KR20190087353A - 음성 인식 검증 장치 및 방법 - Google Patents
음성 인식 검증 장치 및 방법 Download PDFInfo
- Publication number
- KR20190087353A KR20190087353A KR1020190081289A KR20190081289A KR20190087353A KR 20190087353 A KR20190087353 A KR 20190087353A KR 1020190081289 A KR1020190081289 A KR 1020190081289A KR 20190081289 A KR20190081289 A KR 20190081289A KR 20190087353 A KR20190087353 A KR 20190087353A
- Authority
- KR
- South Korea
- Prior art keywords
- speech
- condition
- verification
- recognition
- spectrogram
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000012795 verification Methods 0.000 claims description 202
- 230000015572 biosynthetic process Effects 0.000 claims description 22
- 238000003786 synthesis reaction Methods 0.000 claims description 22
- 230000002194 synthesizing effect Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 238000010801 machine learning Methods 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000013528 artificial neural network Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 17
- 238000006243 chemical reaction Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 11
- 241000282414 Homo sapiens Species 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior 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
- 238000009795 derivation 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
- 239000011521 glass Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 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
- G10L15/01—Assessment or evaluation 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
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/02—Methods for producing synthetic speech; Speech synthesisers
- G10L13/033—Voice editing, e.g. manipulating the voice of the synthesiser
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
-
- 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
- G10L15/26—Speech to text 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- 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
- G10L13/00—Speech synthesis; Text to speech systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
- Telephonic Communication Services (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
사물 인터넷을 위해 연결된 5G 환경에서 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 음성 인식 결과를 검증하는 음성 인식 검증 장치 및 방법이 개시된다. 본 발명의 일 실시 예에 따른 음성 인식 검증 방법은, 기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환하는 단계와, 검증 대상 발화 음성을 분석하고 분석 결과에 대응하는 인식 결과 텍스트를 출력하는 단계와, 검증 대상 텍스트 및 인식 결과 텍스트의 비교를 통하여 음성 인식 성능을 검증하는 단계를 포함할 수 있다.
본 발명에 의하면, 임의의 텍스트와 다양한 발화조건으로 생성한 발화 음성을 음성 인식의 입력으로 이용하여 객관적으로 음성 인식 결과를 검증할 수 있다.
본 발명에 의하면, 임의의 텍스트와 다양한 발화조건으로 생성한 발화 음성을 음성 인식의 입력으로 이용하여 객관적으로 음성 인식 결과를 검증할 수 있다.
Description
본 발명은 음성 인식 검증 장치 및 방법에 관한 것으로, 더욱 상세하게는 임의의 텍스트와 다양한 발화조건으로 생성한 발화 음성을 입력으로 하여 음성 인식을 수행하고, 음성 인식의 입력으로 사용된 텍스트와 음성 인식의 결과로 출력되는 텍스트의 비교를 통해, 음성 인식의 결과를 검증할 수 있는 음성 인식 검증 장치 및 방법에 관한 것이다.
음성은 인간의 가장 자연스러운 의사 소통 수단이면서 정보 전달 수단이자, 언어를 구현하는 수단으로서 인간이 내는 의미 있는 소리이다.
인간과 기계 사이의 음성을 통한 통신 구현에 대한 시도는 과거부터 꾸준히 발전되어 왔는바, 더욱이 최근 음성 정보를 효과적으로 처리하기 위한 음성 정보 처리 기술(SIT: speech information technology;) 분야가 괄목할 만한 발전을 이룩함에 따라 실생활에도 속속 적용이 되고 있다. 이러한 음성 정보 처리 기술에 포함되는 음성 인식(speech recognition)은 발화된 음성을 인식하여 문자열로 변환하는 기술이다. 이러한 음성 인식 기능을 검증하기 위해, 다수의 화자로부터 정해진 텍스트에 대한 음성을 녹음하고, 녹음한 음성 인식을 통해 음성 인식률을 측정하고 있다.
선행기술 1에는 음성을 인식하여 텍스트로 변환하되, 수정을 위하여 실시간 입력 상태를 표시하고 용이하게 수정할 수 있도록 하는 음성 인식 오류 수정을 지원하는 음성 인식 시스템 및 장치를 개시하고 있다.
선행기술 2에는 상대방의 개인별 음성에서 특성을 추출하여 저장하고, 해당 상대방으로부터 텍스트를 수신하는 경우 특화된 음성으로 해당 텍스트를 수신하는 경우 특화된 음성으로 해당 텍스트를 출력하는 개인화된 TTS(text to speech)를 개시하고 있다.
이러한 선행기술 1 및 선행기술 2에는 다수의 화자로부터 정해진 텍스트에 대한 음성을 녹음하고, 녹음한 음성 인식을 통해 음성 인식률을 측정하여 음성 인식 기능을 검증하고 있지 않다.
전술한 배경기술은 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, 제한된 텍스트와 발화자의 음성 녹음 결과를 음성인식의 입력으로 하여 음성 인식 검증을 객관화 할 수 없었던 종래 기술의 문제점을 해결하는 것이다.
본 발명의 일 과제는, 임의의 텍스트와 다양한 발화조건으로 생성한 발화 음성을 음성 인식의 입력으로 이용하여 객관적으로 음성 인식 결과를 검증하는데 있다.
본 발명의 일 과제는, 임의의 텍스트와 다양한 발화조건을 구축하고 있는 데이터베이스를 이용하여 발화 음성을 생성하고, 생성한 발화 음성을 음성 인식의 입력으로 이용하여 보다 정교하고 광범위하게 음성 인식 결과를 검증하는데 있다.
본 발명의 일 과제는, 음성 인식 검증을 객관화 할 수 없었던 종래 기술의 문제점을 최적의 프로세스 자원을 사용하면서 해결하는 것이다.
본 발명의 일 실시 예에 따른 음성 인식 검증 방법은, 임의의 텍스트와 다양한 발화조건으로 생성한 발화 음성을 입력으로 하여 음성 인식을 수행하고, 음성 인식의 입력으로 사용된 텍스트와 음성 인식의 결과로 출력되는 텍스트의 비교를 통해, 음성 인식의 결과를 검증하는 단계를 포함할 수 있다.
구체적으로 본 발명의 일 실시 예에 따른 음성 인식 검증 방법은, 기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환하는 단계와, 검증 대상 발화 음성을 분석하고 분석 결과에 대응하는 인식 결과 텍스트를 출력하는 단계와, 검증 대상 텍스트 및 인식 결과 텍스트의 비교를 통하여 음성 인식 성능을 검증하는 단계를 포함할 수 있다.
본 실시 예에 따른 음성 인식 검증 방법을 통하여, 임의의 텍스트와 다양한 발화조건으로 생성한 발화 음성을 음성 인식의 입력으로 이용하여 객관적으로 음성 인식 결과를 검증할 수 있다.
또한, 변환하는 단계는, 검증 대상 텍스트를 전처리 음성으로 변환하는 단계와, 전처리 음성에 기설정된 발화조건을 적용하는 단계와, 발화조건을 적용한 전처리 음성을 검증 대상 발화 음성으로 출력하는 단계를 포함할 수 있다.
또한, 적용하는 단계는, 전처리 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하는 단계와, 전처리 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용하는 단계를 포함할 수 있다.
또한, 검증 대상 발화 음성으로 출력하는 단계는, 제1 발화조건을 적용한 전처리 음성과 제2 발화조건을 적용한 전처리 음성을 합성한 결과를 검증 대상 발화 음성으로 출력하는 단계를 포함할 수 있다.
본 실시 예에 따른, 변환하는 단계와, 적용하는 단계와, 검증 대상 발화 음성으로 출력하는 단계를 통하여, 임의의 텍스트와 다양한 발화조건을 구축하고 있는 데이터베이스를 이용하여 발화 음성을 생성하고, 생성한 발화 음성을 음성 인식의 입력으로 이용하여 보다 정교하고 광범위하게 음성 인식 결과를 검증할 수 있다.
또한, 변환하는 단계는, 검증 대상 텍스트를 전처리 음성으로 변환하는 단계와, 전처리 음성의 주파수 대역에 대응하는 음성 스펙트로그램을 생성하는 단계와, 음성 스펙트로그램에 기설정된 발화조건을 적용하는 단계와, 발화조건을 적용한 음성 스펙트로그램을 검증 대상 발화 음성으로 출력하는 단계를 포함할 수 있다.
또한, 적용하는 단계는, 음성 스펙트로그램에 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하는 단계와, 음성 스펙트로그램에 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용하는 단계를 포함할 수 있다.
또한, 검증 대상 발화 음성을 출력하는 단계는, 제1 발화조건을 적용한 음성 스펙트로그램과 제2 발화조건을 적용한 음성 스펙트로그램을 합성하는 단계를 포함할 수 있다.
또한, 검증 대상 발화 음성으로 출력하는 단계는, 합성한 음성 스펙트로그램을 선형 스펙트로그램으로 변환하는 단계와, 선형 스펙트로그램을 음성 파형으로 변환하는 단계와, 음성 파형을 검증 대상 발화 음성으로 출력하는 단계를 포함할 수 있다.
본 실시 예에 따른, 변환하는 단계와, 적용하는 단계와, 검증 대상 발화 음성으로 출력하는 단계를 통하여, 텍스트-음성 변환을 위한 다양한 알고리즘을 사용하여 발화 음성을 생성하고, 생성한 발화 음성을 음성 인식의 입력으로 이용하여 보다 정교하고 광범위하게 음성 인식 결과를 검증할 수 있다.
본 발명의 일 실시 예에 따른 음성 인식 장치는, 기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환하는 음성 합성 모듈과, 검증 대상 발화 음성을 분석하고 분석 결과에 대응하는 인식 결과 텍스트를 출력하는 음성 인식 모듈과, 검증 대상 텍스트 및 인식 결과 텍스트의 비교를 통하여 음성 인식 성능을 검증하는 음성 인식 검증 모듈을 포함할 수 있다.
본 실시 예에 따른 음성 인식 검증 장치를 통하여, 임의의 텍스트와 다양한 발화조건으로 생성한 발화 음성을 음성 인식의 입력으로 이용하여 객관적으로 음성 인식 결과를 검증할 수 있다.
또한, 음성 합성 모듈은, 검증 대상 텍스트를 전처리 음성으로 변환하는 변환부와, 전처리 음성에 기설정된 발화조건을 적용하는 적용부와, 발화조건을 적용한 전처리 음성을 검증 대상 발화 음성으로 출력하는 출력부를 포함할 수 있다.
또한, 적용부는, 전처리 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하고, 전처리 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용하도록 구성될 수 있다.
또한, 출력부는, 제1 발화조건을 적용한 전처리 음성과 제2 발화조건을 적용한 전처리 음성을 합성한 결과를 검증 대상 발화 음성으로 출력하도록 구성될 수 있다.
본 실시 예에 따른, 음성 합성 모듈과, 적용부와, 출력부를 통하여, 임의의 텍스트와 다양한 발화조건을 구축하고 있는 데이터베이스를 이용하여 발화 음성을 생성하고, 생성한 발화 음성을 음성 인식의 입력으로 이용하여 보다 정교하고 광범위하게 음성 인식 결과를 검증할 수 있다.
또한, 음성 합성 모듈은, 검증 대상 텍스트를 전처리 음성으로 변환하는 변환부와, 전처리 음성의 주파수 대역에 대응하는 음성 스펙트로그램을 생성하고, 음성 스펙트로그램에 기설정된 발화조건을 적용하는 적용부와, 발화조건을 적용한 음성 스펙트로그램을 검증 대상 발화 음성으로 출력하는 출력부를 포함할 수 있다.
또한, 적용부는, 음성 스펙트로그램에 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하고, 음성 스펙트로그램에 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용하도록 구성될 수 있다.
또한, 출력부는, 제1 발화조건을 적용한 음성 스펙트로그램과 제2 발화조건을 적용한 음성 스펙트로그램을 합성하도록 구성될 수 있다.
또한, 출력부는, 합성한 음성 스펙트로그램을 선형 스펙트로그램으로 변환하고, 선형 스펙트로그램을 음성 파형으로 변환하며, 음성 파형을 검증 대상 발화 음성으로 출력하도록 구성될 수 있다.
본 실시 예에 따른, 음성 합성 모듈과, 적용부와, 출력부를 통하여, 텍스트-음성 변환을 위한 다양한 알고리즘을 사용하여 발화 음성을 생성하고, 생성한 발화 음성을 음성 인식의 입력으로 이용하여 보다 정교하고 광범위하게 음성 인식 결과를 검증할 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, 임의의 텍스트와 다양한 발화조건으로 생성한 발화 음성을 음성 인식의 입력으로 이용하여 객관적으로 음성 인식 결과를 검증할 수 있다.
또한, 임의의 텍스트와 다양한 발화조건을 구축하고 있는 데이터베이스를 이용하여 발화 음성을 생성하고, 생성한 발화 음성을 음성 인식의 입력으로 이용하여 보다 정교하고 광범위하게 음성 인식 결과를 검증할 수 있다.
또한, 최적의 프로세서 자원만을 사용하여 다양한 발화조건으로 생성한 발화 음성을 음성 인식의 입력으로 이용하여 객관적으로 음성 인식 결과를 검증할 수 있도록 함으로써 음성 인식 검증 장치의 전력 효율을 향상시킬 수 있다.
또한, 음성 인식 검증 장치 자체는 대량 생산된 획일적인 제품이지만, 사용자는 음성 인식 검증 장치를 개인화된 장치로 인식하므로 사용자 맞춤형 제품의 효과를 낼 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 검증 장치, 사용자 단말기, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 음성 인식 검증 환경의 예시도이다.
도 2는 본 발명의 일 실시 예에 따른 음성 인식 검증 장치의 개략적인 블록도이다.
도 3은 도 2의 음성 인식 검증 장치 중 데이터베이스, 음성 합성 모듈 및 음성 인식 모듈의 상세 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 음성 인식 검증 방법의 흐름도이다.
도 2는 본 발명의 일 실시 예에 따른 음성 인식 검증 장치의 개략적인 블록도이다.
도 3은 도 2의 음성 인식 검증 장치 중 데이터베이스, 음성 합성 모듈 및 음성 인식 모듈의 상세 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 음성 인식 검증 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 검증 장치, 사용자 단말기, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 음성 인식 검증 환경의 예시도이다. 도 1을 참조하면, 음성 인식 검증 환경은, 음성 인식 검증 장치(100), 사용자 단말기(200) 및 서버(300)가 네트워크(400)에 의해 서로 통신 연결되어 있는 상태가 묘사되어 있다. 음성 인식 검증 장치(100), 사용자 단말기(200) 및 서버(300)는 5G 통신 환경에서 서로 연결될 수 있다. 또한, 도 1에 도시된 기기 들 이외에 가정 또는 사무실에서 사용되는 다양한 전자 기기들이 사물 인터넷 환경 하에서 서로 연결되어 동작할 수 있다.
음성 인식 검증 장치(100)는 기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환하고, 검증 대상 발화 음성의 분석을 통하여 분석 결과에 대응하는 인식 결과 텍스트를 출력하며, 검증 대상 텍스트 및 인식 결과 텍스트의 비교를 통하여 음성 인식 성능을 검증할 수 있다.
본 실시 예에서 음성 인식 검증 장치(100)는 검증 대상 텍스트를 검증 대상 발화 음성으로 변환 시에, 검증 대상 텍스트를 전처리 음성으로 변환하고, 전처리 음성에 기설정된 발화조건을 적용하며, 발화조건을 적용한 전처리 음성을 검증 대상 발화 음성으로 출력할 수 있다.
여기서 기설정된 발화조건이라 함은, 검증 대상 발화 음성을 다양하게 출력할 수 있는 제어 파라미터를 포함할 수 있다. 본 실시 예에서 기설정된 발화조건은 제1 발화조건 및 제2 발화조건을 포함할 수 있다. 제1 발화조건은 검증 대상 발화 음성의 특성에 변화를 줄 수 있는 음성 특성 파라미터로서, 데이터베이스(도 2의 110)에 구축된 감성(화남, 행복 등), 억양, 빠르기, 속도, 크기, 말투, 발음 등을 포함할 수 있다. 또한 제2 발화조건은 검증 대상 발화 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서, 데이터베이스(도 2의 110)에 구축된 10대 남자의 목소리, 20대 여자의 목소리, 30대 남자의 목소리, 70대 여자의 목소리 등을 포함할 수 있다.
본 실시 예에서 음성 인식 검증 장치(100)는 검증 대상 텍스트를 검증 대상 발화 음성으로 변환 시에, 검증 대상 텍스트를 전처리 음성으로 변환하고, 전처리 음성에 기설정된 발화조건을 적용하며, 발화조건을 적용한 전처리 음성을 검증 대상 발화 음성으로 출력할 수 있다.
선택적 실시 예로 음성 인식 검증 장치(100)는 검증 대상 텍스트를 검증 대상 발화 음성으로 변환 시에, 검증 대상 텍스트를 전처리 음성으로 변환하고, 전처리 음성의 주파수에 대응하는 음성 스펙트로그램을 생성하고, 음성 스펙트로그램에 기설정된 발화조건을 적용하며, 발화조건을 적용한 음성 스펙트로그램을 검증 대상 발화 음성으로 출력할 수 있다.
사용자 단말기(200)는 음성 인식 검증 어플리케이션 또는 음성 인식 검증 사이트에 접속한 후 인증 과정을 통하여 음성 인식 검증 장치(100)의 상태 정보를 모니터링 하거나, 음성 인식 검증 장치(100)를 구동하거나 또는 제어할 수 있는 서비스를 제공받을 수 있다. 본 실시 예에서 인증 과정을 마친 사용자 단말기(200)는 일 예로, 음성 인식 검증을 수행할 검증 대상 텍스트를 선택할 수 있고, 제1 발화조건 및/또는 제2 발화조건을 선택할 수 있고, 선택한 검증 대상 텍스트 및 발화조건에 의해 음성 인식 검증 장치(100)가 출력하는 음성 인식 검증 결과를 수신할 수 있다.
본 실시 예에서 사용자 단말기(200)는 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. 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 인식 검증 장치(100)를 동작시키는 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(300)는 사용자 단말기(200)에 설치된 음성 인식 검증 어플리케이션 또는 음성 인식 검증 웹 브라우저를 이용하여 음성 인식 검증 장치(100)의 동작을 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 검증 장치(100) 및/또는 사용자 단말기(200)와 신호를 송수신할 수 있다. 서버(300)는 사용자 단말기(200)로부터 수신한 검증 대상 텍스트 및 발화조건 선택신호를 수신하여 음성 인식 검증 장치(100)로 전송할 수 있다. 서버(300)는 사용자 단말기(200)가 선택한 검증 텍스트 및 발화조건에 의해 음성 인식 검증 장치(100)가 생성한 검증 대상 발화 음성을 수신할 수 있다. 서버(300)는 검증 대상 발화 음성을 분석하고 분석 결과에 대응하는 인식 결과 텍스트를 음성 인식 검증 장치(100)로 전송할 수 있다. 음성 인식 검증 장치(100)는 서버(300)로부터 수신한 인식결과 텍스트와 사용자 단말기(200)가 선택한 검증 대상 텍스트를 비교하여 음성 인식 성능을 검증할 수 있다. 즉, 음성 인식 처리 과정이 서버(300)에 의해 수행될 수 있다.
음성 인식 검증 장치(100)의 프로세싱 능력에 따라 상술한 기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환하는 단계와, 검증 대상 발화 음성을 분석하고 분석 결과에 대응하는 인식 결과 텍스트를 출력하는 단계와, 검증 대상 텍스트 및 인식 결과 텍스트의 비교를 통하여 음성 인식 성능을 검증하는 단계 중 적어도 일부는 음성 인식 검증 장치(100)에 의해 수행될 수도 있다.
네트워크(400)는 음성 인식 검증 장치(100)와, 사용자 단말기(200)와, 서버(300)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)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(400)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 음성 인식 검증 장치의 개략적인 블록도이고, 도 3은 도 2의 음성 인식 검증 장치 중 데이터베이스, 음성 합성 모듈 및 음성 인식 모듈의 상세 블록도이다. 이하의 설명에서 도 1에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 2 및 도 3을 참조하면, 음성 인식 검증 장치(100)는 통신 모듈(110), 데이터베이스(120), 음성 합성 모듈(130), 마이크(140), 음성 인식 모듈(150), 음성 인식 검증 모듈(160) 및 제어 모듈(170)을 포함할 수 있다. 본 실시 예에서 음성 합성 모듈(130), 음성 인식 모듈(150) 및 음성 인식 검증 모듈(160) 각각은 음성 인식 검증 장치(100) 내부에 구비될 수도 있고, 음성 인식 검증 장치(100) 외부에 각각 구비될 수도 있다.
통신 모듈(110)은 네트워크(400)와 연동하여 음성 인식 검증 장치(100), 사용자 단말기(200) 및/또는 서버(300) 간의 송수신 신호를 패킷 데이터 형태로 제공하는데 필요한 통신 인터페이스를 제공할 수 있다. 또한, 통신 모듈(110)은 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등)을 지원할 수 있으며, M2M(machine to machine) 통신, V2X(vehicle to everything communication) 통신, D2D(device to device) 통신 등을 지원할 수 있다.
데이터베이스(120)는 음성 인식 검증에 이용할 하나 이상의 검증 대상 텍스트를 저장하는 제1 데이터베이스(121)와, 검증 대상 발화 음성의 특성에 변화를 줄 수 있는 하나 이상의 음성 특성 파라미터로서의 제1 발화조건을 저장하는 제2 데이터베이스(122)와, 검증 대상 발화 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 하나 이상의 발화자 특성 파라미터로서의 제2 발화조건을 저장하는 제3 데이터베이스(123)를 포함할 수 있다. 여기서 음성 특성 파라미터는 감성, 억양, 빠르기, 속도, 크기, 말투, 발음 등을 포함할 수 있고, 발화자 특성 파라미터는 10대 남자의 목소리, 20대 여자의 목소리, 30대 남자의 목소리, 70대 여자의 목소리 등 기설정된 명수의 목소리를 포함할 수 있다. 본 실시 예에서 제1 데이터베이스(121) 내지 제3 데이터베이스(123)에 저장되는 검증 대상 텍스트, 제1 발화조건 및 제2 발화조건은 제어 모듈(170)의 제어 하에 통신 모듈(110)을 통하여 외부 장치(웹사이트, 서버 등)로부터 수신하여 업데이트될 수 있다.
음성 합성 모듈(130) 기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환할 수 있다. 본 실시 예에서 음성 합성 모듈(130)은 음성 합성부(131) 및 제어부(132)를 포함할 수 있고, 음성 합성부(131)는 변환부(131-1), 적용부(131-2) 및 출력부(131-3)를 포함할 수 있다.
변환부(131-1)는 제1 데이터베이스(121)로부터 입력되는 검증 대상 텍스트를 전처리 음성으로 변환할 수 있다. 음성합성 기술은 텍스트가 입력되면 입력되는 텍스트를 언어 해석하고 음성으로 합성하는 처리과정을 통해 텍스트를 자연스러운 합성음으로 변환시켜 출력하는 것으로, TTS(text-to-speech)를 통해 이루어 질 수 있다. 본 실시 예에서 변환부(131-1)는 TTS 변환부를 포함할 수 있다. 변환부(131-1)는 언어처리, 운율 생성 및 파형 합성의 3단계를 통하여 검증 대상 텍스트를 전처리 음성으로 변환할 수 있다. 변환부(131-1)는 검증 대상 텍스트의 문법적 구조를 분석(언어처리 단계)하고, 분석된 문법적 구조에 의해 사람이 읽는 것과 같은 운율을 생성하고, 생성된 운율에 따라 저장된 음성 데이터베이스(미도시)의 기본 단위를 모아 합성음을 생성할 수 있다. 변환부(131-1)가 생성한 합성음을 전처리 음성이라 할 수 있다.
적용부(131-2)는 변환부(131-1)가 생성한 전처리 음성에 기설정된 발화조건을 적용할 수 있다. 적용부(131-2)는 전처리 음성에 제1 발화 조건을 적용한 제1 전처리 음성을 생성할 수 있다. 또한 적용부(131-2)는 전처리 음성에 제2 발화 조건을 적용한 제2 전처리 음성을 생성할 수 있다.
여기서 제어부(132)는 적용부(131-2)가 적용할 제1 발화조건 및 제2 발화조건의 선택 제어 신호를 데이터베이스(120)로 출력할 수 있다. 더 나아가 제어부(132)는 검증 대상 텍스트의 선택 제어 신호를 데이터베이스(120)로 출력할 수 있다. 제어부(132)의 선택 제어 신호를 수신한 제1 데이터베이스(121)는 검증 대상 텍스트를 음성 합성부(131)로 출력할 수 있다. 또한 제어부(132)의 선택 제어 신호를 수신한 제2 데이터베이스(122) 및 제3 데이터베이스(123)는 제1 발화조건 및 제2 발화조건을 음성 합성부(131)로 출력할 수 있다.
예를 들어 적용부(131-2)는 전처리 음성에 제1 발화 조건(예를 들어, 기설정된 속도의 빠르기)을 적용한 제1 전처리 음성을 생성할 수 있다. 또한 적용부(131-2)는 전처리 음성에 제2 발화 조건(예를 들어 20대 여성의 목소리)을 적용하한 제2 전처리 음성을 생성할 수 있다.
출력부(131-3)는 기설정된 발화조건을 적용한 전처리 음성을 검증 대상 발화 음성으로 출력할 수 있다. 출력부(131-3)는 적용부(131-2)에서 제1 전처리 음성 및 제2 전처리 음성을 합성한 결과를 검증 대상 발화 음성으로 출력할 수 있다. 상술한 예로 출력부(131-3)는 검증 대상 텍스트를 기설정된 속도의 빠르기로, 20대 여성의 목소리로 발화한 음성을 검색 대상 음성으로 출력할 수 있다.
이와 같이 음성 합성부(131)는 제어부(132)의 제1 발화조건 및/또는 제2 발화조건의 선택 제어 신호에 의해, 검증 대상 텍스트에 대한 다양한 검증 대상 발화음성을 출력할 수 있다.
선택적 실시 예로 적용부(132-1)는 변환부(131-1)에서 생성한 합성음으로서의 전처리 음성에 대하여, 전처리 음성의 주파수 대역에 대응하는 음성 스펙트로그램을 생성하고, 음성 스펙트로그램에 기설정된 발화조건을 적용할 수 있다.
적용부(132-1)는 전처리 음성 신호를 푸리에 변환(fourier transform)함으로써, 전처리 음성 신호에 대한 스펙트로그램을 획득할 수 있다. 여기서 스펙트로그램이라 함은, 음성을 시각화 하여 파악하기 위한 도구로, 파형과 스펙트럼의 특징이 조합될 수 있다. 적용부(132-1)는 푸리에 변환을 통해 전처리 음성 신호의 기본 주파수(fundamental frequency)를 계산하고, 기본 주파수의 자연수배(1, 2, 3 ? 배)에 해당하는 주파수의 진폭 값을 계산하여 주파수 값을 x축에, 진폭 값을 y축에 나타내어 전처리 음성 신호에 대한 스펙트럼을 생성할 수 있다. 스펙트로그램은 생성된 스펙트럼에서 진폭 값이 클수록 빈(bin)의 크기를 크게 하고, 진폭 값이 작을수록 빈의 크기를 작게 나타내어, 각각의 주파수 위치에 대해 진폭 값의 크기를 연속으로 표시한 것을 포함할 수 있다.
적용부(132-1)는 음성 스펙트로그램에 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하고, 음성 스펙트로그램에 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용할 수 있다.
예를 들어 적용부(131-2)는 음성 스펙트로그램에 제1 발화 조건(예를 들어, 기설정된 값의 크기)을 적용한 제1 음성 스펙트로그램을 생성할 수 있다. 또한 적용부(131-2)는 음성 스펙트로그램에 제2 발화 조건(예를 들어 10대 남성의 목소리)을 적용하한 제2 음성 스펙트로그램을 생성할 수 있다.
출력부(131-3)는 발화조건을 적용한 음성 스펙트로그램을 검증 대상 발화 음성으로 출력할 수 있다. 출력부(131-3)는 적용부(131-2)에서 제1 음성 스펙트로그램 및 제2 음성 스펙트로그램을 합성할 수 있다.
출력부(131-3)는 합성한 음성 스펙트로그램을 선형 스펙트로그램으로 변환하고, 선형 스펙트로그램을 음성 파형으로 변환한 결과를 검증 대상 발화 음성으로 출력할 수 있다. 상술한 예로 출력부(131-3)는 검증 대상 텍스트를 기설정된 값의 크기로, 10대 남성의 목소리로 발화한 음성 스펙트로그램으로 출력할 수 있다.
본 실시 예에서 음성 합성 모듈(130)은 타코트론(tacotron)알고리즘을 이용하여, 검증 대상 텍스트를 음성 스펙트로그램 변환하고, 음성 스펙트로그램에 기설정된 발화조건을 적용하여 검증 대상 발화 음성으로 변환할 수 있다.
타코트론은 순환 신경망(RNN: recurrent neural network) 인코더-디코더(encoder-decoder)를 활용한 'sequence-to-sequence' 모델로서 텍스트(검증 대상 텍스트)에서 필요한 정보를 추출하는 인코더(미도시)와 인코더에서 출력되는 텍스트(검증 대상 텍스트)로부터 음성을 합성하는 디코더(미도시)부로 나눌 수 있다.
인코더에서는, 인코더 네트워크의 입력값으로, 문장을 문자(character) 단위로 분해하여 벡터형태로 만든 문자 임베딩(character embedding)이 사용되며 신경망(neural network)을 거쳐 텍스트 임베딩 벡터(text encoding vector)를 출력할 수 있다.
신경망(neural network)으로, CBHG 모듈 즉, 컨벌루션 신경망(convolutional neural network), 하이웨이 네트워크(highway network) 및 양방향성 순환 신경망(bi-directional recurrent neural network)을 순서대로 쌓은 신경망이 사용될 수 있다.
디코더에서는, t시간 단계에서의 디코더 네트워크(Decoder network)의 입력값으로는 텍스트 임베딩 벡터(text encoding vector)들의 가중합과 이전 t-1시간단계의 마지막 디코더 출력값이 합쳐져 사용될 수 있다. 디코더의 출력값은 멜 스케일 스펙트로그램(mel-scale spectrogram)으로 매 시단 단계당 r개의 벡터를 출력할 수 있다. r개의 벡터 중 마지막 벡터만 다음 시간 단계의 디코더 입력값으로 사용될 수 있다. 시간 단계마다 r개씩 생성된 멜 스케일 스펙트로그램 벡터들은 디코더 타임 스텝방향으로 합쳐져 합성된 음성 전체의 멜 스케일 스펙트로그램을 이루게 되며, 이 스펙트로그램은 추가적인 신경망(neural network)를 거쳐 선형-스케일 스펙트로그램으로 변환될 수 있다. 이후 선형-스케일 스펙트로그램이 'Griffin-Lim reconstruction' 알고리즘을 통해 파형(wave form)으로 변환이 되며 이것을 '~.wav' 파일로 쓰게 되면 음성 파일(검증 대상 발화 음성)이 생성될 수 있다.
마이크(140)는 음성 합성 모듈(130)에서 출력되는 검증 대상 발화 음성을 음성 인식 모듈(150)로 입력할 수 있다.
음성 인식 모듈(150)은 마이크(140)를 통해 입력된 검증 대상 발화 음성을 분석하고, 분석 결과에 대응하는 인식 결과 텍스트를 출력할 수 있다. 본 실시 예에서 음성 인식 모듈(150)은 자동 음성 인식부(ASR(auto speech recognition) unit)(151), 자연어 이해부(natural language understanding unit)(152), 자연어 생성부(natural language generating unit)(153) 및 텍스트-음성 변환부(TTS(text-to-speech) unit)(154)를 포함할 수 있다.
자동 음성 인식부(151)는 마이크(140)를 통해 입력된 검증 대상 발화 음성을 전처리 텍스트로 변환할 수 있다. 예를 들어, 자동 음성 인식부(151)는 발화 인식부(미도시)를 포함할 수 있다. 발화 인식부는 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 발화 인식부는 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 검증 대상 발화 음성을 전처리 텍스트로 변환할 수 있다. 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식부(151) 내의 자동 음성 인식 데이터베이스(미도시)에 저장될 수 있다.
자연어 이해부(152)는 자동 음성 인식부(151)에서 출력되는 전처리 텍스트에 대하여, 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 검증 대상 음성의 발화 의도를 파악할 수 있다. 여기서, 문법적 분석은 전처리 텍스트를 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 또한 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해부(152)는 전처리 텍스트가 어떤 의도(intent)인지 또는 이러한 의도를 표현하는데 필요한 파라미터(parameter)를 얻을 수 있다.
자연어 생성부(153)는 검증 대상 음성의 발화 의도를 반영한 전처리 텍스트를 자연어 발화 형태의 텍스트로 생성할 수 있다. 본 실시 예에서, 자연어 생성부(153)에서 생성한 자연어 발화 형태의 텍스트는 인식 결과 텍스트로서 음성 인식 검증 모듈(160)에 입력될 수 있다.
텍스트 음성 변환부(154)는 자연어 생성부(153)가 생성한 자연어 발화 형태의 텍스트를 음성 정보로 변환하여 오디오 출력부(미도시)를 통하여 출력할 수 있다.
음성 인식 검증 모듈(160)은 제1 데이터베이스(121)에서 출력되는 검증 대상 텍스트와, 음성 인식 모듈(150) 내부의 자연어 생성부(153)에서 출력되는 인식 결과 텍스트(자연어 발화 형태의 텍스트)를 비교하여 음성 인식 성능을 검증할 수 있다. 음성 인식 검증 모듈(160)은 검증 대상 텍스트와 인식 결과 텍스트 비교 결과, 매칭도가 높을수록 음성 인식 성능이 높아지고, 매칭도가 낮을수록 음성 인식 성능이 낮아질 수 있다.
제어 모듈(170)은 일종의 중앙처리장치로서 메모리(미도시)에 탑재된 제어 소프트웨어를 구동하여 음성 인식 검증 장치(100) 전체의 동작을 제어할 수 있다. 본 실시 예에서 제어 모듈(170)은 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 제어 모듈(170)은 음성 인식 검증을 수행하기 위해, 검증 대상 텍스트에 대하여 다양한 검증 대상 발화 음성을 생성하도록 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행하도록 제어할 수 있고, 메모리는, 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.
제어 모듈(170)은 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함될 수 있고, 기설정된 조건을 적용하여 검증 대상 발화 음성을 생성하도록 제어하기 위해 심층신경망을 학습할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 제어 모듈(170)은 설정에 따라 학습 후 인공신경망 구조를 업데이트시키도록 제어할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 음성 인식 검증 방법의 흐름도이다. 이하의 설명에서 도 1 내지 도 3에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 4를 참조하면, S410단계에서, 음성 인식 검증 장치(100)는 기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환한다. 음성 인식 검증 장치(100)는 검증 대상 텍스트를 전처리 음성으로 변환하고, 전처리 음성에 기설정된 발화조건을 적용하며, 발화조건을 적용한 전처리 음성을 검증 대상 발화 음성으로 출력할 수 있다. 여기서 기설정된 발화조건이라 함은, 검증 대상 발화 음성을 다양하게 출력할 수 있는 제어 파라미터를 포함할 수 있다. 본 실시 예에서 기설정된 발화조건은 제1 발화조건 및 제2 발화조건을 포함할 수 있다. 제1 발화조건은 검증 대상 발화 음성의 특성에 변화를 줄 수 있는 음성 특성 파라미터로서, 데이터베이스(도 2의 110)에 구축된 감성, 억양, 빠르기, 속도, 크기, 말투, 발음 등을 포함할 수 있다. 또한 제2 발화조건은 검증 대상 발화 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서, 데이터베이스(도 2의 110)에 구축된 10대 남자의 목소리, 20대 여자의 목소리, 30대 남자의 목소리, 70대 여자의 목소리 등을 포함할 수 있다. 음성 인식 검증 장치(100)는 제1 발화조건을 적용한 전처리 음성과 제2 발화조건을 적용한 전처리 음성을 합성한 결과를 검증 대상 발화 음성으로 출력할 수 있다.
선택적 실시 예로, 음성 인식 검증 장치(100)는 검증 대상 텍스트를 전처리 음성으로 변환하고, 전처리 음성의 주파수 대역에 대응하는 음성 스펙트로그램을 생성하여 음성 스펙트로그램에 기설정된 발화조건을 적용하며, 발화조건을 적용한 음성 스펙트로그램을 검증 대상 발화 음성으로 출력할 수 있다. 음성 인식 검증 장치(100)는 음성 스펙트로그램에 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하고, 음성 스펙트로그램에 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용한 후, 제1 발화조건을 적용한 음성 스펙트로그램과 제2 발화조건을 적용한 음성 스펙트로그램을 합성할 수 있다. 음성 인식 검증 장치(100)는 합성한 음성 스펙트로그램을 선형 스펙트로그램으로 변환하고, 선형 스펙트로그램을 음성 파형으로 변환한 후 검증 대상 발화 음성으로 출력할 수 있다.
S420단계에서, 음성 인식 검증 장치(100)는 검증 대상 발화 음성을 분석하고 분석 결과에 대응하는 인식 결과 텍스트를 출력한다. 음성 인식 검증 장치(100)는 검증 대상 발화 음성을 전처리 텍스트로 변환하고, 검증 대상 발화 음성의 발화 의도를 파악하고, 파악한 의도를 전처리 텍스트에 반영하여 생성한 자연어 발화 형태의 텍스트를 인식 결과 텍스트로 출력할 수 있다.
S430단계에서, 음성 인식 검증 장치(100)는 검증 대상 텍스트 및 인식 결과 텍스트의 비교를 통하여 음성 인식 성능을 검증한다.
S430단계에서, 음성 인식 검증 장치(100)는 데이터베이스에서 출력되는 검증 대상 텍스트와, 인식 결과 텍스트(자연어 발화 형태의 텍스트)를 비교하여 음성 인식 성능을 검증한다. 음성 인식 검증 장치(100)의 검증 대상 텍스트와 인식 결과 텍스트 비교 결과, 매칭도가 높을수록 음성 인식 성능이 높아지고, 매칭도가 낮을수록 음성 인식 성능이 낮아질 수 있다.
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 검증 장치
200: 사용자 단말기
300: 서버
400: 네트워크
200: 사용자 단말기
300: 서버
400: 네트워크
Claims (17)
- 음성 인식 검증 방법으로서,
기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환하는 단계;
상기 검증 대상 발화 음성을 분석하고 분석 결과에 대응하는 인식 결과 텍스트를 출력하는 단계; 및
상기 검증 대상 텍스트 및 상기 인식 결과 텍스트의 비교를 통하여 음성 인식 성능을 검증하는 단계를 포함하는,
음성 인식 검증 방법. - 제 1 항에 있어서,
상기 변환하는 단계는,
상기 검증 대상 텍스트를 전처리 음성으로 변환하는 단계;
상기 전처리 음성에 기설정된 발화조건을 적용하는 단계; 및
상기 발화조건을 적용한 전처리 음성을 상기 검증 대상 발화 음성으로 출력하는 단계를 포함하는,
음성 인식 검증 방법. - 제 2 항에 있어서,
상기 적용하는 단계는,
상기 전처리 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하는 단계; 및
상기 전처리 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용하는 단계를 포함하는,
음성 인식 검증 방법. - 제 3 항에 있어서,
상기 검증 대상 발화 음성으로 출력하는 단계는,
상기 제1 발화조건을 적용한 전처리 음성과 상기 제2 발화조건을 적용한 전처리 음성을 합성한 결과를 상기 검증 대상 발화 음성으로 출력하는 단계를 포함하는,
음성 인식 검증 방법. - 제 1 항에 있어서,
상기 변환하는 단계는,
상기 검증 대상 텍스트를 전처리 음성으로 변환하는 단계;
상기 전처리 음성의 주파수 대역에 대응하는 음성 스펙트로그램을 생성하는 단계;
상기 음성 스펙트로그램에 기설정된 발화조건을 적용하는 단계; 및
상기 발화조건을 적용한 음성 스펙트로그램을 상기 검증 대상 발화 음성으로 출력하는 단계를 포함하는,
음성 인식 검증 방법. - 제 5 항에 있어서,
상기 적용하는 단계는,
상기 음성 스펙트로그램에 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하는 단계; 및
상기 음성 스펙트로그램에 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용하는 단계를 포함하는,
음성 인식 검증 방법. - 제 5 항에 있어서,
상기 검증 대상 발화 음성을 출력하는 단계는,
상기 제1 발화조건을 적용한 음성 스펙트로그램과 상기 제2 발화조건을 적용한 음성 스펙트로그램을 합성하는 단계를 포함하는,
음성 인식 검증 방법. - 제 7 항에 있어서,
상기 검증 대상 발화 음성으로 출력하는 단계는,
합성한 상기 음성 스펙트로그램을 선형 스펙트로그램으로 변환하는 단계;
상기 선형 스펙트로그램을 음성 파형으로 변환하는 단계; 및
상기 음성 파형을 상기 검증 대상 발화 음성으로 출력하는 단계를 포함하는,
음성 인식 검증 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.
- 음성 인식 검증 장치로서,
기설정된 발화 조건을 적용하여 검증 대상 텍스트를 검증 대상 발화 음성으로 변환하는 음성 합성 모듈;
상기 검증 대상 발화 음성을 분석하고 분석 결과에 대응하는 인식 결과 텍스트를 출력하는 음성 인식 모듈; 및
상기 검증 대상 텍스트 및 상기 인식 결과 텍스트의 비교를 통하여 음성 인식 성능을 검증하는 음성 인식 검증 모듈을 포함하는,
음성 인식 검증 장치. - 제 10 항에 있어서,
상기 음성 합성 모듈은,
상기 검증 대상 텍스트를 전처리 음성으로 변환하는 변환부;
상기 전처리 음성에 기설정된 발화조건을 적용하는 적용부; 및
상기 발화조건을 적용한 전처리 음성을 상기 검증 대상 발화 음성으로 출력하는 출력부를 포함하는,
음성 인식 검증 장치. - 제 11 항에 있어서,
상기 적용부는,
상기 전처리 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하고, 상기 전처리 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용하도록 구성되는,
음성 인식 검증 장치. - 제 12 항에 있어서,
상기 출력부는,
상기 제1 발화조건을 적용한 전처리 음성과 상기 제2 발화조건을 적용한 전처리 음성을 합성한 결과를 상기 검증 대상 발화 음성으로 출력하도록 구성되는,
음성 인식 검증 장치. - 제 10 항에 있어서,
상기 음성 합성 모듈은,
상기 검증 대상 텍스트를 전처리 음성으로 변환하는 변환부;
상기 전처리 음성의 주파수 대역에 대응하는 음성 스펙트로그램을 생성하고, 상기 음성 스펙트로그램에 기설정된 발화조건을 적용하는 적용부; 및
상기 발화조건을 적용한 음성 스펙트로그램을 상기 검증 대상 발화 음성으로 출력하는 출력부를 포함하는,
음성 인식 검증 장치. - 제 14 항에 있어서,
상기 적용부는,
상기 음성 스펙트로그램에 음성의 특성에 변화를 줄 수 있는 음성 특성 파리미터로서의 제1 발화 조건을 적용하고, 상기 음성 스펙트로그램에 음성을 발화하는 발화자의 목소리에 변화를 줄 수 있는 발화자 특성 파라미터로서의 제2 발화 조건을 적용하도록 구성되는,
음성 인식 검증 장치. - 제 15 항에 있어서,
상기 출력부는,
상기 제1 발화조건을 적용한 음성 스펙트로그램과 상기 제2 발화조건을 적용한 음성 스펙트로그램을 합성하도록 구성되는,
음성 인식 검증 장치. - 제 16 항에 있어서,
상기 출력부는,
합성한 상기 음성 스펙트로그램을 선형 스펙트로그램으로 변환하고, 상기 선형 스펙트로그램을 음성 파형으로 변환하며, 상기 음성 파형을 상기 검증 대상 발화 음성으로 출력하도록 구성되는,
음성 인식 검증 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190081289A KR20190087353A (ko) | 2019-07-05 | 2019-07-05 | 음성 인식 검증 장치 및 방법 |
| US16/572,955 US11205417B2 (en) | 2019-07-05 | 2019-09-17 | Apparatus and method for inspecting speech recognition |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190081289A KR20190087353A (ko) | 2019-07-05 | 2019-07-05 | 음성 인식 검증 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190087353A true KR20190087353A (ko) | 2019-07-24 |
Family
ID=67481428
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190081289A KR20190087353A (ko) | 2019-07-05 | 2019-07-05 | 음성 인식 검증 장치 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11205417B2 (ko) |
| KR (1) | KR20190087353A (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021132786A1 (ko) * | 2019-12-23 | 2021-07-01 | 주식회사 마인즈랩 | 고령자를 위한 휴먼케어 로봇의 학습 데이터 처리 시스템 |
| KR20210086744A (ko) * | 2019-12-30 | 2021-07-09 | (주)라이언로켓 | 딥러닝 기반의 영상 컨텐츠 제작 방법 및 장치 |
| KR20220066827A (ko) * | 2020-11-16 | 2022-05-24 | 주식회사 이모코그 | 딥 러닝을 활용한 음성 기반 트라우마 스크리닝 장치 및 방법 |
| WO2022250285A1 (ko) * | 2021-05-28 | 2022-12-01 | 주식회사 코클 | 음향정보 분석을 통한 매칭정보 제공방법, 장치 및 프로그램 |
| WO2024076214A1 (ko) * | 2022-10-07 | 2024-04-11 | 삼성전자 주식회사 | 음성 인식을 수행하는 전자 장치와 이의 동작 방법 |
| WO2024080745A1 (ko) * | 2022-10-11 | 2024-04-18 | 삼성전자 주식회사 | 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473516B (zh) * | 2019-09-19 | 2020-11-27 | 百度在线网络技术（北京）有限公司 | 语音合成方法、装置以及电子设备 |
| US11373633B2 (en) * | 2019-09-27 | 2022-06-28 | Amazon Technologies, Inc. | Text-to-speech processing using input voice characteristic data |
| KR102663669B1 (ko) * | 2019-11-01 | 2024-05-08 | 엘지전자 주식회사 | 소음 환경에서의 음성 합성 |
| CN110827799B (zh) * | 2019-11-21 | 2022-06-10 | 百度在线网络技术（北京）有限公司 | 用于处理语音信号的方法、装置、设备和介质 |
| US11423906B2 (en) | 2020-07-10 | 2022-08-23 | Tencent America LLC | Multi-tap minimum variance distortionless response beamformer with neural networks for target speech separation |
| US20220382999A1 (en) * | 2021-05-29 | 2022-12-01 | Imrsv Data Labs Inc. | Methods and systems for speech-to-speech translation |
| US11735185B2 (en) * | 2021-08-19 | 2023-08-22 | National Yang Ming Chiao Tung University | Caption service system for remote speech recognition |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130051278A (ko) | 2011-11-09 | 2013-05-20 | 엘지전자 주식회사 | 개인화된 ｔｔｓ 제공장치 |
| KR101819459B1 (ko) | 2016-08-17 | 2018-01-17 | 주식회사 소리자바 | 음성 인식 오류 수정을 지원하는 음성 인식 시스템 및 장치 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6151576A (en) * | 1998-08-11 | 2000-11-21 | Adobe Systems Incorporated | Mixing digitized speech and text using reliability indices |
| US7103542B2 (en) * | 2001-12-14 | 2006-09-05 | Ben Franklin Patent Holding Llc | Automatically improving a voice recognition system |
| US7260534B2 (en) * | 2002-07-16 | 2007-08-21 | International Business Machines Corporation | Graphical user interface for determining speech recognition accuracy |
| US20070016421A1 (en) * | 2005-07-12 | 2007-01-18 | Nokia Corporation | Correcting a pronunciation of a synthetically generated speech object |
| US8838448B2 (en) * | 2012-04-05 | 2014-09-16 | Nuance Communications, Inc. | Forced/predictable adaptation for speech recognition |
| CN106548772A (zh) * | 2017-01-16 | 2017-03-29 | 上海智臻智能网络科技股份有限公司 | 语音识别测试系统及方法 |
-
2019
- 2019-07-05 KR KR1020190081289A patent/KR20190087353A/ko active Search and Examination
- 2019-09-17 US US16/572,955 patent/US11205417B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130051278A (ko) | 2011-11-09 | 2013-05-20 | 엘지전자 주식회사 | 개인화된 ｔｔｓ 제공장치 |
| KR101819459B1 (ko) | 2016-08-17 | 2018-01-17 | 주식회사 소리자바 | 음성 인식 오류 수정을 지원하는 음성 인식 시스템 및 장치 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021132786A1 (ko) * | 2019-12-23 | 2021-07-01 | 주식회사 마인즈랩 | 고령자를 위한 휴먼케어 로봇의 학습 데이터 처리 시스템 |
| KR20210081186A (ko) * | 2019-12-23 | 2021-07-01 | 주식회사 마인즈랩 | 고령자를 위한 휴먼케어 로봇의 학습 데이터 처리 시스템 |
| KR20210086744A (ko) * | 2019-12-30 | 2021-07-09 | (주)라이언로켓 | 딥러닝 기반의 영상 컨텐츠 제작 방법 및 장치 |
| KR20220066827A (ko) * | 2020-11-16 | 2022-05-24 | 주식회사 이모코그 | 딥 러닝을 활용한 음성 기반 트라우마 스크리닝 장치 및 방법 |
| WO2022250285A1 (ko) * | 2021-05-28 | 2022-12-01 | 주식회사 코클 | 음향정보 분석을 통한 매칭정보 제공방법, 장치 및 프로그램 |
| WO2024076214A1 (ko) * | 2022-10-07 | 2024-04-11 | 삼성전자 주식회사 | 음성 인식을 수행하는 전자 장치와 이의 동작 방법 |
| WO2024080745A1 (ko) * | 2022-10-11 | 2024-04-18 | 삼성전자 주식회사 | 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200013388A1 (en) | 2020-01-09 |
| US11205417B2 (en) | 2021-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20190087353A (ko) | 음성 인식 검증 장치 및 방법 | |
| KR102668866B1 (ko) | 기계학습을 이용한 텍스트-음성 합성 방법, 장치 및 컴퓨터 판독가능한 저장매체 | |
| CN112786007B (zh) | 语音合成方法、装置、可读介质及电子设备 | |
| US11562739B2 (en) | Content output management based on speech quality | |
| KR20160030168A (ko) | 음성 인식 방법, 장치 및 시스템 | |
| US20180336887A1 (en) | User adaptive speech recognition method and apparatus | |
| CN112786008B (zh) | 语音合成方法、装置、可读介质及电子设备 | |
| WO2022252904A1 (zh) | 基于人工智能的音频处理方法、装置、设备、存储介质及计算机程序产品 | |
| KR20210155401A (ko) | 인공 지능을 이용하여, 합성 음성의 품질을 평가하는 음성 합성 장치 및 그의 동작 방법 | |
| CN113327580A (zh) | 语音合成方法、装置、可读介质及电子设备 | |
| US20220157329A1 (en) | Method of converting voice feature of voice | |
| CN117373431A (zh) | 音频合成方法、训练方法、装置、设备及存储介质 | |
| CN113409757A (zh) | 基于人工智能的音频生成方法、装置、设备及存储介质 | |
| US20210065678A1 (en) | Speech synthesis method and apparatus | |
| Wisesty et al. | Feature extraction analysis on Indonesian speech recognition system | |
| KR102277205B1 (ko) | 오디오 변환 장치 및 방법 | |
| US11620978B2 (en) | Automatic interpretation apparatus and method | |
| Hong et al. | A study on the emotional feature composed of the mel-frequency cepstral coefficient and the speech speed | |
| KR20230120790A (ko) | 가변적 언어모델을 이용한 음성인식 헬스케어 서비스 | |
| KR102418232B1 (ko) | 보이스 유사도 평가 방법 및 그 장치 | |
| Koolagudi et al. | Real life emotion classification using spectral features and gaussian mixture models | |
| Visalakshi et al. | Analysis of throat microphone using MFCC features for speaker recognition | |
| KR20220067864A (ko) | 음성의 보이스 특징 변환 방법 | |
| Patil et al. | A review on emotional speech recognition: resources, features, and classifiers | |
| US20230076239A1 (en) | Method and device for synthesizing multi-speaker speech using artificial neural network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |