KR20190074011A - 음성 인식 장치 및 방법 - Google Patents

음성 인식 장치 및 방법 Download PDF

Info

Publication number
KR20190074011A
KR20190074011A KR1020170175338A KR20170175338A KR20190074011A KR 20190074011 A KR20190074011 A KR 20190074011A KR 1020170175338 A KR1020170175338 A KR 1020170175338A KR 20170175338 A KR20170175338 A KR 20170175338A KR 20190074011 A KR20190074011 A KR 20190074011A
Authority
KR
South Korea
Prior art keywords
voice
signal
data
user
speech
Prior art date
Application number
KR1020170175338A
Other languages
English (en)
Other versions
KR102420567B1 (ko
Inventor
서찬원
김예훈
윤소정
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 KR1020170175338A priority Critical patent/KR102420567B1/ko
Priority to PCT/KR2018/016219 priority patent/WO2019124963A1/ko
Priority to CN201880082848.XA priority patent/CN111492425A/zh
Priority to US16/770,243 priority patent/US20200372911A1/en
Publication of KR20190074011A publication Critical patent/KR20190074011A/ko
Application granted granted Critical
Publication of KR102420567B1 publication Critical patent/KR102420567B1/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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • 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
    • G10L15/16—Speech classification or search using artificial neural networks
    • 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
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • 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
    • G10L15/24—Speech recognition using non-acoustical features
    • G10L15/25—Speech recognition using non-acoustical features using position of the lips, movement of the lips or face analysis
    • 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
    • G10L17/00—Speaker identification or verification techniques
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • 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
    • G10L2015/223—Execution procedure of a spoken command
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • User Interface Of Digital Computer (AREA)
  • Telephonic Communication Services (AREA)

Abstract

음성 인식 장치 및 방법이 제공된다. 음성 인식 장치는, 마이크로폰, 및 마이크로폰을 통해 음성 신호를 수신하고, 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 수신된 음성 신호를 분석함으로써 음성 특성 데이터를 생성하고, 음성 특성 데이터에 기초하여 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정하고, 음성 신호를 사용자로부터 발화된 음성으로 결정함에 따라, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행하는 프로세서를 포함할 수 있다.
또한, 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하는 인공지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관련된 것이다.

Description

음성 인식 장치 및 방법{METHOD AND DEVICE FOR VOICE RECOGNITION}
본 개시는 음성 인식 장치 및 방법에 관한 것이다.
또한, 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하는 인공지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관련된 것이다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
최근, 음성 인식 분야에 있어서, 사용자의 음성 명령으로부터, 사용자의 의도를 파악하고 사용자가 원하는 서비스를 제공하는 음성 인식 장치에 대한 연구가 요구되고 있다.
음성 인식 장치 및 방법을 제공하는 데 있다. 또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는 데 있다. 해결하려는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
일 측면에 따른 음성 인식 장치는, 마이크로폰, 및 마이크로폰을 통해 음성 신호를 수신하고, 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 수신된 음성 신호를 분석함으로써 음성 특성 데이터를 생성하고, 음성 특성 데이터에 기초하여 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정하고, 음성 신호를 사용자로부터 발화된 음성으로 결정함에 따라, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행하는 프로세서를 포함할 수 있다.
다른 측면에 따른 음성 인식 장치의 동작 방법은, 마이크로폰을 통해 음성 신호를 수신하는 단계, 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 수신된 음성 신호를 분석함으로써 음성 특성 데이터를 생성하는 단계, 데이터 인식 모델을 이용하여, 음성 특성 데이터에 기초하여 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정하는 단계, 및 음성 신호를 사용자로부터 발화된 음성으로 결정함에 따라, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행하는 단계를 포함할 수 있다.
또 다른 측면에 따른 컴퓨터로 읽을 수 있는 기록매체는 상술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체를 포함한다.
도 1은 일 실시 예에 따른 음성 인식 장치가 동작하는 일 예를 도시하는 도면이다.
도 2는 일 실시 예에 따른 음성 인식 장치의 동작 방법의 흐름도이다.
도 3a은 일 실시 예에 따른 음성 신호를 검출하는 예를 설명하기 위한 흐름도이다.
도 3b는 일 실시 예에 따른 음성 신호를 검출하는 예를 설명하기 위한 도면이다.
도 4a는 일 실시 예에 따른 사용자의 음성과 외부 디바이스의 음성을 구분하는 예를 설명하기 위한 흐름도이다.
도 4b는 일 실시 예에 따른 음성 인식 장치가 외부 디바이스의 음성을 필터링하는 일 예를 설명하기 위한 도면이다.
도 4c는 일 실시 예에 따라 동일한 사용자의 발화 소리와 녹음된 소리의 재생 소리의 구분을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 음성 특성 데이터를 생성하는 일 예를 설명하기 위한 흐름도이다.
도 6은 일 실시 예에 따른 음성 특성 데이터를 생성하는 일 예를 설명하기 위한 도면이다.
도 7은 일 실시 예에 따른 음성 특성 데이터를 생성하는 다른 일 예를 설명하기 위한 흐름도이다.
도 8은 일 실시 예에 따른 음성 특성 데이터를 생성하는 다른 일 예를 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 음성 특성 데이터를 생성하는 다른 일 예를 설명하기 위한 흐름도이다.
도 10은 일 실시 예에 따른 음성 특성 데이터를 생성하는 다른 일 예를 설명하기 위한 도면이다.
도 11은 일 실시 예에 따른 주변 영상을 이용하여 사용자의 음성과 외부 디바이스의 음성을 구분하는 예를 설명하기 위한 흐름도이다.
도 12는 일 실시 예에 따른 주변 영상을 이용하여 사용자의 음성과 외부 디바이스의 음성을 구분하는 예를 설명하기 위한 도면이다.
도 13은 일 실시 예에 따른 음성 명령 권한이 부여된 사용자를 식별하는 예를 설명하기 위한 흐름도이다.
도 14는 다른 일 실시 예에 따른 음성 명령 권한이 부여된 사용자를 식별하는 예를 설명하기 위한 흐름도이다.
도 15는 일 실시 예에 따른 음성 명령 권한이 부여된 사용자를 식별하는 예를 설명하기 위한 도면이다.
도 16은 일 실시예에 따른 음성 인식 장치의 블록 구성도(block diagram)이다.
도 17는 일 실시예에 따른 음성 인식 장치의 상세 블록 구성도(block diagram)이다.
도 18은 일 실시예에 따른 프로세서의 블록도이다.
도 19는 일 실시예에 따른 데이터 학습부의 블록도이다.
도 20은 일 실시예에 따른 데이터 인식부의 블록도이다.
도 21은 일 실시예에 따른 음성 인식 장치 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
실시 예들에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 “…부”, “…모듈” 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
이하에서는 도면을 참조하여 본 발명의 실시 예들을 상세히 설명한다.
도 1은 일 실시 예에 따른 음성 인식 장치가 동작하는 일 예를 도시하는 도면이다.
일 실시 예에 따라, 음성 인식 장치(1000, 도 16, 17 참조)(이하, 음성 인식 장치(1000))는 사용자의 음성 명령을 인식할 수 있는 장치이다. 일 실시 예에 따른 음성 인식 장치(1000)는, 인식된 사용자의 음성 명령에 대응하는 기능을 수행할 수 있는 음성 인식 스피커일 수 있으며, 이에 한정되지 않는다. 예를 들어, 음성 인식 장치(1000)는, 사용자의 질문에 대한 답변을 제공(예컨대, 날씨 문답, 일정 관리 등) 할 수 있고, 웹 서버 등에 접속하여 상품을 주문하고 결재하는 서비스를 제공할 수 있으며, 이에 제한되지 않는다. 또한, 음성 인식 장치(1000)는 다른 장치들과 연결되어 다른 장치들을 제어하는 기능(예컨대, 가전 제품 제어 등)을 수행할 수도 있다.
도 1을 참조하면, 일 실시 예에 따른 음성 인식 장치(1000)는, 사용자(10)의 음성(예컨대, “맛있는 피자 주문해줘”, 101) 입력을 수신하면, 수신된 음성 입력 신호가 사용자(10)로부터 직접 발화된 음성이 맞는지를 판단할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는, 수신된 음성 신호가 음성 인식 장치(1000)로부터 소정 거리 내에 있는 사용자(10)로부터 직접 발화된 음성 인지, 또는 다른 외부 디바이스(예컨대, TV, 라디오 등과 같은 음향 출력 장치)(미도시)(이하, 외부 디바이스 또는, 음향 출력 장치)로부터 출력된 음성인지를 판단하기 위해, 음성 신호 분석에 적용하도록 학습된 하나 이상의 데이터 인식 모델을 이용할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는, DNN(Deep Neural Network), RNN(Recurrent Neural Network) 등의 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용할 수 있다.
음성 인식 장치(1000)는 뉴럴 네트워크(Neural Network)를 기반으로 하는 하나 이상의 데이터 인식 모델을 이용하여, 마이크로폰(1620, 도 16, 17 참조)(이하, 마이크로폰(1620))을 통해 입력되는 음성 신호를 분석함으로써 음성 특성 데이터를 생성하고, 음성 특성 데이터에 기초하여 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 장치로부터 출력된 음성인지를 결정할 수 있다.
일 실시 예에 따라, 음성 특성 데이터는, 음성 신호의 파형, 주파수, 진폭 등의 음성 신호 특성을 분석함으로써 생성된 정보를 포함할 수 있다. 예를 들어, 음성 특성 데이터는, 음성 신호가 아날로그 신호인지, 디지털 신호인지, 압축된 신호로부터 복원된 신호인지, 전기적 노이즈(noise)가 포함되어 있는지 등에 관해 분석된 정보를 포함할 수 있다.
음성 특성 데이터에 관해서는, 후술할 도 5 내지 도 10에서 보다 상세히 설명하기로 한다.
일 실시 예에 따르면, 음성 인식 장치(1000)는, 수신된 음성 신호가 사용자로부터 직접 발화된 음성 명령이 아닌, 다른 음향 출력 장치(미도시)로부터 출력된 음성 신호인 것으로 판단하면, 수신된 음성 신호를 필터링(filtering)함으로써, 수신된 음성 신호를 음성 명령이 아닌 것으로 구분할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 다른 음향 출력 장치(미도시)로부터 출력되는 사람의 음성 신호(예컨대, TV에서 출력되는 사용자 음성, 휴대폰에서 출력되는 녹음된 사용자 음성 등)를 수신하더라도, 음성 인식 장치(1000)에 대한 음성 명령으로 오인하지 않음으로써, 사용자가 의도하지 않은 동작을 음성 인식 장치가 불필요하게 수행하는 상황을 방지할 수 있다.
도 1은 일 실시 예를 도시한 것으로서 이에 한정되지 않는다.
도 1에서는, 일 실시 예로서 음성 인식 장치(1000)를 음성 인식 스피커로 도시하고 있으나, 이에 제한되지 않는다.
일 실시 예에 따른 음성 인식 장치(1000)는 음성 인식 기능을 수행하는 전자 장치로 구현될 수 있다. 예를 들어, 음성 인식 장치(1000)는, 스마트 TV, 셋탑 박스, 휴대폰, 태블릿 PC, 디지털 카메라, 노트북 컴퓨터(laptop computer), 데스크탑, 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 착용형 기기(wearable device) 등과 같은 다양한 전자 장치로 구현될 수 있다.
도 2는 일 실시 예에 따른 음성 인식 장치의 동작 방법의 흐름도이다.
도 2의 단계 S201에서, 음성 인식 장치(1000)는 음성 신호를 수신할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는, 마이크로폰(1620, 도 16, 17 참조)(이하, 마이크로폰(1620))을 통해 음성 신호를 수신할 수 있다. 일 실시 예에 따라, 음성 인식 장치(1000)의 프로세서(1300, 도 16, 17 참조)(이하, 프로세서(1300))는, 음성 인식을 위한 애플리케이션을 실행하고, 실행된 애플리케이션을 제어함으로써 마이크로폰(1620)를 통하여 입력되는 음성 입력을 수신할 수 있다.
단계 S202에서, 음성 인식 장치(1000)는 수신된 음성 신호를 분석함으로써 음성 특성 데이터를 생성할 수 있다.
사용자로부터 발화된 음성과 음향 출력 장치(예컨대, TV, 라디오 등)로부터 출력되는 음성은, 음성 신호의 파형, 주파수 등의 음성 신호의 특성이 상이할 수 있다. 예를 들어, 사용자로부터 발화된 음성 신호는 아날로그 신호이고, 음향 출력 장치로부터 출력되는 음성 신호는 압축된 디지털 신호의 복원 신호 일 수 있다. 또한, 사용자로부터 발화된 음성 신호와 달리, 음향 출력 장치로부터 출력되는 음성 신호는 전기적 노이즈가 포함되어 있을 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는, 음성 신호를 분석하여 음성 특성 데이터를 생성하기 위해, 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는, 하나 이상의 데이터 인식 모델을 이용하여, 입력된 음성 신호의 파형, 주파수 등을 분석함에 따라 획득된 정보를 포함하는 음성 특성 데이터를 생성할 수 있다. 예를 들어, 음성 특성 데이터는, 음성 신호가 아날로그 신호인지, 디지털 신호인지, 압축된 신호로부터 복원된 신호인지 등에 관한 정보를 포함할 수 있다.
단계 S203에서, 음성 인식 장치(1000)는 음성 특성 데이터에 기초하여, 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 음성 특성 데이터에 기초하여 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 장치로부터 출력된 음성인지를 결정하기 위해, 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용할 수 있다.
예를 들어, 음성 인식 장치(1000)는, 하나 이상의 데이터 인식 모델을 이용하여, 수신한 음성 신호 분석에 따라 음성 신호가 아날로그 신호이고 전기적 노이즈를 포함하지 않은 신호라는 정보를 포함하는 음성 특성 데이터에 기초하여, 음성 신호가 외부 디바이스로부터 출력된 음성이 아닌, 사용자로부터 직접 발화된 음성인 것으로 결정할 수 있다.
단계 S204에서, 음성 인식 장치(1000)는, 음성 신호를 사용자로부터 발화된 음성으로 결정함에 따라, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 음성 신호를 사용자의 음성 명령으로 결정하고, 음성 명령의 의미와 사용자의 의도를 판단하여 사용자의 음성 명령에 부합하는 기능을 수행할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여 사용자의 음성 명령을 분석하여 사용자의 의도에 맞는 동작을 수행할 수 있다. 예를 들어, 도 1에 도시한 바와 같이, 음성 인식 장치(1000)는 사용자의 음성 명령(“맛있는 피자 주문해줘”(101))에 따라, 피자를 주문할 수 있는 웹 사이트에 접속하고 사용자의 기호에 맞는 피자의 종류를 결정하여 주문 및 결제 기능을 수행할 수 있다.
일 실시 예에 따르면, 음성 인식 장치(1000)가 수신한 음성 신호를 분석하여 음성 신호가 사용자로부터 직접 발화된 음성인 것으로 결정된 경우에 음성 명령을 수행하므로, 외부 디바이스의 음성 출력을 음성 명령으로 오인할 위험을 방지할 수 있다. 일 실시 예에 따르면, 사용자가 의도하지 않은 동작을 음성 인식 장치가 불필요하게 수행하는 상황을 방지할 수 있다.
도 1 내지 도 2는 일 실시 예를 도시한 것으로서 이에 한정되지 않는다.
도 3a은 일 실시 예에 따른 음성 신호를 검출하는 예를 설명하기 위한 흐름도이다. 도 3b는 일 실시 예에 따른 음성 신호를 검출하는 예를 설명하기 위한 도면이다. 도 3a의 흐름도를 설명하면서, 도 3b의 도면을 참조하여 설명하기로 한다.
도 3의 단계 S301에서, 음성 인식 장치(1000)는, 마이크로폰(1620)을 통해 입력되는 소리를 수신할 수 있다.
일 실시 예에 따라, 마이크로폰(1620)을 통해 입력되는 소리는, 사람의 목소리 뿐만 아니라, 주변의 소음을 포함할 수 있다.
도 3b를 참조하면, 예를 들어, 음성 인식 장치(1000)의 마이크로폰(1620)은, 자동차의 운행 또는 경적 소리(411), 사람의 음성 소리(412), 동물의 소리(413) 등을 포함하는 소리를 수신할 수 있다. 서로 다른 음원으로부터 발생된 각각의 소리는 서로 다른 파형을 가질 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)의 마이크로폰(1620)이 동작함에 따라, 마이크로폰(1620)을 통해 입력되는 소리는 통합된 음성 신호(414)로 인식될 수 있다.
도 3a의 단계 S302에서, 음성 인식 장치(1000)는, 수신된 소리로부터 음성 신호를 검출할 수 있다.
도 3b를 참조하면, 예를 들어, 음성 인식 장치(1000)는 통합된 음성 신호(414)로부터 사람의 음성 소리(415)를 검출할 수 있다. 일 실시 예에 따라, 음성 인식 장치(1000)는 음성 신호 분석에 적용되는 하나 이상의 데이터 인식 모델을 이용하여, 수신된 음성 신호로부터 사람의 음성 신호만을 검출할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 사람의 음성과 소음의 주파수 특성과 상대적 에너지를 분석함으로써, 사람의 음성과 소음을 구분할 수 있다. 음성 인식 장치(1000)는 입력되는 소리를 아주 작은 시간 단위로 분할하고 각 구간(frame)별로 소리의 주파수나 에너지가 어떻게 변하는지 분석할 수 있다.예를 들어, 소음과 음성을 구분하기 위해 영교차율(ZCR; Zero-Crossing Rate)이 이용될 수 있다. 소리를 시간 단위로 분할한 각 구간(frame) 별로 소리가 얼마나 자주 0점을 통과하는지 계산하고, 그 때의 에너지 값을 산출하여 소리의 특성을 파악할 수 있다.
도 4a는 일 실시 예에 따른 사용자의 음성과 외부 디바이스의 음성을 구분하는 예를 설명하기 위한 흐름도이다. 도 4b는 일 실시 예에 따른 음성 인식 장치가 외부 디바이스의 음성을 필터링하는 일 예를 설명하기 위한 도면이다. 도 4a의 흐름도를 설명하면서, 도 4b의 도면을 참조하여 설명하기로 한다.
도 4a의 단계 S401에서, 음성 인식 장치(1000)는, 음성 특성 데이터에 기초하여 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정할 수 있다.
단계 S402에서, 음성 인식 장치(1000)는, 음성 신호를 사용자로부터 발화된 음성으로 결정함에 따라, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행할 수 있다.
단계 S401, S402는, 도2의 단계 S203, S204에 관한 설명에서 상술하였으므로, 생략하기로 한다.
단계 S403에서, 음성 인식 장치(1000)는, 음성 신호를 외부 디바이스로부터 출력된 음성으로 결정함에 따라, 음성 신호를 필터링(filtering)할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 수신한 음성 신호가 사용자로부터 직접 발화된 음성이 아닌, 주변의 음향 출력 장치(예컨대, TV, 라디오, 스마트 폰 등)으로부터 출력된 음성으로 결정함에 따라, 음성 신호가 사용자의 음성 명령이 아닌 것으로 판단하고 필터링(filtering)할 수 있다. 음성 인식 장치(1000)는 필터링(filtering)된 음성 신호에 대해서는 음성 명령의 의미를 분석하지 않으며 음성 명령에 따른 동작을 수행하지 않는다.
도 4b를 참조하면, 예를 들어, 음성 인식 장치(1000)가 수신한 음성 신호(“맛있는 피자 주문해줘”(401))가 사용자로부터 직접 발화된 음성이 아닌, 외부 디바이스(200)(이하, 외부 디바이스(200) 또는, 음향 출력 장치(200))로부터 출력된 음성 신호인 것으로 판단함에 따라, 음성 신호의 의미를 분석하지 않고 추가적인 동작을 수행하지 않을 수 있다.
일 실시 예에 따르면, 사용자가 의도하지 않은 기능을 음성 인식 장치가 불필요하게 수행하는 상황을 방지할 수 있다.
도 4c는 일 실시 예에 따라 동일한 사용자의 발화 소리와 녹음된 소리의 재생 소리의 구분을 설명하기 위한 도면이다.
일 실시 예에 따라, 동일한 사용자의 목소리이더라도, 사용자로부터 직접 발화된 소리(421)와 녹음된 사용자의 목소리를 음향 출력 장치(예컨대, 휴대폰 등)에서 재생한 소리(422)는 음성 신호의 파형, 진폭, 주파수 등이 상이할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 입력되는 소리를 아주 작은 시간 단위로 분할하고 각 구간(frame)별로 음성 신호의 주파수 특성 등을 분석함으로써, 사용자로부터 직접 발화된 소리인지 녹음된 음성의 재생 소리인지 구분할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 음성 신호 분석에 적용되는 하나 이상의 데이터 인식 모델을 이용하여, 수신된 음성 신호가 사용자로부터 직접 발화된 소리인지 녹음된 음성의 재생 소리인지 구분할 수 있다.
도 3a 내지 도 4c는 일 실시 예를 도시한 것으로서 이에 한정되지 않는다.
도 5는 일 실시 예에 따른 음성 특성 데이터를 생성하는 일 예를 설명하기 위한 흐름도이다. 도 6은 일 실시 예에 따른 음성 특성 데이터를 생성하는 일 예를 설명하기 위한 도면이다. 도 5의 흐름도를 설명하면서, 도 6의 도면을 참조하여 설명하기로 한다.
도 5의 단계 S501에서, 음성 인식 장치(1000)는, 음성 신호를 수신할 수 있다.
단계 S501는 도 2의 단계 S201에 관한 설명에서 상술하였으므로, 생략하기로 한다.
또한, 도 3의 S301, S302에서 상술한 바와 같이, 음성 인식 장치(1000)는 마이크로폰(1620)을 통해 입력된 소리로부터 음성 신호를 검출하는 단계를 수행할 수 있다.
단계 S502에서, 음성 인식 장치(1000)는, 음성 신호가 압축된 음성 신호로부터 복원된 신호인지를 분석함으로써 음성 특성 데이터를 생성할 수 있다.
음향 출력 장치(200)가 출력하는 음성 신호는, 음향 출력 장치(200)의 메모리에 저장된 음성 파일을 재생하거나, 다른 장치 또는 서버로부터 수신되는 음성 파일을 재생함으로써 출력되는 음성 신호, 또는, 방송 수신부(1530, 도 17)를 통해 수신되는 방송 신호에 포함된 음성 신호일 수 있으며, 이에 한정되지 않는다.
일 실시 예에 따라 음향 출력 장치(200)가 출력하는 음성 신호는, 예컨대, CELP(code excited linear prediction)를 이용하여, 압축된 신호가 복원된 신호일 수 있다. 또한, 예컨대, 음향 출력 장치(200)가 출력하는 음성 신호는, MP3, AC3, AAC(Advanced Audio Coding) 등의 코덱을 이용하여, 압축된 신호가 복원된 복원 신호일 수 있다. 음성 신호를 압축 및 복원 하는 과정에서 신호의 손실이 발생할 수 있다. 예를 들어, 사람이 잘 듣지 못하는 주파수 영역에 있어서 신호의 손실이 발생할 수 있다.
음성 인식 장치(100)는 음성 신호가 압축된 음성 신호로부터 복원된 신호인지 분석한 정보를 포함하는 음성 특성 데이터를 생성할 수 있다.
도 6을 참조하면, 예를 들어, 음성 인식 장치(1000)는 음성 신호의 주파수, 파형 등을 분석함으로써, 압축된 디지털 신호인지(601) 또는 압축되지 않은 아날로그 신호(602)인지 구분할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 음성 신호가 압축되지 않은 아날로그 신호인 것으로 판단되면, 사용자로부터 직접 발화된 음성 신호로 판단할 수 있다. 또는, 음성 인식 장치(100)는 사용자로부터 발화된 음성 신호일 확률이 높은 것으로 판단할 수 있다.
일 실시 예에 따라, 음성 인식 장치(100)는 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 음성 신호의 압축 적용 여부 또는 압축 적용 여부의 확률을 판단함으로써 음성 특성 데이터를 생성할 수 있다. 또한, 음성 인식 장치(100)는 데이터 인식 모델을 이용하여, 음성 특성 데이터에 기초하여, 음성 신호가 사용자로부터 발화된 음성인지 또는 음향 출력 장치(200)로부터 출력된 음성인지 판단할 수 있다.
또한, 음성 인식 장치(1000)는, 후술할 도 8 내지 도 15의 음성 신호 분석에 따라 생성되는 음성 특성 데이터에 포함된 적어도 하나의 정보를 함께 고려하여, 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정할 수 있다.
도 5 내지 도 6은 일 실시 예를 도시한 것으로서 이에 한정되지 않는다.
도 7은 일 실시 예에 따른 음성 특성 데이터를 생성하는 다른 일 예를 설명하기 위한 흐름도이다. 도 8은 일 실시 예에 따른 음성 특성 데이터를 생성하는 다른 일 예를 설명하기 위한 도면이다. 도 7의 흐름도를 설명하면서, 도 8의 도면을 참조하여 설명하기로 한다.
도 7의 단계 S701에서, 음성 인식 장치(1000)는, 음성 신호를 수신할 수 있다.
단계 S701은 도 2의 단계 S201에 관한 설명에서 상술하였으므로, 생략하기로 한다.
또한, 도 3의 S301, S302에서 상술한 바와 같이, 음성 인식 장치(1000)는 마이크로폰(1620)을 통해 입력된 소리로부터 음성 신호를 검출하는 단계를 수행할 수 있다.
단계 S702에서, 음성 인식 장치(1000)는, 음성 신호에 전기적 노이즈가 포함되었는지를 분석함으로써 음성 특성 데이터를 생성할 수 있다.
음향 출력 장치(200)(예컨대, 스마트 폰 등)로부터 출력되는 음성 신호(예컨대, 사용자의 음성이 녹음된 음성 파일의 음성 신호)에는 전기적 노이즈가 포함되어 있을 수 있다.
도 8을 참조하면, 예를 들어, 음성 인식 장치(100)는 음성 신호의 파형, 주파수 등을 분석함으로써 음성 신호에 전기적 노이즈가 포함된 신호인지(603) 또는 전기적 노이즈가 포함되지 않은 신호인지(604) 판단할 수 있다. 음성 인식 장치(100)는 음성 신호에 전기적 노이즈가 포함되었는지 분석한 정보를 포함하는 음성 특성 데이터를 생성할 수 있다.
일 실시 예에 따라, 음성 인식 장치(100)는 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 음성 신호의 전기적 노이즈 포함 여부 또는 포함 여부의 확률을 판단함으로써 음성 특성 데이터를 생성할 수 있다. 또한, 음성 인식 장치(1000)는 데이터 인식 모델을 이용하여, 음성 특성 데이터에 기초하여, 음성 신호가 사용자로부터 발화된 음성인지 또는 음향 출력 장치(200)로부터 출력된 음성인지 판단할 수 있다.
또한, 음성 인식 장치(1000)는, 도 5, 6, 7, 및 후술할 도 10 내지 도 15의 음성 신호 분석에 따라 생성되는 음성 특성 데이터에 포함된 적어도 하나의 정보를 함께 고려하여, 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정할 수 있다.
도 7 내지 도 8은 일 실시 예를 도시한 것으로서 이에 한정되지 않는다.
도 9는 일 실시 예에 따른 음성 특성 데이터를 생성하는 다른 일 예를 설명하기 위한 흐름도이다. 도 10은 일 실시 예에 따른 음성 특성 데이터를 생성하는 다른 일 예를 설명하기 위한 도면이다. 도 9의 흐름도를 설명하면서, 도 10의 도면을 참조하여 설명하기로 한다.
도 9의 단계 S901에서, 음성 인식 장치(1000)는, 음성 신호를 수신할 수 있다.
단계 S901은 도 2의 단계 S201에 관한 설명에서 상술하였으므로, 생략하기로 한다.
또한, 도 3의 S301, S302에서 상술한 바와 같이, 음성 인식 장치(1000)는 마이크로폰(1620)을 통해 입력된 소리로부터 음성 신호를 검출하는 단계를 수행할 수 있다.
단계 S902에서, 음성 인식 장치(1000)는, 수신된 음성 신호의 출력 위치를 분석함으로써 음성 특성 데이터를 생성할 수 있다.
일 실시 예에 따르면, 음성 인식 장치(1000)는 외부 디바이스로부터 출력되는 음성 신호의 적어도 하나의 출력 위치를 미리 설정할 수 있다.
예를 들어, 도 10을 참조하면, 음향 출력 장치(200)의 음성 출력 위치를 미리 설정하기 위해, 음향 출력 장치(200)가 음성 신호를 출력하도록 제어될 수 있다. 음성 인식 장치(1000)는 마이크로폰(1620, 도 17)을 통해 음성 신호를 수신하고 음성 신호가 출력되는 위치, 방향을 판단할 수 있다. 예를 들어, 음성 인식 장치(1000)는 외부 디바이스(200)로부터 출력되는 음성 신호의 출력 위치(1001)를 설정할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 수신된 음성 신호의 출력 위치가 미리 설정된 출력 위치에 대응하는지 판단한 정보를 포함하는 음성 특성 데이터를 생성할 수 있다.
예를 들어, 도 10을 참조하면, 음성 인식 장치(1000)는 음성 신호를 수신하면, 음성 신호의 출력 위치를 판단하고, 음성 신호의 출력 위치(1002, 1003)가 미리 설정된 출력 위치(1001)에 대응하는지 판단할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 음성 신호의 출력 위치(1002, 1003)가 미리 설정된 외부 디바이스의 출력 위치(1001)와 일치하는지 또는 소정 범위 내에서 근접한지 판단함으로써, 음성 특성 데이터를 생성할 수 있다.
음성 인식 장치(1000)는 음성 신호의 출력 위치(1003)가 미리 설정된 외부 디바이스의 출력 위치(1001)와 소정 범위를 벗어날 정도로 상이한 것으로 판단함에 따라, 사용자로부터 직접 발화된 음성으로 판단할 수 있다. 또는, 음성 인식 장치(100)는 사용자로부터 직접 발화된 음성일 확률이 높은 것으로 판단할 수 있다.
한편, 음성 인식 장치(1000)는 음성 신호의 출력 위치(1002)가 미리 설정된 외부 디바이스의 출력 위치(1001)와 소정 범위 내에서 근접한 것으로 판단함에 따라, 미리 설정된 음향 출력 장치(220)로부터 출력되는 음성 신호인 것으로 판단할 수 있다. 또는, 음성 인식 장치(1000)는 음향 출력 장치(220)로부터 출력되는 음성 신호일 확률이 높은 것으로 판단할 수 있다
또한, 일 실시 예에 따라, 음성 인식 장치(1000)는 수신된 음성 신호가 출력되는 출력 위치의 개수를 판단함으로써, 음성 특성 데이터를 생성할 수 있다.
음향 출력 장치가 다수의 외부 스피커와 연결되어 다수의 외부 스피커를 통해 음향 신호를 출력하는 경우, 여러 방향에서 음향을 출력할 수 있다.
예를 들어, 음성 인식 장치(1000)는 수신된 음성 신호가 출력되는 출력 위치가 복수 개로 판단되면, 외부 디바이스로부터 출력되는 음성 신호일 확률이 높은 것으로 판단할 수 있다.
일 실시 예에 따라, 음성 인식 장치(100)는 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 음성 신호의 출력 위치, 출력 위치의 개수 등을 판단함으로써 음성 특성 데이터를 생성할 수 있다. 또한, 음성 인식 장치(1000)는 데이터 인식 모델을 이용하여, 음성 특성 데이터에 기초하여 음성 신호가 사용자로부터 발화된 음성인지 또는 음향 출력 장치(200)로부터 출력된 음성인지 판단할 수 있다.
또한, 음성 인식 장치(1000)는, 도 5 내지 도 9 및 후술할 도 11 내지 도 15의 음성 신호 분석에 따라 생성되는 음성 특성 데이터에 포함된 적어도 하나의 정보를 함께 고려하여, 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정할 수 있다.
도 9 내지 도 10은 일 실시 예를 도시한 것으로서 이에 한정되지 않는다.
도 11은 일 실시 예에 따른 주변 영상을 이용하여 사용자의 음성과 외부 디바이스의 음성을 구분하는 예를 설명하기 위한 흐름도이다. 도 12는 일 실시 예에 따른 주변 영상을 이용하여 사용자의 음성과 외부 디바이스의 음성을 구분하는 예를 설명하기 위한 도면이다. 도 11의 흐름도를 설명하면서, 도 12의 도면을 참조하여 설명하기로 한다.
도 11의 단계 S1101에서, 음성 인식 장치(1000)는, 음성 인식 장치의 주변을 촬영할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 카메라(1610, 도 17)(이하, 카메라(1610))를 포함할 수 있다. 음성 인식 장치(1000)는 카메라(1610)를 이용하여 음성 인식 장치(1000)의 주변을 촬영할 수 있다.
단계 S1102에서, 음성 인식 장치(1000)는, 촬영된 주변 영상에 사용자 또는 외부 디바이스가 포함 되어 있는지 판단할 수 있다.
도 12를 참조하면, 예를 들어, 음성 인식 장치(1000)가 촬영한 주변 영상에는 사용자(10) 또는 음향 출력 장치(예컨대, TV)(200)가 포함될 수 있다.
단계 S1103에서, 음성 인식 장치(1000)는, 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정할 수 있다.
도 12를 참조하면, 예를 들어, 음성 인식 장치(1000)는 촬영된 영상에 음향 출력 장치(200)가 포함된 것으로 판단하면, 음성 신호가 음향 출력 장치(200)로부터 출력된 음성일 확률이 높은 것으로 판단할 수 있다. 또한, 음성 인식 장치(1000)는 촬영된 영상에 사용자(10)가 포함된 것으로 판단하면, 음성 신호가 사용자(10)로부터 직접 발화된 음성일 확률이 높은 것으로 판단할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 음성 인식 장치(1000)의 주변이 촬영된 영상을 분석함으로써, 음성 신호가 사용자로부터 발화된 음성인지 또는 음향 출력 장치(200)로부터 출력된 음성인지 판단할 수 있다.
또한, 음성 인식 장치(1000)는, 도 5 내지 도 11 및 후술할 도 13 내지 도 15의 음성 신호 분석에 따라 생성되는 음성 특성 데이터에 포함된 적어도 하나의 정보를 함께 고려하여, 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정할 수 있다.
도 11 내지 도 12는 일 실시 예를 도시한 것으로서 이에 한정되지 않는다.
도 13은 일 실시 예에 따른 음성 명령 권한이 부여된 사용자를 식별하는 예를 설명하기 위한 흐름도이다. 도 14는 다른 일 실시 예에 따른 음성 명령 권한이 부여된 사용자를 식별하는 예를 설명하기 위한 흐름도이다. 도 15는 일 실시 예에 따른 음성 명령 권한이 부여된 사용자를 식별하는 예를 설명하기 위한 도면이다. 도 13, 도 14의 흐름도를 설명하면서, 도 15의 도면을 참조하여 설명하기로 한다.
일 실시 예에 따라, 음성 인식 장치(1000)는 음성 명령이 허용되도록 등록된 사용자의 음성 명령에 대해서만, 음성 명령에 대응하는 동작을 수행할 수 있다.
도 13은 사용자 얼굴을 식별함으로써, 음성 명령 권한이 부여된 사용자의 음성 명령을 수행하는 예를 도시한다.
도 13의 단계 S1301에서, 음성 인식 장치(1000)는, 음성 명령 권한이 부여된 등록된 사용자의 얼굴 식별 데이터를 미리 설정할 수 있다.
도 15를 참조하면, 예를 들어, 음성 인식 장치(1000)는 메모리(1700, 도 17)에, 음성 명령 권한이 부여된 등록된 사용자의 얼굴 식별 데이터(151)를 저장할 수 있다.
단계 S1302에서, 음성 인식 장치(1000)는, 음성 인식 장치의 주변을 촬영할 수 있다.
도 15를 참조하면, 예를 들어, 음성 인식 장치(1000)는 카메라(1610, 도 17 참조)를 포함할 수 있다. 음성 인식 장치(1000)는 카메라(1610)를 이용하여 주변을 촬영할 수 있다.
단계 S1303에서, 음성 인식 장치(1000)는, 촬영된 주변 영상에 포함된 사용자가 미리 설정된 얼굴 식별 데이터에 부합하는 것으로 결정할 수 있다.
도 15를 참조하면, 예를 들어, 음성 인식 자치(1000)는 촬영된 영상을 분석하여 영상 내에 포함된 사용자(20)의 얼굴을 인식함으로써, 미리 설정된 얼굴 식별 데이터(151)에 부합하는지 판단할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 영상 내에 포함된 사용자 얼굴을 인식하고, 메모리(1700)에 기 저장된, 등록된 사용자의 얼굴 식별 정보에 매칭되는지 인식할 수 있다.
단계 S1304에서, 음성 인식 장치(1000)는, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 영상 내에 포함된 사용자의 얼굴이 미리 설정된 음성 명령 권한을 가진 사용자의 얼굴과 일치하는 것으로 판단함에 따라, 음성 신호의 의미를 분석하고 음성 명령에 따른 동작을 수행할 수 있다.
한편, 도 15를 참조하면, 예를 들어, 음성 인식 장치(1000)는 인식된 사용자의 얼굴이 미리 설정된 음성 명령 권한을 가진 사용자의 얼굴과 일치하지 않는 것으로 판단함에 따라, 음성 신호를 음성 명령으로 판단하지 않고 필터링(filtering)할 수 있다.
도 14는 사용자 음성을 식별함으로써, 음성 명령 권한이 부여된 사용자의 음성 명령을 수행하는 예를 도시한다.
도 14의 단계 S1401에서, 음성 인식 장치(1000)는, 음성 명령 권한이 부여된 등록된 사용자의 음성 식별 데이터를 미리 설정할 수 있다.
도 15를 참조하면, 예를 들어, 음성 인식 장치(1000)는 메모리(1700, 도 17)에, 음성 명령 권한이 부여된 등록된 사용자의 음성 식별 데이터(152)를 저장할 수 있다.
단계 S1402에서, 음성 인식 장치(1000)는, 음성 신호를 수신할 수 있다.
도 15를 참조하면, 예를 들어, 음성 인식 장치(1000)는 마이크로폰(1620, 도 17)을 이용하여 사용자(20)의 음성 신호를 수신할 수 있다.
단계 S1403에서, 음성 인식 장치(1000)는, 수신된 음성 신호가 미리 설정된 음성 식별 데이터에 부합하는 것으로 결정할 수 있다.
도 15를 참조하면, 예를 들어, 음성 인식 자치(1000)는 사용자(20)의 음성을 인식함으로써, 미리 설정된 음성 식별 데이터(152)에 부합하는지 판단할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 사용자의 음성을 인식하고, 메모리(1700)에 기 저장된 등록된 사용자의 음성 식별 정보에 매칭되는지 인식할 수 있다.
단계 S1404에서, 음성 인식 장치(1000)는, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행할 수 있다.
일 실시 예에 따라, 음성 인식 장치(1000)는 인식된 사용자의 음성이 미리 설정된 음성 명령 권한을 가진 사용자의 음성과 일치하는 것으로 판단함에 따라, 음성 신호의 의미를 분석하고 음성 명령에 따른 동작을 수행할 수 있다.
한편, 도 15를 참조하면, 예를 들어, 음성 인식 장치(1000)는 인식된 사용자(20)의 음성이 미리 설정된 음성 명령 권한을 가진 사용자의 음성(152)과 일치하지 않는 것으로 판단함에 따라, 음성 신호를 음성 명령으로 판단하지 않고 필터링(filtering)할 수 있다.
또한, 일 실시 예에 따라, 음성 인식 장치(1000)는 음향 출력부(1220, 도 17)를 포함할 수 있다. 음성 인식 장치(1000)는 인식된 음성 또는 인식된 사용자 얼굴이 음성 명령 권한을 가진 사용자와 일치하지 않는 것으로 판단한 경우, 음향 출력부(1220)를 통해, 음성 명령 권한을 가진 사용자의 음성이 아님을 출력할 수 있다. 예컨대, 음성 인식 장치(1000)는 음향 출력부(1220)를 통해 “권한이 없는 사용자입니다”라는 메시지를 출력할 수 있다.
도 13 내지 도 15는 일 실시 예를 도시한 것으로서 이에 한정되지 않는다.
도 16은 일 실시예에 따른 음성 인식 장치의 블록 구성도(block diagram)이다. 도 17는 일 실시예에 따른 음성 인식 장치의 상세 블록 구성도(block diagram)이다.
도 16에 도시된 바와 같이, 일부 실시예에 따른 음성 인식 장치(1000)는 마이크로폰(1620) 및 프로세서(1300)를 포함할 수 있다. 그러나, 도 16에 도시된 구성 요소 모두가 음성 인식 장치(1000)의 필수 구성 요소인 것은 아니다. 도 16에 도시된 구성 요소보다 많은 구성 요소에 의해 음성 인식 장치(1000)가 구현될 수도 있고, 도 28에 도시된 구성 요소보다 적은 구성 요소에 의해 음성 인식 장치(1000)가 구현될 수도 있다.
예를 들어, 도 17에 도시된 바와 같이, 일부 실시예에 따른 음성 인식 장치(1000)는, 마이크로폰(1620) 및 프로세서(1300) 이외에 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 및 메모리(1700)를 더 포함할 수도 있다.
사용자 입력부(1100)는, 사용자가 음성 인식 장치(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다. 또한, 사용자 입력부(1100)는 마이크로폰(1620)과 연결되어 음성 인식 장치(1000)를 제어하기 위한 음성 입력을 수신할 수 있다.
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.
디스플레이부(1210)는 음성 인식 장치(1000)에서 처리되는 정보를 표시 출력한다. 예를 들어, 디스플레이부(1210)는, 음성 인식 장치(1000)가 인식한 사용자의 음성 명령에 관한 정보 또는, 음성 명령에 따른 동작 수행 결과에 관한 정보를 표시할 수 있다.
한편, 디스플레이부(1210)와 터치패드가 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(1210)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 디스플레이부(1210)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display) 중에서 적어도 하나를 포함할 수 있다.
또한, 디스플레이부(1210)는 발광 소자(미도시)를 포함할 수 있다. 발광 소자(미도시)는 예를 들어, 발광 다이오드(Light emitting diode) 및 디스플레이 패널을 포함할 수 있으며, 이에 제한되지 않는다.
음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 음향 데이터를 출력한다. 진동 모터(1230)는 진동 신호를 출력할 수 있다.
일 실시 예에 따라, 음향 출력부(1220)는 음성 명령에 따른 동작 수행 결과에 관한 정보를 출력할 수 있다.
또한, 일 실시 예에 따라, 음향 출력부(1220)는 음성 명령 권한을 가진 사용자의 음성이 아니라는 메시지를 출력할 수 있다.
프로세서(1300)는, 통상적으로 음성 인식 장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 프로세서(1300)는, 도 1 내지 도 15에 설시된 음성 인식 장치(1000)의 기능을 수행하기 위하여, 음성 인식 장치(1000)의 동작을 제어할 수 있다.
구체적으로, 프로세서(1300)는 마이크로폰(1620)을 통해 음성 신호를 수신할 수 있다.
또한, 프로세서(1300)는, 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 수신된 음성 신호를 분석함으로써 음성 특성 데이터를 생성하고, 음성 특성 데이터에 기초하여 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정할 수 있다.
또한, 프로세서(1300)는, 음성 신호를 사용자로부터 발화된 음성으로 결정함에 따라, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행할 수 있다.
또한, 프로세서(1300)는, 음성 신호를 외부 디바이스로부터 출력된 음성으로 결정함에 따라, 음성 신호를 필터링(filtering)할 수 있다.
또한, 프로세서(1300)는, 음성 신호가 압축된 음성 신호로부터 복원된 신호인지를 분석함으로써 음성 특성 데이터를 생성할 수 있다.
또한, 프로세서(1300)는, 음성 신호에 전기적 노이즈가 포함되었는지를 분석함으로써 음성 특성 데이터를 생성할 수 있다.
또한, 프로세서(1300)는 수신된 음성 신호의 출력 위치를 분석함으로써 음성 특성 데이터를 생성할 수 있다.
또한, 프로세서(1300)는, 외부 디바이스로부터 출력되는 음성 신호의 적어도 하나의 출력 위치를 미리 설정하고, 수신된 음성 신호의 출력 위치가 미리 설정된 출력 위치에 대응하는지 판단함으로써 음성 특성 데이터를 생성할 수 있다.
또한, 프로세서(1300)는, 수신된 음성 신호가 출력되는 출력 위치의 개수를 판단함으로써, 음성 특성 데이터를 생성할 수 있다.
또한, 프로세서(1300)는, 카메라(1610)를 이용하여 음성 인식 장치(1000)의 주변을 촬영하고, 촬영된 주변 영상에 사용자 또는 외부 디바이스(200)가 포함되어 있는지에 기초하여, 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스(200)로부터 출력된 음성인지를 결정할 수 있다.
또한, 프로세서(1300)는, 음성 명령 권한이 부여된 등록된 사용자의 얼굴 식별 데이터를 미리 설정하고, 촬영된 주변 영상에 포함된 사용자가 미리 설정된 얼굴 식별 데이터에 부합하는 것으로 결정함에 따라, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행할 수 있다.
또한, 프로세서(1300)는, 음성 명령 권한이 부여된 등록된 사용자의 음성 식별 데이터를 미리 설정하고, 수신된 음성 신호가 미리 설정된 음성 식별 데이터에 부합하는 것으로 결정함에 따라, 음성 신호를 사용자의 음성 명령으로 결정하고 음성 명령에 대응하는 동작을 수행할 수 있다.
센싱부(1400)는, 음성 인식 장치(1000)의 상태 또는 음성 인식 장치(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다.
센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 조도 센서(1495), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
통신부(1500)는, 음성 인식 장치(1000)가 외부와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(151)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 음성 인식 장치(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다.
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다.
카메라(1610)은 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.
카메라(1610)에서 처리된 화상 프레임은 메모리(1700)에 저장되거나 통신부(1500)를 통하여 외부로 전송될 수 있다. 카메라(1610)는 단말기의 구성 태양에 따라 2개 이상이 구비될 수도 있다.
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 화자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)는 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)를 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.
메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 음성 인식 장치(1000)로 입력되거나 음성 인식 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다.
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730), 이미지 필터 모듈(1740) 등으로 분류될 수 있다.
메모리(1700)는 등록 방향, 음영 방향, 홈 디바이스(2000)에 관한 정보, 우선 순위에 관한 정보 및 장소 정보 등을 저장할 수 있다.
일 실시 예에 따라, 메모리(1700)는 음성 명령 권한이 부여된 등록된 사용자의 얼굴 식별 데이터, 음성 식별 데이터 등을 저장할 수 있다.
또한, 일 실시 예에 따라, 메모리(1700)는 외부 디바이스(200)로부터 출력되는 음성 신호의 적어도 하나의 출력 위치, 방향 등을 저장할 수 있다.
UI 모듈(1710)은, 애플리케이션 별로 음성 인식 장치(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
알림 모듈(1730)은 음성 인식 장치(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 음성 인식 장치(1000)에서 발생되는 이벤트의 예로는 일정 알림, 음성 명령의 수행 완료 등 관련된 정보 알림, 키 신호 입력 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.
외부 디바이스(200) 또한, 도 16 및 도 17에 개시된 장치 구성을 포함할 수 있다.
도 18은 일 실시 예에 따른 프로세서(1300)의 블록도이다.
도 18을 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.
데이터 학습부(1310)는 상황 판단을 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 소정의 상황을 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 상황을 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 상황 판단을 위한 기준을 학습할 수 있다.
데이터 인식부(1320)는 데이터에 기초한 상황을 판단할 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 소정의 데이터로부터 상황을 인식할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용함으로써, 소정의 데이터에 기초한 소정의 상황을 판단할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.
데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.
한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 19는 일 실시예에 따른 데이터 학습부의 블록도이다.
도 19를 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다.
데이터 획득부(1310-1)는 상황 판단에 필요한 데이터를 획득할 수 있다. 데이터 획득부(1310-1)는 상황 판단을 위한 학습을 위하여 필요한 데이터를 획득할 수 있다.
일 예로, 데이터 획득부(1310-1)는 전자 장치의 입력 기기(예: 마이크로폰, 카메라 또는 센서 등)를 통해 데이터를 입력 받을 수 있다. 또는, 데이터 획득부(1310-1)는 전자 장치와 통신하는 외부 장치를 통해 데이터를 획득할 수 있다. 또한, 데이터 획득부(1310-1)는 서버로부터 데이터를 수신할 수도 있다.
일 실시 예에 따라, 데이터 획득부(1310-1)는 영상 프레임 또는 음성 신호를 획득할 수 있다.
예를 들어, 데이터 획득부(1310-1)는 음성 인식 장치(1000)의 주변 영상을 입력 받을 수 있다. 주변 영상은 복수의 이미지(또는, 프레임(frame))들로 구성될 수 있다. 일 예로, 데이터 획득부(1310-1)는 데이터 학습부(1310)를 포함하는 음성 인식 장치의 카메라, 또는 데이터 학습부(1310)를 포함하는 음성 인식 장치와 통신 가능한 외부의 카메라(예로, CCTV 또는 블랙박스 등)를 통하여 동영상을 입력 받을 수 있다. 여기서, 카메라는 하나 이상의 이미지 센서(예: 전면 센서 또는 후면 센서), 렌즈, 이미지 시그널 프로세서(ISP), 또는 플래시(예: LED 또는 xenon lamp 등)를 포함할 수 있다.
또한, 일 실시 예에 따라, 데이터 획득부(1310-1)는 마이크로폰(1620, 도 17)을 통해 입력되는 음성 신호를 획득할 수 있다.
전처리부(1310-2)는 상황 판단을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 상황 판단을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다. 예를 들어, 전처리부(1310-2)는 입력된 동영상의 적어도 일부를 구성하는 복수의 이미지(또는 프레임(frame))들 각각에 포함된 공통 영역을 기초로, 복수의 이미지들의 적어도 일부를 중첩하여 하나의 합성 이미지를 생성할 수 있다. 이 경우, 하나의 동영상에서 복수 개의 합성 이미지들이 생성될 수도 있다. 공통 영역은, 복수의 이미지들 각각에서 동일 또는 유사한 공통 오브젝트(예로, 물체, 동식물 또는 사람 등)를 포함한 영역이 될 수 있다. 또는, 공통 영역은, 복수의 이미지들 각각에서 색, 음영, RGB 값 또는 CMYK 값 등이 동일 또는 유사한 영역이 될 수 있다.
학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 상황 판단을 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.
예를 들어, 음성 신호를 분석함으로써 생성된 음성 특성 데이터가 선택될 수 있다. 또한, 예를 들어, 음성 인식 장치(1000)의 주변을 촬영한 영상 데이터가 선택될 수 있다.
모델 학습부(1310-4)는 학습 데이터에 기초하여 상황을 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 상황 판단을 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다.
일 실시 예에 따라, 모델 학습부(1310-4)는 음성 특성 데이터에 기초하여, 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 판단하기 위한 기준을 학습할 수 있다.
또한, 모델 학습부(1310-4)는 상황 판단에 이용되는 데이터 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 이미지, 샘플 음성 신호 등)을 입력 받아 미리 구축된 모델일 수 있다.
데이터 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도 없이 상황 판단을 위해 필요한 데이터의 종류를 스스로 학습함으로써, 상황 판단을 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 상황 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.
또한, 데이터 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 음성 인식 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 음성 인식 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 음성 인식 장치와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 음성 인식 장치의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.
모델 평가부(1310-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다.
예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.
한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 동영상 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.
한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 음성 인식 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 음성 인식 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 20은 일 실시예에 따른 데이터 인식부의 블록도이다.
도 20을 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다.
데이터 획득부(1320-1)는 상황 판단에 필요한 데이터를 획득할 수 있으며, 전처리부(1320-2)는 상황 판단을 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 상황 판단을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
인식 데이터 선택부(1320-3)는 전처리된 데이터 중에서 상황 판단에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는 상황 판단을 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.
인식 결과 제공부(1320-4)는 선택된 데이터를 데이터 인식 모델에 적용하여 상황을 판단할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 데이터 인식 모델에 적용할 수 있다. 또한, 인식 결과는 데이터 인식 모델에 의해 결정될 수 있다.
일 실시 예에 따라, 인식된 음성 신호가 사용자로부터 발화된 음성인지, 인식된 음성 신호가 음성 명령 권한이 부여된 등록된 사용자의 음성인지는, 텍스트, 음성, 동영상, 이미지 또는 명령어(예로, 어플리케이션 실행 명령어, 모듈 기능 실행 명령어 등) 등으로 제공될 수 있다.
또한, 일 실시 예에 따라, 인식된 음성 명령에 따른 동작 수행의 결과는, 텍스트, 음성, 동영상, 이미지 또는 명령어(예로, 어플리케이션 실행 명령어, 모듈 기능 실행 명령어 등) 등으로 제공될 수 있다.
모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록 할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 데이터 인식 모델을 갱신하도록 할 수 있다.
한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 21은 일 실시예에 따른 음성 인식 장치 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 21은 일부 실시 예에 따른 음성 인식 장치(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 21을 참조하면, 서버(2000)는 상황 판단을 위한 기준을 학습할 수 있으며, 음성 인식 장치(1000)는 서버(2000)에 의한 학습 결과에 기초하여 상황을 판단할 수 있다.
이 경우, 서버(2000)의 모델 학습부(2340)는 도 19에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(2000)의 모델 학습부(2340)는 소정의 상황을 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 상황을 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 모델 학습부(2340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 상황 판단을 위한 기준을 학습할 수 있다.
또한, 음성 인식 장치(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에 의해 생성된 데이터 인식 모델에 적용하여 상황을 판단할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에게 전송하고, 서버(2000)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인식 모델에 적용하여 상황을 판단할 것을 요청할 수 있다. 또한, 인식 결과 제공부(1320-4)는 서버(2000)에 의해 판단된 상황에 관한 정보를 서버(2000)로부터 수신할 수 있다.
예를 들어, 음성 인식 장치(100)는 음성 특성 데이터를 서버(2000)에게 전송하고, 서버(2000)가 음성 특성 데이터를 데이터 인식 모델에 적용하여 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 판단할 것을 요청할 수 있다. 또한, 전자 장치(100)는 서버(2000)에 의해 판단된, 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 서버(2000)로부터 수신할 수 있다.
또는, 음성 인식 장치(1000)의 인식 결과 제공부(1320-4)는 서버(2000)에 의해 생성된 인식 모델을 서버(2000)로부터 수신하고, 수신된 인식 모델을 이용하여 상황을 판단할 수 있다. 이 경우, 음성 인식 장치(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여 상황을 판단할 수 있다.
예를 들어, 음성 인식 장치(1000)는 음성 특성 데이터를, 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여, 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 학습할 수 있다.
상기 살펴 본 실시 예들에 따른 장치는 프로세서, 프로그램 데이터를 저장하고 실행하는 메모리, 디스크 드라이브와 같은 영구 저장부(permanent storage), 외부 장치와 통신하는 통신 포트, 터치 패널, 키(key), 버튼 등과 같은 사용자 인터페이스 장치 등을 포함할 수 있다. 소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 상기 프로세서상에서 실행 가능한 컴퓨터가 읽을 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체 상에 저장될 수 있다. 여기서 컴퓨터가 읽을 수 있는 기록 매체로 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.
본 실시 예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 실시 예는 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩 업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 실시 예는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단”, “구성”과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.
1000 : 음성 인식 장치
1300 : 프로세서

Claims (20)

  1. 음성 인식 장치에 있어서,
    마이크로폰; 및
    상기 마이크로폰을 통해 음성 신호를 수신하고,
    뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 상기 수신된 음성 신호를 분석함으로써 음성 특성 데이터를 생성하고, 상기 음성 특성 데이터에 기초하여 상기 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정하고,
    상기 음성 신호를 상기 사용자로부터 발화된 음성으로 결정함에 따라, 상기 음성 신호를 상기 사용자의 음성 명령으로 결정하고 상기 음성 명령에 대응하는 동작을 수행하는, 프로세서를 포함하는 음성 인식 장치.
  2. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 신호를 상기 외부 디바이스로부터 출력된 음성으로 결정함에 따라, 상기 음성 신호를 필터링(filtering)하는, 음성 인식 장치.
  3. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 신호가 압축된 음성 신호로부터 복원된 신호인지를 분석함으로써 상기 음성 특성 데이터를 생성하는, 음성 인식 장치.
  4. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 신호에 전기적 노이즈가 포함되었는지를 분석함으로써 상기 음성 특성 데이터를 생성하는, 음성 인식 장치.
  5. 제1 항에 있어서,
    상기 프로세서는,
    상기 수신된 음성 신호의 출력 위치를 분석함으로써 상기 음성 특성 데이터를 생성하는, 음성 인식 장치.
  6. 제5 항에 있어서,
    상기 프로세서는,
    상기 외부 디바이스로부터 출력되는 음성 신호의 적어도 하나의 출력 위치를 미리 설정하고,
    상기 수신된 음성 신호의 출력 위치가 상기 미리 설정된 출력 위치에 대응하는지 판단함으로써 상기 음성 특성 데이터를 생성하는, 음성 인식 장치.
  7. 제5 항에 있어서,
    상기 프로세서는,
    상기 수신된 음성 신호가 출력되는 출력 위치의 개수를 판단함으로써, 상기 음성 특성 데이터를 생성하는, 음성 인식 장치.
  8. 제1 항에 있어서,
    카메라를 더 포함하고,
    상기 프로세서는,
    상기 카메라를 이용하여 상기 음성 인식 장치의 주변을 촬영하고,
    상기 촬영된 주변 영상에 상기 사용자 또는 상기 외부 디바이스가 포함되어 있는지에 기초하여, 상기 음성 신호가 상기 사용자로부터 발화된 음성인지 또는 상기 외부 디바이스로부터 출력된 음성인지를 결정하는, 음성 인식 장치.
  9. 제8 항에 있어서,
    상기 프로세서는,
    음성 명령 권한이 부여된 등록된 사용자의 얼굴 식별 데이터를 미리 설정하고,
    상기 촬영된 주변 영상에 포함된 상기 사용자가 상기 미리 설정된 얼굴 식별 데이터에 부합하는 것으로 결정함에 따라, 상기 음성 신호를 상기 사용자의 음성 명령으로 결정하고 상기 음성 명령에 대응하는 동작을 수행하는, 음성 인식 장치.
  10. 제1 항에 있어서,
    상기 프로세서는,
    음성 명령 권한이 부여된 등록된 사용자의 음성 식별 데이터를 미리 설정하고,
    상기 수신된 음성 신호가 상기 미리 설정된 음성 식별 데이터에 부합하는 것으로 결정함에 따라, 상기 음성 신호를 상기 사용자의 음성 명령으로 결정하고 상기 음성 명령에 대응하는 동작을 수행하는, 음성 인식 장치.
  11. 음성 인식 장치의 동작 방법에 있어서,
    마이크로폰을 통해 음성 신호를 수신하는 단계;
    뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용하여, 상기 수신된 음성 신호를 분석함으로써 음성 특성 데이터를 생성하는 단계;
    상기 데이터 인식 모델을 이용하여, 상기 음성 특성 데이터에 기초하여 상기 음성 신호가 사용자로부터 발화된 음성인지 또는 외부 디바이스로부터 출력된 음성인지를 결정하는 단계; 및
    상기 음성 신호를 상기 사용자로부터 발화된 음성으로 결정함에 따라, 상기 음성 신호를 상기 사용자의 음성 명령으로 결정하고 상기 음성 명령에 대응하는 동작을 수행하는 단계를 포함하는, 방법.
  12. 제11 항에 있어서,
    상기 음성 신호를 상기 외부 디바이스로부터 출력된 음성으로 결정함에 따라, 상기 음성 신호를 필터링(filtering)하는 단계를 더 포함하는, 방법.
  13. 제11 항에 있어서,
    상기 음성 특성 데이터를 생성하는 단계는,
    상기 음성 신호가 압축된 음성 신호로부터 복원된 신호인지를 분석함으로써 상기 음성 특성 데이터를 생성하는, 방법.
  14. 제11 항에 있어서,
    상기 음성 특성 데이터를 생성하는 단계는,
    상기 음성 신호에 전기적 노이즈가 포함되었는지를 분석함으로써 상기 음성 특성 데이터를 생성하는, 방법.
  15. 제11 항에 있어서,
    상기 음성 특성 데이터를 생성하는 단계는,
    상기 수신된 음성 신호의 출력 위치를 분석함으로써 상기 음성 특성 데이터를 생성하는, 방법.
  16. 제15 항에 있어서,
    상기 음성 특성 데이터를 생성하는 단계는,
    상기 외부 디바이스로부터 출력되는 음성 신호의 적어도 하나의 출력 위치를 미리 설정하고,
    상기 수신된 음성 신호의 출력 위치가 상기 미리 설정된 출력 위치에 대응하는지 판단함으로써 상기 음성 특성 데이터를 생성하는, 방법.
  17. 제11 항에 있어서,
    카메라를 이용하여 상기 음성 인식 장치의 주변을 촬영하는 단계; 및
    상기 촬영된 주변 영상에 상기 사용자 또는 상기 외부 디바이스가 포함되어 있는지에 기초하여, 상기 음성 신호가 상기 사용자로부터 발화된 음성인지 또는 상기 외부 디바이스로부터 출력된 음성인지를 결정하는 단계를 더 포함하는, 방법.
  18. 제17 항에 있어서,
    음성 명령 권한이 부여된 등록된 사용자의 얼굴 식별 데이터를 미리 설정하는 단계; 및
    상기 촬영된 주변 영상에 포함된 상기 사용자가 상기 미리 설정된 얼굴 식별 데이터에 부합하는 것으로 결정함에 따라, 상기 음성 신호를 상기 사용자의 음성 명령으로 결정하고 상기 음성 명령에 대응하는 동작을 수행하는 단계를 더 포함하는, 방법.
  19. 제11 항에 있어서,
    음성 명령 권한이 부여된 등록된 사용자의 음성 식별 데이터를 미리 설정하는 단계; 및
    상기 수신된 음성 신호가 상기 미리 설정된 음성 식별 데이터에 부합하는 것으로 결정함에 따라, 상기 음성 신호를 상기 사용자의 음성 명령으로 결정하고 상기 음성 명령에 대응하는 동작을 수행하는 단계를 더 포함하는, 방법.
  20. 제11 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020170175338A 2017-12-19 2017-12-19 음성 인식 장치 및 방법 KR102420567B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020170175338A KR102420567B1 (ko) 2017-12-19 2017-12-19 음성 인식 장치 및 방법
PCT/KR2018/016219 WO2019124963A1 (ko) 2017-12-19 2018-12-19 음성 인식 장치 및 방법
CN201880082848.XA CN111492425A (zh) 2017-12-19 2018-12-19 语音识别设备和方法
US16/770,243 US20200372911A1 (en) 2017-12-19 2018-12-19 Speech recognition device and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170175338A KR102420567B1 (ko) 2017-12-19 2017-12-19 음성 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190074011A true KR20190074011A (ko) 2019-06-27
KR102420567B1 KR102420567B1 (ko) 2022-07-13

Family

ID=66992635

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170175338A KR102420567B1 (ko) 2017-12-19 2017-12-19 음성 인식 장치 및 방법

Country Status (4)

Country Link
US (1) US20200372911A1 (ko)
KR (1) KR102420567B1 (ko)
CN (1) CN111492425A (ko)
WO (1) WO2019124963A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111841007A (zh) * 2020-07-29 2020-10-30 网易（杭州）网络有限公司 游戏的控制方法、装置、设备和存储介质
KR102378885B1 (ko) * 2021-09-29 2022-03-28 주식회사 인피닉 발화자의 얼굴을 이용한 메타데이터 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램
KR102437760B1 (ko) 2021-05-27 2022-08-29 이충열 컴퓨팅 장치에 의한 음향의 처리 방법, 영상 및 음향의 처리 방법 및 이를 이용한 시스템들
WO2023182658A1 (ko) 2022-03-22 2023-09-28 이충열 컴퓨팅 장치와 연동하는 촬영 장치로부터 획득되는 영상을 처리하는 방법 및 이를 이용한 시스템

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109101801B (zh) * 2018-07-12 2021-04-27 北京百度网讯科技有限公司 用于身份认证的方法、装置、设备和计算机可读存储介质
WO2021002493A1 (ko) * 2019-07-01 2021-01-07 엘지전자 주식회사 지능형 게이트웨이 장치 및 그를 포함하는 제어 시스템
KR20210035968A (ko) * 2019-09-24 2021-04-02 엘지전자 주식회사 사용자의 표정이나 발화를 고려하여 마사지 동작을 제어하는 인공 지능 마사지 장치 및 그 방법
US20230031145A1 (en) * 2021-07-29 2023-02-02 Comcast Cable Communications, Llc Accidental voice trigger avoidance using thermal data

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002182688A (ja) * 2000-12-18 2002-06-26 Seiko Epson Corp 音声認識を用いた機器制御方法および音声認識を用いた機器制御システム
KR20080041397A (ko) * 2006-11-07 2008-05-13 한국전자통신연구원 화상 분석을 이용한 음성 인식 방법 및 장치
JP2009192942A (ja) * 2008-02-15 2009-08-27 Toshiba Corp 音声対話装置及び支援方法
KR20140094330A (ko) * 2013-01-22 2014-07-30 삼성전자주식회사 전자장치 및 그 음성 처리 방법
US20150235637A1 (en) * 2014-02-14 2015-08-20 Google Inc. Recognizing speech in the presence of additional audio

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0103242D0 (en) * 2001-02-09 2001-03-28 Radioscape Ltd Method of analysing a compressed signal for the presence or absence of information content
WO2014010879A1 (ko) * 2012-07-09 2014-01-16 엘지전자 주식회사 음성 인식 장치 및 그 방법
US9881631B2 (en) * 2014-10-21 2018-01-30 Mitsubishi Electric Research Laboratories, Inc. Method for enhancing audio signal using phase information
US10178301B1 (en) * 2015-06-25 2019-01-08 Amazon Technologies, Inc. User identification based on voice and face
US9892731B2 (en) * 2015-09-28 2018-02-13 Trausti Thor Kristjansson Methods for speech enhancement and speech recognition using neural networks
EP3614692A4 (en) * 2017-04-17 2020-04-29 Sony Corporation INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD, VOICE OUTPUT DEVICE AND VOICE OUTPUT METHOD

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002182688A (ja) * 2000-12-18 2002-06-26 Seiko Epson Corp 音声認識を用いた機器制御方法および音声認識を用いた機器制御システム
KR20080041397A (ko) * 2006-11-07 2008-05-13 한국전자통신연구원 화상 분석을 이용한 음성 인식 방법 및 장치
JP2009192942A (ja) * 2008-02-15 2009-08-27 Toshiba Corp 音声対話装置及び支援方法
KR20140094330A (ko) * 2013-01-22 2014-07-30 삼성전자주식회사 전자장치 및 그 음성 처리 방법
US20150235637A1 (en) * 2014-02-14 2015-08-20 Google Inc. Recognizing speech in the presence of additional audio

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111841007A (zh) * 2020-07-29 2020-10-30 网易（杭州）网络有限公司 游戏的控制方法、装置、设备和存储介质
KR102437760B1 (ko) 2021-05-27 2022-08-29 이충열 컴퓨팅 장치에 의한 음향의 처리 방법, 영상 및 음향의 처리 방법 및 이를 이용한 시스템들
WO2022250493A1 (ko) 2021-05-27 2022-12-01 이충열 컴퓨팅 장치에 의한 음향의 처리 방법, 영상 및 음향의 처리 방법 및 이를 이용한 시스템들
KR102378885B1 (ko) * 2021-09-29 2022-03-28 주식회사 인피닉 발화자의 얼굴을 이용한 메타데이터 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램
WO2023182658A1 (ko) 2022-03-22 2023-09-28 이충열 컴퓨팅 장치와 연동하는 촬영 장치로부터 획득되는 영상을 처리하는 방법 및 이를 이용한 시스템

Also Published As

Publication number Publication date
WO2019124963A1 (ko) 2019-06-27
KR102420567B1 (ko) 2022-07-13
CN111492425A (zh) 2020-08-04
US20200372911A1 (en) 2020-11-26

Similar Documents

Publication Publication Date Title
KR102420567B1 (ko) 음성 인식 장치 및 방법
KR102428920B1 (ko) 전자 장치 및 그 동작 방법
US10349126B2 (en) Method and apparatus for filtering video
KR20180055708A (ko) 이미지를 처리하는 전자 장치 및 방법
CN112805743A (zh) 用于基于知识图谱来提供内容的系统和方法
KR20190084789A (ko) 전자 장치 및 그 제어 방법
KR20190016367A (ko) 객체를 인식하는 방법 및 장치
EP3756185B1 (en) Electronic device for outputting response to speech input by using application and operation method thereof
KR20190078543A (ko) 이미지 획득 장치 및 그의 제어 방법
KR102531654B1 (ko) 음성 입력 인증 디바이스 및 그 방법
KR20190107621A (ko) 상황 인식에 기반한 어플리케이션 추천을 위한 장치 및 제어 방법
KR20190053675A (ko) 전자 장치 및 그 동작 방법
KR20180074568A (ko) 차선 정보를 추정하는 방법 및 전자 장치
KR20190117837A (ko) 사용자 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법
KR20180097117A (ko) 전자 장치, 그의 문서 표시 방법 및 비일시적 컴퓨터 판독가능 기록매체
US10685650B2 (en) Mobile terminal and method of controlling the same
KR20200085143A (ko) 외부 장치를 등록하는 대화형 제어 시스템 및 방법
KR20180054362A (ko) 사용자의 음성 입력을 인식하는 방법 및 장치
KR20190088406A (ko) 영상 재생 장치 및 그의 제어 방법
KR20190062030A (ko) 영상 표시 장치 및 그 동작 방법
KR20180072534A (ko) 텍스트와 연관된 이미지 제공 방법 및 이를 위한 전자 장치
EP3545685B1 (en) Method and apparatus for filtering video
US20210319311A1 (en) Artificial intelligence apparatus using a plurality of output layers and method for same
KR20190096752A (ko) 컨텐츠에 대한 텍스트 코멘트를 생성하는 방법 및 전자 장치
KR102423754B1 (ko) 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)