사용자 단말(100)의 프로세서(150)는 사용자에게 제5 샘플 텍스트를 발화하라는 가이드 메시지(841), 제1 샘플 텍스트 내지 제4 샘플 텍스트 각각에 대응되는 위치에 표시된 인디케이터들(842), 다른 샘플 텍스트와 시각적으로 다르게 표시된 제5 샘플 텍스트(843), 활성화 표시된 제1 오브젝트(844) 및 제2 오브젝트(845)를 터치스크린 디스플레이(120)에 표시할 수 있다.
도 8e는 동작 405 및 동작 605 수행 중에 표시될 수 있는 화면이다. 도 8e를 참조하면, 사용자 단말(100)의 프로세서(150)는 사용자 발화와 관련된 데이터들이 저장되고 있음을 나타내는 메시지(851), 제1 샘플 텍스트 내지 제5 샘플 텍스트 각각에 대응되는 위치에 표시된 인디케이터들(852) 및 제2 오브젝트(853)를 표시할 수 있다.
도 8f는 디폴트 음성 인식기 모델 설정이 완료됨을 나타내는 화면이다. 도 8f를 참조하면, 사용자 단말(100)의 프로세서(150)는 디폴트 음성 인식기 모델 설정이 완료됨을 나타내는 메시지(861) 및 제3 오브젝트(862)를 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)의 프로세서(150)는 제3 오브젝트(862)를 선택하는 사용자 입력이 수신되면, 디폴트 음성 인식기 모델 설정 화면에서 벗어날 수 있다.
도 9a는 일 실시 예에 따른 사용자 단말(100)이 사용자 발화의 수신을 대기하는 중 표시하는 화면을 나타낸다.
도 9a는 도 8b와 동일한 화면으로써, 동작 501 및 동작 701에 대응되는 화면이다. 도 9a를 참조하면, 사용자 단말(100)의 프로세서(150)는 사용자에게 제1 샘플 텍스트를 발화하라는 가이드 메시지(911), 다른 샘플 텍스트와 시각적으로 다르게 표시된 제1 샘플 텍스트(912), 활성화 표시된 제1 오브젝트(913) 및 제2 오브젝트(914)를 터치스크린 디스플레이(120)에 표시할 수 있다. 도 9a 내지 도 9c의 제2 오브젝트는 도 8a 내지 도 8e의 제2 오브젝트와 동일한 기능을 가질 수 있다.
도 9b는 일 실시 예에 따른 음성 인식에 대한 정확도가 임계값 보다 낮을 때 사용자 단말(100)이 표시하는 화면을 나타낸다.
도 9b는 사용자 단말(100)의 프로세서(150)는 음성 인식에 대한 정확도가 임계값 보다 낮아 제1 샘플 텍스트와 관련된 사용자 발화를 수신하기 위해 동작 507 후 동작 501이 수행될 때 표시될 수 있는 화면이다.
도 9b를 참조하면, 사용자 단말(100)의 프로세서(150)는 사용자에게 제1 오브젝트를 선택하는 사용자 입력을 유도하는 가이드 메시지(921), 다른 샘플 텍스트와 시각적으로 다르게 표시된 제1 샘플 텍스트(922), 제1 오브젝트(923) 및 제2 오브젝트(924)를 터치스크린 디스플레이(120)에 표시할 수 있다.
일 실시 예에서, 정확도가 임계값 보다 낮은 경우, 사용자 단말(100)의 프로세서(150)는 제1 오브젝트(923)의 활성화 표시를 비활성화 표시로 변경하고, 가이드 메시지(921)를 표시하여 제1 오브젝트를 선택하는 사용자 입력 및 제1 샘플 텍스트와 관련된 사용자 발화를 유도할 수 있다.
도 9c는 일 실시 예에 따른 사용자 발화 수신 대기 시간이 지정된 시간을 초과할 때 사용자 단말(100)이 표시하는 화면을 나타낸다.
도 9c는 사용자 단말(100)의 프로세서(150)가 도 9a와 같은 화면을 표시한 상태에서 지정된 시간이 지나가면 표시할 수 있는 화면이다.
도 9c를 참조하면, 사용자 단말(100)의 프로세서(150)는 사용자에게 제1 오브젝트를 선택하는 사용자 입력을 유도하는 가이드 메시지(931), 다른 샘플 텍스트와 시각적으로 다르게 표시된 제1 샘플 텍스트(932), 제1 오브젝트(933) 및 제2 오브젝트(934)를 터치스크린 디스플레이(120)에 표시할 수 있다.
일 실시 예에서, 사용자 발화 수신 대기 시간이 지정된 시간을 초과하는 경우 사용자 단말(100)의 프로세서(150)는 제1 오브젝트(933)의 활성화 표시를 비활성화 표시로 변경하고, 가이드 메시지(931)를 표시하여 제1 오브젝트를 선택하는 사용자 입력 및 제1 샘플 텍스트와 관련된 사용자 발화를 유도할 수 있다.
도 10은, 다양한 실시예들에 따른, 네트워크 환경(1000) 내의 전자 장치(1001)의 블럭도이다. 도 10을 참조하면, 네트워크 환경(1000)에서 전자 장치(1001)(예: 사용자 단말(100))는 제 1 네트워크(1098)(예: 근거리 무선 통신)를 통하여 전자 장치(1002)와 통신하거나, 또는 제 2 네트워크(1099)(예: 원거리 무선 통신)를 통하여 전자 장치(1004) 또는 서버(1008)(예: 지능형 서버(200))와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1001)는 서버(1008)를 통하여 전자 장치(1004)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1001)는 프로세서(1020), 메모리(1030), 입력 장치(1050), 음향 출력 장치(1055), 표시 장치(1060), 오디오 모듈(1070), 센서 모듈(1076), 인터페이스(1077), 햅틱 모듈(1079), 카메라 모듈(1080), 전력 관리 모듈(1088), 배터리(1089), 통신 모듈(1090), 가입자 식별 모듈(1096), 및 안테나 모듈(1097)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1001)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(1060) 또는 카메라 모듈(1080))가 생략되거나 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 예를 들면, 표시 장치(1060)(예: 디스플레이)에 임베디드된 센서 모듈(1076)(예: 지문 센서, 홍채 센서, 또는 조도 센서)의 경우와 같이, 일부의 구성요소들이 통합되어 구현될 수 있다.
프로세서(1020)는, 예를 들면, 소프트웨어(예: 프로그램(1040))를 구동하여 프로세서(1020)에 연결된 전자 장치(1001)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다. 프로세서(1020)는 다른 구성요소(예: 센서 모듈(1076) 또는 통신 모듈(1090))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1032)에 로드하여 처리하고, 결과 데이터를 비휘발성 메모리(1034)에 저장할 수 있다. 일실시예에 따르면, 프로세서(1020)는 메인 프로세서(1021)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 운영되고, 추가적으로 또는 대체적으로, 메인 프로세서(1021)보다 저전력을 사용하거나, 또는 지정된 기능에 특화된 보조 프로세서(1023)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 여기서, 보조 프로세서(1023)는 메인 프로세서(1021)와 별개로 또는 임베디드되어 운영될 수 있다.
이런 경우, 보조 프로세서(1023)는, 예를 들면, 메인 프로세서(1021)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1021)를 대신하여, 또는 메인 프로세서(1021)가 액티브(예: 어플리케이션 수행) 상태에 있는 동안 메인 프로세서(1021)와 함께, 전자 장치(1001)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(1060), 센서 모듈(1076), 또는 통신 모듈(1090))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(1023)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(1080) 또는 통신 모듈(1090))의 일부 구성 요소로서 구현될 수 있다. 메모리(1030)는, 전자 장치(1001)의 적어도 하나의 구성요소(예: 프로세서(1020) 또는 센서모듈(1076))에 의해 사용되는 다양한 데이터, 예를 들어, 소프트웨어(예: 프로그램(1040)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 저장할 수 있다. 메모리(1030)는, 휘발성 메모리(1032) 또는 비휘발성 메모리(1034)를 포함할 수 있다.
프로그램(1040)은 메모리(1030)에 저장되는 소프트웨어로서, 예를 들면, 운영 체제(1042), 미들 웨어(1044) 또는 어플리케이션(1046)을 포함할 수 있다.
입력 장치(1050)는, 전자 장치(1001)의 구성요소(예: 프로세서(1020))에 사용될 명령 또는 데이터를 전자 장치(1001)의 외부(예: 사용자)로부터 수신하기 위한 장치로서, 예를 들면, 마이크(예: 마이크(111), 마우스, 또는 키보드를 포함할 수 있다.
음향 출력 장치(1055)는 음향 신호를 전자 장치(1001)의 외부로 출력하기 위한 장치로서, 예를 들면, 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용되는 스피커와 전화 수신 전용으로 사용되는 리시버를 포함할 수 있다. 일실시예에 따르면, 리시버는 스피커와 일체 또는 별도로 형성될 수 있다.
표시 장치(1060)는 전자 장치(1001)의 사용자에게 정보를 시각적으로 제공하기 위한 장치로서, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 표시 장치(1060)는 터치 회로(touch circuitry) 또는 터치에 대한 압력의 세기를 측정할 수 있는 압력 센서를 포함할 수 있다.
오디오 모듈(1070)은 소리와 전기 신호를 쌍방향으로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(1070)은, 입력 장치(1050) 를 통해 소리를 획득하거나, 음향 출력 장치(1055), 또는 전자 장치(1001)와 유선 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1002)(예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(1076)은 전자 장치(1001)의 내부의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 센서 모듈(1076)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(1077)는 외부 전자 장치(예: 전자 장치(1002))와 유선 또는 무선으로 연결할 수 있는 지정된 프로토콜을 지원할 수 있다. 일실시예에 따르면, 인터페이스(1077)는 HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(1078)는 전자 장치(1001)와 외부 전자 장치(예: 전자 장치(1002))를 물리적으로 연결시킬 수 있는 커넥터, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1079)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 햅틱 모듈(1079)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1080)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(1080)은 하나 이상의 렌즈, 이미지 센서, 이미지 시그널 프로세서, 또는 플래시를 포함할 수 있다.
전력 관리 모듈(1088)은 전자 장치(1001)에 공급되는 전력을 관리하기 위한 모듈로서, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구성될 수 있다.
배터리(1089)는 전자 장치(1001)의 적어도 하나의 구성 요소에 전력을 공급하기 위한 장치로서, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(1090)은 전자 장치(1001)와 외부 전자 장치(예: 전자 장치(1002), 전자 장치(1004), 또는 서버(1008))간의 유선 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1090)은 프로세서(1020)(예: 어플리케이션 프로세서)와 독립적으로 운영되는, 유선 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(1090)은 무선 통신 모듈(1092)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈)(예: 무선 통신 회로(160)) 또는 유선 통신 모듈(1094)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함하고, 그 중 해당하는 통신 모듈을 이용하여 제 1 네트워크(1098)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1099)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 상술한 여러 종류의 통신 모듈(1090)은 하나의 칩으로 구현되거나 또는 각각 별도의 칩으로 구현될 수 있다.
일실시예에 따르면, 무선 통신 모듈(1092)은 가입자 식별 모듈(1096)에 저장된 사용자 정보를 이용하여 통신 네트워크 내에서 전자 장치(1001)를 구별 및 인증할 수 있다.
안테나 모듈(1097)은 신호 또는 전력을 외부로 송신하거나 외부로부터 수신하기 위한 하나 이상의 안테나들을 포함할 수 있다. 일시예에 따르면, 통신 모듈(1090)(예: 무선 통신 모듈(1092))은 통신 방식에 적합한 안테나를 통하여 신호를 외부 전자 장치로 송신하거나, 외부 전자 장치로부터 수신할 수 있다.
상기 구성요소들 중 일부 구성요소들은 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input/output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되어 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(1099)에 연결된 서버(1008)를 통해서 전자 장치(1001)와 외부의 전자 장치(1004)간에 송신 또는 수신될 수 있다. 전자 장치(1002, 1004) 각각은 전자 장치(1001)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(1001)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 외부 전자 장치에서 실행될 수 있다. 일실시예에 따르면, 전자 장치(1001)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(1001)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 외부 전자 장치에게 요청할 수 있다. 상기 요청을 수신한 외부 전자 장치는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(1001)로 전달할 수 있다. 전자 장치(1001)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 문서에 개시되는 일 실시 예에 따른 시스템은 적어도 하나의 네트워크 인터페이스; 상기 네트워크 인터페이스에 기능적으로 연결된 적어도 하나의 프로세서; 및 상기 프로세서에 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 단어, 구(phrase) 및/또는 문장을 포함하는 복수의 샘플 텍스트를 포함하는 사용자 인터페이스를 포함하는 외부 전자 장치로부터 상기 복수의 샘플 텍스트와 관련된 사용자 발화와 관련된 데이터를 수신하고, 상기 복수의 언어 모델들을 이용하여 상기 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고, 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 및 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시 예에서, 상기 외부 전자 장치는 터치스크린 디스플레이를 포함하는 모바일 장치를 포함하고, 상기 사용자 인터페이스는 상기 터치스크린 디스플레이에 제공될 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 수행된 음성 인식으로부터의 결과에 대한 점수를 결정하고, 상기 언어 모델들 중 하나를 선택하기 위해 상기 점수를 이용하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 각 점수에 대응하는 상기 샘플 텍스트 또는 상기 언어 모델 중 적어도 하나에 기반한 가중치를 상기 결정된 점수에 적용하여 언어 모델별 인식 정확도를 결정하고, 상기 언어 모델들 중 하나를 선택하기 위해 상기 인식 정확도를 이용하도록 할 수 있다.
일 실시 예에서, 상기 제1 언어는 영어이고, 상기 제1 언어와 다른 언어는 한국어, 중국어, 일본어, 인도어, 프랑스어, 영국 영어, 독일어, 스페인어, 포르투갈어 또는 러시아어 중 적어도 하나를 포함할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로부터 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터를 수신하고, 상기 복수의 언어 모델들을 이용하여 상기 제1 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고, 상기 제1 샘플 텍스트 및 상기 제1 사용자 발화에 기반하여 상기 음성 인식에 대한 정확도를 결정하고, 상기 정확도가 임계값 미만이면, 제1 응답을 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로 전송하고, 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로부터 상기 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터를 다시 수신하고, 상기 정확도가 임계값 이상이면, 상기 제1 응답과 다른 제2 응답을 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로 전송하고, 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로부터 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 다른 제2 샘플 텍스트와 관련된 제2 사용자 발화와 관련된 데이터를 다시 수신하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로부터 사용자의 개인화 정보를 수신하고, 상기 수신된 개인화 정보 및 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 사용자의 개인화 정보에 기반하여 상기 복수의 언어 모델 중 하나 이상의 제1 언어 모델을 선택하고, 상기 음성 인식으로부터의 결과에 기반하여 상기 복수의 언어 모델 중 하나의 제2 언어 모델을 선택하고, 상기 제2 언어 모델이 상기 하나 이상의 제1 언어 모델에 포함되면, 상기 제2 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용할 언어 모델로 선택하도록 할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치는 전자 장치에 있어서, 하우징; 상기 하우징 내에 배치되고, 상기 하우징의 제1 부분을 통해 노출된 터치스크린 디스플레이; 상기 하우징 내에 배치되고 상기 하우징의 제2 부분을 통해 노출된 마이크로폰; 상기 하우징 내에 배치된 무선 통신 회로; 상기 하우징 내에 배치되고, 상기 터치스크린 디스플레이, 상기 마이크로폰 및 상기 무선 통신 회로와 전기적으로 연결된 프로세서; 및 상기 하우징 내에 배치되고 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 복수 개의 샘플 텍스트를 상기 터치스크린 디스플레이에 표시하고, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트와 관련된 사용자 발화를 수신하고, 상기 수신된 복수의 사용자 발화와 관련된 데이터를 상기 무선 통신 회로를 통해 외부 서버로 전송하고, 상기 무선 통신 회로를 통해 외부 서버로부터 상기 복수의 사용자 발화와 관련된 데이터에 대한 음성 인식으로부터의 결과를 수신하고, 상기 수신된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 수행된 음성 인식으로부터의 결과에 대한 점수를 결정하고, 상기 언어 모델들 중 하나를 선택하기 위해 상기 점수를 이용하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 결정된 점수에 각 점수에 대응하는 상기 샘플 텍스트 또는 상기 언어 모델 중 적어도 하나에 기반한 가중치를 적용하여 언어 모델별 인식 정확도를 결정하고, 상기 언어 모델들 중 하나를 선택하기 위해 상기 인식 정확도를 이용하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터를 수신하고, 상기 복수의 언어 모델들을 이용하여 상기 제1 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고, 상기 제1 샘플 텍스트 및 상기 제1 사용자 발화에 기반하여 상기 음성 인식에 대한 정확도를 결정하고, 상기 정확도가 임계값 미만이면, 상기 마이크로폰을 통해 상기 제1 샘플 텍스트와 관련된 제1 사용자 발화를 다시 수신하고, 상기 정확도가 임계값 이상이면, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 다른 제2 샘플 텍스트와 관련된 제2 사용자 발화를 수신하도록 할 수 있다.
