KR20190065201A - 음성 인식 방법 및 음성 인식 장치 - Google Patents
음성 인식 방법 및 음성 인식 장치 Download PDFInfo
- Publication number
- KR20190065201A KR20190065201A KR1020190059391A KR20190059391A KR20190065201A KR 20190065201 A KR20190065201 A KR 20190065201A KR 1020190059391 A KR1020190059391 A KR 1020190059391A KR 20190059391 A KR20190059391 A KR 20190059391A KR 20190065201 A KR20190065201 A KR 20190065201A
- Authority
- KR
- South Korea
- Prior art keywords
- speech
- voice
- utterance
- word
- processing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 76
- 239000000872 buffer Substances 0.000 claims abstract description 42
- 230000003139 buffering effect Effects 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims description 7
- 230000002194 synthesizing effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003213 activating effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 abstract description 32
- 238000010801 machine learning Methods 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000000926 separation method Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 241000234314 Zingiber Species 0.000 description 1
- 235000006886 Zingiber officinale Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008397 ginger Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G10L15/04—Segmentation; Word boundary detection
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
- H04W52/0229—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a wanted signal
-
- 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
- G10L15/22—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
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/221—Announcement of recognition results
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
탑재된 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 음성 인식을 수행하는 음성 인식 방법 및 음성 인식 장치가 개시된다. 본 발명의 일 실시 예에 따른 음성 인식 방법은, 입력되는 일련의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성을 기설정된 기동어와 비교하여 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단하고, 발화 음성에 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화 시키고 발화 음성으로부터 기동어를 제외한 음성 명령어로서의 발화문을 분리하고, 발화문을 처리하고 처리결과를 출력하는 단계를 포함한다.
본 발명에 의하면, 일련의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성에 기동어가 포함되어 있다면, 음성 인식 기능을 활성화시키고, 발화문의 위치에 상관없이 발화문을 분리하여 처리결과를 출력함으로써 음성 인식 처리 성능을 향상시킬 수 있다.
본 발명에 의하면, 일련의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성에 기동어가 포함되어 있다면, 음성 인식 기능을 활성화시키고, 발화문의 위치에 상관없이 발화문을 분리하여 처리결과를 출력함으로써 음성 인식 처리 성능을 향상시킬 수 있다.
Description
본 발명은 음성 인식 방법 및 장치에 관한 것으로, 더욱 상세하게는 일련의 발화 음성에 대한 버퍼링을 통해 버퍼링한 발화 음성으로부터 기동어 및 발화문을 분리하고, 발화 음성에 기동어가 포함된 경우 발화 음성 내에서 발화문의 위치에 관계없이 발화문에 대한 처리를 수행하는 음성 인식 방법 및 장치에 관한 것이다.
기술이 발달함에 따라 최근 많은 분야에서 음성 인식 기술을 적용한 각종 서비스들이 소개되고 있다. 음성 인식 기술은 사람이 발성하는 음성을 이해하여 컴퓨터가 다룰 수 있는 문자 정보로 변환하는 일련의 과정이라 할 수 있으며, 음성 인식 기술을 이용하는 음성 인식 서비스는 사용자의 음성을 인식하고 이에 해당하는 적합한 서비스를 제공하는 일련의 과정을 포함할 수 있다.
이러한 음성 인식 기술이 적용되는 음성 인식 기반 장치는 특정 명령어가 입력될 때에만 음성 인식이 시작된다. 이때 음성 인식을 시작하는 특정 명령어를 기동어(wake-up word)라 하며, 기동어 인식과 관련된 구성은 연산량이 많지 않으므로 음성 인식 장치에서 항상 작동한다. 즉 기동어는 음성 인식 장치에 미리 등록된 단어로 사용자의 발화 음성에 기동어가 포함되어 있을 경우, 음성 인식 장치는 기동어를 인식하여 이후에 입력되는 음성에 따라 지정된 동작을 수행하도록 할 수 있다.
특히 전자장치를 이용하여 사용자의 음성 신호를 인식하고, 인식한 사용자의 음성 신호가 사전에 설정된 키워드(기동어)인 경우 음성 인식 동작을 수행하는 기술이 선행기술 1 및 선행기술 2에 의해 개시되어 있다.
그러나, 선행기술 1 및 선행기술 2에 따르면 사용자의 발화 음성 중 발화문 이후에 기동어가 존재하는 경우, 기동어가 인식되어야만 음성 인식이 시작되기 때문에, 기동어 앞의 발화문 인식이 불가능한 문제점이 있다.
전술한 선행기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 발명의 일 과제는, 발화문 이후에 기동어가 포함되는 경우, 사용자의 발화 음성으로부터 발화문 인식이 불가능했던 종래 기술의 문제점을 해결하는 것이다.
본 발명의 일 과제는, 발화문 중간에 기동어가 포함되는 경우, 사용자의 발화 음성으로부터 발화문 인식이 불가능했던 종래 기술의 문제점을 해결하는 것이다.
본 발명의 일 과제는, 발화문과 발화문 사이에 기동어가 포함되는 경우, 사용자의 발화 음성으로부터 기동어 이전의 발화문에 대해서는 인식이 불가능했던 종래 기술의 문제점을 해결하는 것이다.
본 발명의 일 과제는, 기동어가 음성 명령으로 의도된 발화문 이후에 나오는 경우에 음성 명령을 인지하지 못하는 종래 기술의 문제점을 최적의 프로세스 자원을 사용하면서 해결하는 것이다.
본 발명의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 따른 음성 인식 방법은 구체적으로 기동어가 포함되었는지 확인되지 않은 음성에 대해서도 일정 구간을 임시로 저장한 후, 기동어가 포함된 경우에는 임시로 저장된 음성을 분석하여 기동어 이전에 발화된 음성 명령도 수행할 수 있도록 한다.
또한 본 발명의 일 실시 예에 따른 음성 인식 방법은, 입력되는 일련의 발화 음성을 버퍼링하는 단계와, 버퍼링한 발화 음성을 기설정된 기동어와 비교하여 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단하는 단계와, 발화 음성에 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화 시키고 발화 음성으로부터 기동어를 제외한 음성 명령어로서의 발화문을 분리하는 단계와, 발화문을 처리하고 처리결과를 출력하는 단계를 포함할 수 있다.
종래에는 발화 음성에 포함된 기동어 이후에 존재하는 발화문만을 분리하여 처리하였으나, 본 실시 예에 따른 음성 인식 방법을 통하여, 일련의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성에 기동어가 포함되어 있다면, 음성 인식 기능을 활성화시키고, 발화문의 위치에 상관없이 발화문을 분리하여 처리결과를 출력함으로써 음성 인식 처리 성능을 향상시킬 수 있다.
또한, 버퍼링하는 단계는, 발화 음성이 입력되는 상황에 대응하여, 버퍼링하는 용량 또는 시간을 가변하여 버퍼링하는 단계를 더 포함할 수 있다.
본 실시 예에 따른 버퍼링 단계를 통하여, 발화 음성이 입력되는 상황 예를 들어, 발화 음성이 입력되는 시간, 발화 음성이 입력되는 장소, 발화 음성의 높낮이, 발화 음성의 정확도, 발화 음성의 성별, 발화 음성의 속도 등에 따라 발화 음성을 버퍼링하는 용량 또는 시간을 가변함으로써 정확한 음성 인식을 수행하기 위한 발화 음성을 확보할 수 있다.
또한, 분리하는 단계는, 발화 음성으로부터 기동어의 이전에 존재하는 발화문을 분리하는 단계와, 발화 음성으로부터 발화문의 중간에 존재하는 기동어를 제외하고 기동어 이전 발화 부분과 기동어 이후 발화 부분을 분리하는 단계와, 발화 음성으로부터 둘 이상의 발화문 사이에 존재하는 기동어를 제외한 둘 이상의 발화문을 분리하는 단계를 더 포함할 수 있다.
본 실시 예에 따른 분리하는 단계를 통하여, 발화 음성에 기동어가 포함되어 있다면 음성 명령의 내용을 인식하기 위한 음성 인식 기능을 활성화시키고, 발화문의 위치와 관계없이 발화 음성으로부터 기동어를 제외하고 음성 명령어로서의 발화문을 분리하여 처리결과를 출력함으로써, 음성 인식 처리 성능을 향상시킬 수 있다.
또한, 출력하는 단계는, 기동어 이전 발화 부분과 기동어 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리한 결과를 출력하는 단계와, 둘 이상의 발화문을 순서대로 처리한 처리결과를 순서대로 출력하는 단계, 또는 둘 이상의 발화문을 일괄적으로 처리한 처리결과를 일괄적으로 출력하는 단계를 포함할 수 있다.
본 실시 예에 따른 출력하는 단계를 통하여, 사용자의 발화 음성에 대응하여 다양한 출력 결과를 제공함으로써 사용자의 음성 인식 장치에 대한 신뢰도를 향상시킬 수 있다.
본 발명의 일 실시 예에 따른 음성 인식 장치는, 입력되는 일련의 발화 음성을 버퍼링하는 버퍼와, 버퍼에 버퍼링한 발화 음성을 기설정된 기동어와 비교하여 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단하는 판단부와, 발화 음성에 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화 시키고 발화 음성으로부터 기동어를 제외한 음성 명령어로서의 발화문을 분리하는 분리부와, 발화문을 처리하고 처리결과가 출력되도록 제어하는 제어부를 포함할 수 있다.
본 실시 예에 따른 음성 인식 장치를 통하여, 일련의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성에 기동어가 포함되어 있다면, 음성 인식 기능을 활성화시키고, 발화문의 위치에 상관없이 발화문을 분리하여 처리결과를 출력함으로써 음성 인식 처리 성능을 향상시킬 수 있다.
또한 본 실시 예에 따른 음성 인식 장치는, 발화 음성이 입력되는 상황에 대응하여, 버퍼의 버퍼링하는 용량 또는 시간을 가변하는 가변부를 더 포함할 수 있다.
본 실시 예에 따른 가변부를 통하여, 발화 음성이 입력되는 상황 예를 들어, 발화 음성이 입력되는 시간, 발화 음성이 입력되는 장소, 발화 음성의 높낮이, 발화 음성의 정확도, 발화 음성의 성별, 발화 음성의 속도 등에 따라 발화 음성을 버퍼링하는 용량 또는 시간을 가변함으로써 정확한 음성 인식을 수행하기 위한 발화 음성을 확보할 수 있다.
또한 분리부는, 발화 음성으로부터 기동어의 이전에 존재하는 발화문을 분리하거나, 발화 음성으로부터 발화문의 중간에 존재하는 기동어를 제외하고 기동어 이전 발화 부분과 기동어 이후 발화 부분을 분리하거나, 발화 음성으로부터 둘 이상의 발화문 사이에 존재하는 기동어를 제외한 둘 이상의 발화문을 분리할 수 있다.
본 실시 예에 따른 분리부를 통하여, 발화 음성에 기동어가 포함되어 있다면 음성 명령의 내용을 인식하기 위한 음성 인식 기능을 활성화시키고, 발화문의 위치와 관계없이 발화 음성으로부터 기동어를 제외하고 음성 명렁어로서의 발화문을 분리하여 처리결과를 출력함으로써, 음성 인식 처리 성능을 향상시킬 수 있다.
또한 제어부는, 기동어 이전 발화 부분과 기동어 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리한 처리결과가 출력되도록 제어하거나, 둘 이상의 발화문을 순서대로 처리한 처리결과가 순서대로 출력되도록 제어하거나, 둘 이상의 발화문을 일괄적으로 처리한 처리결과가 일괄적으로 출력되도록 제어할 수 있다.
본 실시 예에 따른 제어부를 통하여, 사용자의 발화 음성에 대응하여 다양한 출력 결과를 제공함으로써 사용자의 음성 인식 장치에 대한 신뢰도를 향상시킬 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명에 의하면, 일련의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성에 기동어가 포함되어 있다면, 음성 인식 기능을 활성화시키고, 발화문의 위치에 상관없이 발화문을 분리하여 처리결과를 출력함으로써 음성 인식 처리 성능을 향상시킬 수 있다.
또한, 발화 음성이 입력되는 상황에 따라 발화 음성을 버퍼링하는 시간을 가변함으로써 정확한 음성 인식을 수행하기 위한 발화 음성을 확보할 수 있다.
또한, 사용자의 발화 음성에 대응하여 다양한 출력 결과를 제공함으로써 사용자의 음성 인식 장치에 대한 신뢰도를 향상시킬 수 있다.
또한 최적의 프로세서 자원만을 사용하여 사용자가 의도한 음성 명령을 인지 및 처리할 수 있도록 함으로써 음성 인식 장치의 전력 효율을 향상시킬 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 음성 인식 장치, 사용자 단말기, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 음성 인식 환경의 예시도이다.
도 2는 본 발명의 일 실시 예에 따른 음성 인식 장치의 외관을 나타내는 예시도이다.
도 3은 본 발명의 일 실시 예에 따른 음성 인식 장치의 개략적인 블록도이다.
도 4는 도 3의 음성 인식 장치 중 일 실시 예에 따른 음성 처리부의 개략적인 블록도이다.
도 5는 도 3의 음성 인식 장치 중 다른 실시 예에 따른 음성 처리부의 개략적인 블록도이다.
도 6은 도 3의 음성 인식 장치 중 버퍼에 저장되는 사용자의 발화 음성 파형도이다.
도 7은 본 발명의 일 실시 예에 따른 음성 인식 방법의 흐름도이다.
도 8은 본 발명의 다른 실시 예에 따른 음성 인식 방법의 흐름도이다.
도 2는 본 발명의 일 실시 예에 따른 음성 인식 장치의 외관을 나타내는 예시도이다.
도 3은 본 발명의 일 실시 예에 따른 음성 인식 장치의 개략적인 블록도이다.
도 4는 도 3의 음성 인식 장치 중 일 실시 예에 따른 음성 처리부의 개략적인 블록도이다.
도 5는 도 3의 음성 인식 장치 중 다른 실시 예에 따른 음성 처리부의 개략적인 블록도이다.
도 6은 도 3의 음성 인식 장치 중 버퍼에 저장되는 사용자의 발화 음성 파형도이다.
도 7은 본 발명의 일 실시 예에 따른 음성 인식 방법의 흐름도이다.
도 8은 본 발명의 다른 실시 예에 따른 음성 인식 방법의 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 음성 인식 장치, 사용자 단말기, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 음성 인식 환경의 예시도이다.
도 1을 참조하면, 음성 인식 장치(100), 사용자 단말기(200) 및 서버(300)가 네트워크(400)에 의해 서로 통신 연결되어 있는 상태가 묘사되어 있다. 음성 인식 장치(100)는 통신부(도 3의 110)를 포함하고 있어서, 유선 또는 무선 네트워크(400)를 통해 개인 통신 기기에 해당하는 사용자 단말기(200) 및 서버(300)와 데이터를 송신 및 수신할 수 있다.
음성 인식 장치(100)는 사용자의 발화 음성을 수신하고, 인식 및 분석을 통하여 음성 인식 서비스를 제공할 수 있다. 음성 인식 장치(100)는 인공지능(AI) 스피커를 포함할 수 있으며, 음성 입출력 기능이 없는 전자 기기를 제어하는 허브 역할을 할 수 있다.
여기서 발화 음성은 기동어와 발화문을 포함할 수 있다. 기동어는 음성 인식 장치(100)의 음성 인식 기능을 활성화 시키는 특정 명령어로서, 웨이크업 워드(wake-up word)로 명명될 수 있다. 발화 음성에 기동어가 포함되어 있어야 음성 인식 기능이 활성화 될 수 있고, 발화 음성에 기동어가 포함되어 있지 않은 경우 음성 인식 기능이 비활성화(예를 들어, 슬립 모드) 상태를 유지한다. 이러한 기동어는 기설정되어 후술하는 메모리(도 3의 160)에 저장될 수 있다.
또한 발화문은 발화 음성 중 기동어를 제외한 발화 음성으로서, 음성 인식 장치(100)가 실질적으로 처리하여 출력을 생성할 수 있는 음성 명령어를 포함할 수 있다. 예를 들어, 사용자의 발화 음성이 "에어스타 에어컨을 켜줘"인 경우, 기동어는 "에어스타"일 수 있고, 발화문은 "에어컨을 켜줘"일 수 있다. 음성 인식 장치(100)는 사용자의 발화 음성을 수신 및 분석하여 기동어의 존재를 판단하고, 발화문을 실행하여 전자 기기로서의 에어컨(미도시)을 제어할 수 있다.
본 실시 예에서 발화문은 하나의 음성 명령어를 포함하는 단위일 수 있다. 발화문이 하나의 음성 명령어를 포함하는 경우, 기동어는 발화문 이후에, 또는 발화문 이전에, 또는 발화문 사이에 위치할 수 있다. 발화문 사이에 기동어가 위치하는 경우, 발화문은 둘 이상의 발화 부분을 포함할 수 있다. 예를 들어, 사용자의 발화 음성이 "에어컨을 에어스타야 켜줘"인 경우, 발화문인 "에어컨을 켜줘" 사이에 기동어인 "에어스타야"가 위치한 경우가 있을 수 있는데, 이때 발화문은 기동어 이전의 발화 부분 "에어컨을"과 기동어 이후의 발화 부분"켜줘"를 포함할 수 있다. 발화문 사이에서 기동어를 제외하고, 기동어 이전의 발화 부분과 기동어 이후의 발화 부분을 합성하면 하나의 음성 명령어인 발화문이 될 수 있다.
선택적 실시 예로, 발화문은 두 개 이상의 음성 명령어를 포함할 수 있다. 발화문이 두 개 이상의 음성 명령어를 포함하는 경우, 기동어는 첫 번째 발화문과 두 번째 발화문 사이에 위치하거나, 첫 번째 발화문 이전에 위치하거나, 첫 번째 발화문 이후에(두 번째 발화문 이전에와 동일한 위치) 위치하거나, 첫 번째 발화문 사이에 위치하거나, 두 번째 발화문 이후에 위치거나, 두 번째 발화문 사이에 위치할 수 있다. 예를 들어, 사용자의 발화 음성이 "에어컨을 켜줘 에어스타야 그리고 청정 모드로 운전해줘"인 경우, 기동어인"에어스타야"가 첫 번째 발화문인 "에어컨을 켜줘"와 두 번째 발화문인 "그리고 청정 모드로 운전해줘" 사이에 위치해 있음을 알 수 있다. 두 개의 발화문 사이에서 기동어를 제외하고, 기동어 이전의 첫 번째 발화문과 기동어 이후의 두 번째 발화문은 각각 처리되어 처리 결과를 출력하거나, 일괄 처리되어 처리 결과를 출력할 수 있다.
본 실시 예에서 음성 인식 장치(100)는 입력되는 일련의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성을 기설정된 기동어와 비교하여 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단할 수 있다. 음성 인식 장치(100)는 발화 음성에 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화 시키고, 발화 음성으로부터 기동어를 제외한 음성 명령어로서의 발화문을 분리하고, 발화문을 처리하며 처리결과를 출력할 수 있다.
음성 인식 장치(100)는 발화 음성으로부터 기동어의 이전에 존재하는 발화문을 분리하거나, 발화 음성으로부터 발화문의 중간에 존재하는 기동어를 제외하고 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 분리하거나, 발화 음성으로부터 둘 이상의 발화문 사이에 존재하는 기동어를 제외한 둘 이상의 발화문을 분리할 수 있다. 여기서 음성 인식 장치(100)는 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리한 결과를 출력할 수 있다.
사용자 단말기(200)는 서버(300)를 통해 음성 인식 장치(100)의 운전을 제어할 수 있다. 또한 사용자 단말기(200)는 음성 인식 장치(100)로부터 음성 인식 장치(100)의 동작에 관한 각종 메시지를 수신할 수 있다. 이러한 메시지는 그 종류로서 음성 인식 장치(100)의 음성 인식 처리의 시작 및/또는 종료를 알리는 알림 메시지, 음성 인식 장치(100)의 이상 상황 발생을 알리는 경고 메시지 등을 포함할 수 있다. 알림 메시지 및/또는 경고 메시지는 사용자 단말기(200) 및 음성 인식 장치(100)의 사용자 인터페이스(미도시)를 통해 동시에 전송 및 출력될 수 있다.
사용자 단말기(200)는 컴퓨팅 장치(미도시)의 기능을 수행할 수 있는 통신 단말기를 포함할 수 있으며, 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 사용자 단말기(200)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 이러한 사용자 단말기(200)는 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
서버(300)는 각종 인공지능 알고리즘을 적용하는데 필요한 빅데이터 및 음성 인식에 관한 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(300)는 사용자 단말기(200)에 설치된 애플리케이션 또는 웹 브라우저를 이용하여 음성 인식 장치(100)를 원격에서 제어할 수 있도록 하는 웹 서버 또는 애플리케이션 서버를 포함할 수 있다.
여기서 인공 지능(artificial intelligence, AI)은, 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미할 수 있다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다.
서버(300)는 음성 인식 장치(100)로부터 수신한 일련의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성을 기설정된 기동어와 비교하여 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단하여, 발화 음성에 기설정된 기동어가 포함되어 있는 경우, 음성 인식 기능을 활성화 시킴과 더불어 기동어를 제외한 발화 음성을 발화문으로 분리하고, 발화문의 처리결과를 음성 인식 장치(100)로 전송할 수 있다. 즉, 음성 인식 처리 과정이 서버(300)에 의해 수행될 수 있다.
네트워크(400)는 음성 인식 장치(100)와 사용자 단말기(200)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(400)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(400)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(400)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(400)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(400)의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다.
도 2는 본 발명의 일 실시 예에 따른 음성 인식 장치의 외관을 나타내는 예시도이고, 도 3은 본 발명의 일 실시 예에 따른 음성 인식 장치의 개략적인 블록도이다. 이하의 설명에서 도 1에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 2 및 도 3을 참조하면, 음성 인식 장치(100)는 통신부(110), 조작부(120), 근접센서(131) 및 영상센서(132)를 포함하는 센서부(130), 음성 입력부(140), 음성 처리부(150), 메모리(160), 디스플레이부(170), 오디오 출력부(180) 및 제어부(190)를 포함할 수 있다.
통신부(110)는 네트워크(400)와 연동하여 음성 인식 장치(100)와 다른 전자 기기 및/또는 사용자 단말기(200) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 나아가, 통신부(110)는 전자 기기 및/또는 사용자 단말기(200)로부터 소정의 정보 요청 신호를 수신하는 역할을 할 수 있고, 음성 인식 장치(100)가 처리한 정보를 전자 기기 및/또는 사용자 단말기(200)로 전송하는 역할을 수행할 수 있다. 또한 통신부(110)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
조작부(120)는 복수의 조작 버튼(미도시)을 구비하여, 입력되는 버튼에 대응하는 신호를 제어부(190)로 전송할 수 있다. 본 실시 예에서 조작부(120)는 제1 내지 제4 컨택 스위치(미도시)를 포함할 수 있으며, 각각의 컨택 스위치의 출력 신호가 어떻게 처리되는지는 메모리(160)에 기 저장된 프로그램에 의해 정해질 수 있다. 예를 들어, 제1 컨택 스위치 또는 제2 컨택 스위치의 동작 신호에 따라 디스플레이부(170) 상에서 좌방향 또는 우방향으로 표시된 메뉴들이 선택될 수 있으며, 제3 컨택 스위치 또는 제4 컨택 스위치의 동작 신호에 따라 디스플레이부(170) 상에서 상방향 또는 하방향으로 표시된 메뉴들이 선택될 수 있다. 또한 제1 컨택 스위치 내지 제4 컨택 스위치 중 하나를 작동시키면 음성 인식 기능이 활성화될 수 있다.
센서부(130)는 음성 인식 장치(100)의 주변 상황을 센싱하는 근접센서(131) 및 영상센서(132)를 포함할 수 있다. 근접센서(131)는 적외선 등을 활용하여 음성 인식 장치(100) 주변에 위치한 객체(예를 들어 사용자)의 위치 데이터를 획득할 수 있다. 한편, 근접센서(131)가 획득한 사용자의 위치 데이터는 메모리(160)에 저장될 수 있다.
영상센서(132)는 음성 인식 장치(100) 주변을 촬영할 수 있는 카메라(미도시)를 포함할 수 있으며, 촬영 효율을 위해 복수 개가 설치될 수 있다. 예를 들어, 카메라는 적어도 하나의 광학렌즈와, 광학렌즈를 통과한 광에 의해 상이 맺히는 다수개의 광다이오드(photodiode, 예를 들어, pixel)를 포함하여 구성된 이미지센서(예를 들어, CMOS image sensor)와, 광다이오드들로부터 출력된 신호를 바탕으로 영상을 구성하는 디지털 신호 처리기(DSP: digital signal processor)를 포함할 수 있다. 디지털 신호 처리기는 정지영상은 물론이고, 정지영상으로 구성된 프레임들로 이루어진 동영상을 생성할 수 있다. 한편, 영상센서(132)로서의 카메라가 촬영하여 획득된 영상은 메모리(160)에 저장될 수 있다.
본 실시 예에서 센서부(130)를 근접센서(131) 및 영상센서(132)로 한정하고 있으나, 이에 국한되지 않고, 음성 인식 장치(100)의 주변 상황을 감지할 수 있는 센서 예를 들어, 온도 센서, 습도 센서, 진동 센서 등 각종 센서를 구비할 수 있으며, 센서부(130)가 감지한 정보는 메모리(160)에 저장될 수 있다.
음성 입력부(140)는 음성 인식 장치(100)를 향하여 사용자가 발화한 발화 음성을 입력 받을 수 있다. 이를 위해 음성 입력부(140)는 하나 이상의 마이크(미도시)를 구비할 수 있다. 또한 사용자의 발화 음성을 더 정확하게 수신하기 위해 복수의 마이크(미도시)를 구비할 수 있다. 여기서, 복수의 마이크 각각은 서로 다른 위치에 이격되어 배치될 수 있고, 수신한 사용자의 발화 음성을 전기적인 신호로 처리할 수 있다.
선택적 실시 예로 음성 입력부(140)는 사용자의 발화 음성을 수신하는 과정에서 발생하는 노이즈를 제거하기 위한 다양한 노이즈 제거 알고리즘을 사용할 수 있다. 선택적 실시 예로 음성 입력부(140)는 사용자의 발화 음성 수신 시에 노이즈를 제거하는 필터(미도시), 필터에서 출력되는 신호를 증폭하여 출력하는 증폭기(미도시) 등 음성 신호 처리를 위한 각종 구성 요소들을 포함할 수 있다.
음성 처리부(150)는 음성 입력부(140)를 통하여 입력되는 사용자의 발화 음성을 버퍼링하고, 버퍼링한 발화 음성을 기설정된 기동어와 비교하여 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단하고, 발화 음성에 기설정된 기동어가 포함되어 있는 경우, 음성 인식 기능을 활성화 시킴과 더불어 기동어를 제외한 발화 음성을 발화문으로 분리할 수 있다.
음성 처리부(150)는 발화 음성으로부터 기동어의 이전에 존재하는 발화문을 분리하거나, 발화 음성으로부터 기동어의 이후에 존재하는 발화문을 분리하거나, 발화 음성으로부터 발화문의 중간에 존재하는 기동어를 제외하고 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 분리하거나, 발화 음성으로부터 둘 이상의 발화문 사이에 존재하는 기동어를 제외한 둘 이상의 발화문을 분리할 수 있다. 여기서 제어부(190)는 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리한 결과를 출력하도록 제어할 수 있다. 이하, 도 4 및 도 5를 참조하여 음성 처리부(150)를 상세히 설명하기로 한다.
메모리(160)는 음성 인식 장치(100)의 동작에 필요한 각종 정보들을 기록하는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 기록 매체는 제어부(190)에 의해 읽힐 수 있는 데이터를 저장한 것으로, HDD(hard disk drive), SSD(solid state disk), SDD(silicon disk drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등을 포함할 수 있다.
한편, 메모리(160)에는 음성 인식을 위한 데이터가 저장될 수 있고, 제어부(190)는 음성 입력부(140)를 통하여 수신되는 사용자의 발화 음성 신호를 처리하고 음성 인식 과정을 수행할 수 있다.
여기서, 간단한 음성 인식은 음성 인식 장치(100)가 수행하고, 자연어 처리 등 고차원의 음성 인식은 서버(300)에서 수행될 수 있다. 예를 들어, 기설정된 기동어를 포함하는 발화 음성 신호가 수신되는 경우에, 음성 인식 장치(100)는 음성 명령어로서의 발화문을 수신하기 위한 상태로 전환될 수 있다. 이 경우에, 음성 인식 장치(100)는 기동어 음성 입력 여부까지의 음성 인식 과정만 수행하고, 이후의 사용자 발화 음성 입력에 대한 음성 명령어의 내용 해석으로서의 음성 인식은 서버(300)를 통하여 수행할 수 있다. 음성 인식 장치(100)의 시스템 자원에는 한계가 있으므로, 복잡한 자연어 인식 및 처리는 서버(300)를 통하여 수행될 수 있다.
메모리(160)에는 제한적인 데이터가 저장될 수 있다. 예를 들어, 메모리(160)에는 사용자의 발화 음성으로부터 기동어의 존재를 판단하기 위한 기설정된 기동어가 저장될 수 있다. 한편, 기동어는 제조사에 의해 설정될 수 있다. 예를 들어, "에어스타"가 기동어로 설정될 수 있고, 사용자에 의해 설정 변경할 수 있다.
제어부(190)가 처리한 발화문의 처리결과는 출력부를 통해 출력할 수 있으며, 출력부는 디스플레이부(170) 및 오디오 출력부(180)를 포함할 수 있다. 디스플레이부(170)는 사용자의 발화 음성 중 발화문에 대응하는 처리 결과, 동작모드, 동작상태, 에러상태 등을 영상으로 표시할 수 있다. 선택적 실시 예로 디스플레이부(170)는 터치패드와 상호 레이어 구조를 이루어 터치스크린으로 구성될 수 있다. 이 경우에, 디스플레이부(170)는 출력 장치 이외에 사용자의 터치에 의한 정보의 입력이 가능한 입력 장치로도 사용될 수 있다.
디스플레이부(170)는 음성 인식 장치(100)의 운전 모드, 현재 상태, 설정 항목들을 여러 가지 시각적 이미지, 문자, 숫자, 기호로 표시할 수 있고, 아이콘과 같은 그래픽 이미지로 표시할 수 있다. 디스플레이부(170)는 음성 입력의 처리 과정 별로 대응하는 정보를 표시할 수 있다.
오디오 출력부(180)는 오디오 신호를 출력할 수 있는데, 제어부(190)의 제어에 따라 경고음, 동작모드, 동작상태, 에러상태 등의 알림 메시지, 사용자의 발화문에 대응하는 정보, 사용자의 발화문에 대응하는 처리 결과 등을 오디오로 출력할 수 있다. 오디오 출력부(180)는, 제어부(190)로부터의 전기 신호를 오디오 신호로 변환하여 출력할 수 있다. 이를 위해, 스피커(미도시) 등을 구비할 수 있다.
제어부(190)는 디스플레이부(170)를 제어하여 음성 인식 과정 및 전자 기기 제어 과정의 각 단계에 대응하여 시각적 정보를 제공할 수 있고, 오디오 출력부(180)를 제어하여 음성 인식 과정 및 전자 기기 제어 과정의 각 단계에 대응하여 청각적 정보를 제공할 수 있다. 본 실시 예에서 제어부(190)는 음성 처리부(150)가 분리한 발화문의 처리결과를 디스플레이부(170) 및/또는 오디오 출력부(180)를 통하여 출력하도록 제어할 수 있다.
제어부(190)는 일종의 중앙처리장치로서 메모리(160)에 탑재된 제어 소프트웨어를 구동하고, 디스플레이부(170) 및/또는 오디오 출력부(180)를 제어하여 발화문 처리 결과를 출력하는 등의 다양한 기능을 제공할 수 있다. 여기서, 제어부(190)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
본 실시 예에서 음성 인식 장치(100)는 수신하는 사용자의 발화 음성 신호에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 메모리(160)는, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.
머신 러닝의 일종인 딥러닝(deep learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습할 수 있다. 딥러닝은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.
딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 본 실시 예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN, RNN, DBN 등을 포함할 수 있다. RNN은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다. DBN은 딥러닝 기법인 RBM(restricted boltzman machine)을 다층으로 쌓아 구성되는 딥러닝 구조를 포함할 수 있다. RBM 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN을 구성할 수 있다. CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출한 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델을 포함할 수 있다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.
한편, 음성 인식 장치(100)에는 인공신경망(artificial neural network)이 탑재될 수 있고, 수신되는 음성 입력 신호를 입력 데이터로 하는 머신 러닝 기반의 사용자 인식 및 사용자의 음색 인식을 수행할 수 있다.
제어부(190)는 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함될 수 있고, 심층신경망을 학습할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 제어부(190)는 설정에 따라 학습 후 음색 인식 인공신경망 구조를 업데이트시키도록 제어할 수 있다.
도 4는 도 3의 음성 인식 장치 중 일 실시 예에 따른 음성 처리부의 개략적인 블록도이다. 이하의 설명에서 도 1 내지 도 3에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 4를 참조하면, 일 실시 예에 따른 음성 처리부(150)는 제1 버퍼(151-1), 판단부(152) 및 분리부(153)를 포함할 수 있다.
제1 버퍼(151-1)는 음성 입력부(140)를 통하여 입력되는 사용자의 발화 음성을 버퍼링할 수 있다. 여기서 제1 버퍼(151-1)는 사용자의 발화 음성을 버퍼링할 수 있는 용량이 고정된 고정식 버퍼를 포함할 수 있다.
판단부(152)는 제1 버퍼(151-1)에 버퍼링한 사용자의 발화 음성을 메모리(160)에 저장되어 있는 기설정된 기동어와 비교하여, 사용자의 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단할 수 있다.
판단부(152)의 판단 결과, 버퍼링한 발화 음성에 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화하고, 분리부(153)는 버퍼링한 발화 음성으로부터 기동어를 제외한 발화 음성을 발화문으로 분리할 수 있다. 여기서, 버퍼링한 발화 음성은 발화문 이후에 기동어가 존재할 수 있고, 발화문 중간에 기동어가 존재할 수 있고, 기동어 이후에 발화문이 존재할 수 있고, 둘 이상의 발화문 사이에 기동어가 존재할 수 있다. 또한 버퍼링한 발화 음성은 기동어를 포함하는 발화문이거나, 기동어만을 포함하거나, 발화문만을 포함할 수도 있다.
판단부(152)의 판단 결과, 버퍼링한 발화 음성에 기설정된 기동어가 포함되어 있지 않은 경우, 음성 인식 기능을 비활성화(예를 들어 대기 모드)하고, 분리부(153)는 동작 대기 상태를 유지할 수 있다.
분리부(153)는 버퍼링한 발화 음성으로부터 제어부(190)가 처리할 발화문을 분리할 수 있는데, 버퍼링한 발화 음성으로부터 기동어의 이전에 존재하는 발화문을 분리하거나, 버퍼링한 발화 음성으로부터 기동어의 이후에 존재하는 발화문을 분리하거나, 버퍼링한 발화 음성으로부터 발화문의 중간에 존재하는 기동어를 제외하고 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 분리하거나, 버퍼링한 발화 음성으로부터 둘 이상의 발화문 사이에 존재하는 기동어를 제외한 둘 이상의 발화문을 분리할 수 있다.
제어부(190)는 분리부(153)가 분리한 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리한 결과를 출력하도록 제어할 수 있다. 또한 제어부(190)는 분리부(153)가 분리한 발화문을 처리하고, 발화문의 처리결과를 디스플레이부(170) 및/또는 오디오 출력부(180)를 통하여 출력하도록 제어할 수 있다. 여기서 발화문의 처리결과는 음성 인식 장치(100)가 연결된 전자 기기를 발화문에 대응하여 제어한 결과를 포함할 수 있다.
선택적 실시 예로 제어부(190)는 둘 이상의 발화문에 대하여, 둘 이상의 발화문을 순서대로 처리한 처리결과를 순서대로 디스플레이부(170) 및/또는 오디오 출력부(180)를 통하여 출력하도록 제어하거나, 둘 이상의 발화문을 일괄적으로 처리한 후 해당 처리결과를 일괄적으로 디스플레이부(170) 및/또는 오디오 출력부(180)를 통하여 출력하도록 제어할 수 있다.
도 5는 도 3의 음성 인식 장치 중 다른 실시 예에 따른 음성 처리부의 개략적인 블록도이다. 이하의 설명에서 도 1 내지 도 4에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 5를 참조하면, 다른 실시 예에 따른 음성 처리부(150)는 제2 버퍼(151-2), 가변부(151-3), 판단부(152) 및 분리부(153)를 포함할 수 있다.
제2 버퍼(151-2)는 음성 입력부(140)를 통하여 입력되는 사용자의 발화 음성을 버퍼링할 수 있다. 여기서 제2 버퍼(151-2)는 사용자의 발화 음성을 버퍼링할 수 있는 용량이 가변되는 가변식 버퍼를 포함할 수 있다.
가변부(151-3)는 음성 입력부(140)를 통하여 발화 음성이 입력되는 상황에 대응하여 제2 버퍼(151-2)의 버퍼링 용량 또는 버퍼링 시간을 가변할 수 있다.
여기서, 발화 음성이 입력되는 상황이라 함은, 발화 음성이 입력되는 시간, 발화 음성이 입력되는 장소, 발화 음성의 높낮이, 발화 음성의 정확도, 발화 음성의 성별, 발화 음성의 속도 등을 포함할 수 있다. 발화 음성이 입력되는 상황 별로 기준값이 설정되어 있어서, 가변부(151-3)는 발화 음성이 입력되는 상황과 기준값을 비교하여 기준값과 오차범위 내에서 유사한 상황에 대해서는 버퍼링 용량 또는 버퍼링 시간을 현재 상태로 유지하고, 발화 음성이 입력되는 상황과 기준값을 비교하여 기준값을 초과하는 상황에 대해서는 버퍼링 용량 또는 버퍼링 시간을 현재 상태보다 더 적게하고, 발화 음성이 입력되는 상황과 기준값을 비교하여 기준값 미만인 상황에 대해서는 버퍼링 용량 또는 버퍼링 시간을 현재 상태보다 더 크게 가변할 수 있다. 여기서, 발화 음성이 입력되는 상황에 따라 기준값은 서로 다르기 때문에 발화 음성이 입력되는 상황과 기준값을 비교하여 기준값을 초과하는 상황에 대해서는 버퍼링 용량 또는 버퍼링 시간을 현재 상태보다 더 크게 가변하고, 발화 음성이 입력되는 상황과 기준값을 비교하여 기준값 미만인 상황에 대해서는 버퍼링 용량 또는 버퍼링 시간을 현재 상태보다 더 적게 가변할 수도 있다
판단부(152)는 제1 버퍼(151-1)에 버퍼링한 사용자의 발화 음성을 메모리(160)에 저장되어 있는 기설정된 기동어와 비교하여, 사용자의 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단할 수 있다.
판단부(152)의 판단 결과, 버퍼링한 발화 음성에 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화하고, 분리부(153)는 버퍼링한 발화 음성으로부터 기동어를 제외한 발화 음성을 발화문으로 분리할 수 있다. 여기서, 버퍼링한 발화 음성은 발화문 이후에 기동어가 존재할 수 있고, 발화문 중간에 기동어가 존재할 수 있고, 기동어 이후에 발화문이 존재할 수 있고, 둘 이상의 발화문 사이에 기동어가 존재할 수 있다. 또한 버퍼링한 발화 음성은 기동어를 포함하는 발화문이거나, 기동어만을 포함하거나, 발화문만을 포함할 수도 있다.
판단부(152)의 판단 결과, 버퍼링한 발화 음성에 기설정된 기동어가 포함되어 있지 않은 경우, 음성 인식 기능을 비활성화(예를 들어 대기 모드)하고, 분리부(153)는 동작 대기 상태를 유지할 수 있다.
분리부(153)는 버퍼링한 발화 음성으로부터 제어부(190)가 처리할 발화문을 분리할 수 있는데, 버퍼링한 발화 음성으로부터 기동어의 이전에 존재하는 발화문을 분리하거나, 버퍼링한 발화 음성으로부터 기동어의 이후에 존재하는 발화문을 분리하거나, 버퍼링한 발화 음성으로부터 발화문의 중간에 존재하는 기동어를 제외하고 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 분리하거나, 버퍼링한 발화 음성으로부터 둘 이상의 발화문 사이에 존재하는 기동어를 제외한 둘 이상의 발화문을 분리할 수 있다.
제어부(190)는 분리부(153)가 분리한 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리한 결과를 출력하도록 제어할 수 있다. 제어부(190)는 분리부(153)가 분리한 발화문을 처리하고, 발화문의 처리결과를 디스플레이부(170) 및/또는 오디오 출력부(180)를 통하여 출력하도록 제어할 수 있다. 여기서 발화문의 처리결과는 음성 인식 장치(100)가 연결된 전자 기기를 발화문에 대응하여 제어한 결과를 포함할 수 있다.
선택적 실시 예로 제어부(190)는 둘 이상의 발화문에 대하여, 둘 이상의 발화문을 순서대로 처리한 처리결과를 순서대로 디스플레이부(170) 및/또는 오디오 출력부(180)를 통하여 출력하도록 제어하거나, 둘 이상의 발화문을 일괄적으로 처리한 후 해당 처리결과를 일괄적으로 디스플레이부(170) 및/또는 오디오 출력부(180)를 통하여 출력하도록 제어할 수 있다.
도 6은 도 3의 음성 인식 장치 중 버퍼에 버퍼링되는 사용자의 발화 음성 파형도이다. 이하의 설명에서 도 1 내지 도 5에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 6을 참조하면, 도 6a는 종래 기술에 따른 사용자의 발화 음성 파형도를, 도 6b 내지 도 6e는 제1 버퍼(151-1) 또는 제2 버퍼(151-2)에 버퍼링되는 사용자의 발화 음성 파형도를 도시하고 있다.
도 6a를 참조하면, 사용자의 발화 음성이 제1 버퍼(151-1) 또는 제2 버퍼(151-2)에 버퍼링 되지 않으며, 사용자의 발화 음성 중 발화문 이후에 기동어가 존재하는 경우, 기동어가 인식되어야만 음성 인식이 시작되기 때문에, 기동어 앞의 발화문 인식이 불가능하다.
도 6b를 참조하면, 사용자의 발화 음성이 제1 버퍼(151-1) 또는 제2 버퍼(151-2)에 버퍼링되며, 판단부(152)의 판단 결과 사용자의 발화 음성 중 발화문 이후에 기동어가 존재하는 경우를 도시하고 있다. 예를 들어, 사용자의 발화 음성이"에어컨을 켜줘 에어스타"일 수 있으며, 버퍼링한 사용자의 발화 음성에 기동어(에어스타)가 존재하므로, 음성 인식 기능을 활성화 하고, 분리부(153)는 버퍼링한 발화 음성 중 기동어를 제외한 발화문(에어컨을 켜줘)을 분리하고, 제어부(190)는 발화문의 처리결과(에어컨을 켠 상태)를 출력하도록 제어할 수 있다.
도 6c를 참조하면, 사용자의 발화 음성이 제1 버퍼(151-1) 또는 제2 버퍼(151-2)에 버퍼링되며, 판단부(152)의 판단 결과 사용자의 발화 음성 중 기동어의 이전에 발화문이 존재하는 경우를 도시하고 있다. 예를 들어, 사용자의 발화 음성이"에어스타 에어컨을 켜줘"일 수 있으며, 버퍼링한 사용자의 발화 음성에 기동어(에어스타)가 존재하므로, 음성 인식 기능을 활성화 하고, 분리부(153)는 버퍼링한 발화 음성 중 기동어를 제외한 발화문(에어컨을 켜줘)을 분리하고, 제어부(190)는 발화문의 처리결과(에어컨을 켠 상태)를 출력하도록 제어할 수 있다.
도 6d를 참조하면, 사용자의 발화 음성이 제1 버퍼(151-1) 또는 제2 버퍼(151-2)에 버퍼링되며, 판단부(152)의 판단 결과 사용자의 발화 음성 중 발화문 중간 즉, 기동어의 이전 발화 부분과 기동어 이후의 발화 부분에 기동어가 존재하는 경우를 도시하고 있다. 예를 들어, 사용자의 발화 음성이"에어컨을 에어스타 켜줘"일 수 있으며, 버퍼링한 사용자의 발화 음성에 기동어(에어스타)가 존재하므로, 음성 인식 기능을 활성화 하고, 분리부(153)는 버퍼링한 발화 음성 중 기동어를 제외한 발화문(에어컨을 켜줘)을 분리하고, 제어부(190)는 기동어의 이전 발화 부분과 기동어의 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리하고 발화문의 처리결과(에어컨을 켠 상태)를 출력하도록 제어할 수 있다.
도 6e를 참조하면, 사용자의 발화 음성이 제1 버퍼(151-1) 또는 제2 버퍼(151-2)에 버퍼링되며, 판단부(152)의 판단 결과 사용자의 발화 음성 중 두 개의 발화문(발화문1: 기동어 이전의 첫 번째 발화문 및 발화문2: 기동어 이후의 두 번째 발화문) 사이에 기동어가 존재하는 경우를 도시하고 있다. 예를 들어, 사용자의 발화 음성이"에어컨을 켜줘 에어스타 그리고 공기 청정 모드로 동작해"일 수 있으며, 버퍼링한 사용자의 발화 음성에 기동어(에어스타)가 존재하므로, 음성 인식 기능을 활성화 하고, 분리부(153)는 버퍼링한 발화 음성 중 기동어를 제외한 발화문1(에어컨을 켜줘) 및 발화문2(공기 청정 모드로 동작해)를 분리하고, 제어부(190)는 발화문의 처리결과(에어컨을 켜고 공기 청정 모드로 동작하는 상태)를 출력하도록 제어할 수 있다.
도 6b 내지 도 6e를 통하여, 제1 버퍼(151-1) 또는 제2 버퍼(151-2)에 버퍼링한 사용자의 발화 음성에 기동어가 포함되어 있다면, 음성 인식 기능을 활성화시키고, 발화문의 위치에 상관없이 발화문을 분리하여 처리하고 처리결과를 출력함으로써 음성 인식 처리 성능을 향상시킬 수 있다.
도 7은 본 발명의 일 실시 예에 따른 음성 인식 방법의 흐름도이다. 이하의 설명에서 도 1 내지 도 6에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 7을 참조하면, S710단계에서, 음성 인식 장치(100)는 입력되는 사용자의 발화 음성을 버퍼링한다.
S720단계 및 S730단계에서, 음성 인식 장치(100)는 버퍼링한 사용자의 발화 음성을 기설정된 기동어와 비교하여, 사용자의 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단한다.
S740단계에서, 음성 인식 장치(100)는 판단 결과, 버퍼링한 발화 음성에 기설정된 기동어가 포함되어 있지 않은 경우, 음성 인식 기능을 비활성화 상태로 유지시킨다.
S750단계에서, 음성 인식 장치(100)는 판단 결과, 버퍼링한 발화 음성에 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화시킨다.
S760단계에서, 음성 인식 장치(100)는 버퍼링한 발화 음성으로부터 기동어를 제외한 발화 음성을 발화문으로 분리한다.
S770단계에서, 음성 인식 장치(100)는 분리된 발화문을 처리하고, 발화문의 처리결과를 시각적 신호 또는 청각적 신호로 출력한다.
도 8은 본 발명의 다른 실시 예에 따른 음성 인식 방법의 흐름도이다. 이하의 설명에서 도 1 내지 도 7에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 8을 참조하면, S810단계에서, 음성 인식 장치(100)는 입력되는 사용자의 발화 음성을 버퍼링한다.
S820단계에서, 음성 인식 장치(100)는 사용자의 발화 음성이 입력되는 상황에 대응하여 버퍼링 용량 또는 버퍼링 시간을 가변한다.
S830단계 및 S840단계에서, 음성 인식 장치(100)는 버퍼링 용량 또는 버퍼링 시간을 가변하여 버퍼링한 사용자의 발화 음성을 기설정된 기동어와 비교하고, 사용자의 발화 음성에 기설정된 기동어가 포함되어 있는지 여부를 판단한다.
S850단계에서, 음성 인식 장치(100)는 판단 결과, 버퍼링한 발화 음성에 기설정된 기동어가 포함되어 있지 않은 경우, 음성 인식 기능을 비활성화 상태로 유지시킨다.
S860단계에서, 음성 인식 장치(100)는 판단 결과, 버퍼링한 발화 음성에 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화시킨다.
S870단계에서, 음성 인식 장치(100)는 버퍼링한 발화 음성으로부터 기동어를 제외한 발화 음성을 발화문으로 분리한다.
S880단계에서, 음성 인식 장치(100)는 분리된 발화문을 처리하고, 발화문의 처리결과를 시각적 신호 또는 청각적 신호로 출력한다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 음성 인식 장치
110: 통신부
120: 조작부 130: 센서부
140: 음성 입력부 150: 음성 처리부
160: 메모리 170: 디스플레이부
180: 오디오 출력부 190: 제어부
200: 사용자 단말기 300: 서버
400: 네트워크
120: 조작부 130: 센서부
140: 음성 입력부 150: 음성 처리부
160: 메모리 170: 디스플레이부
180: 오디오 출력부 190: 제어부
200: 사용자 단말기 300: 서버
400: 네트워크
Claims (17)
- 음성 인식 장치에 의한 음성 인식 방법으로서,
입력되는 일련의 발화 음성을 버퍼링하는 단계;
버퍼링한 발화 음성을 기설정된 기동어와 비교하여 상기 발화 음성에 상기 기설정된 기동어가 포함되어 있는지 여부를 판단하는 단계;
상기 발화 음성에 상기 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화 시키고, 상기 발화 음성으로부터 상기 기동어를 제외한 음성 명령어로서의 발화문을 분리하는 단계; 및
상기 발화문을 처리하고 처리결과를 출력하는 단계를 포함하는,
음성 인식 방법. - 제 1 항에 있어서,
상기 버퍼링하는 단계는,
상기 발화 음성이 입력되는 상황에 대응하여, 버퍼링하는 용량 또는 시간을 가변하여 버퍼링하는 단계를 더 포함하는,
음성 인식 방법. - 제 1 항에 있어서,
상기 분리하는 단계는,
상기 발화 음성으로부터 상기 기동어의 이전에 존재하는 상기 발화문을 분리하는 단계를 포함하는,
음성 인식 방법. - 제 1 항에 있어서,
상기 분리하는 단계는,
상기 발화 음성으로부터 상기 발화문의 중간에 존재하는 상기 기동어를 제외하고 기동어 이전 발화 부분과 기동어 이후 발화 부분을 분리하는 단계를 포함하는,
음성 인식 방법. - 제 4 항에 있어서,
상기 출력하는 단계는,
상기 기동어 이전 발화 부분과 상기 기동어 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리한 결과를 출력하는 단계를 포함하는,
음성 인식 방법. - 제 1 항에 있어서,
상기 분리하는 단계는,
상기 발화 음성으로부터 둘 이상의 발화문 사이에 존재하는 상기 기동어를 제외한 상기 둘 이상의 발화문을 분리하는 단계를 포함하는,
음성 인식 방법. - 제 6 항에 있어서,
상기 출력하는 단계는,
상기 둘 이상의 발화문을 순서대로 처리한 처리결과를 순서대로 출력하는 단계를 포함하는,
음성 인식 방법. - 제 6 항에 있어서,
상기 출력하는 단계는,
상기 둘 이상의 발화문을 일괄적으로 처리한 처리결과를 일괄적으로 출력하는 단계를 포함하는,
음성 인식 방법. - 컴퓨터를 이용하여 제 1 항 내지 제 8 항의 방법 중 어느 한 항의 방법을 실행시키기 위하여 상기 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
- 입력되는 일련의 발화 음성을 인식하는 장치로서,
상기 입력되는 일련의 발화 음성을 버퍼링하는 버퍼;
상기 버퍼에 버퍼링한 발화 음성을 기설정된 기동어와 비교하여 상기 발화 음성에 상기 기설정된 기동어가 포함되어 있는지 여부를 판단하는 판단부;
상기 발화 음성에 상기 기설정된 기동어가 포함되어 있는 경우 음성 인식 기능을 활성화 시키고, 상기 발화 음성으로부터 상기 기동어를 제외한 음성 명령어로서의 발화문을 분리하는 분리부; 및
상기 발화문을 처리하고 처리결과가 출력되도록 제어하는 제어부를 포함하는,
음성 인식 장치. - 제 10 항에 있어서,
상기 발화 음성이 입력되는 상황에 대응하여, 상기 버퍼의 버퍼링하는 용량 또는 시간을 가변하는 가변부를 더 포함하는,
음성 인식 장치. - 제 10 항에 있어서,
상기 분리부는,
상기 발화 음성으로부터 상기 기동어의 이전에 존재하는 상기 발화문을 분리하는,
음성 인식 장치. - 제 10 항에 있어서,
상기 분리부는,
상기 발화 음성으로부터 상기 발화문의 중간에 존재하는 상기 기동어를 제외하고 기동어 이전 발화 부분과 기동어 이후 발화 부분을 분리하는,
음성 인식 장치. - 제 13항에 있어서,
상기 제어부는,
기동어 이전 발화 부분과 기동어 이후 발화 부분을 합성하여 하나의 음성 명령어로서 처리한 결과가 출력되도록 제어하는,
음성 인식 장치. - 제 10 항에 있어서,
상기 분리부는,
상기 발화 음성으로부터 둘 이상의 발화문 사이에 존재하는 상기 기동어를 제외한 상기 둘 이상의 발화문을 분리하는,
음성 인식 장치. - 제 15 항에 있어서,
상기 제어부는,
상기 둘 이상의 발화문을 순서대로 처리한 처리결과가 순서대로 출력되도록 제어하는,
음성 인식 장치. - 제 15 항에 있어서,
상기 제어부는,
상기 둘 이상의 발화문을 일괄적으로 처리한 처리결과가 일괄적으로 출력되도록 제어하는,
음성 인식 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190059391A KR102224994B1 (ko) | 2019-05-21 | 2019-05-21 | 음성 인식 방법 및 음성 인식 장치 |
| US16/566,655 US11508356B2 (en) | 2019-05-21 | 2019-09-10 | Method and apparatus for recognizing a voice |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190059391A KR102224994B1 (ko) | 2019-05-21 | 2019-05-21 | 음성 인식 방법 및 음성 인식 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190065201A true KR20190065201A (ko) | 2019-06-11 |
| KR102224994B1 KR102224994B1 (ko) | 2021-03-08 |
Family
ID=66846997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190059391A KR102224994B1 (ko) | 2019-05-21 | 2019-05-21 | 음성 인식 방법 및 음성 인식 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11508356B2 (ko) |
| KR (1) | KR102224994B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021002486A1 (ko) * | 2019-07-01 | 2021-01-07 | 엘지전자 주식회사 | 음성인식 방법 및 그 장치 |
| WO2021015308A1 (ko) * | 2019-07-19 | 2021-01-28 | 엘지전자 주식회사 | 로봇 및 그의 기동어 인식 방법 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11269592B2 (en) * | 2020-02-19 | 2022-03-08 | Qualcomm Incorporated | Systems and techniques for processing keywords in audio data |
| CA3143933A1 (en) * | 2020-04-20 | 2021-10-28 | Rovi Guides, Inc. | Enhancing signature word detection in voice assistants |
| US11587564B2 (en) | 2020-04-20 | 2023-02-21 | Rovi Guides, Inc. | Enhancing signature word detection in voice assistants |
| EP3989218A1 (de) * | 2020-10-21 | 2022-04-27 | Deutsche Telekom AG | Bedienungsfreundlicher virtueller sprachassistent |
| US11798549B2 (en) * | 2021-03-19 | 2023-10-24 | Mitel Networks Corporation | Generating action items during a conferencing session |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090123396A (ko) | 2008-05-28 | 2009-12-02 | (주)파워보이스 | 실시간 호출명령어 인식을 이용한 잡음환경에서의음성구간검출과 연속음성인식 시스템 |
| KR20160064258A (ko) | 2014-11-26 | 2016-06-08 | 삼성전자주식회사 | 음성 인식 방법 및 그 전자 장치 |
| KR20180069660A (ko) * | 2016-12-15 | 2018-06-25 | 삼성전자주식회사 | 음성 인식 방법 및 장치 |
| KR20180130889A (ko) * | 2017-05-30 | 2018-12-10 | 엘지전자 주식회사 | 음성 인식 서버 시스템의 동작 방법 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5797123A (en) * | 1996-10-01 | 1998-08-18 | Lucent Technologies Inc. | Method of key-phase detection and verification for flexible speech understanding |
| US20150051913A1 (en) * | 2012-03-16 | 2015-02-19 | Lg Electronics Inc. | Unlock method using natural language processing and terminal for performing same |
| KR102155482B1 (ko) * | 2013-10-15 | 2020-09-14 | 삼성전자 주식회사 | 디스플레이장치 및 그 제어방법 |
| US10192546B1 (en) * | 2015-03-30 | 2019-01-29 | Amazon Technologies, Inc. | Pre-wakeword speech processing |
| EP3179472B1 (en) * | 2015-12-11 | 2020-03-18 | Sony Mobile Communications, Inc. | Method and device for recording and analyzing data from a microphone |
| US9961642B2 (en) * | 2016-09-30 | 2018-05-01 | Intel Corporation | Reduced power consuming mobile devices method and apparatus |
| US20180293974A1 (en) * | 2017-04-10 | 2018-10-11 | Intel IP Corporation | Spoken language understanding based on buffered keyword spotting and speech recognition |
| US11295747B2 (en) * | 2018-03-07 | 2022-04-05 | Dsp Group Ltd. | System and a method for transmission of audio signals |
| US10777195B2 (en) * | 2018-05-31 | 2020-09-15 | International Business Machines Corporation | Wake command nullification for digital assistance and voice recognition technologies |
| WO2020003851A1 (ja) * | 2018-06-27 | 2020-01-02 | ソニー株式会社 | 音声処理装置、音声処理方法及び記録媒体 |
| US11062703B2 (en) * | 2018-08-21 | 2021-07-13 | Intel Corporation | Automatic speech recognition with filler model processing |
| EP3895161B1 (en) * | 2019-02-20 | 2023-07-26 | Google LLC | Utilizing pre-event and post-event input streams to engage an automated assistant |
-
2019
- 2019-05-21 KR KR1020190059391A patent/KR102224994B1/ko active IP Right Grant
- 2019-09-10 US US16/566,655 patent/US11508356B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090123396A (ko) | 2008-05-28 | 2009-12-02 | (주)파워보이스 | 실시간 호출명령어 인식을 이용한 잡음환경에서의음성구간검출과 연속음성인식 시스템 |
| KR20160064258A (ko) | 2014-11-26 | 2016-06-08 | 삼성전자주식회사 | 음성 인식 방법 및 그 전자 장치 |
| KR20180069660A (ko) * | 2016-12-15 | 2018-06-25 | 삼성전자주식회사 | 음성 인식 방법 및 장치 |
| KR20180130889A (ko) * | 2017-05-30 | 2018-12-10 | 엘지전자 주식회사 | 음성 인식 서버 시스템의 동작 방법 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021002486A1 (ko) * | 2019-07-01 | 2021-01-07 | 엘지전자 주식회사 | 음성인식 방법 및 그 장치 |
| WO2021015308A1 (ko) * | 2019-07-19 | 2021-01-28 | 엘지전자 주식회사 | 로봇 및 그의 기동어 인식 방법 |
| US11577379B2 (en) | 2019-07-19 | 2023-02-14 | Lg Electronics Inc. | Robot and method for recognizing wake-up word thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200005768A1 (en) | 2020-01-02 |
| US11508356B2 (en) | 2022-11-22 |
| KR102224994B1 (ko) | 2021-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20190065201A (ko) | 음성 인식 방법 및 음성 인식 장치 | |
| KR102246936B1 (ko) | 음성 인식 방법 및 음성 인식 장치 | |
| KR102225001B1 (ko) | 음성 인식 방법 및 음성 인식 장치 | |
| US11217246B2 (en) | Communication robot and method for operating the same | |
| US20210065704A1 (en) | Method and apparatus for providing speech recognition service | |
| KR20210050747A (ko) | 음성 처리 방법 및 음성 처리 장치 | |
| US11302324B2 (en) | Speech processing method and apparatus therefor | |
| US11030991B2 (en) | Method and device for speech processing | |
| KR20190083629A (ko) | 음성 인식 방법 및 음성 인식 장치 | |
| US11386895B2 (en) | Speech processing method and apparatus therefor | |
| US11328718B2 (en) | Speech processing method and apparatus therefor | |
| KR20210010270A (ko) | 로봇 및 그의 기동어 인식 방법 | |
| US20200043498A1 (en) | Artificial intelligence apparatus and method for recognizing speech of user in consideration of word usage frequency | |
| KR20180069660A (ko) | 음성 인식 방법 및 장치 | |
| US11437042B2 (en) | Communication robot and method for operating the same | |
| KR20190096308A (ko) | 전자기기 | |
| US11514902B2 (en) | Speech recognition method and apparatus therefor | |
| US20210082421A1 (en) | Method and device for speech processing | |
| US11373656B2 (en) | Speech processing method and apparatus therefor | |
| KR102658691B1 (ko) | 정보 제공 방법 및 정보 제공 장치 | |
| KR20210079061A (ko) | 정보 처리 방법 및 정보 처리 장치 | |
| US11217249B2 (en) | Information processing method and apparatus therefor | |
| KR20190090746A (ko) | 디스플레이 장치 및 그의 구동 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |