KR20190093528A - 인공지능 장치를 이용한 음성 처리 방법 - Google Patents
인공지능 장치를 이용한 음성 처리 방법 Download PDFInfo
- Publication number
- KR20190093528A KR20190093528A KR1020190088096A KR20190088096A KR20190093528A KR 20190093528 A KR20190093528 A KR 20190093528A KR 1020190088096 A KR1020190088096 A KR 1020190088096A KR 20190088096 A KR20190088096 A KR 20190088096A KR 20190093528 A KR20190093528 A KR 20190093528A
- Authority
- KR
- South Korea
- Prior art keywords
- recipient
- voice
- voice command
- feedback
- speech
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title abstract description 127
- 238000000034 method Methods 0.000 claims description 106
- 238000004891 communication Methods 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 43
- 230000005540 biological transmission Effects 0.000 claims description 29
- 230000035945 sensitivity Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 230000008093 supporting effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000003190 augmentative effect Effects 0.000 abstract description 2
- 230000015572 biosynthetic process Effects 0.000 description 45
- 238000003786 synthesis reaction Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 26
- 230000004044 response Effects 0.000 description 19
- 238000003062 neural network model Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 12
- 210000004027 cell Anatomy 0.000 description 11
- 230000008451 emotion Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000003795 chemical substances by application Substances 0.000 description 7
- 230000002787 reinforcement Effects 0.000 description 7
- 238000011084 recovery Methods 0.000 description 6
- 230000011664 signaling Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000013136 deep learning model Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 230000008054 signal transmission Effects 0.000 description 5
- 238000010408 sweeping Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000001308 synthesis method Methods 0.000 description 4
- 238000007630 basic procedure Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 3
- 101150071746 Pbsn gene Proteins 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000003101 oviduct Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000010454 slate Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 101000741965 Homo sapiens Inactive tyrosine-protein kinase PRAG1 Proteins 0.000 description 1
- 102100038659 Inactive tyrosine-protein kinase PRAG1 Human genes 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001093 holography Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/04—Segmentation; Word boundary detection
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—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
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/225—Feedback of the input speech
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
AI 장치를 이용한 음성 처리 방법을 개시한다. 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법은, 발화자의 음성 명령을 수신하고, 상기 음성 명령에 대해 음성 인식 동작을 수행하여 상기 음성 명령의 수신인을 결정하며, 상기 음성 명령에 대응하는 상기 수신인의 피드백(Feedback) 수신 여부를 확인하고, 피드백이 없는 경우, 상기 수신인의 위치 정보를 획득하여, 미리 저장된 특정 공간 상의 복수의 AI 장치들의 위치 정보 및 상기 수신인의 위치 정보에 기초하여 상기 수신인과 가장 근접한 제2 AI 장치를 선택하고, 상기 음성 명령을 알리는 통지(Notification) 메시지를 상기 제2 AI 장치로 전송한다. 이에 따라, 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에도, 발화자의 음성 명령이 성공적으로 수신인에게 전달될 수 있다.
본 발명은 자율 주행 차량, 사용자 단말기 및 서버 중 하나 이상이 인공 지능(Artificail Intelligenfce) 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.
본 발명은 자율 주행 차량, 사용자 단말기 및 서버 중 하나 이상이 인공 지능(Artificail Intelligenfce) 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
본 발명은 인공지능 장치를 이용한 음성 처리 방법에 관한 것으로서, 보다 구체적으로는 발화자의 음성 명령에 대한 수신인의 응답 여부에 기초하여 음성 명령을 전달하는 음성 처리 방법 및 장치에 관한 것이다.
음성 인식 디바이스는 음성 인식을 수행하는 장치이다. 음성 인식 디바이스는 수신된 사용자의 발화를 인식하여 음성 신호를 획득하고, 음성 신호를 분석하여 특정한 동작을 수행할 수 있다.
특정한 공간 상에 특정 발화자와 복수의 수신인 존재하는 경우, 상기 발화자가 상기 복수의 수신인에게 발화한 음성 명령이 상기 복수의 수신인에게 전달되기 어려운 경우가 있는데, 음성 명령이 상기 복수의 수신인에게 원활하게 전달될 수 있도록 할 필요성이 있다.
본 발명은 특정 공간 상에서 특정 발화자가 복수의 수신인에게 발화한 음성 명령이 복수의 수신인에게 전달되기 어려운 경우에도, 복수의 수신인들에게 음성 명령이 원활하게 전달되도록 하는 음성 인식 기반의 AI(Artificial Intelligence) 장치를 이용한 음성 처리 방법을 제공한다.
본 발명은 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.
또한, 본 발명은 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에, 발화자의 음성 명령이 성공적으로 수신인에게 전달되도록 하기 위한 방법을 구현하는 것을 목적으로 한다.
또한, 본 발명은 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에, AI 디바이스가 음성 명령의 수신인을 인지할 수 있도록 하기 위한 방법을 구현하는 것을 목적으로 한다.
또한, 본 발명은 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에, AI 디바이스가 수신인의 음성 명령에 대한 응답을 파악하기 위한 방법을 구현하는 것을 목적으로 한다.
또한, 본 발명은 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에, AI 디바이스가 수신인에게 가장 근접한 AI 디바이스를 선택하기 위한 방법을 구현하는 것을 목적으로 한다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 양상에 따른 AI 장치를 이용한 음성 처리 방법은, 발화자, 상기 발화자가 발화한 음성 명령을 수신하는 적어도 하나의 수신인, 상기 발화자 및 상기 적어도 하나의 수신인과 각각 음성 인터랙션(Interaction)을 수행하는 복수의 AI 장치가 위치하는 공간 상에서 상기 발화자가 발화한 음성 명령을 수신하는 단계; 상기 수신된 음성 명령에 대하여 음성 인식 동작을 수행하여 상기 음성 명령의 적어도 하나의 특정 수신인을 결정하는 단계; 상기 적어도 하나의 특정 수신인으로부터 상기 음성 명령에 대응하는 적어도 하나의 피드백(Feedback)의 수신 여부를 확인하는 단계; 상기 적어도 하나의 피드백 중 수신되지 않은 피드백이 있는 경우, 상기 적어도 하나의 특정 수신인 중 적어도 하나의 피드백 하지 않은 수신인의 위치 정보를 획득하는 단계; 미리 저장된 상기 복수의 AI 장치의 상기 공간 상에서의 위치 정보 및 상기 적어도 하나의 피드백 하지 않은 수신인의 위치 정보에 기초하여 상기 적어도 하나의 피드백 하지 않은 수신인의 위치에 가장 근접한 적어도 하나의 제2 AI 장치를 선택하는 단계; 상기 음성 명령이 존재함을 알리기 위한 통지(Notification) 메시지를 상기 적어도 하나의 제2 AI 장치로 전송하는 단계; 를 포함한다.
상기 AI 장치는, AI 스피커인 것을 특징으로 하는 AI 장치일 수 있다.
상기 적어도 하나의 특정 수신인을 결정하는 단계는, 상기 음성 명령에 대하여 SST(Speech To Text) 변환을 수행하는 단계; 상기 변환된 텍스트로부터 상기 음성 명령이 수신되어야 하는 상기 적어도 하나의 특정 수신인을 추출하는 단계; 를 더 포함할 수 있다.
상기 적어도 하나의 피드백의 수신 여부를 확인하는 단계는, 상기 적어도 하나의 특정 수신인으로부터의 피드백 발화를 인식하는 단계; 를 더 포함하되, 상기 적어도 하나의 특정 수신인으로부터의 상기 적어도 하나의 피드백의 수신 여부는 미리 저장된 상기 적어도 하나의 특정 수신인의 스피치 특성(speech characteristic)에 기초하여 확인될 수 있다.
상기 스피치 특성은 상기 적어도 하나의 특정 수신인의 음성의 크기, 음성의 높이, 억양 또는 음성의 톤(tone) 중 적어도 하나를 더 포함할 수 있다.
상기 통지 메시지는 상기 음성 명령에 대한 피드백이 존재하지 않음을 알리는 알람을 더 포함할 수 있다.
상기 통지 메시지는 상기 음성 명령과 동일한 특정 명령을 포함하고, 상기 특정 명령은, 상기 음성 명령의 ASR(Automatic Speech Recognition) 결과 또는 상기 음성 명령의 음성 데이터 자체일 수 있다.
상기 통지 메시지가 상기 적어도 하나의 제2 AI 장치의 출력부를 통해 출력되도록 하는 제어 신호를 상기 적어도 하나의 제2 AI 장치로 전송하는 단계; 를 더 포함할 수 있다.
상기 출력부는 디스플레이 또는 스피커 중 적어도 하나를 포함할 수 있다.
상기 적어도 하나의 피드백 하지 않은 수신인의 상기 위치정보는 상기 적어도 하나의 피드백 하지 않은 수신인의 음성, 상기 적어도 하나의 피드백 하지 않은 수신인과의 거리 또는 상기 적어도 하나의 피드백 하지 않은 수신인이 휴대하는 휴대 디바이스로부터 수신된 신호의 수신 감도 중 적어도 하나에 기초하여 획득될 수 있다.
상기 음성 명령에 상기 적어도 하나의 특정 수신인의 호칭이 포함되는지 판단하는 단계; 를 더 포함할 수 있다.
상기 적어도 하나의 특정 수신인의 상기 호칭이 포함되지 않은 경우, 음성 처리를 중지하는 단계; 를 더 포함할 수 있다.
상기 적어도 하나의 피드백이 모두 수신된 경우, 음성 처리를 중지하는 단계; 를 더 포함할 수 있다.
상기 발화자가 상기 음성 명령을 발화한 것인지 판단하는 단계; 를 더 포함할 수 있다.
상기 발화자가 상기 음성 명령을 발화한 것인지 판단하는 단계는, 미리 저장된 상기 발화자 및 상기 적어도 하나의 특정 수신인의 음성 정보와 상기 음성 명령을 비교하는 단계; 를 더 포함할 수 있다.
상기 통지 메시지의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 단계; 를 더 포함하고, 상기 통지 메시지는 상기 DCI에 기초하여 상기 적어도 하나의 제2 AI 장치로 전송될 수 있다.
SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계; 를 더 포함할 수 있다.
상기 통지 메시지를 상기 적어도 하나의 제2 AI 장치에 포함된 AI 프로세서로 전송하도록 통신부를 제어하는 단계; 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 단계; 를 더 포함할 수 있다.
본 발명의 다른 양상에 따른 AI 장치를 이용한 음성 처리 방법을 지원하는 지능형 컴퓨팅 디바이스는, 발화자, 상기 발화자가 발화한 음성 명령을 수신하는 적어도 하나의 수신인, 상기 발화자 및 상기 적어도 하나의 수신인과 각각 음성 인터랙션(Interaction)을 수행하는 복수의 AI 장치가 위치하는 공간 상에서, 적어도 하나의 센서를 포함하는 센싱부; 통신부;
프로세서; 및 상기 프로세서에 의해 실행 가능한 명령어를 포함하는 메모리; 를 포함하고, 상기 명령어는, 상기 프로세서가 상기 발화자가 발화한 음성 명령을 수신하도록 하고, 상기 수신된 음성 명령에 대하여 음성 인식 동작을 수행하여 상기 음성 명령의 적어도 하나의 특정 수신인을 결정하도록 하고, 상기 적어도 하나의 특정 수신인으로부터 상기 음성 명령에 대응하는 적어도 하나의 피드백(Feedback)의 수신 여부를 확인하도록 하고, 상기 적어도 하나의 피드백 중 수신되지 않은 피드백이 있는 경우, 상기 적어도 하나의 특정 수신인 중 적어도 하나의 피드백 하지 않은 수신인의 위치 정보를 획득하도록 하고, 미리 저장된 상기 복수의 AI 장치의 상기 공간 상에서의 위치 정보 및 상기 적어도 하나의 피드백 하지 않은 수신인의 위치 정보에 기초하여 상기 적어도 하나의 피드백 하지 않은 수신인의 위치에 가장 근접한 적어도 하나의 제2 AI 장치를 선택하도록 하고, 상기 음성 명령이 존재함을 알리기 위한 통지(Notification) 메시지를 상기 적어도 하나의 제2 AI 장치로 전송하도록 한다.
상기 프로세서는, 상기 통신부를 통해 상기 통지 메시지를 상기 적어도 하나의 제2 AI 장치에 포함된 AI 프로세서로 전송하도록 제어하고, 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어할 수 있다.
본 발명은 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에, 발화자의 음성 명령이 성공적으로 수신인에게 전달될 수 있는 효과가 있다.
또한, 본 발명은 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에, AI 디바이스가 음성 명령의 수신인을 인지할 수 있다.
또한, 본 발명은 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에, AI 디바이스가 수신인의 음성 명령에 대한 응답을 파악할 수 있다.
또한, 본 발명은 발화자의 음성 명령을 수신인이 수신하지 못하는 경우에, AI 디바이스가 수신인에게 가장 근접한 AI 디바이스를 선택할 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 발명의 일 실시예에 따른 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 AI 장치의 블록도이다.
도 5는 본 발명의 일 실시예에 따른 AI를 이용한 음성 처리 장치의 개략적인 블록도이다.
도 6은 본 발명의 일 실시예에 따른 디바이스와 AI 장치가 연계된 시스템을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 시스템의 일 예를 나타낸다.
도 8은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 11은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 12은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 특정 공간의 일 예를 나타낸다.
도 13는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 14는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 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.
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 AI 장치의 블록도이다.
도 5는 본 발명의 일 실시예에 따른 AI를 이용한 음성 처리 장치의 개략적인 블록도이다.
도 6은 본 발명의 일 실시예에 따른 디바이스와 AI 장치가 연계된 시스템을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 시스템의 일 예를 나타낸다.
도 8은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 11은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 12은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 특정 공간의 일 예를 나타낸다.
도 13는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 14는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 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 장치(도 1의 920)하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.
5G 네트워크가 제 1 통신 장치로, AI 장치가 제 2 통신 장치로 표현될 수도 있다.
예를 들어, 상기 제 1 통신 장치 또는 상기 제 2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, 차량, 자율주행 기능을 탑재한 차량, 커넥티드카(Connected Car), 드론(Unmanned Aerial Vehicle, UAV), AI(Artificial Intelligence) 모듈, 로봇, AR(Augmented Reality) 장치, VR(Virtual Reality) 장치, MR(Mixed Reality) 장치, 홀로그램 장치, 공공 안전 장치, MTC 장치, IoT 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, 5G 서비스와 관련된 장치 또는 그 이외 4차 산업 혁명 분야와 관련된 장치일 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. 예를 들어, 드론은 사람이 타지 않고 무선 컨트롤 신호에 의해 비행하는 비행체일 수 있다. 예를 들어, VR 장치는 가상 세계의 객체 또는 배경 등을 구현하는 장치를 포함할 수 있다. 예를 들어, AR 장치는 현실 세계의 객체 또는 배경 등에 가상 세계의 객체 또는 배경을 연결하여 구현하는 장치를 포함할 수 있다. 예를 들어, MR 장치는 현실 세계의 객체 또는 배경 등에 가상 세계의 객체 또는 배경을 융합하여 구현하는 장치를 포함할 수 있다. 예를 들어, 홀로그램 장치는 홀로그래피라는 두 개의 레이저 광이 만나서 발생하는 빛의 간섭현상을 활용하여, 입체 정보를 기록 및 재생하여 360도 입체 영상을 구현하는 장치를 포함할 수 있다. 예를 들어, 공공 안전 장치는 영상 중계 장치 또는 사용자의 인체에 착용 가능한 영상 장치 등을 포함할 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 사람의 직접적인 개입이나 또는 조작이 필요하지 않는 장치일 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 스마트 미터, 벤딩 머신, 온도계, 스마트 전구, 도어락 또는 각종 센서 등을 포함할 수 있다. 예를 들어, 의료 장치는 질병을 진단, 치료, 경감, 처치 또는 예방할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 상해 또는 장애를 진단, 치료, 경감 또는 보정할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 구조 또는 기능을 검사, 대체 또는 변형할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 임신을 조절할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 진료용 장치, 수술용 장치, (체외) 진단용 장치, 보청기 또는 시술용 장치 등을 포함할 수 있다. 예를 들어, 보안 장치는 발생할 우려가 있는 위험을 방지하고, 안전을 유지하기 위하여 설치한 장치일 수 있다. 예를 들어, 보안 장치는 카메라, CCTV, 녹화기(recorder) 또는 블랙박스 등일 수 있다. 예를 들어, 핀테크 장치는 모바일 결제 등 금융 서비스를 제공할 수 있는 장치일 수 있다.
도 1을 참고하면, 제 1 통신 장치(910)와 제 2 통신 장치(920)은 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)을 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(제 1 통신 장치에서 제 2 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(제 2 통신 장치에서 제 1 통신 장치로의 통신)은 제 2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제 1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)는 각각의 안테나(926)을 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.
본 발명의 일 실시예에 의하면, 상기 제1 통신 장치는 차량이 될 수 있으며, 상기 제2 통신 장치는 5G 네트워크가 될 수 있다.
B.물리 채널 및 일반적인 신호 전송
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.
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 보고을 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)이 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)을 제공한다. 상기 프리엠션 지시(preemption indication)는 중단된 전송 지시(interrupted transmission indication)으로 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 설졍되며, 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, 제 1 주파수 자원에서 제 2 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)를 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)을 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 제 1 주파수 자원에서, 두 번째 특정 정보의 전송은 제 2 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 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 특정 장치 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.
상기 AI 프로세싱은, 본 발명이 제공하는 방과 관련된 모든 동작들을 포함할 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 본 발명이 제공하는 방법이 수행되기 위해 필요한 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 본 발명이 제공하는 방법이 수행되기 위해 필요한 데이터를 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, 차량의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 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 설정되 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 외부 전자 기기는 자율 주행 차량으로 정의될 수 있다. 또한, 상기 AI 장치(20)는 상기 자율 주행 모듈 차량과 통신하는 다른 차량 또는 5G 네트워크로 정의될 수 있다. 한편, 상기 AI 장치(20)는 차량 내에 구비된 자율주행 모듈에 기능적으로 임베딩되어 구현될 수도 있다. 또한, 상기 5G 네트워크는 자율 주행 관련 제어를 수행하는 서버 또는 모듈을 포함할 수 있다.
한편, 도 4에 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 5는 본 발명의 일 실시예에 따른 AI를 이용한 음성 처리 장치의 개략적인 블록도이다.
도 5를 참조하면, 디바이스(70)는 전처리 모듈(71), 음성 인식 활성화(voice activation) 모듈(72), ASR 모듈(73), 지능형 에이전트(74), NLU 모듈(75), TTS 모듈(76)을 포함할 수 있다. 또한, 디바이스(50)는 입력 모듈(적어도 하나의 마이크로 폰)과, 적어도 하나의 출력 모듈을 포함할 수 있다.
상기 디바이스는 AI 스피커, AI 모니터 등의 AI 장치일 수 있고, 이 외에도 다양한 AI 장치일 수 있다.
ASR 모듈(73)은 클라이언트 디바이스(50)로부터 수신된 사용자 음성 입력을 텍스트 데이터로 변환할 수 있다.
ASR 모듈(73)은 프론트-엔드 스피치 프리 프로세서(front-end speech pre-processor)를 포함한다. 프론트-엔드 스피치 프리프로세서는 스피치 입력으로부터 대표적인 특징을 추출한다. 예를 들어, 프론트-엔드 스피치 프리프로세서는 스피치 입력을 푸리에 변환을 수행하여 대표적인 다차원 벡터의 시퀀스로서 스피치 입력을 특징짓는 스펙트럼 특징을 추출한다. 또한, ASR 모듈(73)은 하나 이상의 스피치 인식 모델(예컨대, 음향 모델 및/또는 언어 모델)을 포함하고, 하나 이상의 스피치 인식 엔진을 구현할 수 있다. 스피치 인식 모델의 예는 은닉 마르코프 모델(hidden Markov models), 가우시안 혼합 모델(Gaussian-Mixture Models), 딥 신경망 모델(Deep Neural Network Models), n-gram 언어 모델, 및 기타 통계 모델을 포함한다. 스피치 인식 엔진의 예는 동적 시간 왜곡 기반 엔진 및 가중치 유한 상태 변환기(WFST) 기반 엔진을 포함한다. 하나 이상의 스피치 인식 모델 및 하나 이상의 스피치 인식 엔진은 중간 인식 결과들(예를 들어, 음소, 음소 문자열, 및 하위 단어들), 및 궁극적으로 텍스트 인식 결과들(예컨대, 단어, 단어 문자열, 또는 토큰들의 시퀀스)을 생성하기 위해 프론트-엔드 스피치 프리프로세서의 추출된 대표 특징들을 처리하는 데 사용될 수 있다.
ASR 모듈(73)이 텍스트 문자열(예를 들어, 단어들, 또는 단어들의 시퀀스, 또는 토큰들의 시퀀스)을 포함하는 인식 결과를 생성하면, 인식 결과는 의도 추론을 위해 자연 언어 처리 모듈(75)로 전달된다. 일부 예들에서, ASR 모듈(73)은 스피치 입력의 다수의 후보 텍스트 표현들을 생성한다. 각각의 후보 텍스트 표현은 스피치 입력에 대응하는 단어들 또는 토큰들의 시퀀스이다.
NLU 모듈(75)은 문법적 분석(Syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 상기 문법적 분석은 문법 단위(예를 들어, 단어, 구, 형태소 등)를 나누고, 나누어진 단위가 어떠한 문법적인 요소를 갖는지 파악할 수 있다. 상기 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, NUL 모듈(75)은 사용자 입력이 어느 도메인(domain), 의도(intent) 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)를 획득할 수 있다.
상기 NLU 모듈(75)은 도메인, 의도 및 상기 의도를 파악하는데 필요한 파라미터로 나누어진 매핑 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 예를 들어, 하나의 도메인(예를 들어, 알람)은 복수의 의도(예를 들어, 알람 설정, 알람 해제)를 포함할 수 있고, 하나의 의도는 복수의 파라미터(예를 들어, 시간, 반복 횟수, 알람음 등)을 포함할 수 있다. 복수의 룰은, 예를 들어, 하나 이상의 필수 요소 파라미터를 포함할 수 있다. 상기 매칭 규칙은 자연어 이해 데이터 베이스(Natural Language Understanding Database)에 저장될 수 있다.
상기 NLU 모듈(75)은 형태소, 구 등의 언어적 특징(예를 들어, 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정한다. 예를 들어, NLU 모듈(75)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시예에 따르면, NLU 모듈(75)은 상기 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 입력의 파라미터를 결정할 수 있다. 일 실시예에 따르면, NLU 모듈(75)은 사용자 입력의 의도를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터 베이스를 이용하여 사용자의 의도를 결정할 수 있다. 또한 일 실시예에 따르면, NLU 모듈(75)은 개인화 언어 모델(personal language model, PLM)을 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, NLU 모듈(75)은 개인화된 정보(예를 들어, 연락처 리스트, 음악 리스트, 스케줄 정보, 소셜 네트워크 정보 등)을 이용하여 사용자의 의도를 결정할 수 있다. 상기 개인화 언어 모델은, 예를 들어, 자연어 인식 데이터 베이스에 저장될 수 있다. 일 실시예에 따르면, NLU 모듈(75) 뿐 아니라 ASR 모듈(73)도 자연어 인식 데이터 베이스에 저장된 개인화 언어 모델을 참고하여 사용자 음성을 인식할 수 있다.
NLU 모듈(75)은 자연어 생성 모듈(미도시)을 더 포함할 수 있다. 상기 자연어 생성 모듈은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는 예를 들어, 추가 입력에 대한 정보, 사용자 입력에 대응되는 동작의 완료를 안내하는 정보 또는 사용자의 추가 입력을 안내하는 정보 등을 포함할 수 있다. 상기 텍스트 형태로 변경된 정보는 클라이언트 디바이스로 전송되어 디스플레이에 표시되거나, TTS 모듈로 전송되어 음성 형태로 변경될 수 있다.
음성 합성 모듈(TTS 모듈, 76)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. TTS 모듈(76)은 NLU 모듈(75)의 자연어 생성 모듈로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 상기 디바이스(70)는 상기 음성 형태의 정보를 스피커를 통해 출력할 수 있다.
음성 합성 모듈(76)은 제공된 텍스트에 기초하여 스피치 출력을 합성한다. 예를 들어, 음성 인식 모듈(ASR)(73)에서 생성된 결과는 텍스트 문자열의 형태이다. 음성 합성 모듈(76)은 텍스트 문자열을 가청 스피치 출력으로 변환한다. 음성 합성 모듈(76)은, 텍스트로부터의 스피치 출력을 생성하기 위하여 임의의 적절한 스피치 합성 기법을 사용하는데, 이는 편집 합성(concatenative synthesis), 단위 선택 합성(unit selection synthesis), 다이폰 합성, 도메인-특정 합성, 포먼트 합성(Formant synthesis), 조음 합성(Articulatory synthesis), HMM(hidden Markov model) 기반 합성, 및 정현파 합성(sinewave synthesis)을 포함하지만 이로 한정되지 않는다.
일부 예들에서, 음성 합성 모듈(76)은 단어들에 대응하는 음소 문자열에 기초하여 개별 단어들을 합성하도록 구성된다. 예를 들어, 음소 문자열은 생성된 텍스트 문자열의 단어와 연관된다. 음소 문자열은 단어와 연관된 메타데이터에 저장된다. 음성 합성 모듈(76)은 스피치 형태의 단어를 합성하기 위해 메타데이터 내의 음소 문자열을 직접 프로세싱하도록 구성된다.
한편, 본 발명의 일 실시예에 따라 디바이스(70)는 지능형 에이전트(Artificial Intelligence Agent, AI 에이전트)(74)를 더 포함할 수 있다. 상기 지능형 에이전트(74)는 전술한 ASR 모듈(73), NLU 모듈(75) 및/또는 TTS 모듈(76)이 수행하는 기능 중 적어도 일부의 기능을 수행하도록 설계될 수 있다. 또한 상기 지능형 에이전트 모듈(74)은 ASR 모듈(73), NLU 모듈(75) 및/또는 TTS 모듈(76) 각각의 독립적인 기능을 수행하는데 기여할 수 있다.
상기 지능형 에이전트 모듈(74)은 심층학습(딥러닝)을 통해 전술한 기능들을 수행할 수 있다. 상기 심층학습은 어떠한 데이터가 있을 때 이를 컴퓨터가 알아 들을 수 있는 형태(예를 들어 이미지의 경우는 픽셀정보를 열벡터로 표현하는 등)로 표현(representation)하고 이를 학습에 적용하기 위해 많은 연구(어떻게 하면 더 좋은 표현기법을 만들고 또 어떻게 이것들을 학습할 모델을 만들지에 대한)가 진행되고 있으며, 이러한 노력의 결과로 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 기법들이 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
현재 모든 주요 상업 음성인식 시스템(MS 코타나, 스카이프 번역기, 구글 나우, 애플 시리 등등)이 딥 러닝 기법에 기반하고 있다.
특히, 지능형 에이전트 모듈(74)은 자연어 처리 분야에서 심층 인공신경망 구조를 이용하여 자동 번역(machine translation), 감정 분석(emotion analysis), 정보 검색(information retrieval)을 비롯한 다양한 자연언어처리 과정을 수행할 수 있다.
상기 지능형 에이전트(74)은 설명의 편의를 위해 ASR 모듈(73), NLU 모듈(75) 및 TTS 모듈(76)과 구분되도록 별도의 블럭으로 표현하였으나, 상기 지능형 에이전트(62)는 상기 각 모듈의 적어도 일부 또는 전부의 기능을 수행할 수도 있다.
ASR 모듈(73), NLU 모듈(75) 및 TTS 모듈(76)이 디바이스(70)에 포함되어 있어서 음성 인식 및 음성 합성 등의 음성 처리 과정이 즉각적이고 실시간으로 수행 가능하게 된다.
도 6은 본 발명의 일 실시예에 따른 디바이스와 AI 장치가 연계된 시스템을 설명하기 위한 도면이다.
도 6에 도시된 음성 합성 장치(TTS Device, 100)는, TTS 장치(100) 또는 다른 장치에 의해 처리된 음성을 출력하기 위한 오디오 출력 장치(110)를 포함할 수 있다.
도 6은 음성 처리(합성)을 수행하기 위한 음성 처리(합성) 장치(TTS Device, 100)를 개시한다. 본 발명의 일 실시예는 상기 TTS 장치(100)에 포함될 수 있는 컴퓨터 판독 가능한 및 컴퓨터 실행 가능한 명령들을 포함할 수 있다. 도 6은 상기 TTS 장치(100)에 포함된 복수의 구성 요소들을 개시하지만, 상기 개시되지 않은 구성요소들이 상기 TTS 장치(100)에 포함될 수도 있음은 물론이다.
한편, 상기 TTS 장치(100)에 개시된 몇몇 구성요소들은 단일 구성요소로서, 하나의 장치에서 여러번 나타날 수 있다. 예를 들어, 상기 TTS 장치(100)는 복수의 입력 장치(120), 출력 장치(130) 또는 복수의 컨트롤러/프로세서(140)를 포함할 수 있다.
복수의 TTS 장치가 하나의 음성 합성 장치에 적용될 수도 있다. 그러한 다중 장치 시스템에서 상기 TTS 장치는 음성 합성 처리의 다양한 측면들을 수행하기 위한 서로 다른 구성요소들을 포함할 수 있다. 도 5에 도시된 TTS 장치(100)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(100)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(100)는 상기 TTS 장치(100) 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(100)에 통합되거나, 상기 TTS 장치(100)와 분리되어 구현될 수도 있다.
상기 TTS 장치(100)는 상기 TTS 장치(100)의 구성요소들 사이에 데이터를 전달하기 위한 어드레스/데이터 버스(224)를 포함할 수 있다. 상기 TTS 장치(100) 내의 각 구성요소들은 상기 버스(224)를 통해 다른 구성요소들과 직접적으로 연결될 수 있다. 한편, 상기 TTS 장치(100) 내의 각 구성요소들은 TTS 모듈(170)과 직접적으로 연결될 수도 있다.
TTS 장치(100)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(100)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(100)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(100) 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(100)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)(WiFi 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(100)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(100)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(100)의 다른 구성요소에 접속될 수 있다.
텍스트 데이터(textual data)의 출처는 TTS 장치(100)의 내부 구성요소에 의해 생성된 것일 수 있다. 또한, 상기 텍스트 데이터의 출처는 키보드와 같이 입력 장치로부터 수신되거나, 네트워크 연결을 통해 TTS 장치(100)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 지시 할 수 있다. 텍스트 데이터는 실시간으로 처리되거나 나중에 저장 및 처리 될 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(100)에 포함된 프로세서(1400) 및 메모리(150)를 이용할 수 있다. 전처리부(171) 및 음성 합성 엔진(172)을 동작시키기 위한 명령들은 TTS 모듈(170), TTS 장치(100)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(100)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(1700)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(100)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(100)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(100)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(100)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(100)의 처리 능력이 향상됨에 따라, 입력 텍스트가 갖는 감정 속성을 반영하여 음성 출력이 가능하다. 또는 TTS 장치(100)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(100)는 음성에 감정 요소를 삽입할 수 있다.
감정 정보가 부가된 음성을 출력하기 위해 TTS 장치(100)는 감정 삽입 모듈(177)을 포함할 수 있다. 감정 삽입 모듈(177)은 TTS 모듈(170)에 통합되거나, 전처리부(171) 또는 음성 합성 엔진(172)의 일부로서 통합될 수 있다. 상기 감정 삽입 모듈(177)은 감정 속성에 대응하는 메타 데이터를 이용하여 감정 정보 기반의 음성 합성을 구현할 수 있도록 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. 상기 SSML 형식을 통해 감정 정보 기반의 음성 합성 방법에 관해서는 이하 구체적으로 설명하기로 한다.
특정한 공간 상에 특정 발화자와 복수의 수신인 존재하는 경우, 상기 발화자가 상기 복수의 수신인에게 발화한 음성 명령)이 상기 복수의 수신인에게 전달되기 어려운 경우가 있을 수 있다.
상기 '발화자'는 특정 공간 상에 둘 이상의 구성원이 존재할 때, 둘 이상의 구성원 중 자신을 제외한 나머지 구성원들에게 음성 명령을 전달하는 구성원을 의미하고, 수신인은 상기 음성 명령을 전달 받는 나머지 구성원들을 의미하며, 이하 같다.
음성 명령이 수신인에게 전달되기 어려운 경우로 예를 들어, 특정 공간 상에 존재하는 특정 발화자가 복수의 수신인에게 음성 명령을 전달하는 경우, 상기 특정 공간의 규모가 상기 복수의 수신인이 상기 음성 명령을 전달 받지 못할 정도로 클 수 있다.
즉, 상기 발화자의 위치와 상기 복수의 수신인의 위치가 멀리 떨어져 있음으로 인하여, 상기 발화자의 음성 명령이 상기 복수의 수신인에게 전달되기 어려울 수 있다.
또 다른 예로, 특정 공간 상에 존재하는 특정 발화자가 복수의 수신인에게 음성 명령을 전달하는 경우, 특수한 상황으로 인하여 상기 복수의 수신인이 상기 음성 명령을 전달 받지 못할 수 있다. 상기 특수한 상황은 상기 발화자가 위급한 상황으로 인하여 큰 소리로 상기 복수의 다른 수신인에게 음성 명령을 전달할 수 없는 경우일 수 있다.
위와 같은 경우뿐만 아니라, 일정 규모의 특정 공간에 특정 발화자가 발화한 음성 명령이 복수의 수신인에게 전달되기 어려운 다양한 경우들이 더 있을 수 있다.
따라서, 특정 발화자와 복수의 수신인이 존재하는 특정한 공간 상에, 상기 발화자가 상기 복수의 수신인에게 발화한 음성 명령이 상기 복수의 수신인에게 전달되기 어려운 경우에도, 음성 명령이 상기 복수의 수신인에게 원활하게 전달될 수 있도록 할 필요성이 있다.
본 발명은 특정 공간 상에서 특정 발화자가 복수의 수신인에게 발화한 음성 명령이 복수의 수신인에게 전달되기 어려운 경우에도, 복수의 수신인들에게 음성 명령이 원활하게 전달되도록 하는 AI(Artificial Intelligence) 장치를 이용한 음성 처리 방법을 제공한다.
보다 구체적으로, 본 발명은 특정 공간상에서 특정 발화자 및 복수의 수신인이 존재하고, 상기 특정 발화자가 상기 복수의 수신인에게 음성 명령을 전달하는 경우, 상기 발화자의 위치와 가장 근접한 제 1 AI 장치가 상기 복수의 수신인 중 상기 음성 명령을 전달 받지 못한 적어도 하나의 특정 수신인이 있는지를 파악한 후, 상기 음성 명령을 전달 받지 못한 적어도 하나의 특정 수신인과 가장 근접한 적어도 하나의 제 2 AI 장치를 파악함으로써, 상기 제 2 AI 장치로 상기 특정 발화자의 음성 명령이 있음을 통지하는 AI(Artificial Intelligence) 장치를 이용한 음성 처리 방법을 제공한다.
상기 AI 장치는 AI 프로세서를 구비한 다양한 디바이스 일 수 있으며, AI 스피커, AI 모니터 등일 수 있다. 또한, AI 장치는 출력부를 포함할 수 있고, 출력부는 디스플레이 또는 스피커를 포함할 수 있다.
발화자는 특정 공간상의 복수의 수신인 모두에게 음성 명령을 전달하거나(경우 1), 복수의 수신인 중 특정한 적어도 하나의 수신인에게만 음성 명령을 전달할 수 있다(경우 2).
또한, 발화자가 복수의 수신인 모두에게 음성 명령을 전달한 경우, 복수의 수신인 모두가 음성 명령을 전달 받거나(경우 1-1), 복수의 수신인 중 일부의 특정한 수신인만이 음성 명령을 전달 받거나(경우 1-2) 또는 복수의 수신인 모두가 음성 명령을 전달 받지 못할 수 있다(경우 1-3).
또한, 발화자가 복수의 수신인 중 특정한 적어도 하나의 수신인에게만 음성 명령을 전달한 경우, 특정한 적어도 하나의 수신인 모두가 음성 명령을 전달 받거나(경우 2-1), 특정한 적어도 하나의 수신인 중 일부만이 음성 명령을 전달 받거나(경우 2-2) 또는 특정한 적어도 하나의 수신인 모두가 음성 명령을 전달 받지 못할 수 있다(경우 2-3).
본 발명은 상기 (경우 1-1 내지 경우 1-3) 및 (경우 2-1 내지 경우 2-3) 모두에 적용될 수 있다.
본 발명에서 제공하는 방법이 적용되는 상기 특정 공간은 개방된 공간일 수도 있고, 밀폐된 공간일 수도 있다. 특정 공간이 밀폐된 공간인 경우, 상기 특정 공간은 가정, 차량 등일 수 있고, 상기 예시들 외에도 본 발명이 적용될 수 있는 다양한 밀폐된 공간인 특정 공간이 있을 수 있다.
이하에서, 특정 공간 상에서 특정 발화자가 복수의 수신인에게 발화한 음성 명령이 복수의 수신인에게 전달되기 어려운 경우는, 특정 발화자의 위치와 복수의 수신인의 위치가 서로 멀리 떨어져 있음으로 인하여 음성 명령이 복수의 수신인에게 전달되기 어려운 경우 및 특정 발화자가 특정한 상황으로 인하여 음성 명령을 큰소리로 복수의 수신인에게 전달하기 어려운 경우 모두를 포함하는 것으로 한다.
설명의 편의를 위해 이하에서, 특정 공간은 밀폐된 공간이고, 발화자의 위치와 적어도 하나의 수신인의 위치가 멀리 떨어져 있음으로 인하여 음성 명령이 전달되기 어려운 경우를 중심으로 설명하나, 본 발명이 이에 한정되는 것은 아니다.
도 7은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성처리 방법이 수행되는 시스템의 일 예를 나타낸다.
도 7은 발화자 및 제 1 수신인 내지 제 3 수신인(적어도 하나의 수신인)을 도시하고, 제 1 디바이스 내지 제 4 디바이스를 도시하고 있다.
도 7에서 제 1 디바이스는 발화자의 위치로부터 가장 근접한 디바이스이고, 제 2 디바이스 내지 제 4 디바이스는 제 1 수신인 내지 제 3 수신인의 위치로부터 가장 근접한 디바이스이다.
발화자는 제 1 수신인 내지 제 3 수신인 중 일부 또는 전부에게 음성명령을 전달할 수 있다.
제 1 수신인 내지 제 3 수신인은 상기 음성 명령을 전달 받을 수도 있고 전달받지 못할 수도 있다.
제 1 디바이스는 제 1 수신인 내지 제 3 수신인이 음성 명령을 수신했는지를 파악할 수 있고, 상기 음성 명령을 전달받지 못한 수신인과 가장 근접한 디바이스를 선택하고, 발화자로부터 전달 된 음성 명령이 있음을 알리는 통지메시지를 상기 가장 근접한 디바이스에게(제 2 디바이스 내지 제 4 디바이스)전송할 수 있다.
제 2 디바이스 내지 제 4 디바이스는 제 1 디바이스로부터 통지메시지를 수신하고, 제 2 디바이스는 제 1 수신인에게, 제 3 디바이스는 제 2 수신인에게, 제 4 디바이스는 제 3 수신인에게 각각 발화자로부터 전달된 음성 명령이 있음을 알릴 수 있다.
본 발명이 제공하는 AI 장치를 이용한 음성처리 방법은 시스템을 구성하는 각각의 구성요소들 상에서 위와 같이 수행되게 된다.
이하에서, 설명의 편의를 위해 발화자와 가장 근접한 디바이스를 '제 1 디바이스'라고 표현하기로 하며, 상기 제 1 디바이스의 동작을 중심으로 본 발명이 제공하는 AI 장치를 이용한 음성처리 방법을 설명하도록 하나, 본 발명이 이에 한정되는 것은 아니다.
또한, 이하에서, 설명의 편의를 위해, 발화자가 적어도 하나의 수신인에게 음성 명령을 전달하였을 때, 상기 적어도 하나의 수신인 중 음성 명령을 전달 받은 수신인은 필수적으로 상기 음성 명령에 대한 피드백(Feedback)을 하는 것으로 가정한다. 즉, 상기 적어도 하나의 수신인 중 음성 명령을 전달 받은 수신인이, 음성 명령을 전달 받았음에도 상기 발화자에게 피드백을 하지 않는 경우는 고려하지 않는 것으로 한다.
이하에서, 발화자와 가장 근접한 디바이스인 제 1 디바이스에서 수행되는 본 발명에서 제공되는 AI 장치를 이용한 음성처리 방법에 대해서 보다 구체적으로 살펴보기로 한다.
도 8은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성처리 방법의 일 예를 나타낸 흐름도이다.
도 8은 AI 장치를 이용한 음성처리 방법을 제공하기 제 1 디바이스에서 수행되는 동작을 개략적으로 나타낸다.
먼저, 제 1 디바이스는 음성 명령이 적어도 하나의 수신인에게 전달되었는지 판단한다(S810).
상기 음성 명령이 상기 적어도 하나의 수신에게 전달되었는지 여부는, 제 1 디바이스가 상기 적어도 하나의 수신인에게로부터 피드백을 수신하였는지에 기초하여 판단될 수 있다. 음성 명령이 상기 적어도 하나의 수신에게 전달되었는지 여부가 판단되는 보다 구체적인 내용은 이하에서 설명하도록 한다.
제 1 디바이스는 음성 명령이 적어도 하나의 수신인에게 전달되었는지 판단한 결과에 기초하여, 제 1 디바이스는 상기 적어도 하나의 수신인과 가장 근접한 디바이스를 선택할 수 있다(S820).
구체적으로, 음성 명령이 적어도 하나의 수신인에게 전달 된 것으로 판단된 경우, 제 1 디바이스는 동작을 중지할 수 있다.
또는, 음성 명령이 적어도 하나의 수신인에게 전달 되지 않은 것으로 판단된 경우, 제 1 디바이스는 적어도 하나의 수신인과 가장 근접한 디바이스를 선택하게 된다. 이 때, 음성 명령을 전달받지 못한 수신인의 수에 따라서, 상기 디바이스는 하나 이상일 수 있다.
상기 제 1 디바이스가 상기 적어도 하나의 수신인과 가장 근접한 디바이스를 선택하는 구체적인 방법은 이하에서 설명하도록 한다.
적어도 하나의 수신인과 가장 근접한 디바이스를 선택한 제 1 디바이스는 상기 적어도 하나의 수신인과 가장 근접한 디바이스로 통지 메시지를 전송한다(S830).
상기 통지 메시지는 적어도 하나의 수신인 중 음성 명령을 전달 받지 못한 적어도 하나의 특정 수신인에게, 발화자로부터 전달된 음성 명령이 있음을 알리는 정보가 포함될 수 있다.
상기 정보는 발화자가 전달한 음성 명령에 ASR(Automatic Speech Recognition)을 수행한 결과일 수 있고, 또한 상기 발화자가 전달한 음성 명령 그 자체일 수도 있다.
이하에서, 도 9 내지 도 11을 참조하여 위의 S810 내지 S830에 대해서 구체적으로 살펴보도록 한다.
도 9은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성처리 방법의 일 예를 나타낸 흐름도이다.
도 9에 도시되어 있지는 않지만, 도 9에서 S920 이후의 단계는 발화자의 음성명령이 있는 경우에 수행된다. 즉, 발화자의 음성 명령이 없는 경우라면, S920 이후의 단계들은 수행되지 않을 수 있다.
먼저, 제 1 디바이스는 발화자의 음성 명령을 인지(또는 수신)한다(S910). 여기서, 상기 제 1 디바이스는 인지된 음성 명령의 명령 주체를 판단하는 것은 아니다. 즉, 상기 인지된 음성 명령의 주체가 누구인지를 판단하는 것이 아니라, 단지 발화자가 적어도 하나의 수신인에게 전달한 음성 명령이 있다는 것만을 판단한다.
만약, 발화자의 음성 명령을 인지하지 못하였다면, 제 1 디바이스는 다음 단계를 수행하지 않고 S910 단계에 머무르게 된다.
발화자의 음성 명령을 인지한 후, 제 1 디바이스는 상기 인지된 음성 명령에 음성 명령의 수신인의 호칭이 포함되는지 판단한다(S920).
음성 명령에 호칭이 포함되는 지는 음성 분석 판단 모델 및/또는 발화문 분석 판단 모델을 통하여 판단될 수 있다.
A 및/또는 B는 A 또는 B 중 적어도 하나를 의미하며, 이하 같다.
상기 음성 분석 판단 모델은 수신한 음성을 인식하고, 상기 인식된 음성의 크기를 분석할 수 있는 모델을 의미한다. 구체적으로, 상기 음성 분석 판단 모델은 발화자가 수신인에게 전달한 음성 명령을 ASR(Automatic Speech Recognition) 기술을 사용하여 인식하고, 상기 인식된 음성 명령의 크기를 분석할 수 있다.
상기 발화문 분석 판단 모델은 인식된 음성의 내용을 분석하는 모델을 의미한다. 보다 구체적으로, ASR을 통하여 인식된 음성에 STT(Speech To Text)기술을 적용하여, 음성을 텍스트화 함으로써, 음성 명령에 호칭이 포함되어 있는지를 판단할 수 있다.
S920에서, 제 1 디바이스가 인지된 음성 명령에 호칭이 포함되어 있지 않은 것으로 판단한 경우, 제 1 디바이스는 음성 처리 동작을 중지할 수 있다(S931).
반대로, S820에서 제 1 디바이스가 인지된 음성 명령에 호칭이 포함된 것으로 판단한 경우, 제 1 디바이스는 수신인에게 전달된 음성 명령의 주체를 판단한다(S930). 즉, 특정 공간 상에 존재하는 구성원 중 상기 음성 명령을 발화한 구성원이 누구인지를 판단한다.
수신인에게 전달된 음성 명령의 주체는 제 1 디바이스 내의 구성원 음성 구별 모델을 통하여 판단될 수 있다.
상기 수신인 음성 구별 모델은 수신한 음성 명령을 인식하고, 상기 인식된 음성 명령에 기초하여 음성 명령의 주체를 구별할 수 있는 모델을 의미한다. 보다 구체적으로, 상기 구성원 음성 구별 모델은 ASR기술을 통하여 음성 명령을 인식할 수 있고, 인식된 음성에 스피치 특성(speech characteristic)에 기초한 음성 구별 기술을 적용하여 음성 명령의 주체를 구별할 수 있다.
또한, 상기 구성원 음성 구별 모델은 특정 공간상의 구성원들(발화자 및 수신인들 포함)의 음성에 대한 정보를 리스트화 하여 저장하고 있을 수 있다. 상기 발화자 및 적어도 하나의 수신인들의 음성에 대한 정보가 리스트화된 정보를 '구성원 음성 리스트 정보'라고 한다.
구체적으로, 구성원 음성 구별 모델은 발화자의 음성 명령을 ASR 기술을 통하여 인식하고, 상기 구성원 음성 리스트 정보에 기초하여, 스피치 특성을 활용한 음성 구별 기술을 적용하여 상기 음성 명령의 주체가 누구인지 분석할 수 있다.
음성 명령의 주체를 파악한 제 1 디바이스는, S920 단계에서 인식된 호칭을 사용하여 음성 명령의 수신인을 결정한다(S940).
음성 명령의 수신인은 제 1 디바이스 내의 강화학습 모델을 통하여 결정될 수 있다.
상기 강화학습 모델은 사전 입력된 정보 및/또는 자체 강화학습에 기초하여, 인식된 호칭을 통하여 발화자의 음성 명령을 수신하는 수신인을 결정할 수 있는 모델을 의미한다. 구체적으로, 상기 강화학습 모델은 특정 공간 상의 모든 구성원들(발화자 및 발화자의 음성 명령에 대한 적어도 하나의 수신인들 포함)의 호칭을 입력 받아 이를 리스트화 하여 저장하고 있을 수 있고, 상기 리스트화된 정보 및 인식된 호칭에 기초하여 음성 명령의 수신인을 결정할 수 있다. 상기 리스트화된 정보는 '사전 입력 구성원 호칭 리스트 정보'로 표현하기로 한다.
또는, 상기 강화학습 모델은 자체적인 학습을 통하여 특정 공간 상의 모든 구성원들의 호칭을 리스트화 하여 저장할 수 있고, 사전 학습되어 저장된 정보 및 인식된 호칭에 기초하여 음성 명령의 수신인을 결정할 수도 있다. 상기 사전 학습되어 저장된 호칭 정보를 '사전 학습 구성원 호칭 리스트 정보'라고 표현하기로 한다.
수신인이 결정되는 과정의 일 예로, 제 1 디바이스가 발화자의 음성 명령에 기초하여 인식한 호칭이 A이고, 사전 입력 구성원 호칭 리스트 정보 및/또는 사전 학습 구성원 호칭 리스트 정보에 특정 구성원의 호칭이 A인 것으로 저장되어 있다면, 제 1 디바이스는 상기 음성 명령의 수신인이 상기 특정 구성원인 것으로 결정할 수 있다.
설명의 편의를 위해 제 1 디바이스가 음성 명령의 주체를 파악(S930)하고, 음성 명령의 수신인을 결정(S940)하는 순서로 설명하였으나, 상기 9830과 상기 S940은 순서가 바뀔 수 있으며 또는 동시에 수행될 수도 있다.
다음, 제 1 디바이스는 수신인의 피드백(응답) 수신 여부 및 피드백의 주체를 파악한다(S950). 즉, 발화자가 전달한 음성 명령에 대하여 수신인의 피드백이 있는지 및 수신된 피드백이 있다면, 상기 수신된 피드백의 주체가 누구인지를 파악한다. 이 때, 수신인이 복수인 경우 피드백은 적어도 하나 이상일 수 있다.
제 1 디바이스 내부의 음성 모델을 통하여 수신인의 피드백이 수신되었는지 판단될 수 있다. 상기 음성 모델은 수신인 음성 인식, 수신인 음성 크기 및 수신인 음성 구별에 기초하여 수신인의 피드백 수신 여부 및 피드백의 주체를 판단할 수 있는 모델을 의미한다. 상기 음성 모델은 앞서 살펴본 음성 분석 판단 모델의 기능과 수신인 음성 구별 모델의 기능이 결합된 모델일 수 있다.
도 10는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성처리 방법의 일 예를 나타낸 흐름도이다.
도 10는 도 9의 수신인의 피드백 여부 및 피드백 주체 판단 단계를 보다 구체적으로 나타낸다.
제 1 디바이스 내의 음성 모델은 ASR(Automatic Speech Recognition)기술을 적용하여 수신인의 음성을 인지할 수 있다. 상기 인식된 수신인의 음성은 음성 명령에 대한 피드백이 아닐 수도 있다.
즉, 음성 모델은 ASR을 통하여 인식된 음성이 음성 명령에 대한 피드백인지와 무관하게, 단지 수신인의 음성을 인식할 뿐이다. 인식된 음성이 음성 명령에 대한 피드백인지 여부는 다음 단계(S1020 내지 S1030)에서 판단되게 된다.
음성을 인식한 음성 모델은 음성 크기에만 기초하여 인식된 음성이 발화자의 음성 명령에 대한 피드백인지 여부를 판단할 수 있고(Case 1), 또는 음성 크기 및 음성 구별 모두에 기초하여 인식된 음성이 발화자의 음성 명령에 대한 피드백인지 여부를 판단(Case 2)할 수 있다(S1020).
먼저, Case 1에 대해서 살펴본다. Case 1에서 인식된 음성이 발화자의 음성 명령에 대한 피드백인지 판단하기 위해서 음성 모델은 고정된 특정 값을 사전에 설정 받을 수 있다.
이 경우, 음성 모델은 인식된 음성의 크기가 상기 특정 값보다 작다면 상기 인식된 음성은 발화자의 음성 명령에 대한 피드백이 아닌 것으로 판단할 수 있다. 반대로, 음성 모델은 인식된 음성의 크기가 상기 특정 값보다 같거나 크다면 상기 인식된 음성은 발화자의 음성 명령에 대한 피드백인 것으로 판단할 수 있다.
이후, 인식된 음성 중 발화자의 음성 명령에 대한 피드백인 것으로 판단된 음성에 대해서, 음성 구별 기술을 적용하여 인식된 피드백의 주체를 판단할 수 있다(S1030).
다음, Case 2에 대해 살펴본다. Case 2에서 인식된 음성이 발화자의 음성 명령에 대한 피드백인지 판단하기 위해서 음성 모델은 가변적인 특정 값을 설정 받을 수 있다.
이 경우, 음성 모델은 인식된 음성의 크기가 가변적인 특정 값보다 작다면 상기 인식된 음성은 발화자의 음성 명령에 대한 피드백이 아닌 것으로 판단할 수 있다. 반대로, 음성 모델은 인식된 음성의 크기가 가변적인 특정 값보다 같거나 크다면 상기 인식된 음성은 발화자의 음성 명령에 대한 피드백인 것으로 판단할 수 있다.
상기 가변적인 특정 값은 수신인의 위치에 기초하여 달라질 수 있다. 보다 구체적으로, 특정 공간의 모든 구성원들의 위치가 특정 공간상에 존재하는 모니터링 디바이스에 의하여 상시적으로 모니터링되고, 제 1 디바이스는 상기 모니터링 디바이스로부터 모니터링된 구성원들의 위치 정보를 수신할 수 있다.
상기 수신된 구성원들의 위치 정보를 기초로, 제 1 디바이스는 인식된 음성이 음성 명령에 대한 피드백인지 여부를 판단하기 위한 가변적인 특정 값을 구성원 별로 다르게 설정할 수 있다. 또한, 특정한 한 명의 구성원에 대해서는 해당 구성원의 변화하는 위치에 따라 특정 값이 실시간으로 다르게 설정되도록 할 수 있다.
상기 가변적인 특정 값은 특정한 기준에 따라서 설정될 수 있는데, 예를 들면, 제 1 디바이스의 위치와 구성원의 거리가 멀다면 상기 특정 값은 작은 값으로 설정될 것이고, 거리가 가깝다면 상기 특정 값은 큰 값으로 설정될 수 있다.
Case 2의 경우, 상기 설정된 가변적인 특정 값을 이용하여 인식된 음성이피드백인지를 판단하기 위해는 음성 모델의 음성 구별 기술이 함께 적용되어야 한다.
즉, 상기 설정된 가변적인 특정 값 자체가 구성원 별로 다르게 설정될 수 있으므로, 음성 구별 기술을 적용하여 인식된 음성의 주체가 누구인지를 판단하고, 판단된 주체에 대응하는 설정된 특정 값을 파악한 후 인식된 음성이 피드백인지 여부를 판단할 수 있다.
따라서, Case 2의 경우, S1030 단계와 S1020 단계가 동시에 수행되거나, S1030 단계가 S1020 단계보다 앞서서 수행될 수 있다.
일 예로, 제 1 디바이스는 제 1 수신인에 대해서 특정 값을 20으로 설정하고, 제 2 수신인에 대해서 특정 값을 25로 설정할 수 있다. 다음 제 1 디바이스는 제 1 수신인의 음성 1 및 제 2 수신인의 음성 2를 인식할 수 있다. 여기서 상기 음성 1 및 음성 2의 크기는 24라고 한다.
제 1 디바이스의 음성 모델은 인식된 음성 1 및 음성 2에 음성 구별 기술을 적용하여 음성 1의 주체는 제 1 수신인이고, 음성 2의 주체는 제 2 수신인임을 알 수 있다. 음성 모델은 인식된 음성 1 및 음성 2가 발화자의 음성 명령에 대한 피드백인지 판단하기 위해서, 제 1 수신인에 대해서 설정된 특정 값인 20과 상기 음성 1의 크기를 비교하고, 제 2 수신인에 대해서 설정된 특정 값인 25와 상기 음성 2의 크기를 비교한다.
음성 1의 크기(24)는 설정된 특정 값(20)보다 크므로, 음성 1 은 발화자의 음성 명령에 대한 피드백인 것으로 판단된다. 반대로, 음성 2의 크기(24)는 설정된 특정 값(25)보다 작으므로, 음성 2는 발화자의 음성 명령에 대한 피드백이 아닌 것으로 판단된다.
추가적으로, 제 1 디바이스는 피드백의 수신 여부 및 피드백의 주체를 판단하기 위해서 인식된 음성의 방향이 고려될 수 있다.
Case 1 및 Case 2와 같이, 설정된 특정한 값에 기초하여 피드백 유무를 판단 함으로써, 발화자의 음성 명령과 무관한 특정 구성원의 음성을 피드백으로 인식하여 발화자의 음성 명령 전달에 실패하는 것을 방지할 수 있는 효과가 있다.
또한, Case 2의 경우 구성원 별로, 그리고 구성의 위치에 따라 설정된 값을 변경함으로써, 위의 효과가 더욱 증대될 수 있는 효과가 있다.
다시 도 8로 돌아와서, 음성 모델은 음성 구별 기술을 적용하기 위해서 특정 공간의 모든 구성원들의 음성에 대한 정보를 리스트화 하여 저장하고 있을 수 있다. 상기 구성원들은 발화자 및 수신들을 포함한다.
상기 발화자 및 적어도 하나의 수신인들의 음성에 대한 정보가 리스트화된 정보를 '구성원 음성 리스트 정보'라고 한다.
정리하면, 제 1 디바이스 내부의 음성 모델은 발화자의 음성 명령을 전달받은 적어도 하나의 수신인의 응답을 수신하고, 음성 인식, 음성 크기 및 상기 수신인 음성 리스트 정보에 기초하여 피드백 수신여부 및 피드백의 주체를 파악할 수 있다.
'수신인의 음성 인식, 음성 크기 및 상기 수신인 음성 리스트 정보에 기초한다'는 것은 '수신인의 스피치 특성(speech characteristic)에 기초한다'고 표현될 수 있다.
또한, 상기 스피치 특성은 수신인의 음성의 억양, 음성의 톤(tone), 음성의 높이 등을 포함할 수 있다.
위 S930 내지 S950에서의 결과에 기초하여, 제 1 디바이스는 발화자가 수신인에게 전달한 음성 명령이 전달 되었는지 판단한다(S960).
음성 명령이 수신인에게 전달 되었는지는 텍스트 대응 분석 모델을 통하여 판단될 수 있다.
상기 텍스트 대응 분석 모델은 인식된 특정한 음성에 STT(Speech To Text)기술을 적용하여, 상기 특정한 음성이 변환된 텍스트를 특정한 대상 텍스트와 대응시킬 수 있는 모델을 의미한다.
만약, 음성 명령이 전달 되었는지 여부를 판단한 결과, 상기 음성 명령이 상기 수신인에게 전달된 것으로 판단된 경우, 제 1 디바이스는 음성 처리 동작을 중지한다(S961).
반대로, 음성 명령이 전달 되었는지 여부를 판단한 결과, 상기 음성 명령이 수신인에게 전달되지 않은 것으로 판단된 경우, 제 1 디바이스는 상기 수신인과 가장 근접한 디바이스를 선택한다(S970).
만약 수신인이 복수인 경우, 수신인 모두가 음성 명령을 수행한 경우에만 제 1 디바이스는 음성 처리 동작을 중지한다.
예를 들어, 발화자가 제 1 수신인 내지 제 3 수신인에게 음성 명령을 전달하였고, 제 1 수신인 및 제 3 수신인만이 음성 명령을 전달 받은 경우, 디바이스는 동작을 중지하지 않고, 제 2 수신인과 가장 근접한 디바이스를 선택할 수 있다.
상기 S970 단계에 대해서는 이하에서 보다 구체적으로 살펴보기로 한다.
도 11는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성처리 방법의 일 예를 나타낸 흐름도이다.
도 11을 참조하여 제 1 디바이스가 음성 명령을 전달 받지 못한 수신인의 위치로부터 가장 근접한 디바이스를 선택하는 동작을 보다 구체적으로 살펴본다.
제 1 디바이스는 음성 명령을 전달 받지 못한 수신인의 위치를 파악한다(S1110).
제 1 디바이스는 센서 기반 위치파악 모듈을 통하여 음성 명령을 전달 받지 못한 수신인의 위치를 판단할 수 있다.
상기 센서 기반 위치파악 모듈은 음성 명령을 전달 받지 못한 수신인의 음성, 제 1 디바이스와 상기 음성 명령을 전달 받지 못한 수신인과의 거리 또는 음성 명령을 전달 받지 못한 수신인이 휴대하는 디바이스로부터 수신되는 신호의 감도 중 적어도 하나에 기초하여 상기 하나 이상의 특정 수신인의 위치를 파악하는 모듈을 의미한다. 상기 센서 기반 위치파악 모듈은 음성 센서, 거리 센서 및 수신 신호 감도 측정 센서를 포함할 수 있다.
상기 음성 명령을 전달 받지 못한 수신인이 휴대하는 디바이스(이하, 휴대 디바이스)는 본 발명이 제공하는 방법이 수행되는 디바이스와는 다른 별도의 디바이스이며, 휴대폰 등을 포함할 수 있고, 특정 신호를 송신할 수 있는 모든 디바이스를 포함할 수 있다.
상기 센서 기반 위치파악 모듈은 음성 센서를 통하여 음성 명령을 전달 받지 못한 수신인의 음성 감지하고, 상기 음성 명령을 전달 받지 못한 수신인과의 거리를 파악하며, 수신 신호 감도 측정 센서를 통하여 음성 명령을 전달 받지 못한 수신인의 휴대 디바이스로부터 수신된 신호의 감도를 파악할 수 있다. 이를 통해 제 1 디바이스는 상기 음성 명령을 전달 받지 못한 수신인의 위치를 파악할 수 있다.
상기 음성 명령을 전달 받지 못한 수신인의 위치를 파악한 제 1 디바이스는 상기 음성 명령을 전달 받지 못한 수신인의 위치로부터 가장 근접한 디바이스를 선택한다(S1120).
음성 명령을 전달 받지 못한 수신인의 위치로부터 가장 근접한 디바이스는 제 1 디바이스의 목록/센서 기반 선택 모듈을 통하여 선택될 수 있다.
목록/센서 기반 위치파악 모듈은 거리 센서를 통하여 특정 공간에 존재하는 모든 디바이스들의 위치를 파악하고, 이를 목록화 하여 저장할 수 있는 모듈을 의미한다. 상기 목록화 되어 저장된 디바이스들의 위치 정보는 디바이스 위치 리스트 정보라고 표현할 수 있다. 상기 목록/센서 기반 위치파악 모듈은 거리 센서를 포함할 수 있다.
구체적으로, 상기 목록/센서 기반 선택 모듈은 디바이스 위치 리스트 정보 및 음성 명령을 전달 받지 못한 수신인의 위치 정보에 기초하여 상기 음성 명령을 전달 받지 못한 수신인의 위치로부터 가장 근접한 디바이스를 선택할 수 있다.
음성 명령을 전달 받지 못한 수신인의 위치로부터 가장 근접한 디바이스를 선택한 제 1 디바이스는, 상기 가장 근접한 디바이스로 통지메시지를 전송한다(S1130)
상기 통지 메시지는 상기 음성 명령을 전달 받지 못한 수신인에게, 발화자로부터 전달된 음성 명령이 있음을 알리는 정보(이하, 알림 정보) 및/또는 상기 가장 근접한 디바이스를 제어하기 위한 제어정보가 포함될 수 있다.
예를 들어, 상기 알림 정보는 발화자가 전달한 음성 명령에 ASR(Automatic Speech Recognition) 및 SST(Speech To Text)를 수행한 결과일 수 있고, 또는 상기 발화자가 전달한 음성 명령 그 자체일 수도 있다. 또한, 상기 알림 정보는 상기 음성 명령을 전달받지 못한 수신인에게, 발화자의 음성 명령이 있었고, 상기 음성 명령을 전달받지 못한 수신인은 이에 대하여 응답을 하지 않았음을 알려주는 정보가 포함될 수 있다. 상기 제어정보는 상기 가장 근접한 디바이스에게 특정 동작을 지시할 수 있다. 구체적으로, 상기 가장 근접한 디바이스가 구비한 출력부를 통해서, 상기 알림 정보를 출력하도록 제어할 수 있다. 상기 출력부는 디스플레이 또는 스피커 등을 포함할 수 있다.
통지 메시지를 수신한 상기 가장 근접한 디바이스는 상기 통지 메시지에 포함된 알림 정보 및/또는 제어 정보에 기초하여, 음성 명령을 전달 받지 못한 수신인에게 발화자의 음성 명령이 있음을 알려줄 수 있다. 이 때, 상기 알림 정보가 상기 음성 명령에 ASR 및 SST를 수행한 결과인 경우, 상기 가장 근접한 디바이스는 상기 알림 정보를 출력하기 위해, 상기 알림 정보에 TTS(Text To Speech)를 수행할 수 있다. 구체적으로, 상기 음성 명령이 텍스트화된 정보를 음성 정보로 변환하여, 상기 음성 명령을 전달받지 못한 수신인에게 상기 음성 명령을 전달할 수 있다. 반대로, 상기 알림 정보가 상기 음성 명령 그 자체인 경우, 상기 가장 근접한 디바이스는 상기 알림 정보를 그 자체로 출력할 수 있다. 이 경우, 발화자의 음성이 녹음된 파일이 가장 근접한 장치의 출력부(예를 들어, 스피커)를 통해 출력될 수 있다.
추가적으로, 상기 제 1 디바이스는 상기 음성 명령을 전달 받지 못한 수신인과 가장 근접한 디바이스로부터 통지 메시지에 대한 응답 메시지를 수신할 수 있다. 상기 응답 메시지에는 상기 가장 근접한 디바이스가 상기 통지 메시지를 수신하였다는 것을 표시하는 정보가 포함될 수 있다.
상기 제 1 디바이스는 상기 응답 메시지를 수신함으로써, 상기 음성 명령을 전달 받지 못한 수신인의 위치로부터 가장 근접한 디바이스가 상기 통지메시지를 수신하였다는 것을 확인할 수 있다.
또한, 상기 제 1 디바이스는 상기 응답 메시지를 수신한 후, 상기 발화자에게, 발화자의 음성 명령이 상기 음성 명령을 전달 받지 못한 수신인에게도 전달 되었음을 알릴 수 있다.
이에 따라, 상기 발화자는 자신의 음성 명령이 수신인에게 전달되었음을 확인할 수 있고, 불필요하게 추가적인 음성명령을 발화하지 않아도 되는 효과가 있다.
도 12은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성처리 방법이 수행되는 특정 공간의 일 예를 나타낸다.
도 12은 특정 공간에 발화자의 음성 명령을 전달 받는 복수의 수신인이 존재하는 경우에 해당한다. 도 11에는 3 명의 수신인이 도시되어 있으며, 특정 공간에 발화자의 음성 명령을 전달 받는 복수의 수신인이 존재하는 경우, 본 발명이 제공하는 방법은 제 1 디바이스에서 아래와 같이 수행될 수 있다.
먼저, 제 1 디바이스는 발화자의 음성 명령을 인지한다. 여기서, 발화자의 음성 명령이 없으면, 제 1 디바이스는 음성 명령을 인지하지 않고, 본 발명에서 제공하는 방법과 관련된 동작을 수행하지 않을 수 있다.
상기 음성 명령은 제 1 수신인 내지 제 3 수신인 중 적어도 한 명에 대한 것일 수 있으나, 설명의 편의를 위해 상기 음성 명령은 제 1 수신인 내지 제 3 수신인 모두에 대한 음성 명령인 것으로 한다.
발화자의 음성 명령을 인지한 후, 제 1 디바이스는 상기 인지된 음성 명령에 음성 명령의 수신인의 호칭이 포함되는지 판단한다.
음성 명령에 호칭이 포함되는 지는 음성 분석 판단 모델 및/또는 발화문 분석 판단 모델을 통하여 판단될 수 있다.
구체적으로, 상기 음성 분석 판단 모델은 발화자가 수신인에게 전달한 음성 명령을 ASR(Automatic Speech Recognition) 기술을 사용하여 인식하고, 상기 인식된 음성 명령의 크기를 분석할 수 있다.
제 1 디바이스가 인지된 음성 명령에 호칭이 포함되어 있지 않은 것으로 판단한 경우, 제 1 디바이스는 음성 처리 동작을 중지할 수 있다.
반대로, 제 1 디바이스가 인지된 음성 명령에 호칭이 포함된 것으로 판단한 경우, 제 1 디바이스는 수신인에게 전달된 음성 명령의 주체를 판단한다. 제 1 디바이스는 음성 명령의 주체가 도 11에 도시된 발화자인 것으로 판단할 수 있다.
상기 제 1 디바이스는 발화자 및 제 1 수신인 내지 제 3 수신인의 음성에 대한 정보를 리스트화 하여 저장하고 있을 수 있다. 상기 리스화된 정보는 '구성원 음성 리스트 정보'로 표현된다.
음성 명령의 주체를 파악한 제 1 디바이스는 인식된 호칭을 사용하여 음성 명령의 수신인을 결정한다.
음성 명령의 수신인은 제 1 디바이스의 강화학습 모델을 통하여 결정 될 수 있다. 제 1 디바이스는 사전 입력 구성원 호칭 리스트 정보 및/또는 사전 학습 구성원 호칭 리스트 정보에 기초하여 수신인을 결정할 수 있다.
상기 음성 명령은 제 1 수신인 내지 제 3 수신인 모두에 대한 것이므로, 제 1 디바이스는 상기 음성 명령의 수신인이 제 1 수신인 내지 제 3 수신인인 것으로 결정할 수 있다.
설명의 편의를 위해 제 1 디바이스가 음성 명령의 주체를 파악하고, 음성 명령의 수신인을 결정하는 순서로 설명하였으나, 음성 명령의 주체 및 수신인을 결정하는 동작의 순서는 바뀔 수 있으며 또는 동시에 수행될 수도 있다.
다음, 제 1 디바이스는 제 1 수신인 내지 제 3 수신인의 피드백 수신 여부 및 피드백의 주체를 파악한다. 즉, 발화자가 전달한 음성 명령에 대하여 제 1 수신인 내지 제 3 수신인의 피드백이 있는지 및 수신된 피드백이 있다면, 상기 수신된 피드백의 주체가 누구인지를 파악한다.
제 1 디바이스 내부의 음성 모델을 통하여 제 1 수신인 내지 제 3 수신인의 피드백이 수신되었는지 판단될 수 있다.
제 1 디바이스가 피드백 수신 여부 및 피드백의 주체를 판단한 결과, 제 1 수신인 내지 제 3 수신인 중 제 1 수신인 및 제 2 수신인의 피드백만 수신된 것으로 판단한 경우, 제 1 디바이스는 제 2 수신인은 음성 명령을 전달받지 못한 것으로 판단한다.
또한, 제 1 디바이스는 제 1 수신인 및 제 2 수신인이 음성 명령을 전달에 받은 것으로 판단하고, 제 1 수신인 및 제 2 수신인에 대해서는 음성 처리 동작을 중지한다.
다음, 제 1 디바이스는 제 2 수신인의 위치를 파악한다. 상기 제 2 수신인의 위치를 파악하기 위해서 제 1 디바이스의 상기 센서 기반 위치파악 모듈이 사용될 수 있다.
보다 구체적으로, 제 1 디바이스는 제 2 수신인의 음성 감지하고, 제 2 수신인과의 거리를 파악하며, 제 2 수신인의 휴대 디바이스로부터 수신된 신호의 감도를 파악할 수 있다. 이를 통해 제 1 디바이스는 제 2 수신인의 위치를 파악할 수 있다.
제 2 수신인의 위치를 파악한 제 1 디바이스는 제 2 수신인으로부터 가장 근접한 디바이스인 제 4 디바이스를 선택한다.
제 1 디바이스는 제 1 디바이스 내부의 목록/센서 기반 위치파악 모듈을 통하여 특정 공간에 존재하는 모든 디바이스들의 위치를 파악하고, 이를 목록화 하여 저장하고 있을 수 있다.
제 1 디바이스는 상기 목록화된 모든 디바이스들의 위치 정보 및 제 2 수신인의 위치 정보에 기초하여 제 4 디바이스를 선택할 수 있다.
제 4 디바이스를 선택한 제 1 디바이스는 제 4 디바이스로 통지메시지를 전송한다.
상기 통지 메시지는 제 2 수신인에게, 발화자로부터 전달된 음성 명령이 있음을 알리는 정보가 포함할 수 있다.
상기 정보는 발화자가 전달한 음성 명령에 ASR(Automatic Speech Recognition)을 수행한 결과일 수 있고, 또한 상기 발화자가 전달한 음성 명령 그 자체일 수도 있다.
도 13은 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성 처리 방법이 수행되는 일 예를 나타낸 흐름도이다.
도 13은 발화자, 수신인, 제 1 디바이스 및 제 2 디바이스간의 상호 동작을 구체적으로 보여준다.
먼저, 발화자는 수신인에게 음성 명령을 전달하고, 제 1 디바이스는 상기 음성 명령을 수신한다(S13010). 이 때, 수신인은 발화자와의 거리 또는 발화자가 응급 상황에 있음으로 인하여 상기 음성 명령을 수신하지 못한다(S13020).
제 1 디바이스는 상기 음성명령에 특정 호칭이 포함되는 지를 파악하고(S13030), 상기 음성 명령을 발화한 주체를 파악하고, 상기 음성 명령의 수신인을 결정한다(S13040).
제 1 디바이스는 상기 음성 명령의 주체가 상기 발화자인 것으로 파악할 수 있으며, 상기 음성 명령에 음성 인식 동작을 수행하여 상기 음성 명령의 수신인을 결정할 수 있다.
S13030단계에 음성 명령에 호칭이 포함되지 않은 경우 제 1 디바이스는 동작을 중지할 수 있다.
또한, 제 1 디바이스는 S13030 및 S13040는 제 1 디바이스에서 동시에 수행할 수 있고, 또는 순서가 바뀔 수도 있다.
수신인은 상기 음성 명령을 수신하지 못하였으므로, 상기 음성 명령에 대해 응답하지 않는다(S13050).
제 1 디바이스는 상기 음성 명령에 대한 응답이 있는지 판단하는데(S13060), 상기 수신인은 응답하지 않았으므로 제 1 디바이스는 응답이 없는 것으로 판단하게 된다.
응답이 없는 것으로 판단한 제 1 디바이스는 상기 음성 명령이 상기 수신인으로 전달되지 않은 것으로 판단하고, 상기 수신인의 위치로부터 가장 가까이 위치한 디바이스를 선택한다(S13070).
제 1 디바이스는 제 2 디바이스를 선택하고, 상기 제 2 디바이스로 발화자의 음성 명령이 있음을 알리는 통지메시지를 전송한다(S13080).
상기 통지 메시지를 수신한 제 2 디바이스는 상기 제 1 디바이스로 응답 메시지를 전송할 수 있다(S13090). 상기 응답 메시지는 통지 메시지가 수신됨을 나타내는 정보를 포함할 수 있다.
상기 통지메시지를 수신한 제 2 디바이스는 수신인에게 음성 명령이 있음을 알린다(S13100).
수신인은 제 2 디바이스를 통하여 발화자의 음성 명령이 있음을 알게 되었으므로, 상기 음성 명령에 응답할 수 있다(S13110).
도 14는 본 발명의 일 실시예에 따른 AI 장치를 이용한 음성처리 방법의 일 예를 나타낸 흐름도이다.
도 14은 앞서 도 1 내지 도 13에서 설명한 AI 장치를 이용한 음성처리 방법이 발화자와 가장 근접한 디바이스인 제 1 디바이스에서 수행되는 동작의 일 예를 나타낸다.
발화자, 상기 발화자가 발화한 음성 명령을 수신하는 적어도 하나의 수신인, 상기 발화자 및 상기 적어도 하나의 수신인과 각각 음성 인터랙션(Interaction)을 수행하는 복수의 AI 장치가 위치하는 공간 상에서, 제 1 디바이스는 상기 발화자가 발화한 음성 명령을 수신한다(S1410).
다음, 제 1 디바이스는 상기 수신된 음성 명령에 대하여 음성 인식 동작을 수행하여 상기 음성 명령의 적어도 하나의 특정 수신인을 결정한다(S1420)
다음 제 1 디바이스는 상기 적어도 하나의 특정 수신인으로부터 상기 음성 명령에 대응하는 적어도 하나의 피드백(Feedback)의 수신 여부를 확인한다(S1430).
다음, 제 1 디바이스는 상기 적어도 하나의 피드백 중 수신되지 않은 피드백이 있는 경우, 상기 적어도 하나의 특정 수신인 중 적어도 하나의 피드백 하지 않은 수신인의 위치 정보를 획득한다(S1440).
이후, 제 1 디바이스는 미리 저장된 상기 복수의 AI 장치의 상기 공간 상에서의 위치 정보 및 상기 적어도 하나의 피드백 하지 않은 수신인의 위치 정보에 기초하여 상기 적어도 하나의 피드백 하지 않은 수신인의 위치에 가장 근접한 적어도 하나의 제2 AI 장치를 선택한다(S1450).
마지막으로, 제1 디바이스는 상기 음성 명령이 존재함을 알리기 위한 통지(Notification) 메시지를 상기 적어도 하나의 제 디바이스로 전송한다(S1460).
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 (20)
- 발화자, 상기 발화자가 발화한 음성 명령을 수신하는 적어도 하나의 수신인, 상기 발화자 및 상기 적어도 하나의 수신인과 각각 음성 인터랙션(Interaction)을 수행하는 복수의 AI 장치가 위치하는 공간 상에서 제1 AI 장치를 이용한 음성 처리 방법에 있어서,
상기 발화자가 발화한 음성 명령을 수신하는 단계;
상기 수신된 음성 명령에 대하여 음성 인식 동작을 수행하여 상기 음성 명령의 적어도 하나의 특정 수신인을 결정하는 단계;
상기 적어도 하나의 특정 수신인으로부터 상기 음성 명령에 대응하는 적어도 하나의 피드백(Feedback)의 수신 여부를 확인하는 단계;
상기 적어도 하나의 피드백 중 수신되지 않은 피드백이 있는 경우, 상기 적어도 하나의 특정 수신인 중 적어도 하나의 피드백 하지 않은 수신인의 위치 정보를 획득하는 단계;
미리 저장된 상기 복수의 AI 장치의 상기 공간 상에서의 위치 정보 및 상기 적어도 하나의 피드백 하지 않은 수신인의 위치 정보에 기초하여 상기 적어도 하나의 피드백 하지 않은 수신인의 위치에 가장 근접한 적어도 하나의 제2 AI 장치를 선택하는 단계;
상기 음성 명령이 존재함을 알리기 위한 통지(Notification) 메시지를 상기 적어도 하나의 제2 AI 장치로 전송하는 단계;
를 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1항에 있어서,
상기 AI 장치는, AI 스피커인 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 적어도 하나의 특정 수신인을 결정하는 단계는, 상기 음성 명령에 대하여 SST(Speech To Text) 변환을 수행하는 단계; 및
상기 변환된 텍스트로부터 상기 음성 명령이 수신되어야 하는 상기 적어도 하나의 특정 수신인을 추출하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 적어도 하나의 피드백의 수신 여부를 확인하는 단계는, 상기 적어도 하나의 특정 수신인으로부터의 피드백 발화를 인식하는 단계; 를 더 포함하되,
상기 적어도 하나의 특정 수신인으로부터의 상기 적어도 하나의 피드백의 수신 여부는 미리 저장된 상기 적어도 하나의 특정 수신인의 스피치 특성(speech characteristic)에 기초하여 확인되는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 4 항에 있어서,
상기 스피치 특성은 상기 적어도 하나의 특정 수신인의 음성의 크기, 음성의 높이, 억양 또는 음성의 톤(tone) 중 적어도 하나를 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 통지 메시지는 상기 음성 명령에 대한 피드백이 존재하지 않음을 알리는 알람을 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 통지 메시지는 상기 음성 명령과 동일한 특정 명령을 포함하고,
상기 특정 명령은, 상기 음성 명령의 ASR(Automatic Speech Recognition) 결과 또는 상기 음성 명령의 음성 데이터 자체인 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 통지 메시지가 상기 적어도 하나의 제2 AI 장치의 출력부를 통해 출력되도록 하는 제어 신호를 상기 적어도 하나의 제2 AI 장치로 전송하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 8 항에 있어서,
상기 출력부는 디스플레이 또는 스피커 중 적어도 하나를 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 적어도 하나의 피드백 하지 않은 수신인의 상기 위치정보는 상기 적어도 하나의 피드백 하지 않은 수신인의 음성, 상기 적어도 하나의 피드백 하지 않은 수신인과의 거리 또는 상기 적어도 하나의 피드백 하지 않은 수신인이 휴대하는 휴대 디바이스로부터 수신된 신호의 수신 감도 중 적어도 하나에 기초하여 획득되는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 음성 명령에 상기 적어도 하나의 특정 수신인의 호칭이 포함되는지 판단하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 11 항에 있어서,
상기 적어도 하나의 특정 수신인의 상기 호칭이 포함되지 않은 경우,
음성 처리를 중지하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 적어도 하나의 피드백이 모두 수신된 경우, 음성 처리를 중지하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 발화자가 상기 음성 명령을 발화한 것인지 판단하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 14 항에 있어서,
상기 발화자가 상기 음성 명령을 발화한 것인지 판단하는 단계는,
미리 저장된 상기 발화자 및 상기 적어도 하나의 특정 수신인의 음성 정보와 상기 음성 명령을 비교하는 단계;
를 더 포함하는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 1 항에 있어서,
상기 통지 메시지의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 단계; 를 더 포함하고,
상기 통지 메시지는 상기 DCI에 기초하여 상기 적어도 하나의 제2 AI 장치로 전송되는 것을 특징으로 하는 AI 장치를 이용한 음성 처리 방법.
- 제 16 항에 있어서,
SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계;
를 더 포함하는 AI 장치를 이용한 음성 처리 방법.
- 제 16 항에 있어서,
상기 통지 메시지를 상기 적어도 하나의 제2 AI 장치에 포함된 AI 프로세서로 전송하도록 통신부를 제어하는 단계;
상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 단계;
를 더 포함하는 AI 장치를 이용한 음성 처리 방법.
- 발화자, 상기 발화자가 발화한 음성 명령을 수신하는 적어도 하나의 수신인, 상기 발화자 및 상기 적어도 하나의 수신인과 각각 음성 인터랙션(Interaction)을 수행하는 복수의 AI 장치가 위치하는 공간 상에서 AI 장치를 이용한 음성 처리 방법을 지원하는 지능형 컴퓨팅 디바이스는,
적어도 하나의 센서를 포함하는 센싱부;
통신부;
프로세서; 및
상기 프로세서에 의해 실행 가능한 명령어를 포함하는 메모리;
를 포함하고,
상기 명령어는,
상기 프로세서가 상기 발화자가 발화한 음성 명령을 수신하도록 하고, 상기 수신된 음성 명령에 대하여 음성 인식 동작을 수행하여 상기 음성 명령의 적어도 하나의 특정 수신인을 결정하도록 하고,
상기 적어도 하나의 특정 수신인으로부터 상기 음성 명령에 대응하는 적어도 하나의 피드백(Feedback)의 수신 여부를 확인하도록 하고,
상기 적어도 하나의 피드백 중 수신되지 않은 피드백이 있는 경우, 상기 적어도 하나의 특정 수신인 중 적어도 하나의 피드백 하지 않은 수신인의 위치 정보를 획득하도록 하고,
미리 저장된 상기 복수의 AI 장치의 상기 공간 상에서의 위치 정보 및 상기 적어도 하나의 피드백 하지 않은 수신인의 위치 정보에 기초하여 상기 적어도 하나의 피드백 하지 않은 수신인의 위치에 가장 근접한 적어도 하나의 제2 AI 장치를 선택하도록 하고,
상기 음성 명령이 존재함을 알리기 위한 통지(Notification) 메시지를 상기 적어도 하나의 제2 AI 장치로 전송하도록 하는 AI 장치를 이용한 음성 처리 방법을 지원하는 지능형 컴퓨팅 디바이스.
- 제 19 항에 있어서,
상기 프로세서는,
상기 통신부를 통해 상기 통지 메시지를 상기 적어도 하나의 제2 AI 장치에 포함된 AI 프로세서로 전송하도록 제어하고, 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 AI 장치를 이용한 음성 처리 방법을 지원하는 지능형 컴퓨팅 디바이스.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190088096A KR102223736B1 (ko) | 2019-07-22 | 2019-07-22 | 인공지능 장치를 이용한 음성 처리 방법 |
| US16/548,568 US11081109B2 (en) | 2019-07-22 | 2019-08-22 | Speech processing method using artificial intelligence device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190088096A KR102223736B1 (ko) | 2019-07-22 | 2019-07-22 | 인공지능 장치를 이용한 음성 처리 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190093528A true KR20190093528A (ko) | 2019-08-09 |
| KR102223736B1 KR102223736B1 (ko) | 2021-03-05 |
Family
ID=67613635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190088096A KR102223736B1 (ko) | 2019-07-22 | 2019-07-22 | 인공지능 장치를 이용한 음성 처리 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11081109B2 (ko) |
| KR (1) | KR102223736B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190101328A (ko) * | 2019-08-12 | 2019-08-30 | 엘지전자 주식회사 | 지능적 음성 인식 방법, 음성 인식 장치 및 지능형 컴퓨팅 디바이스 |
| CN110827799A (zh) * | 2019-11-21 | 2020-02-21 | 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 |
| US11114093B2 (en) | 2019-08-12 | 2021-09-07 | Lg Electronics Inc. | Intelligent voice recognizing method, apparatus, and intelligent computing device |
| KR20220086834A (ko) | 2020-12-17 | 2022-06-24 | 주식회사 이노와이어리스 | 휴대형 신호 분석 장치의 동작 제어 방법 |
| WO2023080274A1 (ko) * | 2021-11-04 | 2023-05-11 | 엘지전자 주식회사 | 인공 지능 기기 및 그것의 제어 방법 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI712011B (zh) * | 2019-12-18 | 2020-12-01 | 仁寶電腦工業股份有限公司 | 安全警示語音提示方法 |
| WO2021137637A1 (en) | 2020-01-02 | 2021-07-08 | Samsung Electronics Co., Ltd. | Server, client device, and operation methods thereof for training natural language understanding model |
| WO2022122121A1 (en) * | 2020-12-08 | 2022-06-16 | Huawei Technologies Co., Ltd. | End-to-end streaming acoustic trigger apparatus and method |
| CN113242556B (zh) * | 2021-06-04 | 2022-08-23 | 重庆邮电大学 | 一种基于差异化服务的无人机资源动态部署方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090268882A1 (en) * | 2008-04-25 | 2009-10-29 | Delta Electronics, Inc. | Outbound dialogue system and dialogue operation method |
| JP2011147052A (ja) * | 2010-01-18 | 2011-07-28 | Denso It Laboratory Inc | 通話装置及び通話方法 |
| US20110270609A1 (en) * | 2010-04-30 | 2011-11-03 | American Teleconferncing Services Ltd. | Real-time speech-to-text conversion in an audio conference session |
| KR20150085145A (ko) * | 2014-01-13 | 2015-07-23 | 한국전자통신연구원 | 사용자 반응 기반 통역 시스템 및 그 방법 |
| JP2016133557A (ja) * | 2015-01-16 | 2016-07-25 | 国立大学法人大阪大学 | エージェント対話システムおよびプログラム |
| WO2018198791A1 (ja) * | 2017-04-26 | 2018-11-01 | ソニー株式会社 | 信号処理装置および方法、並びにプログラム |
| KR102026479B1 (ko) * | 2019-03-06 | 2019-09-30 | 주식회사 다이얼로그디자인에이전시 | 병렬처리 플랫폼 기반 인공지능 음성인식 서비스 제공 시스템 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8588979B2 (en) * | 2005-02-15 | 2013-11-19 | Sony Corporation | Enhancements to mechanical robot |
| US20130073293A1 (en) * | 2011-09-20 | 2013-03-21 | Lg Electronics Inc. | Electronic device and method for controlling the same |
-
2019
- 2019-07-22 KR KR1020190088096A patent/KR102223736B1/ko active IP Right Grant
- 2019-08-22 US US16/548,568 patent/US11081109B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090268882A1 (en) * | 2008-04-25 | 2009-10-29 | Delta Electronics, Inc. | Outbound dialogue system and dialogue operation method |
| JP2011147052A (ja) * | 2010-01-18 | 2011-07-28 | Denso It Laboratory Inc | 通話装置及び通話方法 |
| US20110270609A1 (en) * | 2010-04-30 | 2011-11-03 | American Teleconferncing Services Ltd. | Real-time speech-to-text conversion in an audio conference session |
| KR20150085145A (ko) * | 2014-01-13 | 2015-07-23 | 한국전자통신연구원 | 사용자 반응 기반 통역 시스템 및 그 방법 |
| JP2016133557A (ja) * | 2015-01-16 | 2016-07-25 | 国立大学法人大阪大学 | エージェント対話システムおよびプログラム |
| WO2018198791A1 (ja) * | 2017-04-26 | 2018-11-01 | ソニー株式会社 | 信号処理装置および方法、並びにプログラム |
| KR102026479B1 (ko) * | 2019-03-06 | 2019-09-30 | 주식회사 다이얼로그디자인에이전시 | 병렬처리 플랫폼 기반 인공지능 음성인식 서비스 제공 시스템 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190101328A (ko) * | 2019-08-12 | 2019-08-30 | 엘지전자 주식회사 | 지능적 음성 인식 방법, 음성 인식 장치 및 지능형 컴퓨팅 디바이스 |
| US11114093B2 (en) | 2019-08-12 | 2021-09-07 | Lg Electronics Inc. | Intelligent voice recognizing method, apparatus, and intelligent computing device |
| US11222636B2 (en) | 2019-08-12 | 2022-01-11 | Lg Electronics Inc. | Intelligent voice recognizing method, apparatus, and intelligent computing device |
| CN110827799A (zh) * | 2019-11-21 | 2020-02-21 | 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 |
| KR20220086834A (ko) | 2020-12-17 | 2022-06-24 | 주식회사 이노와이어리스 | 휴대형 신호 분석 장치의 동작 제어 방법 |
| WO2023080274A1 (ko) * | 2021-11-04 | 2023-05-11 | 엘지전자 주식회사 | 인공 지능 기기 및 그것의 제어 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20190378509A1 (en) | 2019-12-12 |
| US11081109B2 (en) | 2021-08-03 |
| KR102223736B1 (ko) | 2021-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11423878B2 (en) | Intelligent voice recognizing method, apparatus, and intelligent computing device | |
| KR102260216B1 (ko) | 지능적 음성 인식 방법, 음성 인식 장치, 지능형 컴퓨팅 디바이스 및 서버 | |
| US11074904B2 (en) | Speech synthesis method and apparatus based on emotion information | |
| KR102280692B1 (ko) | 지능적 음성 인식 방법, 음성 인식 장치 및 지능형 컴퓨팅 디바이스 | |
| KR102223736B1 (ko) | 인공지능 장치를 이용한 음성 처리 방법 | |
| US20190392858A1 (en) | Intelligent voice outputting method, apparatus, and intelligent computing device | |
| KR102321789B1 (ko) | 감정 정보 기반의 음성 합성 방법 및 장치 | |
| US11373647B2 (en) | Intelligent voice outputting method, apparatus, and intelligent computing device | |
| KR102663669B1 (ko) | 소음 환경에서의 음성 합성 | |
| KR102321801B1 (ko) | 지능적 음성 인식 방법, 음성 인식 장치 및 지능형 컴퓨팅 디바이스 | |
| US20200013395A1 (en) | Intelligent voice recognizing method, apparatus, and intelligent computing device | |
| KR20190096862A (ko) | 인공지능 장치를 이용한 음성 인식 기반 사용자 인증 방법 및 이를 위한 장치 | |
| US11636845B2 (en) | Method for synthesized speech generation using emotion information correction and apparatus | |
| US11580992B2 (en) | Intelligent voice recognizing method, apparatus, and intelligent computing device | |
| US20200020337A1 (en) | Intelligent voice recognizing method, apparatus, and intelligent computing device | |
| US20220351714A1 (en) | Text-to-speech (tts) method and device enabling multiple speakers to be set | |
| KR102321792B1 (ko) | 지능적 음성 인식 방법, 음성 인식 장치 및 지능형 컴퓨팅 디바이스 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right |