일 실시 예에서, 상기 메모리는 사용자의 개인화 정보를 저장하고, 상기 인스트럭션들은, 상기 프로세서가, 상기 개인화 정보 및 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 사용자의 개인화 정보에 기반하여 상기 복수의 언어 모델 중 하나 이상의 제1 언어 모델을 선택하고, 상기 음성 인식으로부터의 결과에 기반하여 상기 복수의 언어 모델 중 하나의 제2 언어 모델을 선택하고, 상기 제2 언어 모델이 상기 하나 이상의 제1 언어 모델에 포함되면, 상기 제2 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용할 언어 모델로 선택하도록 할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치는 전자 장치에 있어서, 하우징; 상기 하우징 내에 배치되고, 상기 하우징의 제1 부분을 통해 노출된 터치스크린 디스플레이; 상기 하우징 내에 배치되고 상기 하우징의 제2 부분을 통해 노출된 마이크로폰; 상기 하우징 내에 배치된 무선 통신 회로; 상기 하우징 내에 배치되고, 상기 터치스크린 디스플레이, 상기 마이크로폰 및 상기 무선 통신 회로와 전기적으로 연결된 프로세서; 및 상기 하우징 내에 배치되고 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 복수 개의 샘플 텍스트를 상기 터치스크린 디스플레이에 표시하고, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트와 관련된 복수의 사용자 발화를 수신하고, 상기 수신된 복수의 사용자 발화와 관련된 데이터를 상기 무선 통신 회로를 통해 외부 서버로 전송하고, 상기 복수의 사용자 발화와 관련된 데이터를 전송함으로써 상기 외부 서버가, 상기 복수의 언어 모델들을 이용하여 상기 복수의 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고, 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하는 것을 야기하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시 예에서, 상기 메모리는, 상기 복수의 언어 모델 각각에 대응하는 복수의 텍스트 그룹을 포함하고, 각 텍스트 그룹이 하나 이상의 샘플 텍스트를 포함하고 상기 인스트럭션들은, 상기 프로세서가, 상기 복수의 텍스트 그룹 각각에서 상기 터치스크린 디스플레이에 표시할 상기 복수 개의 샘플 텍스트를 선택하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 사용자 발화 수신을 활성화 하기 위한 제1 오브젝트를 상기 터치스크린 디스플레이에 표시하고, 상기 터치스크린 디스플레이를 통한 상기 제1 오브젝트를 선택하는 사용자 입력이 수신되면, 상기 사용자 발화를 수신하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화를 수신하고, 상기 수신된 제1 사용자 발화와 관련된 데이터를 상기 무선 통신 회로를 통해 상기 외부 서버로 전송하고, 상기 무선 통신 회로를 통해 상기 외부 서버로부터 제1 응답을 수신하면, 상기 마이크로폰을 통해 상기 제1 샘플 텍스트와 관련된 제1 사용자 발화를 다시 수신하고, 상기 무선 통신 회로를 통해 상기 외부 서버로부터 상기 제1 응답과 다른 제2 응답을 수신하면, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 다른 제2 샘플 텍스트와 관련된 제2 사용자 발화를 수신하도록 하고, 상기 제1 응답은 상기 외부 서버에 의해 상기 제1 샘플 텍스트 및 상기 제1 사용자 발화에 기반하여 결정된 상기 음성 인식에 대한 정확도가 임계값 미만인 것에 대응하고, 상기 제2 응답은 상기 정확도가 임계값 이상인 것에 대응할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 제2 응답을 수신하면, 상기 제1 샘플 텍스트에 대응하는 위치에 인디케이터를 표시하도록 할 수 있다.
일 실시 예에서, 상기 인스트럭션들은, 상기 프로세서가, 상기 사용자 언어 모델 설정을 건너뛰기 위한 제2 오브젝트를 상기 터치스크린 디스플레이에 표시하고, 상기 터치스크린 디스플레이를 통해 상기 제2 오브젝트를 선택하는 사용자 입력이 수신되면, 상기 외부 서버가, 미리 선택된 언어 모델을 상기 사용자 언어 모델로 선택하는 것을 야기하도록 할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 시스템은 적어도 하나의 네트워크 인터페이스; 상기 네트워크 인터페이스에 기능적으로 연결된 적어도 하나의 프로세서; 및 상기 프로세서에 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 단어, 구(phrase) 및/또는 문장을 포함하는 복수의 샘플을 포함하는 사용자 인터페이스를 제공하고, 상기 복수의 샘플과 관련된 사용자의 발화 데이터를 수신하고, 상기 복수의 언어 모델들을 이용하여 상기 발화 데이터에 대한 음성 인식을 수행하고, 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 및 상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 음성 인식기 모델로 사용하도록 하는 인스트럭션들을 저장할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치 중 적어도 하나를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)(예: 내장 메모리(1036) 또는 외장 메모리(1038))에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램(1040))로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(1001))를 포함할 수 있다. 상기 명령이 프로세서(예: 프로세서(1020))에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (20)

  1. 시스템에 있어서,
    적어도 하나의 네트워크 인터페이스;
    상기 네트워크 인터페이스에 기능적으로 연결된 적어도 하나의 프로세서; 및
    상기 프로세서에 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    단어, 구(phrase) 및/또는 문장을 포함하는 복수의 샘플 텍스트를 포함하는 사용자 인터페이스를 포함하는 외부 전자 장치로부터 상기 복수의 샘플 텍스트와 관련된 사용자 발화와 관련된 데이터를 수신하고,
    상기 복수의 언어 모델들을 이용하여 상기 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고,
    상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고, 및
    상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하도록 하는 인스트럭션들을 저장하는, 시스템.
  2. 청구항 1에 있어서,
    상기 외부 전자 장치는 터치스크린 디스플레이를 포함하는 모바일 장치를 포함하고, 상기 사용자 인터페이스는 상기 터치스크린 디스플레이에 제공되는, 시스템.
  3. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 수행된 음성 인식으로부터의 결과에 대한 점수를 결정하고,
    상기 언어 모델들 중 하나를 선택하기 위해 상기 점수를 이용하도록 하는, 시스템.
  4. 청구항 3에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 각 점수에 대응하는 상기 샘플 텍스트 또는 상기 언어 모델 중 적어도 하나에 기반한 가중치를 상기 결정된 점수에 적용하여 언어 모델별 인식 정확도를 결정하고,
    상기 언어 모델들 중 하나를 선택하기 위해 상기 인식 정확도를 이용하도록 하는, 시스템.
  5. 청구항 1에 있어서,
    상기 제1 언어는 영어이고, 상기 제1 언어와 다른 언어는 한국어, 중국어, 일본어, 인도어, 프랑스어, 영국 영어, 독일어, 스페인어, 포르투갈어 또는 러시아어 중 적어도 하나를 포함하는, 시스템.
  6. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로부터 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터를 수신하고,
    상기 복수의 언어 모델들을 이용하여 상기 제1 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고,
    상기 제1 샘플 텍스트 및 상기 제1 사용자 발화에 기반하여 상기 음성 인식에 대한 정확도를 결정하고,
    상기 정확도가 임계값 미만이면, 제1 응답을 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로 전송하고, 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로부터 상기 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터를 다시 수신하고,
    상기 정확도가 임계값 이상이면, 상기 제1 응답과 다른 제2 응답을 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로 전송하고, 상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로부터 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 다른 제2 샘플 텍스트와 관련된 제2 사용자 발화와 관련된 데이터를 다시 수신하도록 하는, 시스템.
  7. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 네트워크 인터페이스를 통해 상기 외부 전자 장치로부터 사용자의 개인화 정보를 수신하고,
    상기 수신된 개인화 정보 및 상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하도록 하는, 시스템.
  8. 청구항 7에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 사용자의 개인화 정보에 기반하여 상기 복수의 언어 모델 중 하나 이상의 제1 언어 모델을 선택하고, 상기 음성 인식으로부터의 결과에 기반하여 상기 복수의 언어 모델 중 하나의 제2 언어 모델을 선택하고,
    상기 제2 언어 모델이 상기 하나 이상의 제1 언어 모델에 포함되면, 상기 제2 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용할 언어 모델로 선택하도록 하는, 시스템.
  9. 전자 장치에 있어서,
    하우징;
    상기 하우징 내에 배치되고, 상기 하우징의 제1 부분을 통해 노출된 터치스크린 디스플레이;
    상기 하우징 내에 배치되고 상기 하우징의 제2 부분을 통해 노출된 마이크로폰;
    상기 하우징 내에 배치된 무선 통신 회로;
    상기 하우징 내에 배치되고, 상기 터치스크린 디스플레이, 상기 마이크로폰 및 상기 무선 통신 회로와 전기적으로 연결된 프로세서; 및
    상기 하우징 내에 배치되고 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 복수 개의 샘플 텍스트를 상기 터치스크린 디스플레이에 표시하고,
    상기 마이크로폰을 통해 상기 복수의 샘플 텍스트와 관련된 사용자 발화를 수신하고,
    상기 수신된 복수의 사용자 발화와 관련된 데이터를 상기 무선 통신 회로를 통해 외부 서버로 전송하고,
    상기 무선 통신 회로를 통해 외부 서버로부터 상기 복수의 사용자 발화와 관련된 데이터에 대한 음성 인식으로부터의 결과를 수신하고,
    상기 수신된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고,
    상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하도록 하는 인스트럭션들을 저장하는, 전자 장치.
  10. 청구항 9에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 수신된 음성 인식으로부터의 결과에 대한 점수를 결정하고,
    상기 언어 모델들 중 하나를 선택하기 위해 상기 점수를 이용하도록 하는, 전자 장치.
  11. 청구항 10에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 결정된 점수에 각 점수에 대응하는 상기 샘플 텍스트 또는 상기 언어 모델 중 적어도 하나에 기반한 가중치를 적용하여 언어 모델별 인식 정확도를 결정하고,
    상기 언어 모델들 중 하나를 선택하기 위해 상기 인식 정확도를 이용하도록 하는, 전자 장치.
  12. 청구항 9에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 마이크로폰을 통해 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화와 관련된 데이터를 수신하고,
