KR20190092326A

KR20190092326A - 음성 제공 방법 및 음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스

Info

Publication number: KR20190092326A
Application number: KR1020190087075A
Authority: KR
Inventors: 박미현
Original assignee: 엘지전자 주식회사
Priority date: 2019-07-18
Filing date: 2019-07-18
Publication date: 2019-08-07
Also published as: US20190385588A1; US11580953B2

Abstract

음성 제공 방법 및 음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스가 개시된다. 본 발명의 일 실시예에 따른 음성 제공 방법은 메시지를 획득하여 음성으로 변환하되, 메시지 생성 상황에 기반하여 출력 패턴을 결정함으로써, TTS의 수신자에게 메시지의 생성 당시의 상황을 보다 실감나게 전달할 수 있다.
본 발명의 음성 제공 방법, 음성 제공 장치 및 음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스 중 하나 이상이 인공 지능(Artificial Intelligence) 모듈, 드론(Unmanned Aerial Vehicle, UAV), 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.

Description

음성 제공 방법 및 음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스{SPEECH PROVIDING METHOD AND INTELLIGENT COMPUTING DEVICE CONTROLLING SPEECH PROVIDING APPARATUS}

본 발명은 음성 제공 방법 및 음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스에 관한 것으로서, 보다 구체적으로는 음성에 포함된 대화의 상황과 관련된 정보를 반영하여 지능적으로 음성을 제공할 수 있는 음성 제공 방법 및 음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스에 관한 것이다.

종래의 텍스트 투 스피치(Text-To-Speech, TTS) 프로세싱은 기 저장된 음성으로 텍스트를 출력한다.

TTS 프로세싱의 일차적인 목적은 텍스트가 갖는 의미적 내용(semantic contents)을 전달하는 것이다.

최근에는 TTS 프로세싱이 텍스트의 의미적 내용뿐만 아니라 텍스트가 갖는 인터랙티브(interactive) 의미가 상대방에게 전달될 수 있도록 하는 기술이 개발되고 있다.

다만, 실제 텍스트를 전달한 사용자의 의도나 감정이 음성 출력에 반영되어 실제로 텍스트 전달자와 인터랙티브한 대화를 경험하도록 할 필요성이 제기된다.

본 발명은 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.

또한, 본 발명은 음성에 포함된 대화의 상황과 관련된 정보를 기반으로 음성을 제공하는 지능형 컴퓨팅 디바이스를 구현하는 것을 목적으로 한다.

또한, 본 발명은 음성에 포함된 대화의 발화자 및 수화자와 관련된 정보를 반영한 패턴의 음성을 지능적으로 제공하는 컴퓨팅 디바이스를 구현하는 것을 목적으로 한다.

본 발명의 일 실시예에 따른 지능적 음성 제공 장치가 음성을 제공하는 방법은, 메시지를 획득하는 단계; 상기 메시지를 음성으로 변환하는 단계; 및 상기 음성을 제공하는 단계;를 포함하되, 상기 메시지를 음성으로 변환하는 단계는, 상기 메시지의 생성 상황과 관련된 정보에 기반하여 출력 패턴 정보를 생성하는 단계, 및 상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 변환하는 단계를 포함하는 것을 특징으로 한다.

상기 메시지 생성 상황 정보는, 상기 메시지의 작성자와 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

상기 메시지 생성 상황 정보는, 상기 메시지가 작성될 당시의 주변 환경과 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

상기 메시지 생성 상황 정보는, 상기 메시지의 수신자와 관련된 정보를 포함하는 것을 특징으로 할 수 있다.

상기 메시지 생성 상황 정보에 기반하여 상기 메시지를 디스플레이 상에 표시하는 단계를 더 포함할 수 있다.

상기 표시 단계는, 상기 메시지가 작성된 시간 또는 상기 메시지의 작성 당시 날씨와 관련된 정보에 기반하여 상기 메시지의 백그라운드 상에 배경 이미지를 표시하는 것을 특징으로 할 수 있다.

상기 메시지의 작성자의 작성 당시의 감정과 관련된 정보에 기반하여 상기 메시지의 위치를 조절하는 것을 특징으로 할 수 있다.

상기 표시 단계는, 상기 메시지가 음성 신호를 이용하여 획득된 경우, 상기 음성 신호의 시간에 따른 파형에 기반하여 상기 메시지에 포함된 복수의 음절 사이의 거리를 조절하는 것을 특징으로 할 수 있다.

상기 표시된 메시지에 대한 터치 입력을 수신하는 단계, 및 상기 터치 입력에 기반하여 상기 생성된 출력 패턴 정보를 변경하는 단계를 더 포함할 수 있다.

상기 메시지가 작성될 당시의 주변 환경과 관련된 정보에 기반하여 배경 음악을 출력 장치를 통해 출력하는 단계를 더 포함할 수 있다.

상기 출력 패턴 정보를 생성하는 단계는, 상기 메시지 및 상기 메시지 생성 상황 정보를 미리 학습된 인공 신경망에 입력하여, 상기 인공 신경망의 출력으로서 상기 출력 패턴 정보를 획득하는 것을 특징으로 할 수 있다.

상기 인공 신경망은, 상기 메시지 획득 단계 이전에, 복수의 화자와 관련된 정보 및 상기 복수의 화자 사이의 통화 음성 데이터를 이용하여 미리 학습되는 것을 특징으로 할 수 있다.

상기 출력 패턴 정보를 생성하는 단계는, 상기 메시지에 포함된 복수의 화자에 의해 발화된 복수의 음성을 상기 인공 신경망을 이용하여 구분하는 단계를 더 포함하는 것을 특징으로 할 수 있다.

상기 음성 제공 장치의 내부에 구비된 적어도 하나의 센서로부터 획득되는 상기 메시지 생성 상황 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 단계;를 더 포함하고, 상기 메시지 생성 상황 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 특징으로 할 수 있다.

SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계;를 더 포함하고, 상기 메시지 생성 상황 정보는 PUSCH를 통해 상기 네트워크로 전송되며, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 것을 특징으로 할 수 있다.

상기 메시지 생성 상황 정보를 상기 네트워크에 포함된 AI 프로세서로 전송하도록 통신부를 제어하는 단계; 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 단계;를 더 포함하고, 상기 AI 프로세싱된 정보는, 상기 메시지 생성 상황 정보에 기반하여 생성된 상기 출력 패턴 정보를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 따른 음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스는 메시지를 획득하는 통신부; 프로세서; 상기 프로세서에 의해 실행 가능한 명령어를 포함하는 메모리;를 포함하고, 상기 명령어는, 상기 메시지로부터 상기 메시지의 생성 상황과 관련된 정보를 도출하고, 상기 메시지 생성 상황 정보에 기반하여 출력 패턴 정보를 생성하며, 상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 출력하는 것을 특징으로 한다.

상기 프로세서는, 미리 저장된 사용자 선호 출력 패턴을 상기 메시지에 적용하고, 상기 메시지 생성 상황 정보에 기반하여 상기 메시지에 적용된 출력 패턴을 업데이트하는 것을 특징으로 할 수 있다.

상기 프로세서는, 상기 메시지를 미리 학습된 제1 인공 신경망에 입력하여 상기 메시지 생성 상황 정보를 획득하고, 상기 메시지 생성 상황 정보를 미리 학습된 제2 인공 신경망에 입력하여 상기 출력 패턴 정보를 획득하는 것을 특징으로 할 수 있다.

본 발명의 또 다른 실시예에 따른 기록 매체는, 컴퓨팅 디바이스의 하나 이상의 프로세서에서 실행하도록 구성된 컴퓨터 실행 가능한 컴포넌트가 저장된 비 일시적(non-transitory) 컴퓨터 판독 가능한 매체(computer-executable component)로서, 상기 컴퓨터 실행 가능한 컴포넌트는, 메시지를 획득하고, 상기 메시지의 생성 상황과 관련된 정보에 기반하여 출력 패턴 정보를 생성하고, 상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 변환하며, 상기 음성을 제공하는 것을 특징으로 음성 제공 장치를 제어하는 것을 특징으로 한다.

본 발명의 일 실시예에 따른 음성 제공 방법의 효과에 대해 설명하면 다음과 같다.

본 발명은 TTS의 수신자에게 메시지의 생성 당시의 상황을 보다 실감나게 전달할 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 4는 본 발명의 일 실시예에 따른 음성 제공 방법이 구현되는 개략적인 시스템의 블록 구성도를 예시한다.
도 5는 본 발명의 일 실시예들에 적용될 수 있는 AI 장치의 블록도이다.
도 6은 본 발명의 일실시예에 따른 음성 제공 장치의 예시적인 블록도이다.
도 7은 본 발명의 일 실시예에 따른 음성 제공 방법을 나타낸 흐름도이다.
도 8은 음성을 제공하는 TTS 모듈을 예시한다.
도 9는 도 8의 작성자 정보에 기반하여 음성을 제공하는 하나의 예를 도시한다.
도 10은 도 8의 작성자 정보에 기반하여 음성을 제공하는 다른 하나의 예를 도시한다.
도 11은 도 8의 작성자 정보에 기반하여 음성을 제공하는 또 다른 하나의 예를 도시한다.
도 12는 도 8의 주변 환경 정보에 기반하여 음성을 제공하는 또 다른 하나의 예를 도시한다.
도 13은 출력 패턴을 생성하기 위한 인공 신경망을 학습하는 예의 흐름도이다.
도 14는 출력 패턴을 획득하기 위해 이용되는 인공 신경망을 학습하는 과정을 도시한다.
도 15는 출력 패턴을 획득하는 상세한 과정의 예를 도시한 흐름도이다.
도 16은 도 15의 과정을 5G 네트워크를 통해 수행하는 과정을 도시한다.
도 17은 출력 패턴을 디스플레이 상에 형상화하는 과정의 흐름도이다.
도 18은 출력 패턴을 디스플레이 상에 형상화하는 과정을 도시한다.
도 19는 출력 패턴을 수정하는 하나의 예를 도시한다.
도 20은 출력 패턴을 표시하는 예를 도시한다.
도 21은 출력 패턴을 수정하는 다른 예를 도시한다.
도 22는 본 발명의 다른 실시예에 따른 음성 제공 방법을 나타낸 흐름도이다.
도 23은 메시지와 함께 첨부된 출력 패턴을 이용하여 음성을 제공하는 예를 도시한다.
도 24는 메시지와 함께 첨부된 작성자 관련 정보를 이용하여 음성을 제공하는 예를 도시한다.
도 25는 메시지 작성자 관련 개인 DB에 기반하여 음성을 제공하는 예를 도시한다.
도 26은 미리 설정된 TTS로 음성을 제공하는 예를 도시한다.
도 27은 메시지로부터 출력 패턴을 추론하여 음성을 제공하는 예를 도시한다.
도 28은 추론된 메시지 관련 상황 정보의 예를 도시한다.
도 29는 메시지로부터 메시지 생성 상황 정보를 인공 신경망을 이용하여 추론하는 예의 흐름도이다.
도 30은 상황 정보로부터 출력 패턴을 인공 신경망을 이용하여 추론하는 예의 흐름도이다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 특징을 설명한다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 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.

이하, AI 프로세싱된 정보를 필요로 하는 장치 및/또는 AI 프로세서가 필요로 하는 5G 통신(5th generation mobile communication)을 단락 A 내지 단락 G를 통해 설명하기로 한다.

A. UE 및 5G 네트워크 블록도 예시

도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.

도 1을 참조하면, AI 모듈을 포함하는 장치(AI 장치)를 제1 통신 장치로 정의(도 1의 910)하고, 프로세서(911)가 AI 상세 동작을 수행할 수 있다.

AI 장치와 통신하는 다른 장치(AI 서버)를 포함하는 5G 네트워크를 제2 통신 장치로 정의(도 1의 920)하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.

5G 네트워크가 제1 통신 장치로, AI 장치가 제2 통신 장치로 표현될 수도 있다.

예를 들어, 상기 제1 통신 장치 또는 상기 제2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, AI (Artificial Intelligence) 장치 등일 수 있다.

예를 들어, 단말 또는 UE (User Equipment)는 휴대폰, 스마트 폰 (smart phone), 노트북 컴퓨터 (laptop computer), 디지털 방송용 단말기, PDA (personal digital assistants), PMP (portable multimedia player), 네비게이션, 슬레이트 PC (slate PC), 태블릿 PC (tablet PC), 울트라북 (ultrabook), 웨어러블 디바이스 (wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD (head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다.

도 1을 참고하면, 제1 통신 장치(910)와 제2 통신 장치(920)는 프로세서 (processor, 911,921), 메모리 (memory, 914,924), 하나 이상의 Tx/Rx RF 모듈 (radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)는 각각의 안테나(926)를 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL (Downlink)(제1 통신 장치에서 제2 통신 장치로의 통신)에서, 전송 (TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신 (RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.

UL (Uplink)(제2 통신 장치에서 제1 통신 장치로의 통신)은 제2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)은 각각의 안테나(926)를 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.

B. 무선 통신 시스템에서 신호 송/수신 방법

도 2는 3GPP 시스템에 이용되는 물리 채널들 및 일반적인 신호 전송을 예시한다.

무선 통신 시스템에서 단말은 기지국으로부터 하향링크(Downlink, DL)를 통해 정보를 수신하고, 단말은 기지국으로 상향링크(Uplink, UL)를 통해 정보를 전송한다. 기지국과 단말이 송수신하는 정보는 데이터 및 다양한 제어 정보를 포함하고, 이들이 송수신 하는 정보의 종류/용도에 따라 다양한 물리 채널이 존재한다.

단말은 전원이 켜지거나 새로이 셀에 진입한 경우 기지국과 동기를 맞추는 등의 초기 셀 탐색(Initial cell search) 작업을 수행한다(S201). 이를 위해, 단말은 기지국으로부터 주 동기 신호(Primary Synchronization Signal, PSS) 및 부 동기 신호(Secondary Synchronization Signal, SSS)을 수신하여 기지국과 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. 그 후, 단말은 기지국으로부터 물리 방송 채널(Physical Broadcast Channel, PBCH)를 수신하여 셀 내 방송 정보를 획득할 수 있다. 한편, 단말은 초기 셀 탐색 단계에서 하향링크 참조 신호(Downlink Reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다.

초기 셀 탐색을 마친 단말은 물리 하향링크 제어 채널(Physical Downlink Control Channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(Physical Downlink Control Channel; PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).

한편, 기지국에 최초로 접속하거나 신호 송신을 위한 무선 자원이 없는 경우, 단말은 기지국에 대해 임의 접속 과정(Random Access Procedure, RACH)을 수행할 수 있다(S203 내지 S206). 이를 위해, 단말은 물리 임의 접속 채널(Physical Random Access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로 송신하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 응답 메시지((RAR(Random Access Response) message)를 수신할 수 있다. 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 절차(Contention Resolution Procedure)를 수행할 수 있다(S206).

상술한 바와 같은 절차를 수행한 단말은 이후 일반적인 상/하향링크 신호 송신 절차로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널(Physical Uplink Shared Channel, PUSCH)/물리 상향링크 제어 채널(Physical Uplink Control Channel; PUCCH) 송신(S208)을 수행할 수 있다. 특히 단말은 PDCCH를 통하여 하향링크 제어 정보(Downlink Control Information, DCI)를 수신할 수 있다. 여기서, DCI는 단말에 대한 자원 할당 정보와 같은 제어 정보를 포함하며, 사용 목적에 따라 포맷이 서로 다르게 적용될 수 있다.

한편, 단말이 상향링크를 통해 기지국에 송신하는 또는 단말이 기지국으로부터 수신하는 제어 정보는 하향링크/상향링크 ACK/NACK 신호, CQI(Channel Quality Indicator), PMI(Precoding Matrix 인덱스), RI(Rank Indicator) 등을 포함할 수 있다. 단말은 상술한 CQI/PMI/RI 등의 제어 정보를 PUSCH 및/또는 PUCCH를 통해 송신할 수 있다.

도 2를 참고하여, 5G 통신 시스템에서의 초기 접속 (Initial Access, IA) 절차에 대해 추가적으로 살펴본다.

UE는 SSB에 기반하여 셀 탐색 (search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH (Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.

SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.

셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 상기 셀의 셀 ID (Identifier) (예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.

336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹 별로 3개의 셀 ID가 존재한다. 즉, 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 상기 셀의 SSS를 통해 제공/획득되며, 상기 셀 ID 내 336개 셀들 중 상기 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다

SSB는 SSB 주기 (periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크 (예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.

다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.

SI는 마스터 정보 블록 (master information block, MIB)과 복수의 시스템 정보 블록 (system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI (Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1 (SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성 (availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.

도 2를 참고하여, 5G 통신 시스템에서의 임의 접속 (Random Access, RA) 과정에 대해 추가적으로 살펴본다.

임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드 (triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반 (contention-based) 임의 접속 과정과 경쟁 프리 (contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.

UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격 (subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.

BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답 (random access response, RAR) 메시지 (Msg2)를 상기 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속 (random access, RA) 무선 네트워크 임시 식별자 (radio network temporary identifier, RNTI) (RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 상기 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 상기 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 상기 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑 (power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.

상기 UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.

C. 5G 통신 시스템의 빔 관리 (Beam Management, BM) 절차

BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS (sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.

SSB를 이용한 DL BM 과정에 대해 살펴본다.

SSB를 이용한 빔 보고 (beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보 (channel state information, CSI)/빔 설정 시에 수행된다.

- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고를 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4, ...}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.

- UE는 상기 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 상기 BS로부터 수신한다.

- SSBRI 및 참조 신호 수신 전력 (reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 UE는 최선 (best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.

UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된 (quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간 (spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.

다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.

CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제 (refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.

먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.

- UE는 상기 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.

- UE는 자신의 Rx 빔을 결정한다.

- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.

다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.

- UE는 상기 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.

- UE는 최상의 (best) 빔을 선택(또는 결정)한다.

- UE는 선택된 빔에 대한 ID (예, CRI) 및 관련 품질 정보 (예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.

다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.

- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링 (예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.

- UE는 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.

- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.

다음으로, 빔 실패 복구 (beam failure recovery, BFR) 과정에 대해 살펴본다.

빔포밍된 시스템에서, RLF (Radio Link Failure)는 UE의 회전 (rotation), 이동 (movement) 또는 빔포밍 블로키지 (blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, 상기 UE는 상기 UE의 물리 계층으로부터의 빔 실패 지시 (indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간 (period) 내에 RRC 시그널링에 의해 설정된 임계치 (threshold)에 이르면 (reach), 빔 실패를 선언 (declare)한다. 빔 실패가 검출된 후, 상기 UE는 PCell 상의 임의 접속 과정을 개시 (initiate)함으로써 빔 실패 복구를 트리거하고; 적절한 (suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 상기 UE에 의해 우선화된다). 상기 임의 접속 절차의 완료 (completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.

D. URLLC (Ultra-Reliable and Low Latency Communication)

NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항 (requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간 (duration) (예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격 (stringent)한 레이턴시 요구 사항 (latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화 (multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션 (preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.

NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유 (sharing)가 지원된다. eMBB와 URLLC 서비스들은 비-중첩 (non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인 (ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링 (puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트 (corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시 (preemption indication)를 제공한다. 상기 프리엠션 지시 (preemption indication)는 중단된 전송 지시 (interrupted transmission indication)로 지칭될 수도 있다.

프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반 (convey)하는 PDCCH의 모니터링을 위해 상기 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. 상기 UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설정되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도 (granularity)를 가지고 설정된다.

상기 UE는 상기 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 상기 BS로부터 수신한다.

UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, 상기 UE는 상기 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞 (last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 상기 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 상기 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.

E. mMTC (massive MTC)

mMTC (massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB (NarrowBand)-IoT를 다루고 있다.

mMTC 기술은 PDCCH, PUCCH, PDSCH (physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑 (hopping), 리튜닝 (retuning), 가드 구간 (guard period) 등의 특징을 가진다.

즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑 (frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제1 주파수 자원에서 제2 주파수 자원으로 가드 구간 (guard period)에서 (RF) 리튜닝 (retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역 (narrowband)(ex. 6 RB (resource block) or 1 RB)을 통해 송/수신될 수 있다.

F. 5G 통신을 이용한 AI 기본 동작

도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.

UE는 특정 정보 전송을 5G 네트워크로 전송한다(S1). 그리고, 상기 5G 네트워크는 상기 특정 정보에 대한 5G 프로세싱을 수행한다(S2). 여기서, 5G 프로세싱은 AI 프로세싱을 포함할 수 있다. 그리고, 상기 5G 네트워크는 AI 프로세싱 결과를 포함하는 응답을 상기 UE로 전송한다(S3).

G. 5G 통신 시스템에서 사용자 단말과 5G 네트워크 간의 응용 동작

이하, 도 1 및 도 2와 앞서 살핀 무선 통신 기술(BM 절차, URLLC, mMTC 등)을 참고하여 5G 통신을 이용한 AI 동작에 대해 보다 구체적으로 살펴본다.

먼저, 후술할 본 발명에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 S1 단계 및 S3 단계와 같이, UE가 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, UE는 도 3의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.

보다 구체적으로, UE는 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 상기 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, UE가 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.

또한, UE는 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고, 상기 5G 네트워크는 상기 UE로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, 상기 UE는 상기 UL grant에 기초하여 상기 5G 네트워크로 특정 정보를 전송한다. 그리고, 상기 5G 네트워크는 상기 UE로 상기 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 상기 5G 네트워크는 상기 DL grant에 기초하여 상기 UE로 AI 프로세싱 결과를 포함하는 응답을 전송할 수 있다.

다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

앞서 설명한 바와 같이, UE가 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, UE는 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고, UE는 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)를 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고, UE는 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, UE는 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.

다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.

도 3의 S1 단계에서, UE는 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, 상기 UL grant는 상기 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 상기 특정 정보는 상기 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, 상기 UE는 상기 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고, 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제1 주파수 자원에서, 두 번째 특정 정보의 전송은 제2 주파수 자원에서 전송될 수 있다. 상기 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.

앞서 살핀 5G 통신 기술은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.

도 4는 본 발명의 일 실시예에 따른 음성 제공 방법이 구현되는 개략적인 시스템의 블록 구성도를 예시한다.

도 4를 참조하면, 본 발명의 일 실시예에 따른 음성 제공 방법이 구현되는 시스템은, 음성 제공 장치(10), 네트워크 시스템(16), 음성 제공 엔진(Speech Synthesis Engine)으로서 TTS(Text-To-Speech) 시스템(18)을 포함할 수 있다.

적어도 하나의 음성 제공 장치(10)는 휴대폰(11), PC(12), 노트북 컴퓨터(13) 및 기타 서버 장치(14)들을 포함할 수 있다. 상기 PC(12), 노트북 컴퓨터(13)는 무선 엑세스 포인트(15)를 통해 적어도 하나의 네트워크 시스템(16)에 연결할 수 있다. 본 발명의 일 실시예에 의하면 상기 음성 제공 장치(10)는 오디오 북, 스마트 스피커를 포함할 수 있다.

한편, 상기 TTS 시스템(18)은 네트워크에 포함된 서버에 구현될 수도 있고, 온디바이스 프로세싱으로 구현되어 음성 제공 장치(10) 내에 임베딩되어 구현될 수도 있다. 본 발명의 일 실시예에서는 상기 TTS 시스템(18)이 음성 제공 장치(10)에 내장되어 구현되는 것을 전제로 설명한다.

도 5는 본 발명의 일 실시예들에 적용될 수 있는 AI 장치의 블록도이다.

상기 AI 장치(20)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 AI 장치(20)는 도 4에 도시된 음성 제공 장치(10)의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.

상기 AI 프로세싱은, 도 5에 도시된 음성 제공 장치(10)의 음성 제공과 관련된 모든 동작들을 포함할 수 있다. 예를 들어, 상기 AI 프로세싱은, 음성 제공 장치(10)의 메시지를 분석하여 메시지 관련 상황 정보를 획득하는 과정일 수 있다. 또한, 상기 AI 프로세싱은, 음성 제공 장치(10)의 메시지 및 메시지 관련 상황 정보를 분석하여 메시지의 출력 패턴을 사용자에게 제공할 수 있다.

상기 AI 장치(20)는 AI 프로세서(21), 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.

상기 AI 장치(20)는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.

AI 프로세서(21)는 메모리(25)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다.

특히, AI 프로세서(21)는 메시지를 분석하여 메시지 관련 상황 정보를 인식하기 위한 신경망을 학습할 수 있다. 또한, AI 프로세서(21)는 메시지 및 상황 정보를 분석하여 출력 패턴 정보를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 메시지 관련 상황 정보 또는 출력 패턴을 인식하기 위한 신경망은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다.

복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고 받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고 받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.

한편, 전술한 바와 같은 기능을 수행하는 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.

메모리(25)는 AI 장치(20)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(25)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(25)는 AI 프로세서(21)에 의해 액세스되며, AI 프로세서(21)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(25)는 본 발명의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(26))을 저장할 수 있다.

한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(22)를 포함할 수 있다. 데이터 학습부(22)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(22)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.

데이터 학습부(22)는 적어도 하나의 하드웨어 칩 형태로 제작되어 AI 장치(20)에 탑재될 수 있다. 예를 들어, 데이터 학습부(22)는 인공지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 AI 장치(20)에 탑재될 수도 있다. 또한, 데이터 학습부(22)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 애플리케이션에 의해 제공될 수 있다.

데이터 학습부(22)는 학습 데이터 획득부(23) 및 모델 학습부(24)를 포함할 수 있다.

학습 데이터 획득부(23)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터 획득부(23)는 학습 데이터로서, 신경망 모델에 입력하기 위한 차량 데이터 및/또는 샘플 데이터를 획득할 수 있다.

모델 학습부(24)는 상기 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다. 이 때 모델 학습부(24)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또는 모델 학습부(24)는 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다.

신경망 모델이 학습되면, 모델 학습부(24)는 학습된 신경망 모델을 메모리에 저장할 수 있다. 모델 학습부(24)는 학습된 신경망 모델을 AI 장치(20)와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.

데이터 학습부(22)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 리소스 또는 시간을 절약하기 위해 학습 데이터 전처리부(미도시) 및 학습 데이터 선택부(미도시)를 더 포함할 수도 있다.

학습 데이터 전처리부는 획득된 데이터가 상황 판단을 위한 학습에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 예를 들어, 학습 데이터 전처리부는, 모델 학습부(24)가 이미지 인식을 위한 학습을 위하여 획득된 학습 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.

또한, 학습 데이터 선택부는, 학습 데이터 획득부(23)에서 획득된 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(24)에 제공될 수 있다. 예를 들어, 학습 데이터 선택부는, 음성 제공 장치(10)에서 획득한 메시지의 특징값 중 특정 영역을 검출함으로써, 특정 영역에 포함된 음절에 대한 데이터만을 학습 데이터로 선택할 수 있다.

또한, 데이터 학습부(22)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(미도시)를 더 포함할 수도 있다.

모델 평가부는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(22)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다. 일 예로, 모델 평가부는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우, 소정 기준을 만족하지 못한 것으로 평가할 수 있다.

통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.

여기서 전자 기기는 AI 프로세서(21)가 네트워크 시스템에 포함된 경우, 상기 외부 전자 기기는 본 발명의 일 실시예에 따른 음성 합성 장치가 될 수 있다.

한편, 도 5에 도시된 AI 장치(20)는 AI 프로세서(21)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있음을 밝혀둔다.

도 6은 본 발명의 일실시예에 따른 음성 제공 장치의 예시적인 블록도이다.

도 6에 도시된 음성 제공 장치(TTS Device, 100)는, TTS 장치(10) 또는 다른 장치에 의해 처리된 음성을 출력하기 위한 오디오 출력 장치(110)를 포함할 수 있다.

도 6은 음성 제공을 수행하기 위한 음성 제공 장치(TTS Device, 10)를 개시한다. 본 발명의 일 실시예는 상기 TTS 장치(10)에 포함될 수 있는 컴퓨터 판독 가능한 및 컴퓨터 실행 가능한 명령들을 포함할 수 있다. 도 6은 상기 TTS 장치(10)에 포함된 복수의 구성 요소들을 개시하지만, 상기 개시되지 않은 구성요소들이 상기 TTS 장치(10)에 포함될 수도 있음은 물론이다.

한편, 상기 TTS 장치(10)에 개시된 몇몇 구성요소들은 단일 구성요소로서, 하나의 장치에서 여러 번 나타날 수 있다. 예를 들어, 상기 TTS 장치(10)는 복수의 입력 장치(120), 출력 장치(130) 또는 복수의 컨트롤러/프로세서(140)를 포함할 수 있다.

복수의 TTS 장치가 하나의 음성 제공 장치에 적용될 수도 있다. 그러한 다중 장치 시스템에서 상기 TTS 장치는 음성 제공 처리의 다양한 측면들을 수행하기 위한 서로 다른 구성요소들을 포함할 수 있다. 도 6에 도시된 TTS 장치(10)는 예시적인 것이며, 독립된 장치일 수 있으며, 보다 큰 장치 또는 시스템의 일 구성요소로 구현될 수도 있다.

본 발명의 일 실시예는 복수의 서로 다른 장치 및 컴퓨터 시스템 예를 들어, 범용 컴퓨팅 시스템, 서버-클라이언트 컴퓨팅 시스템, 전화(telephone) 컴퓨팅 시스템, 랩탑 컴퓨터, 휴대용 단말기, PDA, 테블릿 컴퓨터 등에 적용될 수 있다. 상기 TTS 장치(10)는 자동 입출금기(ATMs), 키오스크(kiosks), 글로벌 위치 시스템(GPS), 홈 어플라이언스(예를 들어, 냉장고, 오븐, 세탁기 등), 차량(vehicles), 전자 책 리더(ebook readers) 등의 음성 인식 기능을 제공하는 다른 장치 또는 시스템의 일 구성요소로 적용될 수도 있다.

도 6을 참조하면, 상기 TTS 장치(10)는 상기 TTS 장치(10) 또는 다른 장치에 의해 처리된 음성을 출력하기 위한 음성 출력 장치(110)를 포함할 수 있다. 상기 음성 출력 장치(110)는 스피커(speaker), 헤드폰(headphone) 또는 음성을 전파하는 다른 적절한 구성요소를 포함할 수 있다. 상기 음성 출력 장치(110)는 상기 TTS 장치(10)에 통합되거나, 상기 TTS 장치(10)와 분리되어 구현될 수도 있다.

상기 TTS 장치(10)는 상기 TTS 장치(10)의 구성요소들 사이에 데이터를 전달하기 위한 어드레스/데이터 버스(224)를 포함할 수 있다. 상기 TTS 장치(10) 내의 각 구성요소들은 상기 버스(224)를 통해 다른 구성요소들과 직접적으로 연결될 수 있다. 한편, 상기 TTS 장치(10) 내의 각 구성요소들은 TTS 모듈(170)과 직접적으로 연결될 수도 있다.

TTS 장치(10)는 제어부(프로세서)(140)를 포함할 수 있다. 상기 프로세서(208)는 데이터를 처리하기 위한 CPU, 데이터를 처리하는 컴퓨터 판독 가능한 명령 및 데이터 및 명령들을 저장하기 위한 메모리에 대응될 수 있다. 상기 메모리(150)는 휘발성 RAM, 비휘발성 ROM 또는 다른 타입의 메모리를 포함할 수 있다.

TTS 장치(10)는 데이터 및 명령을 저장하기 위한 스토리지(160)를 포함할 수 있다. 스토리지(160)는 마그네틱 스토리지, 광학식 스토리지, 고체 상태(solid-state) 스토리지 타입 등을 포함할 수 있다.

TTS 장치(10)는 입력 장치(120) 또는 출력 장치(130)를 통해 착탈식 또는 외장 메모리(예를 들어, 분리형 메모리 카드, 메모리 키 드라이브, 네트워크 스토리지 등)에 접속될 수 있다.

TTS 장치(10) 및 다양한 구성요소들을 동작시키기 위한 프로세서(140)에서 처리될 컴퓨터 명령(computer instructions)은, 프로세서(140)에 의해 실행될 수 있고, 메모리(150), 스토리지(160), 외부 디바이스 또는 후술할 TTS 모듈(170)에 포함된 메모리나 스토리지에 저장될 수 있다. 대안적으로, 실행 가능한 명령의 전부 또는 일부는 소프트웨어에 추가하여 하드웨어 또는 펌웨어에 내장될 수도 있다. 본 발명의 일 실시예는 예를 들어, 소프트웨어, 펌웨어 및/또는 하드웨어의 다양한 조합으로 구현될 수 있다.

TTS 장치(10)는 입력 장치(120), 출력 장치(130)를 포함한다. 예를 들어, 상기 입력 장치(120)는 마이크로폰, 터치 입력 장치, 키보드, 마우스, 스타일러스 또는 다른 입력 장치와 같은 오디오 출력 장치(110)를 포함할 수 있다. 상기 출력 장치(130)는 디스플레이(visual display or tactile display), 오디오 스피커, 헤드폰, 프린터 또는 기타 출력 장치가 포함될 수 있다. 입력 장치(120) 및/또는 출력 장치(130)는 또한 USB(Universal Serial Bus), FireWire, Thunderbolt 또는 다른 연결 프로토콜과 같은 외부 주변 장치 연결용 인터페이스를 포함할 수 있다. 입력 장치(120) 및/또는 출력 장치(130)는 또한 이더넷 포트, 모뎀 등과 같은 네트워크 연결을 포함할 수 있다. 무선 주파수(RF), 적외선(infrared), 블루투스(Bluetooth), 무선 근거리 통신망(WLAN)(Wi-Fi 등)과 같은 무선 통신 장치 또는 5G 네트워크, LTE(Long Term Evolution) 네트워크, WiMAN 네트워크, 3G 네트워크와 같은 무선 네트워크 무선 장치를 포함할 수 있다. TTS 장치(10)는 입력 장치(120) 및/또는 출력 장치(130)를 통해 인터넷 또는 분산 컴퓨팅 환경(distributed computing environment)을 포함할 수도 있다.

TTS 장치(10)는 텍스트 데이터를 음성을 포함하는 오디오 파형을 처리하기 위한 TTS 모듈(170)을 포함할 수 있다.

TTS 모듈(170)은 버스(224), 입력 장치(120), 출력 장치(130), 오디오 출력 장치(110), 프로세서(140) 및/또는 TTS 장치(10)의 다른 구성요소에 접속될 수 있다.

텍스트 데이터(textual data)의 출처는 TTS 장치(10)의 내부 구성요소에 의해 생성된 것일 수 있다. 또한, 상기 텍스트 데이터의 출처는 키보드와 같이 입력 장치로부터 수신되거나, 네트워크 연결을 통해 TTS 장치(10)로 전송될 것일 수 있다. 텍스트는 TTS 모듈(170)에 의해 스피치로 변환하기 위한 텍스트, 숫자 및/또는 문장 부호(punctuation)를 포함하는 문장의 형태 일 수있다. 입력 텍스트는 또한 TTS 모듈(170)에 의한 처리를 위하여, 특수 주석(special annotation)을 포함할 수 있으며, 상기 특수 주석을 통해 특정 텍스트가 어떻게 발음되어야 하는지를 지시할 수 있다. 텍스트 데이터는 실시간으로 처리되거나 나중에 저장 및 처리될 수 있다.

TTS 모듈(170)은 전처리부(Front End)(171), 음성 합성 엔진(Speech Synthesis Engine)(172) 및 TTS 저장부(180)를 포함할 수 있다. 전처리부(171)는 입력 테스트 데이터를 음성 합성 엔진(172)에 의한 처리를 위해 기호 언어 표현(symbolic linguistic representation)으로 변환할 수 있다. 음성 합성 엔진(172)은 주석된 음성 단위 모델(annotated phonetic units models)과 TTS 저장부(180)에 저장된 정보를 비교하여 입력 텍스트를 음성으로 변환할 수 있다. 전처리부(171) 및 음성 합성 엔진(172)은 임베디드된 내부 프로세서 또는 메모리를 포함할 수 있거나, TTS 장치(10)에 포함된 프로세서(140) 및 메모리(150)를 이용할 수 있다. 전처리부(171) 및 음성 합성 엔진(172)을 동작시키기 위한 명령들은 TTS 모듈(170), TTS 장치(10)의 메모리(150) 및 스토리지(160) 또는 외부 장치 내에 포함될 수도 있다.

TTS 모듈(170)로의 텍스트 입력은 프로세싱을 위해 전처리부(171)로 전송될 수 있다. 전처리부(1710)는 텍스트 정규화(text normalization), 언어 분석(linguistic analysis), 언어 운율 생성(linguistic prosody generation)을 수행하기 위한 모듈을 포함할 수 있다.

전처리부(171)는 텍스트 정규화 동작을 수행하는 동안, 텍스트 입력을 처리하고 표준 텍스트(standard text)를 생성하여, 숫자(numbers), 약어(abbreviations), 기호(symbols)를 쓰여진 것과 동일하게 변환한다.

전처리부(171)는 언어 분석 동작을 수행하는 동안, 정규화된 텍스트의 언어를 분석하여 입력 텍스트에 대응하는 일련의 음성학적 단위(phonetic units)를 생성할 수 있다. 이와 같은 과정은 발음 표기(phonetic transcription)로 호칭될 수 있다. 음성 단위(phonetic units)는 최종적으로 결합되어 음성(speech)으로서 TTS 장치(10)에 의해 출력되는 사운드 단위(sound units)의 심볼 표현을 포함한다. 다양한 사운드 유닛들이 음성 합성을 위해 텍스트를 분할하는데 사용될 수 있다. TTS 모듈(170)은 음소(phonemes, 개별 음향), 하프-음소(half-phonemes), 다이폰(di-phones, 인접한 음소의 전반과 결합된 하나의 음소의 마지막 절반), 바이폰(bi-phones, 두 개의 연속적인 음속), 음절(syllables), 단어(words), 문구(phrases), 문장(sentences), 또는 기타 단위들에 기초하여 음성을 처리할 수 있다. 각 단어는 하나 이상의 음성 단위(phonetic units)에 매핑될 수 있다. 이와 같은 매핑은 TTS 장치(100)에 저장된 언어 사전(language dictionary)을 이용하여 수행될 수 있다.

전처리부(171)에 의해 수행되는 언어 분석은 또한 접두사(prefixes), 접미사(suffixes), 구(phrases), 구두점(punctuation), 구문론 경계(syntactic boundaries)와 같은 서로 다른 문법적 요소들 확인하는 과정을 포함할 수 있다. 이와 같은 문법적 구성요소는 TTS 모듈(170)에 의해 자연스러운 오디오 파형 출력을 만드는데 사용될 수 있다. 상기 언어 사전은 또한 TTS 모듈(170)에 의해 발생할 수 있는 이전에 확인되지 않은 단어 또는 문자 조합을 발음하는데 사용될 수 있는 문자 대 소리 규칙(letter-to-sound rules) 및 다른 도구들을 포함할 수 있다. 일반적으로 언어 사전에 포함된 정보들이 많을 수록 고 품질의 음성 출력을 보장할 수 있다.

상기 언어 분석에 기초하여, 전처리부(171)는 음성 단위(phonetic units)에 최종 음향 단위가 최종 출력 음성에서 어떻게 발음되어야 하는지를 나타내는 운율 특성(prosodic characteristics)으로 주석 처리된 언어 운율 생성을 수행할 수 있다.

상기 운율 특성은 음향 특징(acoustic features)으로도 호칭될 수 있다. 이 단계의 동작을 수행하는 동안, 전처리부(171)는 텍스트 입력을 수반하는 임의의 운율 주석(prosodic annotations)을 고려하여 TTS 모듈(170)에 통합할 수 있다. 이와 같은 음향 특징(acoustic features)은 피치(pitch), 에너지(energy), 지속 시간(duration) 등을 포함할 수 있다. 음향 특징의 적용은 TTS 모듈(170)이 이용할 수 있는 운율 모델(prosodic models)에 기초할 수 있다. 이러한 운율 모델은 특정 상황에서 음성 단위(phonetic units)가 어떻게 발음되어야 하는지를 나타낸다. 예를 들어, 운율 모델은 음절에서 음소의 위치(a phoneme's position in a syllable), 단어에서 음절의 위치(a syllable's position in a word), 문장 또는 구문에서 단어의 위치(a word's position in a sentence or phrase), 인접한 음운 단위(neighboring phonetic units) 등을 고려할 수 있다. 언어 사전과 마찬가지로, 운율 정보(prosodic model)의 정보가 많을수록 고품질의 음성 출력이 보장될 수 있다.

전처리부(171)의 출력은, 운율 특성(prosodic characteristics)으로 주석 처리된 일련의 음성 단위를 포함할 수 있다. 상기 전처리부(171)의 출력은 기호식 언어 표현(symbolic linguistic representation)으로 호칭될 수 있다. 상기 심볼릭 언어 표현은 음성 합성 엔진(172)에 전송될 수 있다. 상기 음성 합성 엔진(172)은 오디오 출력 장치(110)를 통해 사용자에게 출력하기 위해 스피치(speech)를 오디오 파형(audio waveform)으로의 변환 과정을 수행한다. 음성 합성 엔진(172)은 입력 텍스트를 효율적인 방식으로 고품질의 자연스러운 음성으로 변환하도록 구성될 수 있다. 이러한 고품질의 스피치는 가능한 한 화자(human speaker)와 유사하게 발음되도록 구성될 수 있다.

음성 합성 엔진(172)은 적어도 하나 이상의 다른 방법을 이용하여 음성 합성을 수행할 수 있다.

유닛 선택 엔진(Unit Selection Engine)(173)은 녹음된 스피치 데이터 베이스(recorded speech database)를, 상기 전처리부(171)에 의해 생성된 기호식 언어 표현(symbolic linguistic representation)과 대조한다. 유닛 선택 엔진(173)은 상기 심볼 언어 표현과 스피치 데이터베이스의 음성 오디오 유닛을 매칭한다. 음성 출력(speech output)을 형성하기 위해 매칭 유닛이 선택되고, 선택된 매칭 유닛들이 함께 연결될 수 있다. 각 유닛은 .wav 파일(피치, 에너지 등)과 연관된 다양한 음향 특성들의 설명(description)과 함께, 특정 사운드의 짧은 .wav 파일과 같은 음성 유닛(phonetic unit)에 대응하는 오디오 파형(audio waveform) 뿐 아니라, 상기 음성 유닛이 단어, 문장 또는 문구, 이웃 음성 유닛에 표시되는 위치와 같은 다른 정보들을 포함할 수 있다.

유닛 선택 엔진(173)은 자연스러운 파형을 생성하기 위하여 유닛 데이터 베이스 내의 모든 정보를 이용하여 입력 텍스트를 매칭시킬 수 있다. 유닛 데이터 베이스는 유닛들을 스피치로 연결하기 위해 서로 다른 옵션들을 TTS 장치(10)에 제공하는 다수의 음성 유닛들의 예시를 포함할 수 있다. 유닛 선택의 장점 중 하나는, 데이터 베이스의 크기에 따라 자연스러운 자연스러운 음성 출력이 생성될 수 있다는 것이다. 또한, 유닛 데이터 베이스가 클수록 TTS 장치(10)는 자연스러운 음성을 구성할 수 있게 된다.

한편, 음성 합성은 전술한 유닛 선택 합성 외에 파라미터 합성 방법이 존재한다. 파라미터 합성은 인공적인 음성 파형을 생성하기 위해 주파수, 볼륨, 잡음과 같은 합성 파라미터들이 파라미터 합성 엔진(175), 디지털 신호 프로세서, 또는 다른 오디오 생성 장치에 의해 변형될 수 있다.

파라미터 합성은, 음향 모델 및 다양한 통계 기법을 사용하여 기호식 언어 표현(symbolic linguistic representation) 원하는 출력 음성 파라미터와 일치시킬 수 있다. 파라미터 합성에는 유닛 선택과 관련된 대용량의 데이터베이스 없이도 음성을 처리할 수 있을 뿐 아니라, 높은 처리 속도로 정확한 처리가 가능하다. 유닛 선택 합성 방법 및 파라미터 합성 방법은 개별적으로 수행되거나 결합되어 수행되어 음성 오디오 출력을 생성할 수 있다.

파라미터 음성 합성은 다음과 같이 수행될 수 있다. TTS 모듈(170)은 오디오 신호 조작에 기초하여 기호식 언어 표현(symbolic linguistic representation)을 텍스트 입력의 합성 음향 파형(synthetic acoustic waveform)으로 변환이 가능한 음향 모델(acoustic model)을 포함할 수 있다. 상기 음향 모델은, 입력 음성 단위 및/또는 운율 주석(prosodic annotations)에 특정 오디오 파형 파라미터(specific audio waveform parameters)를 할당하기 위해 파라미터 합성 엔진(175)에 의해 사용될 수 있는 규칙(rules)을 포함할 수 있다. 상기 규칙은 특정 오디오 출력 파라미터(주파수, 볼륨 등)가 전처리부(171)로부터의 입력 기호식 언어 표현의 부분에 대응할 가능성을 나타내는 스코어를 계산하는데 이용될 수 있다.

파라미터 합성 엔진(175)은 합성될 음성을 입력 음성 유닛 및/또는 운율 주석과 매칭시키기 위해 복수의 기술들이 적용될 수 있다. 일반적인 기술 중 하나는 HMM(Hidden Markov Model)을 사용한다, HMM은 오디오 출력이 텍스트 입력과 일치해야 하는 확률을 결정하는데 이용될 수 있다. HMM은 원하는 음성을 인공적으로 합성하기 위해, 언어 및 음향 공간의 파라미터들을 보코더(디지털 보이스 인코더)에 의해 사용될 파라미터들로 전환시키는데 이용될 수 있다.

TTS 장치(10)는 유닛 선택에 사용하기 위한 음성 유닛 데이터베이스를 포함할 수 있다.

상기 음성 유닛 데이터 베이스는 TTS 스토리지(180), 스토리지(160) 또는 다른 스토리지 구성에 저장될 수 있다. 상기 음성 유닛 데이터 베이스는 레코딩된 스피치 발성을 포함할 수 있다. 상기 스피치 발성은 발화 내용에 대응되는 텍스트일 수 있다. 또한, 음성 유닛 데이터 베이스는 TTS 장치(100)에서 상당한 저장 공간을 차지하는 녹음된 음성(오디오 파형, 특징 벡터 또는 다른 포맷의 형태)을 포함할 수 있다. 음성 유닛 데이터베이스의 유닛 샘플들은 음성 단위(음소, 다이폰, 단어 등), 언어적 운율 레이블, 음향 특징 시퀀스, 화자 아이덴티티 등을 포함하는 다양한 방법으로 분류될 수 있다. 샘플 발화(sample utterance)는 특정 음성 유닛에 대한 원하는 오디오 출력에 대응하는 수학적 모델을 생성하는데 사용될 수 있다.

음성 합성 엔진(172)은 기호화된 언어 표현을 매칭할 때, 입력 텍스트(음성 단위 및 운율 기호 주석 모두를 포함)와 가장 근접하게 일치하는 음성 유닛 데이터베이스 내의 유닛을 선택할 수 있다. 일반적으로 음성 유닛 데이터 베이스가 클 수록 선택 가능한 유닛 샘플 수가 많아서 정확한 스피치 출력이 가능하게 된다.

TTS 모듈(213)로부터 음성 출력을 포함하는 오디오 파형(audio waveforms)은 사용자에게 출력하기 위해 오디오 출력 장치(110)로 전송될 수 있다. 음성을 포함하는 오디오 파형은 일련의 특징 벡터(feature vectors), 비 압축 오디오 데이터(uncompressed audio data) 또는 압축 오디오 데이터와 같은 복수의 상이한 포맷으로 저장될 수 있다. 예를 들어, 음성 출력은 상기 전송 전에 인코더/디코더에 의해 인코딩 및/또는 압축될 수 있다. 인코더/디코더는 디지털화된 오디오 데이터, 특징 벡터 등과 같은 오디오 데이터를 인코딩 및 디코딩할 수 있다. 또한 인코더/디코더의 기능은 별도의 컴포넌트 내에 위치될 수 있거나, 프로세서(140), TTS 모듈(170)에 의해 수행될 수도 있음은 물론이다.

한편, 상기 TTS 스토리지(180)는 음성 인식(speech recognition)을 위해 다른 정보들을 저장할 수 있다.

TTS 스토리지(180)의 컨텐츠는 일반적인 TTS 사용을 위해 준비될 수도 있고, 특정 애플리케이션에서 사용될 가능성이 있는 소리 및 단어를 포함하도록 맞춤화될 수 있다. 예를 들어, GPS 장치에 의해 TTS 처리를 위해 TTS 스토리지(180)는 위치 및 내비게이션에 특화된 맞춤형 음성을 포함할 수 있다.

또한 예를 들어, TTS 스토리지(180)는 개인화된 원하는 음성 출력에 기초하여 사용자에게 커스터마이징될 수도 있다. 예를 들어, 사용자는 출력되는 보이스가 특정 성별, 특정 억양, 특정 속도, 특정 감정(예를 들어, 행복한 음성)을 선호할 수 있다. 음성 합성 엔진(172)은 이와 같은 사용자 선호도를 설명하기 위하여 특수 데이터 베이스 또는 모델(specialized database or model)을 포함할 수 있다.

TTS 장치(10)는 또한 다중 언어로 TTS 처리를 수행하도록 구성될 수 있다. 각 언어에 대해, TTS 모듈(170)은 원하는 언어로 음성을 합성하기 위해 특별히 구성된 데이터, 명령 및/또는 구성 요소를 포함할 수 있다.

성능 향상을 위해 TTS 모듈(213)은 TTS 처리 결과에 대한 피드백에 기초하여 TTS 스토리지(180)의 내용을 수정하거나 갱신할 수 있으므로, TTS 모듈(170)이 훈련 코퍼스(training corpus)에서 제공되는 능력 이상으로 음성 인식을 향상시킬 수 있다.

TTS 장치(10)의 처리 능력이 향상됨에 따라, 입력 텍스트가 갖는 감정 속성을 반영하여 음성 출력이 가능하다. 또는 TTS 장치(10)는 상기 입력 텍스트에 감정 속성에 포함되어 있지 않더라도, 입력 텍스트를 작성한 사용자의 의도(감정 정보)를 반영하여 음성 출력이 가능하다.

실제로 TTS 처리를 수행하는 TTS 모듈에 통합될 모델이 구축될 때 TTS 시스템은, 위에서 언급한 다양한 구성요소와 다른 구성요소를 통합할 수 있다. 일 예로, TTS 장치(10)는 화자 설정을 위한 블록을 포함할 수 있다.

화자 설정부(177)는 스크립트에 등장하는 캐릭터 별로 각각 화자를 설정할 수 있다. 화자 설정부(177)은 TTS 모듈(170)에 통합되거나, 전처리부(171) 또는 음성 합성 엔진(172)의 일부로서 통합될 수 있다. 상기 화자 설정부(177)는 화자 프로필에 대응하는 메타 데이터를 이용하여 복수의 캐릭터에 대응하는 텍스트를 설정된 화자의 음성으로 합성되도록 한다.

본 발명의 일 실시예에 의하면, 상기 메타 데이터는 마크업 언어(Markup Language)가 이용될 수 있으며, 바람직하게는 SSML(Speech Synthesis Markup Language)가 이용될 수 있다.

이상, 본 발명의 일 실시예에 따른 음성 제공 방법을 구현하기 위하여 필요한 5G 통신 및 상기 5G 통신을 적용하여 AI 프로세싱을 수행하고, AI 프로세싱 결과를 송수신하기 위한 개략적인 내용을 살펴보았다.

이하, 본 발명의 일 실시예에 따라 지능적으로 음성(TTS)을 제공하는 구체적인 방법에 대하여 필요한 도면들을 참조하여 설명한다. 상세하게는, 도 7 내지 도 21을 참조하여 TTS의 출력 패턴을 생성하는 음성 제공 장치의 동작에 대해 설명하고, 도 22 내지 도 30을 참조하여 TT의 출력 패턴을 복원하는 음성 제공 장치의 동작에 대해 설명한다.

도 7은 본 발명의 일 실시예에 따른 음성 제공 방법을 나타낸 흐름도이다.

도 7에 도시된 바와 같이, 본 발명의 실시예에 따른 음성 제공 장치(10)의 음성 제공 방법(S700)은 도 7의 S710, S730, S750 및 S770 단계를 포함하며, 각 단계에 대한 상세한 설명은 하기와 같다.

먼저, 음성 제공 장치(10)는 외부로부터 메시지를 획득할 수 있다(S710).

여기서, 음성 제공 장치(10)는 입력 장치(120)를 통해 수신된 음성 신호 또는 텍스트 정보를 분석하여 메시지를 획득할 수 있다.

이어서, 음성 제공 장치(10)는 메시지가 생성될 당시의 상황과 관련된 정보를 기반으로 하여, 메시지를 출력하기 위한 패턴을 생성할 수 있다.(S730).

메시지 생성 상황 관련 정보와 관련하여, 하나의 예를 들면, 음성 제공 장치(10)는 메시지를 미리 학습된 인공 신경망(Artificial Neural Network, ANN)에 입력하고, 인공 신경망의 출력으로서 메시지가 생성될 당시의 상황과 관련된 정보를 획득할 수 있다. 다른 예를 들면, 음성 제공 장치(10)는 메시지 생성 상황 관련 정보를 메모리(150)에 미리 저장하고, 메시지가 수신되면, 메모리(150)에 저장된 내용 중에서 수신된 메시지와 관련된 상황 관련 정보를 독출할 수 있다.

여기서, 메시지 생성 상황 관련 정보는 메시지의 수신자와 관련된 정보, 메시지의 작성자와 관련된 정보 또는 메시지가 생성될 당시의 주변 환경과 관련된 정보를 포함할 수 있다.

여기서, 출력 패턴은 음성을 디스플레이 상에 표시하는 형태 또는 음성을 스피커를 통해 출력하는 형태를 의미할 수 있다.

출력 패턴과 관련하여, 하나의 예를 들면, 음성 제공 장치(10)는 메시지 및 상황 정보를 미리 학습된 다른 인공 신경망에 입력하고, 그 출력으로서 출력 패턴을 획득할 수 있다. 다른 예를 들면, 음성 제공 장치(10)는 메시지 및 상황 정보를 입력 장치(120)를 통한 사용자 입력에 기반하여 출력 패턴을 생성할 수 있다.

그 다음, 음성 제공 장치(10)는 출력 패턴에 기반하여 메시지를 음성으로 변환(Text to Speech, TTS)할 수 있다(S750).

마지막으로, 음성 제공 장치(10)는 변환된 음성을 제공할 수 있다(S770).

예를 들면, 음성 제공 장치(10)는 생성된 출력 패턴에 기반하여 메시지를 음성으로 변환하면서, 메시지의 생성 상황 정보에 기반하여 메시지를 디스플레이(예: 출력 장치(130)) 상에 표시할 수 있다. 다른 예를 들면, 음성 제공 장치(10)는 메시지의 생성 상황 정보에 기반하여 메시지를 스피커(예: 출력 장치(130))를 통해 출력할 수 있다.

도 8은 음성을 제공하는 TTS 모듈을 예시한다.

도 8에 도시된 바와 같이, TTS 모듈(170)은 메시지(801) 및 메시지 생성 상황 관련 정보(802, 803, 804)를 이용하여 음성(TTS)(805)을 제공할 수 있다.

예를 들면, TTS 모듈(170)은 텍스트 또는 음성 형태의 메시지(801)를 수신하고, 메시지(801)의 생성 당시 상황과 관련된 정보인 작성자 정보(802), 작성 환경 정보(803) 및 수신자 정보(804)를 획득할 수 있다.

메시지 생성 당시 상황 정보를 획득한 후, TTS 모듈(170)은 인공 신경망에 메시지(801), 작성자 정보(802), 작성 환경 정보(803) 및 수신자 정보(804) 중 적어도 하나를 입력하며, 인공 신경망의 출력으로서 출력 패턴을 획득할 수 있다.

TTS 모듈(170)은 출력 패턴을 메시지(801)에 적용하여 메시지(801)를 음성(805)으로 변환(TTS)할 수 있다.

TTS 모듈(170)은 변환된 음성(805)을 외부의 다른 음성 제공 장치로 전송할 수 있다. 여기서, TTS 모듈(170)은 변환된 음성(805)과 함께 출력 패턴 정보를 함께 다른 음성 제공 장치로 전송할 수 있다.

또한, TTS 모듈(170)은 변환된 음성(805)을 출력 패턴에 기반하여 출력 장치(130)를 통해 외부로 출력할 수 있다. 예를 들면, TTS 모듈(170)은 변환된 음성(805)을 디스플레이 상에 표시하거나, 스피커를 통해 출력할 수 있다.

도 9는 도 8의 작성자 정보에 기반하여 음성을 제공하는 하나의 예를 도시한다.

도 9에 도시된 바와 같이, 작성자 정보는 메시지 작성자(또는 미리 설정된 작성자 캐릭터)의 성별, 나이, 국적, 기존 성향과 관련된 정보 등 사용자 기본 정보(901)를 포함할 수 있다.

TTS 모듈(170)은 사용자 기본 정보(901)를 미리 학습된 인공 신경망(Voice Font 추출 DNN)에 입력할 수 있다.

TTS 모듈(170)은 인공 신경망의 출력으로서 출력 패턴 정보(902)를 획득할 수 있다. 구체적으로, TTS 모듈(170)은 인공 신경망의 출력으로서 메시지 구성(STT(Speech to Text) Engine) 설정 정보(903) 및 배경(Back Ground) 설정 정보(904)를 획득할 수 있다. 여기서, 메시지 구성 설정 정보(903)는 음성을 제공하는 형태와 관련된 정보를 포함할 수 있다. 여기서, 배경 설정 정보(904)는 음성을 디스플레이 상에 표시하는 형태 또는 스피커를 통해 출력하는 형태(Music / 색)와 관련된 정보를 포함할 수 있다.

여기서, TTS 모듈(170)은 이전에 출력된 출력 패턴 정보(902)를 이용하여 인공 신경망을 학습시킬 수 있다.

TTS 모듈(170)은 출력 패턴 정보(902)를 메시지에 적용하여 변환된 음성(905)을 다른 외부 장치로 제공할 수 있다.

도 10은 도 8의 작성자 정보에 기반하여 음성을 제공하는 다른 하나의 예를 도시한다.

도 10에 도시된 바와 같이, 작성자 정보는 메시지 작성자(또는 미리 설정된 작성자 캐릭터)의 표정, 감정, 움직임 등 실시간 사용자 정보(1001)를 포함할 수 있다. 예를 들면, 실시간 사용자 정보(1001)는 작성자가 자면서 메시지를 작성하였는지, 걷는 중에 작성하였는지, 또는, 졸린 목소리로 음성을 발화하였는지, 화난 목소리로 발화하였는지, 웃는 목소리로 발화하였는지, 또는, 뛰면서 혹은 걸으면서 작성하였는지와 관련된 정보를 포함할 수 있다.

TTS 모듈(170)은 실시간 사용자 정보(1001)를 미리 학습된 인공 신경망(Voice Font 추출 DNN)에 입력할 수 있다.

TTS 모듈(170)은 인공 신경망의 출력으로서 출력 패턴 정보(1002)를 획득할 수 있다. 구체적으로, TTS 모듈(170)은 인공 신경망의 출력으로서 메시지 구성(STT(Speech to Text) Engine) 설정 정보(1003) 및 배경(Back Ground) 설정 정보(1004)를 획득할 수 있다.

TTS 모듈(170)은 출력 패턴 정보(1002)를 메시지에 적용하여 변환된 음성(1005)을 다른 외부 장치로 제공할 수 있다.

예를 들면, 작성자가 움직이면서 메시지를 작성한 경우에, TTS 모듈(170)은 이러한 실시간 사용자 정보를 반영하여 울렁이는 형태의 출력 패턴을 메시지에 적용하여 음성(1005)을 변환할 수 있다.

도 11은 도 8의 작성자 정보에 기반하여 음성을 제공하는 또 다른 하나의 예를 도시한다.

도 11에 도시된 바와 같이, 작성자 정보는 메시지 작성자(또는 미리 설정된 작성자 캐릭터)의 텍스트를 작성한 방식과 관련된 정보 또는 음성을 발화한 방식과 관련된 정보를 포함하는 실시간 입력 특징 정보(1101)를 포함할 수 있다. 예를 들면, 실시간 입력 특징 정보(1101)는 텍스트의 타이핑(typing) 속도, 메시지를 작성한 시점, 텍스트를 수정한 횟수, 또는, 음성 입력의 속도, 발화 억양과 관련된 정보를 포함할 수 있다.

TTS 모듈(170)은 실시간 입력 특징 정보(1101)를 를 미리 학습된 인공 신경망(Voice Font 추출 DNN)에 입력할 수 있다.

TTS 모듈(170)은 인공 신경망의 출력으로서 출력 패턴 정보(1102)를 획득할 수 있다. 구체적으로, TTS 모듈(170)은 인공 신경망의 출력으로서 메시지 구성(STT(Speech to Text) Engine) 설정 정보(1103) 및 배경(Back Ground) 설정 정보(1104)를 획득할 수 있다.

TTS 모듈(170)은 출력 패턴 정보(1102)를 메시지에 적용하여 변환된 음성(1105)을 다른 외부 장치로 제공할 수 있다.

예를 들면, 작성자가 느리게 음성을 발화한 경우, TTS 모듈(170)은 이러한 정보를 반영하여 출력 패턴을 느리게 설정하여 메시지에 적용하여 음성(1105)을 변환할 수 있다.

도 12는 도 8의 주변 환경 정보에 기반하여 음성을 제공하는 또 다른 하나의 예를 도시한다.

도 12에 도시된 바와 같이, 주변 환경 정보는 메시지 작성 당시 시간, 주변 소음, 위치(GPS 정보)와 관련된 정보를 포함하는 환경 정보(1201)를 포함할 수 있다. 예를 들면, 환경 정보(1201)는 메시지 작성자가 차량을 탑승한 상황, 차량이 많은 길거리와 관련된 환경, 비가 오고 있음을 나타내는 정보를 포함할 수 있다.

TTS 모듈(170)은 환경 정보(1201) 및 메시지를 인공 신경망에 입력하고, 그 출력으로서 출력 패턴(1202)을 획득할 수 있다. 출력 패턴(1202)은 메시지 구성 설정 정보(1203) 및 배경 설정 정보(1204)를 포함할 수 있다.

TTS 모듈(170)은 출력 패턴 정보(1202)를 메시지에 적용하여 변환된 음성(1205)을 다른 외부 장치로 제공할 수 있다.

예를 들면, 차량이 많은 길거리 환경이나 비가 오는 날씨에서 메시지가 작성된 경우, TTS 모듈(170)은 출력 패턴으로서 배경 음악으로 차량 엔진 소음을 추가하거나, 빗소리를 추가하여 음성(1205)을 제공할 수 있다.

도 13은 출력 패턴을 생성하기 위한 인공 신경망을 학습하는 예의 흐름도이다.

도 13에 도시된 바와 같이, 음성 제공 장치(10)는 음성 입력을 수신할 수 있다(S701).

예를 들면, 음성 입력은 화자의 통화 관련 데이터 또는 사용자의 음성 인식 관련 데이터를 포함할 수 있다.

예를 들면, 음성 제공 장치(10)는 복수의 화자의 음성 입력을 수신할 수 있다. 여기서, 음성 제공 장치(10)는 음성 제공 장치(10)의 사용자뿐만 아니라 사용자와 통화하는 상대방의 음성 입력을 수신할 수 있다.

그 다음, 음성 제공 장치(10)는 수신된 음성 입력을 정제(Denoising)할 수 있다(S702).

이어서, 음성 제공 장치(10)는 음성 입력에 포함된 화자가 독립 화자인지 여부를 판단할 수 있다(S703).

판단 결과, 독립 화자가 아닌, 복수의 화자가 음성 입력에 포함된 경우, 음성 제공 장치(10)는 인공 신경망(ANN)을 이용하여 복수의 화자를 각각 분리할 수 있다(S704).

판단 결과 독립 화자인 경우 또는 S704 단계 이후에, 음성 제공 장치(10)는 기존 DB에 저장된 화자 중 하나와 독립/분리된 화자가 동일한지 여부를 판단할 수 있다(S705).

판단 결과 기존 화자와 동일하지 않은, 새로운 화자인 경우, 음성 제공 장치(10)는 별도 DB를 통해 인식된 화자를 관리할 수 있다(S706).

판단 결과 기존 화자와 동일한 경우, 음성 제공 장치(10)는 기존 DB에 저장된 작성자(화자)와 관련된 정보(DB)를 업데이트할 수 있다(S707).

여기서, 음성 제공 장치(10)는 기존 DB에 작성자(화자)와 관련하여 획득한 새로운 정보를 TAG 형태로 업데이트할 수 있다. 예를 들어, 음성 제공 장치(10)는 엣지 디바이스(예: 입력 장치(120))에서 사용자가 입력한 정보 또는 추론을 통해 도출된 기존 정보를 기반으로 하여 오디오 태그를 세분화할 수 있고, 세분화된 오디오 태그를 기존 DB에 업데이트할 수 있다.

또한, 음성 제공 장치(10)는 기존 DB에 작성자의 음성 입력과 관련된 장소 라벨(도서관, 직장 또는 집에서 통화한 경우), 시간 라벨(밤, 낮에 따라 목소리가 잠길 수 있는 경우), 대화 상대 라벨(대화 상대방의 성별, 관계(친구/가족/상사/모르는 사람), 친밀도(자주 대화하는 사람, 드물게 대화하는 사람), 나이(어린 아이 / 성인))을 기존 DB에 업데이트할 수 있다.

마지막으로, 음성 제공 장치(10)는 획득한 음성 입력을 이용하여 인공 신경망(ANN)을 학습시킬 수 있다(S708).

도 14는 출력 패턴을 획득하기 위해 이용되는 인공 신경망을 학습하는 과정을 도시한다.

도 14에 도시된 바와 같이, 음성 제공 장치(10)는 음성 발화자의 음성(1401) 및 대화 상대방의 음성(1402)을 획득할 수 있다.

음성 제공 장치(10)는 음성 발화자의 음성(1401) 또는 대화 상대방의 음성(1402)을 이용하여 인공 신경망을 학습시킬 수 있다.

예를 들어, 음성 제공 장치(10)는 대화 상대방의 음성(1402)을 이용하여 인공 신경망을 학습시킬 수 있다. 예를 들어, 음성 제공 장치(10)는 대화 상대방의 음성(1402)과 함께 획득한 상황 정보(1403) 및 통화 이력 데이터(1404)를 이용하여 대화 상대방과 관련된 DB(1405)를 생성할 수 있고, DB(1405) 및 대화 상대방 음성(1402)을 분석하여 인공 신경망을 학습시킬 수 있다.

도 15는 출력 패턴을 획득하는 상세한 과정의 예를 도시한 흐름도이다.

도 15에 도시된 바와 같이, 음성 제공 장치(10)는 도 15의 S730(S731-S736) 단계를 통해 출력 패턴을 획득할 수 있으며, 상세한 설명은 하기와 같다.

먼저, 음성 제공 장치(10)는 복수의 화자와 관련된 정보 및 통화 이력을 획득할 수 있다(S731).

다음, 음성 제공 장치(10)는 획득한 복수의 화자 관련 정보 및 통화 이력을 이용하여 도 14와 같은 방법으로 인공 신경망을 학습할 수 있다(S732).

이어서, 음성 제공 장치(10)는 메시지 및 생성 상황 정보로부터 특징값을 추출할 수 있다(S733).

다음, 음성 제공 장치(10)는 특징값을 출력 패턴을 추출하기 위해 미리 학습된 인공 신경망 분류기에 입력할 수 있다(S734).

이어서, 음성 제공 장치(10)는 인공 신경망의 출력값을 분석할 수 있다(S735).

마지막으로, 음성 제공 장치(10)는 인공 신경망의 출력으로서 메시지를 출력하기 위한 출력 패턴을 획득할 수 있다(S736).

도 16은 도 15의 과정을 5G 네트워크를 통해 수행하는 과정을 도시한다.

상기의 도 15에서는 AI 프로세싱을 통해 출력 패턴을 획득하는 동작이 음성 제공 장치(10)의 프로세싱에서 구현되는 예를 설명하였으나, 본 발명은 이에 한정되지 않는다.

예를 들어, 도 16에 도시된 바와 같이, 상기 AI 프로세싱은 음성 제공 장치(10)으로부터 수신된 센싱 정보에 기초하여 5G 네트워크 상에서 이루어질 수도 있다.

TTS 모듈(170)은 상기 메시지 및 상황 관련 정보를 5G 네트워크에 포함된 AI 프로세서로 전송하도록 입력 장치(120)(또는 통신부)를 제어할 수 있다. 또한, TTS 모듈(170)는 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 입력 장치(120) 또는 통신부를 제어할 수 있다.

상기 AI 프로세싱된 정보는, 상기 메시지를 출력하기 위한 출력 패턴과 관련된 정보일 수 있다.

한편, 음성 제공 장치(10)는 5G 네트워크로 메시지 및 메시지 관련 상황 정보를 전송하기 위하여, 5G 네트워크와 초기 접속 절차를 수행할 수 있다. 음성 제공 장치(10)은 SSB(Synchronization signal block)에 기초하여 상기 5G 네트워크와 초기 접속 절차를 수행할 수 있다.

또한, 음성 제공 장치(10)는 무선 통신부를 통해 상기 음성 제공 장치의 내부에 구비된 입력 장치(120)로부터 획득되는 상기 메시지 및 메시지의 작성 당시 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신할 수 있다.

프로세서(170)는 상기 DCI에 기초하여 상기 메시지 및 메시지 작성 당시 상황 관련 정보를 상기 네트워크로 전송할 수 있다.

상기 메시지 및 메시지 작성 상황 관련 정보는 PUSCH를 통해 상기 네트워크로 전송되며, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL될 수 있다.

도 16을 참조하면, 음성 제공 장치(10)은 메시지 및 메시지 관련 상황 정보로부터 추출된 특징값을 5G 네트워크로 전송할 수 있다(S1600).

여기서 5G 네트워크는 AI 프로세서 또는 AI 시스템을 포함할 수 있으며, 5G 네트워크의 AI 시스템은 수신된 센싱 정보에 기초하여 AI 프로세싱을 수행할 수 있다(S1610).

AI 시스템은, 음성 제공 장치(10)으로부터 수신된 특징값들을 ANN 분류기에 입력할 수 있다(S1611).

AI 시스템은, ANN 출력값을 분석하고(S1613), 상기 ANN 출력값으로부터 출력 패턴을 판단할 수 있다(S1615).

5G 네트워크는 상기 AI 시스템에서 판단한 출력 패턴을 무선 통신부를 통해 음성 제공 장치(10)으로 전송할 수 있다(S1620).

도 17은 출력 패턴을 디스플레이 상에 형상화하는 과정의 흐름도이다.

도 17에 도시된 바와 같이, 음성 제공 장치(10)는 도 7의 S750 단계를 수행한 후, 상황 정보에 기반하여 메시지를 디스플레이(예: 출력 장치(130)) 상에 디스플레이(표시)할 수 있다(S761).

이어서, 음성 제공 장치(10)는 상황 정보에 기반하여 메시지가 디스플레이 되는 위치/형태를 변경할 수 있다(S762).

이어서, 음성 제공 장치(10)는 사용자로부터 디스플레이를 통한 수정 입력이 수신되는지 여부를 판단할 수 있다(S763).

판단 결과 수정 입력이 수신되면, 음성 제공 장치(10)는 사용자의 수정 입력에 기반하여 출력 패턴을 수정할 수 있다(S764).

판단 결과 수정 입력이 수신되지 않은 경우(예: 미리 설정된 임계 시간 내에 수정 입력이 수신되지 않는 경우), 음성 제공 장치(10)는 도 7의S770 단계를 통해 음성을 제공할 수 있다.

도 18은 출력 패턴을 디스플레이 상에 형상화하는 과정을 도시한다.

도 18에 도시된 바와 같이, 음성 제공 장치(10)는 디스플레이를 통해 메시지 표시 창(1801)을 표시할 수 있다. 또한, 음성 제공 장치(10)는 메시지 표시 창(1801)에 주변 환경의 소리를 센싱하고 있음을 알리는 텍스트("BGM 듣는 중")을 표시할 수 있다.

이어서, 주변 환경의 소리를 센싱한 후, 비오는 소리임을 확인하면, 음성 제공 장치(10)는 비오는 배경 이미지(1802)를 디스플레이할 수 있다.

이어서, 음성 제공 장치(10)는 비오는 배경 이미지와 함께 메시지를 텍스트의 형태(1803)로 표시할 수 있다.

또한, 음성 제공 장치(10)는 출력 패턴을 형상화하여 메시지(1804)를 표시할 수 있다. 여기서, 음성 제공 장치(10)는 출력 패턴에 기반하여, 메시지 작성자의 작성 당시 감정과 관련된 정보를 메시지(1804)의 위치에 적용할 수 있다. 또한, 음성 제공 장치(10)는 출력 패턴에 기반하여, 메시지 작성자의 작성 당시 감정과 관련된 정보를 메시지(1804)의 색상에 적용할 수 있다.

도 19는 출력 패턴을 수정하는 하나의 예를 도시한다.

도 19에 도시된 바와 같이, 음성 제공 장치(10)는 비오는 배경 이미지(1901)를 디스플레이 상에 표시함과 동시에 비오는 소리를 스피커를 통해 출력할 수 있다.

배경 이미지(1902)의 "비오는 소리" 텍스트 부분에 터치 입력이 수신되면, 음성 제공 장치(10)는 비오는 소리를 출력하는 출력 패턴에서 비오는 소리를 제거하면서, 비오는 소리를 스피커를 통해 출력하지 않을 수 있다. 또한, 음성 제공 장치(10)는 터치 입력에 기반하여 배경 이미지를 다른 이미지(예: 도시(City) 이미지)(1903)로 변경하면서, 이에 대응하는 출력 패턴도 수정할 수 있다.

또한, 배경 이미지(1904)의 "비오는 소리" 텍스트 부분에 다른 터치 입력(예: 임계시간 이상의 터치 입력)이 수신되면, 음성 제공 장치(10)는 다른 후보 소리("트와이스 "Fancy"", "비오는 소리", "도시 소음") 목록(1905)을 디스플레이 할 수 있으며, 이 중 하나에 대한 선택에 응답하여 출력 패턴의 배경 음악을 변경할 수 있다.

도 20은 출력 패턴을 표시하는 예를 도시한다.

도 20에 도시된 바와 같이, 음성 제공 장치(10)는 디스플레이 상에 비오는 배경 이미지, 메시지(2001)와 함께 시간 간격을 나타내는 격자 구조를 표시할 수 있다.

음성 제공 장치(10)는 격자 구조를 통해, 메시지의 출력 패턴으로서 음성의 출력 속도 및 쉬는 타임 구간을 표시할 수 있다.

도 21은 출력 패턴을 수정하는 다른 예를 도시한다.

도 21에 도시된 바와 같이, 음성 제공 장치(10)는 색깔 별로 표시된 메시지(2101) 중 일부에 대한 드래그 입력을 수신하고, 드래그 입력에 기반하여 메시지 중 일부가 표시되는 위치를 변경할 수 있다.

또한, 음성 제공 장치(10)는 메시지 중 일부의 표시 위치를 변경함과 동시에, 출력 패턴으로서 "그럼 카페 들어가 있을께"에 해당되는 음성의 출력 형태를 변경할 수 있다.

도 22 내지 도 30의 음성 제공 장치는 도 7 내지 도 21을 참조하여 설명한 음성 제공 장치(10)와 동일하거나 다른 장치가 될 수 있다. 즉, 도 7 내지 도 21을 참조하여 설명한 음성 제공 장치는 메시지를 작성하고 출력 패턴을 생성하여 음성을 제공하는 장치가 될 수 있으며, 도 22 내지 도 30의 음성 제공 장치는 메시지를 수신하고 출력 패턴을 도출하여 음성을 제공하는 장치가 될 수 있다.

도 22는 본 발명의 다른 실시예에 따른 음성 제공 방법을 나타낸 흐름도이다.

도 22에 도시된 바와 같이, 본 발명의 다른 실시예에 따른 음성 제공 장치는 도 22의 S2210 단계 내지 S2260 단계를 통해, 메시지를 수신하고 출력 패턴을 도출하여 음성을 제공할 수 있으며, 상세한 설명은 하기와 같다.

먼저, 음성 제공 장치는 메시지를 수신할 수 있다(S2210).

이어서, 음성 제공 장치는 메시지와 함께 출력 패턴과 관련된 정보가 첨부되어 있는지 여부를 판단할 수 있다(S2220).

판단 결과, 출력 패턴이 첨부된 경우, 음성 제공 장치는 출력 패턴의 첨부 형태에 기반하여 메시지를 처리할 수 있다(S2230).

판단 결과, 출력 패턴이 첨부되지 않은 경우, 음성 제공 장치는 음성 제공 장치 내에 메시지의 작성자와 관련된 출력 패턴 정보가 포함된 개인 DB가 존재하는지 여부를 판단할 수 있다(S2240).

판단 결과, 개인 DB가 존재하지 않는 경우, 음성 제공 장치는 메시지 또는 다른 정보로부터 상황 정보를 추론하고, 상황 정보에 기반하여 출력 패턴을 도출할 수 있다(S2250).

판단 결과, 개인 DB가 존재하는 경우, 또는 S2250 단계 수행 이후, 음성 제공 장치는 개인 DB에 저장된 출력 패턴으로 메시지를 변환하여 음성을 제공할 수 있다(S2260).

도 23은 메시지와 함께 첨부된 출력 패턴을 이용하여 음성을 제공하는 예를 도시한다.

도 23에 도시된 바와 같이, 음성 제공 장치(2301)는 메시지의 발신자인 "다현"이 사용하는 음성 제공 장치(예: 음성 제공 장치(10))로부터 메시지 및 출력 패턴이 첨부된 파일(2302)을 수신할 수 있다.

이 경우, 음성 제공 장치(2301)는 출력 패턴을 이용하여 메시지를 음성으로 변환하여 제공할 수 있다.

도 24는 메시지와 함께 첨부된 작성자 관련 정보를 이용하여 음성을 제공하는 예를 도시한다.

도 24에 도시된 바와 같이, 출력 패턴 자체가 아닌, 메시지 작성자와 관련된 정보(메시지 작성자 관련 URL)(2401)가 메시지와 함께 수신된 경우, 음성 제공 장치(2404)는 메시지 작성자와 관련된 정보(2401)에 기반하여 서버(2402)에 접속하고, 서버(2402)로부터 메시지 작성자와 관련된 출력 패턴(Voice Font)을 수신할 수 있으며, 출력 패턴이 적용된 음성(2403)을 제공할 수 있다.

도 25는 메시지 작성자 관련 개인 DB에 기반하여 음성을 제공하는 예를 도시한다.

도 25에 도시된 바와 같이, 음성 제공 장치는 음성 제공 장치 내에 개인 DB(2502)가 저장되어 있는 메시지 작성자로부터 메시지를 수신할 수 있다.

이 경우, 음성 제공 장치는 개인 DB(2502)에 저장된 메시지 작성자와 관련된 출력 패턴을 획득하고, 획득한 출력 패턴으로 메시지를 음성(2501)으로 변환하여 제공할 수 있다.

도 26은 미리 설정된 TTS로 음성을 제공하는 예를 도시한다.

도 26에 도시된 바와 같이, 음성 제공 장치(2601)는 식별 불가한 번호(모르는 번호)를 가지는 발신자로부터 메시지를 수신할 수 있다.

출력 패턴이 첨부되지 않으면서, 발신자와 관련된 개인 DB 또한 음성 제공 장치 내에 존재하지 않는 경우, 음성 제공 장치(2601)는 발신자 관련 정보에 대한 추론을 시도한다.

추론에 실패한 경우, 음성 제공 장치(2601)는 미리 설정된 기본 TTS를 개인 DB(2603)로부터 검색하고, 검색된 기본 TTS에 대응하는 출력 패턴으로 메시지를 변환하여 음성(2602)을 제공할 수 있다. 여기서, 미리 설정된 기본 TTS는 음성 제공 장치(2601)의 사용자가 선호하는 것으로 설정된(미리 설정된 횟수 이상 선택된) TTS가 될 수 있다.

도 27은 메시지로부터 출력 패턴을 추론하여 음성을 제공하는 예를 도시한다.

도 27에 도시된 바와 같이, 음성 제공 장치(2702)는 발신 번호를 식별할 수 없는 모르는 번호를 가진 다른 음성 제공 장치(2701)로부터 "번호 저장 안되어 있지. 나 XXX 오빠야."라는 메시지를 수신할 수 있다.

여기서, 음성 제공 장치(2702)는 메시지의 내용을 분석하여, 메시지 작성자의 성별, 나이 및 국적 등 메시지 작성자와 관련된 정보를 추론할 수 있다. 예를 들어, 음성 제공 장치(2702)는 "번호 저장 안되어 있지. 나 XXX 오빠야."라는 메시지 내용으로부터 메시지 작성자의 성별이 남자이며, 연장자(내 나이 + 5~10세)이며, 국적은 한국인 것을 추론할 수 있다.

이어서, 음성 제공 장치(2702)는 개인 DB(2706)으로부터 획득한 미리 설정된 기본 TTS(Default TTS)(2705)을 추론된 메시지 작성자 관련 정보를 이용하여 수정(2704)하고, 새로운 출력 패턴의 새로운 음성(2703)을 생성할 수 있다.

도 28은 추론된 메시지 관련 상황 정보의 예를 도시한다.

도 28에 도시된 바와 같이, 음성 제공 장치는 메시지로부터 메시지 관련 상황 정보(Speaker)를 추론할 수 있고, 메시지 및 상황 정보에 기반하여 출력 패턴(Text 감성)을 도출할 수 있다.

예를 들어, 음성 제공 장치는 도 23 내지 도 27 중 어느 하나의 메시지를 분석하여 메시지 관련 상황 정보(Speaker)로서 메시지 작성자의 성별, 나이 국적을 "Default", "내친구 다현", "LG U+ (기업)", "모름 1", "모름2 - 일부 아는 경우"로 구분하여 항목 별로 추론(성별: 여성 또는 남성 / 나이: 20, ?, 30, 20 중반 / 국적: 한국)할 수 있다.

이어서, 음성 제공 장치는 추론된 메시지 관련 상황 정보 및 메시지를 이용하여 출력 패턴(Text 감성)으로서 발화 속도, 문장 전체의 음역대(pitch), 문장 내의 상대적인 높낮이, 감정, 배경음악(BGM)을 "Default", "내친구 다현", "LG U+ (기업)", "모름 1", "모름2 - 일부 아는 경우"로 구분하여 항목 별로 도출(발화 속도: 보통, 빠르게, 느리게 / 문장 전체의 음역대: 보통, 낮은 / 문장 내의 상재겅니 높낮이: 적음 / 감정: Normal, 다급함, 졸림, 장난스러운 / BGM: 없음, 자동차 엔진 소리)할 수 있다.

도 29는 메시지로부터 메시지 생성 상황 정보를 인공 신경망을 이용하여 추론하는 예의 흐름도이다.

도 29에 도시된 바와 같이, 음성 제공 장치는 수신된 메시지로부터 특징값을 추출할 수 있다(S2251).

이어서, 음성 제공 장치는 특징값을 음성 제공 장치 내의 AI 프로세서에 저장되며 미리 학습된 인공 신경망 분류기에 입력할 수 있다(S2252).

다음, 음성 제공 장치는 인공 신경망의 출력값을 분석할 수 있다(S2253).

마지막으로, 음성 제공 장치는 인공 신경망의 출력값으로부터 메시지 생성 상황 정보를 획득할 수 있다(SS254).

도 30은 상황 정보로부터 출력 패턴을 인공 신경망을 이용하여 추론하는 예의 흐름도이다.

도 30에 도시된 바와 같이, 음성 제공 장치는 추론된 상황 정보로부터 특징값을 추출할 수 있다(S2255).

이어서, 음성 제공 장치는 특징값을 음성 제공 장치 내의 AI 프로세서에 저장되며 미리 학습된 인공 신경망 분류기에 입력할 수 있다(S2256).

다음, 음성 제공 장치는 인공 신경망의 출력값을 분석할 수 있다(S2257).

마지막으로, 음성 제공 장치는 인공 신경망의 출력값으로부터 출력 패턴을 획득할 수 있다(S2258).

실시예 1: 지능적 음성 제공 장치가 음성을 제공하는 방법에 있어서, 메시지를 획득하는 단계; 상기 메시지를 음성으로 변환하는 단계; 및 상기 음성을 제공하는 단계;를 포함하되, 상기 메시지를 음성으로 변환하는 단계는, 상기 메시지의 생성 상황과 관련된 정보에 기반하여 출력 패턴 정보를 생성하는 단계, 및 상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 변환하는 단계를 포함하는 것을 특징으로 하는, 방법.

실시예 2: 실시예 1에 있어서, 상기 메시지 생성 상황 정보는, 상기 메시지의 작성자와 관련된 정보를 포함하는 것을 특징으로 하는, 방법.

실시예 3: 실시예 2에 있어서, 상기 메시지 생성 상황 정보는, 상기 메시지가 작성될 당시의 주변 환경과 관련된 정보를 포함하는 것을 특징으로 하는, 방법.

실시예 4: 실시예 3에 있어서, 상기 메시지 생성 상황 정보는, 상기 메시지의 수신자와 관련된 정보를 포함하는 것을 특징으로 하는, 방법.

실시예 5: 실시예 1에 있어서, 상기 메시지 생성 상황 정보에 기반하여 상기 메시지를 디스플레이 상에 표시하는 단계를 더 포함하는, 방법.

실시예 6: 실시예 5에 있어서, 상기 표시 단계는, 상기 메시지가 작성된 시간 또는 상기 메시지의 작성 당시 날씨와 관련된 정보에 기반하여 상기 메시지의 백그라운드 상에 배경 이미지를 표시하는 것을 특징으로 하는, 방법.

실시예 7: 실시예 5에 있어서, 상기 표시 단계는, 상기 메시지의 작성자의 작성 당시의 감정과 관련된 정보에 기반하여 상기 메시지의 위치를 조절하는 것을 특징으로 하는, 방법.

실시예 8: 실시예 5에 있어서, 상기 표시 단계는, 상기 메시지가 음성 신호를 이용하여 획득된 경우, 상기 음성 신호의 시간에 따른 파형에 기반하여 상기 메시지에 포함된 복수의 음절 사이의 거리를 조절하는 것을 특징으로 하는, 방법.

실시예 9: 실시예 5에 있어서, 상기 표시된 메시지에 대한 터치 입력을 수신하는 단계, 및 상기 터치 입력에 기반하여 상기 생성된 출력 패턴 정보를 변경하는 단계를 더 포함하는, 방법.

실시예 10: 실시예 5에 있어서, 상기 메시지가 작성될 당시의 주변 환경과 관련된 정보에 기반하여 배경 음악을 출력 장치를 통해 출력하는 단계를 더 포함하는, 방법.

실시예 11: 실시예 1에 있어서, 상기 출력 패턴 정보를 생성하는 단계는, 상기 메시지 및 상기 메시지 생성 상황 정보를 미리 학습된 인공 신경망에 입력하여, 상기 인공 신경망의 출력으로서 상기 출력 패턴 정보를 획득하는 것을 특징으로 하는, 방법.

실시예 12: 실시예 11에 있어서, 상기 인공 신경망은, 상기 메시지 획득 단계 이전에, 복수의 화자와 관련된 정보 및 상기 복수의 화자 사이의 통화 음성 데이터를 이용하여 미리 학습되는 것을 특징으로 하는, 방법.

실시예 13: 실시예 12에 있어서, 상기 출력 패턴 정보를 생성하는 단계는, 상기 메시지에 포함된 복수의 화자에 의해 발화된 복수의 음성을 상기 인공 신경망을 이용하여 구분하는 단계를 더 포함하는 것을 특징으로 하는, 방법.

실시예 14: 실시예 1에 있어서, 상기 음성 제공 장치의 내부에 구비된 적어도 하나의 센서로부터 획득되는 상기 메시지 생성 상황 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 단계;를 더 포함하고, 상기 메시지 생성 상황 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 특징으로 하는, 방법.

실시예 15: 실시예 14에 있어서, SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계;를 더 포함하고, 상기 메시지 생성 상황 정보는 PUSCH를 통해 상기 네트워크로 전송되며, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 것을 특징으로 하는, 방법.

실시예 16: 실시예 14에 있어서, 상기 메시지 생성 상황 정보를 상기 네트워크에 포함된 AI 프로세서로 전송하도록 통신부를 제어하는 단계; 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 단계;를 더 포함하고, 상기 AI 프로세싱된 정보는, 상기 메시지 생성 상황 정보에 기반하여 생성된 상기 출력 패턴 정보를 포함하는 것을 특징으로 하는, 방법.

실시예 17: 음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스는, 메시지를 획득하는 통신부; 프로세서; 상기 프로세서에 의해 실행 가능한 명령어를 포함하는 메모리;를 포함하고, 상기 명령어는, 상기 메시지로부터 상기 메시지의 생성 상황과 관련된 정보를 도출하고, 상기 메시지 생성 상황 정보에 기반하여 출력 패턴 정보를 생성하며, 상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 출력하는 것을 특징으로 하는, 지능형 컴퓨팅 디바이스.

실시예 18: 실시예 17에 있어서, 상기 프로세서는, 미리 저장된 사용자 선호 출력 패턴을 상기 메시지에 적용하고, 상기 메시지 생성 상황 정보에 기반하여 상기 메시지에 적용된 출력 패턴을 업데이트하는 것을 특징으로 하는, 지능형 컴퓨팅 디바이스.

실시예 19: 실시예 17에 있어서, 상기 프로세서는, 상기 메시지를 미리 학습된 제1 인공 신경망에 입력하여 상기 메시지 생성 상황 정보를 획득하고, 상기 메시지 생성 상황 정보를 미리 학습된 제2 인공 신경망에 입력하여 상기 출력 패턴 정보를 획득하는 것을 특징으로 하는, 지능형 컴퓨팅 디바이스.

실시예 20: 컴퓨팅 디바이스의 하나 이상의 프로세서에서 실행하도록 구성된 컴퓨터 실행 가능한 컴포넌트가 저장된 비 일시적(non-transitory) 컴퓨터 판독 가능한 매체(computer-executable component)로서, 상기 컴퓨터 실행 가능한 컴포넌트는, 메시지를 획득하고, 상기 메시지의 생성 상황과 관련된 정보에 기반하여 출력 패턴 정보를 생성하고, 상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 변환하며, 상기 음성을 제공하는 것을 특징으로 음성 제공 장치를 제어하는 것을 특징으로 하는, 비 일시적 컴퓨터 판독 가능한 기록 매체.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims

지능적 음성 제공 장치가 음성을 제공하는 방법에 있어서,
메시지를 획득하는 단계;
상기 메시지를 음성으로 변환하는 단계; 및
상기 음성을 제공하는 단계;를 포함하되,
상기 메시지를 음성으로 변환하는 단계는,
상기 메시지의 생성 상황과 관련된 정보에 기반하여 출력 패턴 정보를 생성하는 단계, 및
상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 변환하는 단계를 포함하는 것을 특징으로 하는,
방법.
제1항에 있어서,
상기 메시지 생성 상황 정보는,
상기 메시지의 작성자와 관련된 정보를 포함하는 것을 특징으로 하는,
방법.
제2항에 있어서,
상기 메시지 생성 상황 정보는,
상기 메시지가 작성될 당시의 주변 환경과 관련된 정보를 포함하는 것을 특징으로 하는,
방법.
제3항에 있어서,
상기 메시지 생성 상황 정보는,
상기 메시지의 수신자와 관련된 정보를 포함하는 것을 특징으로 하는,
방법.
제1항에 있어서,
상기 메시지 생성 상황 정보에 기반하여 상기 메시지를 디스플레이 상에 표시하는 단계를 더 포함하는,
방법.
제5항에 있어서,
상기 표시 단계는,
상기 메시지가 작성된 시간 또는 상기 메시지의 작성 당시 날씨와 관련된 정보에 기반하여 상기 메시지의 백그라운드 상에 배경 이미지를 표시하는 것을 특징으로 하는,
방법.
제5항에 있어서,
상기 표시 단계는,
상기 메시지의 작성자의 작성 당시의 감정과 관련된 정보에 기반하여 상기 메시지의 위치를 조절하는 것을 특징으로 하는,
방법.
제5항에 있어서,
상기 표시 단계는,
상기 메시지가 음성 신호를 이용하여 획득된 경우, 상기 음성 신호의 시간에 따른 파형에 기반하여 상기 메시지에 포함된 복수의 음절 사이의 거리를 조절하는 것을 특징으로 하는,
방법.
제5항에 있어서,
상기 표시된 메시지에 대한 터치 입력을 수신하는 단계, 및
상기 터치 입력에 기반하여 상기 생성된 출력 패턴 정보를 변경하는 단계를 더 포함하는,
방법.
제5항에 있어서,
상기 메시지가 작성될 당시의 주변 환경과 관련된 정보에 기반하여 배경 음악을 출력 장치를 통해 출력하는 단계를 더 포함하는,
방법.
제1항에 있어서,
상기 출력 패턴 정보를 생성하는 단계는,
상기 메시지 및 상기 메시지 생성 상황 정보를 미리 학습된 인공 신경망에 입력하여, 상기 인공 신경망의 출력으로서 상기 출력 패턴 정보를 획득하는 것을 특징으로 하는,
방법.
제11항에 있어서,
상기 인공 신경망은,
상기 메시지 획득 단계 이전에, 복수의 화자와 관련된 정보 및 상기 복수의 화자 사이의 통화 음성 데이터를 이용하여 미리 학습되는 것을 특징으로 하는,
방법.
제12항에 있어서,
상기 출력 패턴 정보를 생성하는 단계는,
상기 메시지에 포함된 복수의 화자에 의해 발화된 복수의 음성을 상기 인공 신경망을 이용하여 구분하는 단계를 더 포함하는 것을 특징으로 하는,
방법.
제1항에 있어서,
상기 음성 제공 장치의 내부에 구비된 적어도 하나의 센서로부터 획득되는 상기 메시지 생성 상황 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 단계;를 더 포함하고,
상기 메시지 생성 상황 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 특징으로 하는,
방법.
제14항에 있어서,
SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계;를 더 포함하고,
상기 메시지 생성 상황 정보는 PUSCH를 통해 상기 네트워크로 전송되며,
상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 것을 특징으로 하는,
방법.
제14항에 있어서,
상기 메시지 생성 상황 정보를 상기 네트워크에 포함된 AI 프로세서로 전송하도록 통신부를 제어하는 단계;
상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 단계;를 더 포함하고,
상기 AI 프로세싱된 정보는,
상기 메시지 생성 상황 정보에 기반하여 생성된 상기 출력 패턴 정보를 포함하는 것을 특징으로 하는,
방법.
음성 제공 장치를 제어하는 지능형 컴퓨팅 디바이스는,
메시지를 획득하는 통신부;
프로세서;
상기 프로세서에 의해 실행 가능한 명령어를 포함하는 메모리;를 포함하고,
상기 명령어는,
상기 메시지로부터 상기 메시지의 생성 상황과 관련된 정보를 도출하고,
상기 메시지 생성 상황 정보에 기반하여 출력 패턴 정보를 생성하며,
상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 출력하는 것을 특징으로 하는,
지능형 컴퓨팅 디바이스.
제17항에 있어서,
상기 프로세서는,
미리 저장된 사용자 선호 출력 패턴을 상기 메시지에 적용하고,
상기 메시지 생성 상황 정보에 기반하여 상기 메시지에 적용된 출력 패턴을 업데이트하는 것을 특징으로 하는,
지능형 컴퓨팅 디바이스.
제17항에 있어서,
상기 프로세서는,
상기 메시지를 미리 학습된 제1 인공 신경망에 입력하여 상기 메시지 생성 상황 정보를 획득하고,
상기 메시지 생성 상황 정보를 미리 학습된 제2 인공 신경망에 입력하여 상기 출력 패턴 정보를 획득하는 것을 특징으로 하는,
지능형 컴퓨팅 디바이스.
컴퓨팅 디바이스의 하나 이상의 프로세서에서 실행하도록 구성된 컴퓨터 실행 가능한 컴포넌트가 저장된 비 일시적(non-transitory) 컴퓨터 판독 가능한 매체(computer-executable component)로서,
상기 컴퓨터 실행 가능한 컴포넌트는,
메시지를 획득하고,
상기 메시지의 생성 상황과 관련된 정보에 기반하여 출력 패턴 정보를 생성하고,
상기 출력 패턴 정보에 기반하여 상기 메시지를 음성으로 변환하며,
상기 음성을 제공하는 것을 특징으로 음성 제공 장치를 제어하는 것을 특징으로 하는,
비 일시적 컴퓨터 판독 가능한 기록 매체.