    상기 복수의 언어 모델들을 이용하여 상기 제1 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고,
    상기 제1 샘플 텍스트 및 상기 제1 사용자 발화에 기반하여 상기 음성 인식에 대한 정확도를 결정하고,
    상기 정확도가 임계값 미만이면, 상기 마이크로폰을 통해 상기 제1 샘플 텍스트와 관련된 제1 사용자 발화를 다시 수신하고,
    상기 정확도가 임계값 이상이면, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 다른 제2 샘플 텍스트와 관련된 제2 사용자 발화를 수신하도록 하는, 전자 장치.
  13. 청구항 9에 있어서,
    상기 메모리는 사용자의 개인화 정보를 저장하고,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 개인화 정보 및 상기 수신된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하도록 하는, 전자 장치.
  14. 청구항 13에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 사용자의 개인화 정보에 기반하여 상기 복수의 언어 모델 중 하나 이상의 제1 언어 모델을 선택하고, 상기 음성 인식으로부터의 결과에 기반하여 상기 복수의 언어 모델 중 하나의 제2 언어 모델을 선택하고,
    상기 제2 언어 모델이 상기 하나 이상의 제1 언어 모델에 포함되면, 상기 제2 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용할 언어 모델로 선택하도록 하는, 전자 장치.
  15. 전자 장치에 있어서,
    하우징;
    상기 하우징 내에 배치되고, 상기 하우징의 제1 부분을 통해 노출된 터치스크린 디스플레이;
    상기 하우징 내에 배치되고 상기 하우징의 제2 부분을 통해 노출된 마이크로폰;
    상기 하우징 내에 배치된 무선 통신 회로;
    상기 하우징 내에 배치되고, 상기 터치스크린 디스플레이, 상기 마이크로폰 및 상기 무선 통신 회로와 전기적으로 연결된 프로세서; 및
    상기 하우징 내에 배치되고 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는 복수의 제1 언어의 언어 모델을 저장하고, 상기 복수의 제1 언어의 언어 모델은 서로 다른 발화 모델을 가지고, 상기 발화 모델들 각각은 상기 제1 언어와 다른 언어를 갖는 발화자의 발화에 기반하여 모국어로 제공되고, 상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 복수 개의 샘플 텍스트를 상기 터치스크린 디스플레이에 표시하고,
    상기 마이크로폰을 통해 상기 복수의 샘플 텍스트와 관련된 복수의 사용자 발화를 수신하고,
    상기 수신된 복수의 사용자 발화와 관련된 데이터를 상기 무선 통신 회로를 통해 외부 서버로 전송하고,
    상기 복수의 사용자 발화와 관련된 데이터를 전송함으로써 상기 외부 서버가,
    상기 복수의 언어 모델들을 이용하여 상기 복수의 사용자 발화와 관련된 데이터에 대한 음성 인식을 수행하고,
    상기 수행된 음성 인식으로부터의 결과에 기반하여 상기 언어 모델들 중 하나를 선택하고,
    상기 선택된 언어 모델을 상기 사용자의 발화를 위한 디폴트 자동 언어 모델로 사용하는 것을 야기하도록 하는 인스트럭션들을 저장하는, 전자 장치.
  16. 청구항 15에 있어서,
    상기 메모리는, 상기 복수의 언어 모델 각각에 대응하는 복수의 텍스트 그룹을 포함하고, 각 텍스트 그룹이 하나 이상의 샘플 텍스트를 포함하고
    상기 인스트럭션들은, 상기 프로세서가,
    상기 복수의 텍스트 그룹 각각에서 상기 터치스크린 디스플레이에 표시할 상기 복수 개의 샘플 텍스트를 선택하도록 하는, 전자 장치.
  17. 청구항 15에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 사용자 발화 수신을 활성화 하기 위한 제1 오브젝트를 상기 터치스크린 디스플레이에 표시하고,
    상기 터치스크린 디스플레이를 통한 상기 제1 오브젝트를 선택하는 사용자 입력이 수신되면, 상기 사용자 발화를 수신하도록 하는, 전자 장치.
  18. 청구항 15에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 마이크로폰을 통해 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 관련된 제1 사용자 발화를 수신하고,
    상기 수신된 제1 사용자 발화와 관련된 데이터를 상기 무선 통신 회로를 통해 상기 외부 서버로 전송하고,
    상기 무선 통신 회로를 통해 상기 외부 서버로부터 제1 응답을 수신하면, 상기 마이크로폰을 통해 상기 제1 샘플 텍스트와 관련된 제1 사용자 발화를 다시 수신하고,
    상기 무선 통신 회로를 통해 상기 외부 서버로부터 상기 제1 응답과 다른 제2 응답을 수신하면, 상기 마이크로폰을 통해 상기 복수의 샘플 텍스트 중 제1 샘플 텍스트와 다른 제2 샘플 텍스트와 관련된 제2 사용자 발화를 수신하도록 하고,
    상기 제1 응답은 상기 외부 서버에 의해 상기 제1 샘플 텍스트 및 상기 제1 사용자 발화에 기반하여 결정된 상기 음성 인식에 대한 정확도가 임계값 미만인 것에 대응하고, 상기 제2 응답은 상기 정확도가 임계값 이상인 것에 대응하는, 전자 장치.
  19. 청구항 18에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제2 응답을 수신하면,
    상기 제1 샘플 텍스트에 대응하는 위치에 인디케이터를 표시하도록 하는, 전자 장치.
  20. 청구항 15에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 사용자 언어 모델 설정을 건너뛰기 위한 제2 오브젝트를 상기 터치스크린 디스플레이에 표시하고,
    상기 터치스크린 디스플레이를 통해 상기 제2 오브젝트를 선택하는 사용자 입력이 수신되면, 상기 외부 서버가, 미리 선택된 언어 모델을 상기 사용자 언어 모델로 선택하는 것을 야기하도록 하는, 전자 장치.
KR1020170081420A 2017-06-27 2017-06-27 발화 인식 모델을 선택하는 시스템 및 전자 장치 KR102426717B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170081420A KR102426717B1 (ko) 2017-06-27 2017-06-27 발화 인식 모델을 선택하는 시스템 및 전자 장치
US16/019,740 US10777193B2 (en) 2017-06-27 2018-06-27 System and device for selecting speech recognition model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170081420A KR102426717B1 (ko) 2017-06-27 2017-06-27 발화 인식 모델을 선택하는 시스템 및 전자 장치

Publications (2)

Publication Number Publication Date
KR20190001434A true KR20190001434A (ko) 2019-01-04
KR102426717B1 KR102426717B1 (ko) 2022-07-29

Family

ID=64693530

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170081420A KR102426717B1 (ko) 2017-06-27 2017-06-27 발화 인식 모델을 선택하는 시스템 및 전자 장치

Country Status (2)

Country Link
US (1) US10777193B2 (ko)
KR (1) KR102426717B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019172735A3 (ko) * 2019-07-02 2020-05-14 엘지전자 주식회사 커뮤니케이션 로봇 및 그의 구동 방법
WO2021015324A1 (ko) * 2019-07-23 2021-01-28 엘지전자 주식회사 인공지능 에이전트
WO2021054495A1 (ko) * 2019-09-19 2021-03-25 엘지전자 주식회사 디스플레이 장치 및 인공 지능 서버
WO2022158692A1 (ko) * 2021-01-21 2022-07-28 삼성전자 주식회사 포스 터치를 식별하는 전자 장치 및 그 동작 방법
KR102583764B1 (ko) * 2022-06-29 2023-09-27 (주)액션파워 외국어가 포함된 오디오의 음성 인식 방법
US11977699B2 (en) 2021-04-19 2024-05-07 Samsung Electronics Co., Ltd. Electronic device and operating method of the same

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10747817B2 (en) * 2017-09-29 2020-08-18 Rovi Guides, Inc. Recommending language models for search queries based on user profile
US11322136B2 (en) * 2019-01-09 2022-05-03 Samsung Electronics Co., Ltd. System and method for multi-spoken language detection
US11074908B2 (en) * 2019-03-29 2021-07-27 Nuance Communications, Inc. System and method for aligning ASR model weights with NLU concepts
CN112562430B (zh) * 2019-09-26 2022-12-13 阿里巴巴集团控股有限公司 辅助阅读方法、视频播放方法、装置、设备及存储介质
KR20210042460A (ko) * 2019-10-10 2021-04-20 엘지전자 주식회사 복수의 언어가 포함된 음성을 인식하는 인공 지능 장치 및 그 방법
US11373657B2 (en) * 2020-05-01 2022-06-28 Raytheon Applied Signal Technology, Inc. System and method for speaker identification in audio data
US11315545B2 (en) * 2020-07-09 2022-04-26 Raytheon Applied Signal Technology, Inc. System and method for language identification in audio data
EP4209892A4 (en) * 2020-09-01 2024-05-01 Lg Electronics Inc DISPLAY DEVICE FOR ADJUSTING THE SENSITIVITY OF RECOGNITION OF A SPEECH RECOGNITION STARTING WORD AND METHOD OF OPERATING THE SAME
US11705131B2 (en) * 2021-03-08 2023-07-18 Mezmo Corporation System and method for identifying spoken language in telecommunications relay service
US11915698B1 (en) * 2021-09-29 2024-02-27 Amazon Technologies, Inc. Sound source localization

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150039299A1 (en) * 2013-07-31 2015-02-05 Google Inc. Context-based speech recognition
US9275635B1 (en) * 2012-03-08 2016-03-01 Google Inc. Recognizing different versions of a language

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6385583B1 (en) * 1998-10-02 2002-05-07 Motorola, Inc. Markup language for interactive services and methods thereof
US7072838B1 (en) * 2001-03-20 2006-07-04 Nuance Communications, Inc. Method and apparatus for improving human-machine dialogs using language models learned automatically from personalized data
US20040203660A1 (en) * 2002-12-09 2004-10-14 Sanjay Tibrewal Method of assisting a user placed on-hold
US7379867B2 (en) * 2003-06-03 2008-05-27 Microsoft Corporation Discriminative training of language models for text and speech classification
US20120253823A1 (en) * 2004-09-10 2012-10-04 Thomas Barton Schalk Hybrid Dialog Speech Recognition for In-Vehicle Automated Interaction and In-Vehicle Interfaces Requiring Minimal Driver Processing
GB0513786D0 (en) * 2005-07-05 2005-08-10 Vida Software S L User interfaces for electronic devices
KR100644814B1 (ko) 2005-11-08 2006-11-14 한국전자통신연구원 발화 스타일 조절을 위한 운율모델 생성 방법 및 이를이용한 대화체 음성합성 장치 및 방법
CN101034390A (zh) * 2006-03-10 2007-09-12 日电（中国）有限公司 用于语言模型切换和自适应的装置和方法
KR100897553B1 (ko) * 2007-01-04 2009-05-15 삼성전자주식회사 사용자의 기기 사용 패턴을 이용한 음성 인식 방법 및 장치
US8417526B2 (en) * 2009-03-13 2013-04-09 Adacel, Inc. Speech recognition learning system and method
US8468012B2 (en) * 2010-05-26 2013-06-18 Google Inc. Acoustic model adaptation using geographic information
JP2013529794A (ja) * 2010-06-24 2013-07-22 本田技研工業株式会社 車載音声認識システム及び車両外音声認識システム間の通信システム及び方法
JP5159853B2 (ja) * 2010-09-28 2013-03-13 株式会社東芝 会議支援装置、方法およびプログラム
JP5017441B2 (ja) * 2010-10-28 2012-09-05 株式会社東芝 携帯型電子機器
US8825481B2 (en) * 2012-01-20 2014-09-02 Microsoft Corporation Subword-based multi-level pronunciation adaptation for recognizing accented speech
US9129591B2 (en) * 2012-03-08 2015-09-08 Google Inc. Recognizing speech in multiple languages
US8606576B1 (en) * 2012-11-02 2013-12-10 Google Inc. Communication log with extracted keywords from speech-to-text processing
TWI601032B (zh) * 2013-08-02 2017-10-01 晨星半導體股份有限公司 應用於聲控裝置的控制器與相關方法
CN103578465B (zh) * 2013-10-18 2016-08-17 威盛电子股份有限公司 语音辨识方法及电子装置
US9589564B2 (en) * 2014-02-05 2017-03-07 Google Inc. Multiple speech locale-specific hotword classifiers for selection of a speech locale
KR102208477B1 (ko) * 2014-06-30 2021-01-27 삼성전자주식회사 마이크 운용 방법 및 이를 지원하는 전자 장치
US10446141B2 (en) * 2014-08-28 2019-10-15 Apple Inc. Automatic speech recognition based on user feedback
US10546582B2 (en) * 2014-12-26 2020-01-28 Sony Corporation Information processing device, method of information processing, and program
KR101740636B1 (ko) 2015-03-05 2017-05-26 한국전자통신연구원 음성 인식 기반 발음 평가 방법 및 장치
US9443519B1 (en) * 2015-09-09 2016-09-13 Google Inc. Reducing latency caused by switching input modalities
EP3353766A4 (en) * 2015-09-22 2019-03-20 Vendome Consulting Pty Ltd METHODS FOR AUTOMATED GENERATION OF VOICE SAMPLE ASSET PRODUCTION NOTES FOR USERS OF DISTRIBUTED LANGUAGE LEARNING SYSTEM, AUTOMATED RECOGNITION AND QUANTIFICATION OF ACCENT AND ENHANCED SPEECH RECOGNITION
US10325018B2 (en) * 2016-10-17 2019-06-18 Google Llc Techniques for scheduling language models and character recognition models for handwriting inputs
US10635298B2 (en) * 2017-04-18 2020-04-28 Xerox Corporation Systems and methods for localizing a user interface based on a pre-defined phrase
US20180366110A1 (en) * 2017-06-14 2018-12-20 Microsoft Technology Licensing, Llc Intelligent language selection

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9275635B1 (en) * 2012-03-08 2016-03-01 Google Inc. Recognizing different versions of a language
US20150039299A1 (en) * 2013-07-31 2015-02-05 Google Inc. Context-based speech recognition

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019172735A3 (ko) * 2019-07-02 2020-05-14 엘지전자 주식회사 커뮤니케이션 로봇 및 그의 구동 방법
US11437042B2 (en) 2019-07-02 2022-09-06 Lg Electronics Inc. Communication robot and method for operating the same
WO2021015324A1 (ko) * 2019-07-23 2021-01-28 엘지전자 주식회사 인공지능 에이전트
WO2021054495A1 (ko) * 2019-09-19 2021-03-25 엘지전자 주식회사 디스플레이 장치 및 인공 지능 서버
WO2022158692A1 (ko) * 2021-01-21 2022-07-28 삼성전자 주식회사 포스 터치를 식별하는 전자 장치 및 그 동작 방법
US11977699B2 (en) 2021-04-19 2024-05-07 Samsung Electronics Co., Ltd. Electronic device and operating method of the same
KR102583764B1 (ko) * 2022-06-29 2023-09-27 (주)액션파워 외국어가 포함된 오디오의 음성 인식 방법
US11972756B2 (en) 2022-06-29 2024-04-30 Actionpower Corp. Method for recognizing the voice of audio containing foreign languages

Also Published As

Publication number Publication date
US20180374476A1 (en) 2018-12-27
KR102426717B1 (ko) 2022-07-29
US10777193B2 (en) 2020-09-15

Similar Documents

Publication Publication Date Title
KR102426717B1 (ko) 발화 인식 모델을 선택하는 시스템 및 전자 장치
US10832674B2 (en) Voice data processing method and electronic device supporting the same
KR102371313B1 (ko) 사용자 발화를 처리하는 전자 장치 및 그 전자 장치의 제어 방법
US20210335360A1 (en) Electronic apparatus for processing user utterance and controlling method thereof
US11120792B2 (en) System for processing user utterance and controlling method thereof
US11514890B2 (en) Method for user voice input processing and electronic device supporting same
EP3794809B1 (en) Electronic device for performing task including call in response to user utterance and operation method thereof
KR20190009488A (ko) 컨텍스트 정보에 기반하여 음성 입력을 수신하는 지속 기간을 결정하는 전자 장치 및 시스템
KR20190109916A (ko) 전자 장치 및 상기 전자 장치로부터 수신된 데이터를 처리하는 서버
KR20190068133A (ko) 오디오 데이터에 포함된 음소 정보를 이용하여 어플리케이션을 실행하기 위한 전자 장치 및 그의 동작 방법
CN111640429A (zh) 提供语音识别服务的方法和用于该方法的电子装置
US11151995B2 (en) Electronic device for mapping an invoke word to a sequence of inputs for generating a personalized command
US11361750B2 (en) System and electronic device for generating tts model
US20210217406A1 (en) Voice recognition service operating method and electronic device supporting same
US11244676B2 (en) Apparatus for processing user voice input
US20200051555A1 (en) Electronic apparatus for processing user utterance and controlling method thereof
KR20190130202A (ko) 전자 장치 및 전자 장치의 기능 실행 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant