KR20190118996A - 음성 처리 방법 및 음성 처리 장치 - Google Patents

Abstract

탑재된 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 음성 처리를 수행함으로써 5G 통신 환경에서 음성 처리 장치와 전자 디바이스와 서버가 통신할 수 있는 음성 처리 방법 및 음성 처리 장치가 개시된다. 본 발명의 일 실시 예에 따른 음성 처리 방법은, 제1 발화 음성의 수신 중에 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계와, 제1 발화 음성과 별도로, 일시정지 이후 수신하는 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력하는 단계와, 제1 응답 발화 음성을 출력한 후 수신하는 제3 발화 음성을 제1 발화 음성의 연장으로 판단하는 단계와, 제1 발화 음성과 제3 발화 음성을 조합한 제4 발화 음성의 음성 인식 처리 시에, 제4 발화 음성으로부터 중복된 발화 부분을 삭제하는 단계와, 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력하는 단계를 포함할 수 있다. 본 발명에 의하면, 완성된 발화에 대한 음성 인식 처리 시에 중복되는 발화 부분을 삭제함으로써 음성 인식 처리 성능을 향상시킬 수 있다.

Description

음성 처리 방법 및 음성 처리 장치{SPEECH PROCESSING METHOD AND APPARATUS THEREFOR}

본 발명은 음성 처리 방법 및 음성 처리 장치에 관한 것으로, 더욱 상세하게는 발화음성 수신 도중 발생하는 지연을 미완성된 발화로 인식하여 임시 저장하고, 지연 이후 수신한 추가 발화음성에 대한 음성 인식 처리 결과를 제공한 후, 재차 입력되는 발화음성과 지연 전 발화음성을 완성된 발화로 인식하고, 완성된 발화에 대한 음성 인식 처리 시에 중복되는 발화 부분을 삭제하는 음성 처리 방법 및 음성 처리 장치에 관한 것이다.

기술이 발달함에 따라 최근 많은 분야에서 음성 인식 기술을 적용한 각종 서비스들이 소개되고 있다. 음성 인식 기술은 사람이 발성하는 음성을 이해하여 컴퓨터가 다룰 수 있는 문자 정보로 변환하는 일련의 과정이라 할 수 있으며, 음성 인식 기술을 이용하는 음성 인식 서비스는 사용자의 음성을 인식하고 이에 해당하는 적합한 서비스를 제공하는 일련의 과정을 포함할 수 있다.

선행기술 1에는 청자 혹은 화자의 입장에서 직접 대화를 수행 시에, 특히 실제 사용된 문장 및 단어의 수집과 상호 연결을 통하여 대화문장을 생성하고, 단어의 정의 수정 및 확대 과정을 거쳐 자신의 입장과 대화 상대자의 상황에 적당한 문장을 출력할 수 있도록 하는 대화 시스템 및 대화 문장 생성 방법이 개시되어 있다.

선행기술 2에는 음성 인식기의 결과에 포함된 오류를 자동으로 수정하고 새로운 영역에서도 음성 인식기를 쉽게 적응시킬 수 있는 음성 인식 시스템에서의 인식 오류 수정 방법이 개시되어 있다.

선행기술 1 및 선행기술 2의 음성 인식 기능이 탑재된 디바이스(예를 들어, 음성 인식 스피커 등)에서, 사용자가 디바이스를 향하여 발화하는 중간에 지연이 발생하는 경우, 즉, 발화를 완성하기 위해 필요한 단어가 순간적으로 떠오르지 않아 머뭇거리거나, 다른 경로를 통하여 해당 단어를 검색하는 경우가 발생할 수 있다. 디바이스는 상술한 지연을 발화의 완료로 인식하고, 미완성된 발화에 대한 처리를 시도하여, 잘못된 음성인식 처리 결과를 제공하는 경우가 발생하고 있다.

사람 간의 대화 시에는 발화 중간에 잠시 멈추고 필요한 정보를 확인한 후 발화를 이어가는 것이 자연스러우나, 상술한 디바이스의 경우 발화를 잠시 멈추는 것과 발화의 완료를 구분하지 못하는 한계가 있다.

전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.

선행기술 1: 한국 등록특허공보 제10-0918644호(2009.09.16. 등록) 선행기술 2: 한국 등록특허공보 제10-0825690호(2008.04.22. 등록)

본 발명의 일 과제는, 발화 도중 발생하는 지연을 발화의 완료로 인식하고, 미완성된 발화에 대한 처리를 시도하여, 잘못된 음성인식 처리 결과를 제공하는 종래 기술의 문제점을 해결하는 것이다.

본 발명의 일 과제는, 발화를 잠시 멈추는 것과 발화의 완료를 구분하지 못하는 종래 기술의 문제점을 해결하는 것이다.

본 발명의 일 과제는, 발화 음성 수신 도중에 임의의 정보 획득을 위한 추가 발화 음성을 수신하는 경우, 발화 음성 및 추가 발화 음성에 대한 음성 인식 처리 결과 제공 시에 중복되는 발화 부분을 삭제하는 것이다.

본 발명의 일 과제는, 발화 도중 발생하는 지연을 발화의 완료로 인식하고, 미완성된 발화에 대한 처리를 시도하여, 잘못된 음성인식 처리 결과를 제공하는 종래 기술의 문제점을 최적의 프로세스 자원을 사용하면서 해결하는 것이다.

본 발명의 일 과제는, 발화를 잠시 멈추는 것과 발화의 완료를 구분하지 못하는 종래 기술의 문제점을 최적의 프로세스 자원을 사용하면서 해결하는 것이다.

본 실시 예에 따른 음성 처리 방법은, 발화음성 수신 도중 발생하는 지연을 미완성된 발화로 인식하여 임시 저장하고, 지연 이후 수신한 추가 발화음성에 대한 음성 인식 처리 결과를 제공한 후, 재차 입력되는 발화음성과 지연 전 발화음성을 완성된 발화로 인식하고, 완성된 발화에 대한 음성 인식 처리 시에 중복되는 발화 부분을 삭제하는 단계를 포함할 수 있다.

구체적으로 본 실시 예에 따른 음성 처리 방법은, 제1 발화 음성의 수신 중에 제1 발화 음성의 수신에 대한 일시정지(temporary pause)를 판단하는 단계와, 제1 발화 음성과 별도로, 일시정지 이후 수신하는 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력하는 단계와, 제1 응답 발화 음성을 출력한 후 수신하는 제3 발화 음성을 제1 발화 음성의 연장으로 판단하는 단계와, 제1 발화 음성과 제3 발화 음성을 조합한 제4 발화 음성의 음성 인식 처리 시에, 제4 발화 음성으로부터 중복된 발화 부분을 삭제하는 단계와, 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력하는 단계를 포함할 수 있다.

본 실시 예에 따른 음성 처리 방법을 통하여, 발화음성 수신 도중 발생하는 지연을 미완성된 발화로 인식하여 임시 저장하고, 지연 이후 수신한 추가 발화음성에 대한 음성 인식 처리 결과를 제공한 후, 재차 입력되는 발화음성과 지연 전 발화음성을 완성된 발화로 인식하고, 완성된 발화에 대한 음성 인식 처리 시에 중복되는 발화 부분을 삭제함으로써 음성 인식 처리 성능을 향상시킬 수 있다.

또한, 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계는, 제1 발화 음성의 수신 중에 제1 발화 음성에 비언어학적 요소로서의 간투어(filled pause)가 포함되는 경우, 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하는 단계와, 일시정지 신호 인식에 기초하여 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계를 포함할 수 있다.

또한, 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하는 단계는, 제1 발화 음성으로부터 하나 이상의 단어를 인식하는 단계와, 단어를 기구축된 간투어 사전의 단어와 비교하는 단계와, 비교 결과 단어가 간투어 사전의 단어와 동일한 경우, 제1 발화 음성의 수신에 대한 일시정지 신호로 판단하는 단계를 포함할 수 있다.

또한, 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계는, 제1 발화 음성의 수신 중에 기설정된 시간 동안 무음 지연(silent delay)이 발생하면, 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계를 포함할 수 있다.

또한, 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계는, 제1 발화 음성의 수신 중에 제1 발화 음성에 기설정된 일시정지 판단용 키워드가 포함되는 경우, 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계를 포함할 수 있다.

또한, 본 실시 예에 따른 음성 처리 방법은, 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 일시정지 이전에 수신한 제1 발화 음성에 대한 음성 인식 처리를 대기하는 단계를 더 포함할 수 있다.

또한, 제4 발화 음성으로부터 중복된 발화 부분을 삭제하는 단계는, 제4 발화 음성에 대한 발음열을 생성하는 단계와, 제4 발화 음성에 대한 발음열 사이의 유사도를 산출하는 단계와, 유사도의 산출 결과, 제4 발화 음성에 대한 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 중복된 발화 부분으로 결정하는 단계와, 제4 발화 음성에 대한 발음열로부터 중복된 발화 부분을 삭제하는 단계를 포함할 수 있다.

또한, 유사도를 산출하는 단계는, 제4 발화 음성에 대한 발음열 중 제1 발화 음성에 포함되는 제1 발음열 및 제3 발화 음성에 포함되는 제2 발음열 사이의 유사도를 산출하는 단계를 포함할 수 있다.

또한, 중복된 발화 부분으로 결정하는 단계는, 유사도의 산출 결과, 제1 발음열 및 제2 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 중복된 발화 부분으로 결정하는 단계를 포함할 수 있다.

또한, 중복된 발화 부분을 삭제하는 단계는, 제1 발음열 및 제2 발음열 중 어느 하나로부터 중복된 발화 부분을 삭제하는 단계를 포함할 수 있다.

본 실시 예에 다른 음성 처리 장치는, 제1 발화 음성의 수신 중에 제1 발화 음성의 수신에 대한 일시정지(temporary pause)를 판단하는 제1 정보 처리부와, 제1 발화 음성과 별도로, 일시정지 이후 수신하는 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력하는 제2 정보 처리부와, 제1 응답 발화 음성을 출력한 후 수신하는 제3 발화 음성을 제1 발화 음성의 연장으로 판단하는 제3 정보 처리부와, 제1 발화 음성과 제3 발화 음성을 조합한 제4 발화 음성의 음성 인식 처리 시에, 제4 발화 음성으로부터 중복된 발화 부분을 삭제하는 제4 정보 처리부와, 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력하는 제5 정보 처리부를 포함할 수 있다.

본 실시 예에 따른 음성 처리 장치를 통하여, 발화음성 수신 도중 발생하는 지연을 미완성된 발화로 인식하여 임시 저장하고, 지연 이후 수신한 추가 발화음성에 대한 음성 인식 처리 결과를 제공한 후, 재차 입력되는 발화음성과 지연 전 발화음성을 완성된 발화로 인식하고, 완성된 발화에 대한 음성 인식 처리 시에 중복되는 발화 부분을 삭제함으로써 음성 인식 처리 성능을 향상시킬 수 있다.

또한, 제1 정보 처리부는, 제1 발화 음성의 수신에 대한 일시정지를 판단 시에, 제1 발화 음성의 수신 중에 제1 발화 음성에 비언어학적 요소로서의 간투어(filled pause)가 포함되는 경우, 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하고, 일시정지 신호 인식에 기초하여 제1 발화 음성의 수신에 대한 일시정지를 판단하도록 구성될 수 있다.

또한, 제1 정보 처리부는, 제1 발화 음성의 수신에 대한 일시정지 신호를 인식 시에, 제1 발화 음성으로부터 하나 이상의 단어를 인식하고, 단어를 기구축된 간투어 사전의 단어와 비교하고, 비교 결과 단어가 간투어 사전의 단어와 동일한 경우, 제1 발화 음성의 수신에 대한 일시정지 신호로 판단하도록 구성될 수 있다.

또한, 제1 정보 처리부는, 제1 발화 음성의 수신에 대한 일시정지를 판단 시에, 제1 발화 음성의 수신 중에 기설정된 시간 동안 무음 지연(silent delay)이 발생하면, 제1 발화 음성의 수신에 대한 일시정지를 판단하도록 구성될 수 있다.

또한, 제1 정보 처리부는, 제1 발화 음성의 수신에 대한 일시정지를 판단 시에, 제1 발화 음성의 수신 중에 제1 발화 음성에 기설정된 일시정지 판단용 키워드가 포함되는 경우, 제1 발화 음성의 수신에 대한 일시정지를 판단하도록 구성될 수 있다.

또한, 제1 정보 처리부는, 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 일시정지 이전에 수신한 제1 발화 음성에 대한 음성 인식 처리를 대기하도록 추가로 구성될 수 있다.

또한, 제4 정보 처리부는, 제4 발화 음성으로부터 중복된 발화 부분을 삭제 시에, 제4 발화 음성에 대한 발음열을 생성하고, 제4 발화 음성에 대한 발음열 사이의 유사도를 산출하고, 유사도의 산출 결과, 제4 발화 음성에 대한 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 중복된 발화 부분으로 결정하고, 제4 발화 음성에 대한 발음열로부터 중복된 발화 부분을 삭제하도록 구성될 수 있다.

또한, 제4 정보 처리부는, 유사도를 산출 시에, 제4 발화 음성에 대한 발음열 중 제1 발화 음성에 포함되는 제1 발음열 및 제3 발화 음성에 포함되는 제2 발음열 사이의 유사도를 산출하도록 구성될 수 있다.

또한, 제4 정보 처리부는, 중복된 발화 부분으로 결정시에, 유사도의 산출 결과, 제1 발음열 및 제2 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 중복된 발화 부분으로 결정하도록 구성될 수 있다.

또한, 제4 정보 처리부는, 중복된 발화 부분을 삭제 시에, 제1 발음열 및 제2 발음열 중 어느 하나로부터 중복된 발화 부분을 삭제하도록 구성될 수 있다.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

본 발명에 의하면, 발화음성 수신 도중 발생하는 지연을 미완성된 발화로 인식하여 임시 저장하고, 지연 이후 수신한 추가 발화음성에 대한 음성 인식 처리 결과를 제공한 후, 재차 입력되는 발화음성과 지연 전 발화음성을 완성된 발화로 인식하고, 완성된 발화에 대한 음성 인식 처리 결과 제공 시에 중복되는 발화 부분을 삭제함으로써 음성 인식 처리 성능을 향상시킬 수 있다.

또한, 발화를 잠시 멈추는 것과 발화의 완료를 구분하여 음성 인식 처리 성능을 향상시킬 수 있다.

또한 발화 음성 수신 도중에 임의의 정보 획득을 위한 추가 발화 음성을 수신하는 경우에도, 음성 인식 기능을 활성화 시킨 상태에서 발화 음성 및 추가 발화 음성 모두에 대한 음성 인식 처리 결과를 제공하여 음성 인식 처리 성능을 향상시킬 수 있다.

또한, 음성 인식 장치 자체는 대량 생산된 획일적인 제품이지만, 사용자는 음성 인식 장치를 개인화된 장치로 인식하므로 사용자 맞춤형 제품의 효과를 낼 수 있다.

또한, 음성 인식을 통한 여러 가지 서비스를 제공함에 있어서 사용자의 만족도를 높일 수 있으며, 신속하고 정확한 음성 인식 처리를 수행할 수 있다.

또한, 최적의 프로세서 자원만을 사용하여 사용자가 의도한 음성 명령어를 인지 및 처리할 수 있도록 함으로써 음성 인식 장치의 전력 효율을 향상시킬 수 있다.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시 예에 따른 음성 처리 장치를 포함하는 전자 디바이스, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 음성 처리 환경의 예시도이다.
도 2는 본 발명의 일 실시 예에 따른 음성 처리 장치의 개략적인 블록도이다.
도 3은 도 2의 음성 처리 장치 중 일 실시 예에 따른 처리부의 개략적인 블록도이다.
도 4는 본 발명의 일 실시 예에 따른 사용자의 발화 음성에 대응하는 정보 처리부의 동작을 설명하는 예시도이다.
도 5는 본 발명의 일 실시 예에 따른 음성 인식 처리 시에 중복된 발화 부분을 삭제하는 정보 처리부의 동작을 설명하는 예시도이다.
도 6은 본 발명의 일 실시 예에 따른 음성 처리 방법을 설명하기 위한 흐름도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 본 발명의 일 실시 예에 따른 음성 처리 장치를 포함하는 전자 디바이스, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 음성 처리 환경의 예시도이다. 도 1을 참조하면, 음성 처리 환경(1)은, 음성 처리 장치(100)를 포함하는 전자 디바이스(200), 서버(300) 및 네트워크(400)를 포함할 수 있다. 음성 처리 장치(100)를 포함하는 전자 디바이스(200)) 및 서버(300)는 5G 통신 환경에서 서로 연결될 수 있다.

음성 처리 장치(100)는 사용자의 발화 정보를 수신하고, 인식 및 분석을 통하여 음성 인식 서비스를 제공할 수 있다. 여기서 음성 인식 서비스라 함은, 사용자의 발화 정보를 수신하여 기동어 및 발화 음성을 구별하고, 발화 음성에 대한 음성 인식 처리 결과를 사용자가 인지할 수 있도록 출력하는 것을 포함할 수 있다.

본 실시 예에서, 발화 정보는 기동어와 발화 음성을 포함할 수 있다. 기동어는 음성 처리 장치(100)의 음성 인식 기능을 활성화 시키는 특정 명령어로서, 웨이크업 워드(wake-up word)로 명명될 수 있다. 발화 정보에 기동어가 포함되어 있어야 음성 인식 기능이 활성화 될 수 있고, 발화 정보에 기동어가 포함되어 있지 않은 경우 음성 인식 기능이 비활성화(예를 들어, 슬립 모드) 상태를 유지한다. 이러한 기동어는 기설정되어 후술하는 메모리(도 2의 160)에 저장될 수 있다.

또한 발화 음성은 기동어에 의해 음성 처리 장치(100)의 음성 인식 기능이 활성화된 후에 처리되는 것으로서, 음성 처리 장치(100)가 실질적으로 처리하여 출력을 생성할 수 있는 음성 명령어를 포함할 수 있다. 예를 들어, 사용자의 발화 정보가 "하이 엘지, 에어컨을 켜줘"인 경우, 기동어는 "하이 엘지"일 수 있고, 발화 음성은 "에어컨을 켜줘"일 수 있다. 음성 처리 장치(100)는 사용자의 발화 정보로부터 기동어의 존재를 판단하고, 발화 음성을 분석하여 전자 디바이스(200)로서의 에어컨(205)을 제어할 수 있다.

본 실시 예에서 음성 처리 장치(100)는 기동어를 수신한 후 음성 인식 기능을 활성화시킨 상태에서, 제1 발화 음성의 수신 중에 제1 발화 음성의 수신에 대한 일시정지(temporary pause)를 판단할 수 있다. 음성 처리 장치(100)는 제1 발화 음성과 별도로, 일시정지 이후 수신하는 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력할 수 있다. 음성 처리 장치(100)는 제1 응답 발화 음성을 출력한 후 수신하는 제3 발화 음성을 제1 발화 음성의 연장으로 판단할 수 있다. 음성 처리 장치(100)는 제1 발화 음성과 제3 발화 음성을 조합한 제4 발화 음성의 음성 인식 처리 시에, 제4 발화 음성으로부터 중복된 발화 부분을 삭제할 수 있다. 음성 처리 장치(100)는 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력할 수 있다.

여기서 제1 발화 음성은, 사용자가 기동어를 발화한 이 후에 발화하는 첫 번째 음성 명령어를 포함할 수 있으며, 제1 발화 음성은 미완성 발화 음성을 포함할 수 있다. 예를 들어, 제1 발화 음성은 도 4를 참조하면 <드라마 아이리스에서>일 수 있다.

제2 발화 음성은 제1 발화 음성의 일시정지 판단 이후에 발화하는 두 번째 음성 명령어를 포함할 수 있으며, 제2 발화 음성은 완성 발화 음성을 포함할 수 있다. 예를 들어, 제2 발화 음성은 도 4를 참조하면 <드라마 아이리스 출연진 알려줘>일 수 있다.

제3 발화 음성은 제2 발화 음성의 음성 인식 처리 결과를 출력한 후에 사용자가 발화하는 세 번째 음성 명령어를 포함할 수 있으며, 제1 발화 음성의 연장으로 판단하는 음성 명령어로서 미완성 발화 음성을 포함할 수 있다. 예를 들어, 제3 발화 음성은 도 4를 참조하면 <드라마 아이리스에서 김태희가 맡은 역할을 알려줘>일 수 있다.

제4 발화 음성은 미완성된 제1 발화 음성과, 미완성된 제3 발화 음성을 조합한 완성 발화 음성을 포함할 수 있다. 예를 들어, 제4 발화 음성은 도 4를 참조하면 <드라마 아이리스에서 드라마 아이리스에서 김태희가 맡은 역할을 알려줘>일 수 있다.

본 실시 예에서 완성 발화 음성이라 함은, 음성 인식 처리 결과를 출력할 수 있는 음성 명령어(예를 들어, 도 4를 참조하면 <드라마 아이리스 출연진 알려줘>)를 포함할 수 있다. 또한 미완성 발화 음성이라 함은, 음성 인식 처리 결과의 출력이 불가능한 음성 명령어(예를 들어, 도 4를 참조하면, <드라마 아이리스에서>)를 포함할 수 있다.

본 실시 예에서 음성 처리 장치(100)는 사용자로부터 기동어를 수신하여 음성 인식 기능 활성화 상태가 된 후, 사용자로부터 수신하는 음성 명령어 즉, 발화 음성을 수신하면, 내부에 저장된 음향 모델(미도시) 및 언어 모델(미도시)을 이용하여 수신한 발화 음성을 사용자 텍스트로 변환할 수 있다. 음성 처리 장치(100)는 변환한 텍스트에 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 발화 의도를 파악할 수 있다. 음성 처리 장치(100)는 발화 의도를 기반으로 지식 베이스(knowledge-base)를 이용하여 사용자 텍스트에 대한 응답 텍스트를 생성할 수 있다. 음성 처리 장치(100)는 자연어 발화 형태의 응답 텍스트에 대한 음성 변환 결과로서 응답 발화 음성을 생성할 수 있다. 음성 처리 장치(100)는 응답 발화 음성을 오디오 출력부(도 2의 142)를 통하여 출력할 수 있다.

본 실시 예에서 기동어 수신 이후 음성 인식 기능 활성화 상태가 된 음성 처리 장치(100)는, 자체적으로 상술한 바와 같이 음성 인식 기능을 수행하여 음성 인식 처리 결과를 출력할 수 있고, 서버(300)에 발화 음성을 전송하고, 서버(300)로부터 음성 인식 처리 결과를 수신하여 출력할 수도 있다.

본 실시 예에서 음성 처리 장치(100)는 전자 디바이스(200)에 포함될 수 있다. 전자 디바이스(200)는 사용자 단말기(201), 타 전자 디바이스를 네트워크(400)에 연결시키는 허브 역할을 하는 인공지능 스피커(202), 세탁기(203), 로봇 청소기(204), 에어컨(205) 및 냉장고(206)와 같은 사물인터넷(IoT)에 해당하는 각종 디바이스를 포함할 수 있다. 다만, 전자 디바이스(200)의 예가 도 1에 묘사된 것에 한정되는 것은 아니다.

이러한 전자 디바이스(200) 중 사용자 단말기(201)는 음성 처리 장치 구동 어플리케이션 또는 음성 처리 장치 구동 사이트에 접속한 후 인증 과정을 통하여 음성 처리 장치(100)의 구동 또는 제어를 위한 서비스를 제공받을 수 있다. 본 실시 예에서 인증 과정을 마친 사용자 단말기(201)는 음성 처리 장치(100)를 구동하고, 음성 처리 장치(100)의 동작을 제어할 수 있다.

본 실시 예에서 사용자 단말기(201)는 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 사용자 단말기(201)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말기(201)는 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.

서버(300)는 각종 인공지능 알고리즘을 적용하는데 필요한 빅데이터 및 음성 처리 장치(100)를 동작시키는 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(300)는 사용자 단말기(201)에 설치된 음성 처리 장치 구동 어플리케이션 또는 음성 처리 장치 구동 웹 브라우저를 이용하여 음성 처리 장치(100)의 동작을 원격에서 제어할 수 있도록 하는 웹 서버 또는 애플리케이션 서버를 포함할 수 있다.

여기서 인공 지능(artificial intelligence, AI)은, 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미할 수 있다.

또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.

머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령어들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다.

서버(300)는 음성 처리 장치(100)로부터 수신한 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 생성한 후 음성 처리 장치(100)로 전송할 수 있다. 서버(300)는 음성 처리 장치(100)로부터 제1 발화 음성과 제3 발화 음성을 조합한 제4 발화 음성을 수신하고, 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 생성한 후 음성 처리 장치(100)로 전송할 수 있다. 서버(300)는 제2 응답 발화 음성을 음성 처리 장치(100)로 전송 시에, 제2 응답 발화 음성으로부터 중복된 발화 부분을 삭제한 후 전송 할 수 있다.

음성 처리 장치(100)의 프로세싱 능력에 따라, 서버(300)에서 수행하는 제1 응답 발화 음성의 생성 및 제2 응답 발화 음성의 생성 중 적어도 일부는 음성 처리 장치(100)에 의해 수행될 수 있다.

네트워크(400)는 음성 처리 장치(100)를 포함하는 전자 디바이스(200)와, 서버(300)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(400)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(400)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.

네트워크(400)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(400)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(400)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(400)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.

도 2는 본 발명의 일 실시 예에 따른 음성 처리 장치의 개략적인 블록도이다. 이하의 설명에서 도 1에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 2를 참조하면, 음성 처리 장치(100)는 통신부(110), 디스플레이부(121) 및 조작부(122)를 포함하는 사용자 인터페이스부(120), 센싱부(130), 오디오 입력부(141) 및 오디오 출력부(142)를 포함하는 오디오 처리부(140), 정보 처리부(150), 메모리(160), 제어부(170) 및 음성 인식 처리부(181)를 포함할 수 있다. 본 실시 예에서 통신부(110), 오디오 입력부(141), 오디오 출력부(142), 메모리(160) 및 음성 인식 처리부(181)는 음성 인식 모듈(180)에 포함될 수 있다.

통신부(110)는 네트워크(400)와 연동하여 음성 처리 장치(100) 및/또는 전자 디바이스(200) 및/또는 서버(300) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 나아가, 통신부(110)는 전자 디바이스(200)로부터 소정의 정보 요청 신호를 수신하는 역할을 할 수 있고, 음성 처리 장치(100)가 처리한 정보를 전자 디바이스(200)로 전송하는 역할을 수행할 수 있다. 또한 통신부(110)는 전자 디바이스(200)로부터 소정의 정보 요청 신호를 서버(300)로 전송하고, 서버(300)가 처리한 응답 신호를 수신하여, 전자 디바이스(200)로 전송할 수 있다. 또한 통신부(110)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.

또한, 통신부(110)는 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등)을 지원할 수 있으며, M2M(machine to machine) 통신, V2X(vehicle to everything communication) 통신, D2D(device to device) 통신 등을 지원할 수 있다.

사용자 인터페이스부(120) 중 디스플레이부(121)는 제어부(170)의 제어 하에 음성 처리 장치(100)의 구동 상태를 디스플레이 할 수 있다. 실시 예에 따라서, 디스플레이부(121)는 터치패드와 상호 레이어 구조를 이루어 터치스크린으로 구성될 수 있다. 이 경우에, 디스플레이부(121)는 사용자의 터치에 의한 정보의 입력이 가능한 조작부(122)로도 사용될 수 있다. 이를 위해 디스플레이부(121)는 터치 인식 디스플레이 제어기 또는 이외의 다양한 입출력 제어기로 구성될 수 있다. 일 예로, 터치 인식 디스플레이 제어기는 장치와 사용자 사이에 출력 인터페이스 및 입력 인터페이스를 제공할 수 있다. 터치 인식 디스플레이 제어기는 전기 신호를 제어부(170)와 송수신할 수 있다. 또한, 터치 인식 디스플레이 제어기는 사용자에게 시각적인 출력을 표시하며, 시각적 출력은 텍스트, 그래픽, 이미지, 비디오와 이들의 조합을 포함할 수 있다. 이와 같은 디스플레이부(121)는 예를 들어 터치 인식이 가능한 OLED(organic light emitting display) 또는 LCD(liquid crystal display) 또는 LED(light emitting display)와 같은 소정의 디스플레이 부재일 수 있다.

사용자 인터페이스부(120) 중 조작부(122)는 복수의 조작 버튼(미도시)을 구비하여, 입력되는 버튼에 대응하는 신호를 제어부(170)로 전송할 수 있다. 이러한 조작부(122)는 사용자의 터치 또는 누름 조작을 인식할 수 있는 센서 또는 버튼, 스위치 구조로 구성될 수 있다. 본 실시 예에서 조작부(122)는 디스플레이부(121)에 표시되는 음성 처리 장치(100)의 구동과 관련한 각종 정보를 확인하거나, 변경하기 위해 사용자가 조작하는 조작 신호를 제어부(170)로 전송할 수 있다.

센싱부(130)는 음성 처리 장치(100)의 주변 상황을 센싱하는 근접센서(미도시) 및 영상센서(미도시)를 포함할 수 있다. 근접센서는 적외선 등을 활용하여 음성 처리 장치(100) 주변에 위치한 객체(예를 들어 사용자)의 위치 데이터를 획득할 수 있다. 한편, 근접센서가 획득한 사용자의 위치 데이터는 메모리(160)에 저장될 수 있다.

영상센서는 음성 처리 장치(100) 주변을 촬영할 수 있는 카메라(미도시)를 포함할 수 있으며, 촬영 효율을 위해 복수 개가 설치될 수 있다. 예를 들어, 카메라는 적어도 하나의 광학렌즈와, 광학렌즈를 통과한 광에 의해 상이 맺히는 다수개의 광다이오드(photodiode, 예를 들어, pixel)를 포함하여 구성된 이미지센서(예를 들어, CMOS image sensor)와, 광다이오드들로부터 출력된 신호를 바탕으로 영상을 구성하는 디지털 신호 처리기(DSP: digital signal processor)를 포함할 수 있다. 디지털 신호 처리기는 정지영상은 물론이고, 정지영상으로 구성된 프레임들로 이루어진 동영상을 생성할 수 있다. 한편, 영상센서로서의 카메라가 촬영하여 획득된 영상은 메모리(160)에 저장될 수 있다.

본 실시 예에서 센싱부(130)를 근접센서 및 영상센서로 한정하고 있으나, 이에 국한되지 않고, 음성 처리 장치(100)의 주변 상황을 감지할 수 있는 센서 예를 들어, 라이다 센서(Lidar sensor), 무게 감지 센서, 조도 센서(illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor), 마이크로폰(microphone), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 본 실시 예에서 음성 처리 장치(100)는 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.

오디오 처리부(140) 중 오디오 입력부(141)는 사용자가 발화한 발화음성(예를 들어 기동어 및 음성 명령어)을 입력 받아 제어부(170)로 전송할 수 있고, 제어부(170)는 사용자가 발화한 발화 음성을 음성 인식 모듈(180)로 전송할 수 있다. 이를 위해 오디오 입력부(141)는 하나 이상의 마이크로폰(미도시)을 구비할 수 있다. 또한 사용자의 발화 음성을 더 정확하게 수신하기 위해 복수의 마이크로폰(미도시)을 구비할 수 있다. 여기서, 복수의 마이크 각각은 서로 다른 위치에 이격되어 배치될 수 있고, 수신한 사용자의 발화 음성을 전기적인 신호로 처리할 수 있다.

선택적 실시 예로 오디오 입력부(141)는 사용자의 발화 음성을 수신하는 과정에서 발생하는 노이즈를 제거하기 위한 다양한 노이즈 제거 알고리즘을 사용할 수 있다. 선택적 실시 예로 오디오 입력부(141)는 사용자의 발화 음성 수신 시에 노이즈를 제거하는 필터(미도시), 필터에서 출력되는 신호를 증폭하여 출력하는 증폭기(미도시) 등 음성 신호 처리를 위한 각종 구성 요소들을 포함할 수 있다.

오디오 처리부(140) 중 오디오 출력부(142)는 제어부(170)의 제어에 따라 경고음, 동작모드, 동작상태, 에러상태 등의 알림 메시지, 사용자의 명령 입력에 대응하는 정보, 사용자의 명령 입력에 대응하는 처리 결과 등을 오디오로 출력할 수 있다. 오디오 출력부(142)는 제어부(170)로부터의 전기 신호를 오디오 신호로 변환하여 출력할 수 있다. 이를 위해, 스피커 등을 구비할 수 있다.

정보 처리부(150)는 기동어를 수신한 후 음성 인식 기능을 활성화시킨 상태에서, 제1 발화 음성의 수신 중에 제1 발화 음성의 수신에 대한 일시정지(temporary pause)를 판단할 수 있다. 정보 처리부(150)는 제1 발화 음성과 별도로, 일시정지 이후 수신하는 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력할 수 있다. 정보 처리부(150)는 제1 응답 발화 음성을 출력한 후 수신하는 제3 발화 음성을 제1 발화 음성의 연장으로 판단할 수 있다. 정보 처리부(150)는 제1 발화 음성과 제3 발화 음성을 조합한 제4 발화 음성의 음성 인식 처리 시에, 제4 발화 음성으로부터 중복된 발화 부분을 삭제할 수 있다. 정보 처리부(150)는 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력할 수 있다.

본 실시 예에서 정보 처리부(150)는 제어부(170)와 연계하여 학습을 수행하거나, 제어부(170)로부터 학습 결과를 수신할 수 있다. 본 실시 예에서 정보 처리부(150)는 도 2에 도시된 바와 같이 제어부(170) 외부에 구비될 수도 있고, 제어부(170) 내부에 구비되어 제어부(170)처럼 동작할 수도 있고, 도 1의 서버(300) 내부에 구비될 수도 있다. 이하 정보 처리부(150)의 상세한 내용은 도 4를 참조하여 설명하기로 한다.

메모리(160)는 음성 처리 장치(100)의 동작에 필요한 각종 정보들을 저장하는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 예를 들어, 메모리(160)는 사용자의 발화 음성으로부터 기동어의 존재를 판단하기 위한 기설정된 기동어가 저장될 수 있다. 한편, 기동어는 제조사에 의해 설정될 수 있다. 예를 들어, "하이 엘지"가 기동어로 설정될 수 있고, 사용자에 의해 설정 변경할 수 있다. 이러한 기동어는 음성 처리 장치(100)를 활성화시키기 위해 입력되는 것으로, 사용자가 발화한 기동어를 인식한 음성 처리 장치(100)는 음성 인식 활성화 상태로 전환할 수 있다.

또한, 메모리(160)는 오디오 입력부(141)를 통하여 수신되는 사용자의 발화 정보(기동어 및 발화 음성) 저장할 수 있고, 센싱부(130)가 감지한 정보를 저장할 수 있으며, 정보 처리부(150)가 처리한 정보를 저장할 수 있다.

또한 메모리(160)는 정보 처리부(150)가 실행할 명령어 예를 들어, 기동어를 수신한 후 음성 인식 기능을 활성화시킨 상태에서, 제1 발화 음성의 수신 중에 제1 발화 음성의 수신에 대한 일시정지(temporary pause)를 판단하는 명령어, 제1 발화 음성과 별도로, 일시정지 이후 수신하는 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력하는 명령어, 제1 응답 발화 음성을 출력한 후 수신하는 제3 발화 음성을 제1 발화 음성의 연장으로 판단하는 명령어, 제1 발화 음성과 제3 발화 음성을 조합한 제4 발화 음성의 음성 인식 처리 시에, 제4 발화 음성으로부터 중복된 발화 부분을 삭제하는 명령어, 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력하는 명령어 등을 저장할 수 있다.

여기서, 메모리(160)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(160)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.

여기서, 간단한 음성 인식은 음성 처리 장치(100)가 수행하고, 자연어 처리 등 고차원의 음성 인식은 서버(300)에서 수행될 수 있다. 예를 들어, 사용자가 발화한 단어가 기설정된 기동어인 경우, 음성 처리 장치(100)는 음성 명령어로서의 발화 음성을 수신하기 위한 상태로 전환할 수 있다. 이 경우에, 음성 처리 장치(100)는 기동어 음성 입력 여부까지의 음성 인식 과정만 수행하고, 이후의 발화 음성에 대한 음성 인식은 서버(300)를 통하여 수행할 수 있다. 음성 처리 장치(100)의 시스템 자원에는 한계가 있으므로, 복잡한 자연어 인식 및 처리는 서버(300)를 통하여 수행될 수 있다.

제어부(170)는 오디오 입력부(141)를 통하여 수신한 발화음성을 음성 인식 모듈(180)로 전송하고, 음성 인식 모듈(180)로부터 음성 인식 처리 결과를 디스플레이부(121)를 통하여 시각적 정보로 제공하거나, 오디오 출력부(142)를 통하여 청각적 정보로 제공할 수 있다.

제어부(170)는 일종의 중앙처리장치로서 메모리(160)에 탑재된 제어 소프트웨어를 구동하여 음성 처리 장치(100) 전체의 동작을 제어할 수 있다. 제어부(170)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

본 실시 예에서 제어부(170)는 음성 처리 장치(100)가 최적의 음성 인식 처리 결과를 출력하도록, 사용자 발화 음성에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 메모리(160)는, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.

머신 러닝의 일종인 딥러닝(deep learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습할 수 있다. 딥러닝은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.

딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 본 실시 예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN, RNN, DBN 등을 포함할 수 있다. RNN은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다. DBN은 딥러닝 기법인 RBM(restricted boltzman machine)을 다층으로 쌓아 구성되는 딥러닝 구조를 포함할 수 있다. RBM 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN을 구성할 수 있다. CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출되는 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델을 포함할 수 있다.

한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.

한편, 제어부(170)에는 인공신경망(artificial neural network)이 탑재될 수 있고, 수신되는 음성 입력 신호를 입력 데이터로 하는 머신 러닝 기반의 사용자 인식 및 사용자의 음색 인식을 수행할 수 있다.

제어부(170)는 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함될 수 있고, 심층신경망을 학습할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 제어부(170)는 설정에 따라 학습 후 음색 인식 인공신경망 구조를 업데이트시키도록 제어할 수 있다.

본 실시 예에서, 음성 인식 모듈(180)은 발화 정보에 대응하는 구동 신호 및/또는 다양한 정보를 전자 디바이스(200) 및/또는 서버(300)로 전송하는 통신부(110), 발화음성을 수신하는 오디오 입력부(141), 음성 인식 처리 결과를 오디오로 출력하는 오디오 출력부(142), 음성 인식 알고리즘을 이용하여 음성 명령어를 분석하여 음성 인식 처리 결과를 생성하는 음성 인식 처리부(181)를 포함할 수 있다.

본 실시 예에서 음성 인식 처리부(181)는 자동 음성 인식(ASR: auto speech recognition) 처리부(미도시), 자연어 이해(NLU: natural language understanding) 처리부(미도시), 자연어 생성(NLG: natural language generation) 처리부(미도시) 및 텍스트 음성 변환(TTS: text to speech) 처리부(미도시)를 포함할 수 있다.

자동 음성 인식 처리부는 마이크로서의 오디오 입력부(141)를 통하여 수집한 사용자의 발화 음성을 텍스트로 변환한 사용자 텍스트를 생성할 수 있다. 본 실시 예에서 자동 음성 인식 처리부는 음성 텍스트 변환(STT(speech to text)을 수행할 수 있다. 본 실시 예에서, 자동 음성 인식 처리부는 발화 인식부(미도시)를 포함할 수 있다. 발화 인식부는 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 발화 인식부는 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자 발화 음성을 사용자 텍스트로 변환할 수 있다. 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식 처리부 내의 자동 음성 인식 데이터베이스(미도시)에 저장될 수 있다.

자연어 이해 처리부는 사용자 텍스트에 대하여, 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 발화 음성에 대한 발화 의도를 분석할 수 있다. 여기서, 문법적 분석은 질의 텍스트를 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 또한 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해 처리부는 사용자 텍스트가 어떤 의도(intent)인지 또는 이러한 의도를 표현하는데 필요한 파라미터(parameter)를 얻을 수 있다.

자연어 생성 처리부는 자연어 이해 처리부에서 분석한 발화 의도에 기초하여 지식 베이스(knowledge- base)를 이용하여 사용자 텍스트에 대한 응답 텍스트를 생성할 수 있다.

텍스트 음성 변환 처리부는 자연어 생성 처리부가 생성한 자연어 발화 형태의 응답 텍스트에 대한 음성 변환 결과로서 응답 발화 음성을 생성하고, 응답 발화 음성을 오디오 출력부(142)를 통하여 출력할 수 있다.

도 3은 도 2의 음성 인식 장치 중 일 실시 예에 따른 정보 처리부의 개략적인 블록도이다. 이하의 설명에서 도 1 및 도 2에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 3을 참조하면, 정보 처리부(150)는 전처리부(151), 제1 정보 처리부(152), 제2 정보 처리부(153), 제3 정보 처리부(154), 제4 정보 처리부(155) 및 제5 정보 처리부(156)를 포함할 수 있다. 선택적 실시 예로, 정보 처리부(150)는 하나 이상의 프로세서를 포함할 수 있다. 선택적 실시 예로 전처리부(151) 내지 제5 정보 처리부(156)는 하나 이상의 프로세서에 대응될 수 있다. 선택적 실시 예로, 전처리부(151) 내지 제5 정보 처리부(156)는 하나 이상의 프로세서에 의해 실행되도록 구성된 소프트웨어 구성 요소(components)에 대응될 수 있다. 본 실시 예에서 정보 처리부(150)는 음성 인신 모듈(180)과 연계하여 동작할 수 있다.

전처리부(151)는 발화 음성 수신 전에 기동어를 수신하여 음성 처리 장치(100)의 음성 인식의 활성화 상태를 개시할 수 있다. 전처리부(151)는 사용자가 발화한 기동어를 텍스트로 변환하고, 메모리(160)에 기설정된 기동어와 비교하여, 사용자가 발화한 기동어가 기설정된 기동어와 동일한지 여부를 판단할 수 있다. 전처리부(151)는 비교 결과, 사용자가 발화한 기동어가 기설정된 기동어와 일치하는 경우, 음성 인식 모듈(180)을 음성 인식 활성화 상태로 개시할 수 있다. 전처리부(151)는 비교 결과, 사용자가 발화한 기동어가 기설정된 기동어와 다른 경우, 음성 인식 모듈(180)을 음성 인식 비활성화 상태로 유지할 수 있다.

음성 인식 모듈(180)이 음성 인식 활성화 상태로 개시되고 난 후, 제1 정보 처리부(152)는 오디오 입력부(141)를 통하여 제1 발화 음성을 수신할 수 있다. 제1 정보 처리부(152)는 제1 발화 음성의 수신 중에 제1 발화 음성의 수신에 대한 일시정지(temporary pause) 신호를 인식할 수 있다. 제1 정보 처리부(152)는 일시정지 신호 인식에 기초하여 제1 발화 음성의 수신에 대한 일시정지를 판단할 수 있다.

여기서 제1 정보 처리부(152)는 다음과 같은 방법으로 제1 발화 음성의 수신에 대한 일시정지를 판단할 수 있다. 첫 번째로, 제1 정보 처리부(152)는 제1 발화 음성의 수신 중에 제1 발화 음성에 비언어학적 요소로서의 간투어(filled pause)가 포함되는 경우, 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하고, 일시정지 신호 인식에 기초하여 제1 발화 음성 수신에 대한 일시정지를 판단할 수 있다. 여기서 간투어라 함은, 사용자가 발화 중에 자연스럽게 발화가 이어지지 못하는 경우 나타나는 의미가 없는 추임새를 의미하는 것으로, 예를 들어, "그", "저", "음", "어" 등과 같은 의미 없는 음절 또는 단어 등과 같은 비언어학적 요소를 포함할 수 있다. 제1 정보 처리부(152)는 제1 발화 음성으로부터 하나 이상의 단어를 인식하고, 단어를 메모리(160)에 기구축된 간투어 사전(미도시)의 단어와 비교하며, 비교의 결과 인식한 단어가 간투어 사전의 단어와 동일한 경우, 제1 발화 음성의 수신에 대한 일시정지 신호로 판단할 수 있다.

두 번째로, 제1 정보 처리부(152)는 제1 발화 음성의 수신 중에 기설정된 시간(예를 들어, 3초) 동안 무음 지연(silent delay)이 발생하면, 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하고, 일시정지 신호 인식에 기초하여 제1 발화 음성의 수신에 대한 일시정지를 판단할 수 있다.

세 번째로, 제1 정보 처리부(152)는 제1 발화 음성의 수신 중에 제1 발화 음성에 기설정된 일시정지 판단용 키워드가 포함되는 경우, 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하고, 일시정지 신호 인식에 기초하여 제1 발화 음성의 수신에 대한 일시정지를 판단할 수 있다. 여기서 메모리(160)에는 일시정지 판단용 키워드 예를 들어, 잠깐만 등이 저장될 수 있다. 제1 정보 처리부(152)는 제1 발화 음성으로부터 하나 이상의 단어를 인식하고, 단어를 메모리(160)에 저장된 일시정지 판단용 키워드와 비교하며, 비교의 결과 인식한 단어가 일시정지 판단용 키워드와 동일한 경우, 제1 발화 음성의 수신에 대한 일시정지 신호로 판단할 수 있다.

제1 정보 처리부(152)는 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 일시정지 이전에 수신한 제1 발화 음성에 대한 음성 인식 처리를 대기하고, 메모리(160)에 임시 저장할 수 있다. 제1 정보 처리부(152)는 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 제1 발화 음성 이외에 추가적으로 음성 인식 처리 결과 수신을 원하는 추가 발화 음성(제2 발화 음성)이 있다고 판단할 수 있다. 즉, 제1 정보 처리부(152)가 처리하는 제1 발화 음성에 대한 음성 인식 처리 대기는, 제1 발화 음성의 수신에 대한 일시정지를 판단한 이후 및 제2 정보 처리부(153)가 제2 발화 음성을 수신하기 이전에 수행할 수 있다.

제1 정보 처리부(152)가 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 제2 정보 처리부(153)는 제1 발화 음성과 별도로, 일시정지 이후 수신하는 제2 발화 음성을 수신하고, 제2 발화 음성에 대한 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력할 수 있다. 제2 정보 처리부(153)는 제1 발화 음성의 일시정지 이후에, 오디오 입력부(141)를 통하여 수신한 추가 발화 음성으로서의 제2 발화 음성을 음성 인식 모듈(180)로 전송하고, 음성 인식 모듈(180)로부터 음성 인식 처리 결과로서의 제1 응답 발화 음성을 수신하여 오디오 출력부(142)를 통하여 출력할 수 있다.

여기서, 제2 정보 처리부(153)는 제2 발화 음성의 음성 인식 처리 결과를 출력한 이후에도 음성 인식 활성화 상태를 유지할 수 있다. 종래의 음성 인식 처리 장치는 발화 음성에 대한 음성 인식 처리 결과를 출력하고 나면 다음 기동어를 수신할 때까지 음성인식 비활성화 상태를 유지하였다. 그러나 본 실시 예의 경우, 제2 발화 음성의 음성 인식 처리 결과를 출력하고 난 후에도 음성 인식 활성화 상태를 유지할 수 있다. 이는 추가 발화 음성(제2 발화 음성)에 대한 음성 인식 처리 결과 출력 이후에 수신하는 발화 음성(제3 발화 음성)이 제1 발화 음성의 연장이라고 판단하는데 기인한 것이다. 더욱 상세하게, 제2 정보 처리부(153)가 제2 발화 음성의 음성 인식 처리 결과를 출력하고 나서, 제4 정보 처리부(155)가 제4 발화 음성에 대한 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력할 때까지 음성 인식 활성화 상태를 유지할 수 있다.

제2 정보 처리부(153)가 제2 발화 음성에 대한 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력한 후, 제3 정보 처리부(154)가 오디오 입력부(141)를 통하여 수신하는 제3 발화 음성을 제1 발화 음성의 연장으로 판단할 수 있다.

제4 정보 처리부(155)는 메모리(160)에 임시 저장되어 있는 제1 발화 음성과 제3 정보 처리부(154)가 수신한 제3 발화 음성을 조합한 제4 발화 음성 생성할 수 있다. 제4 정보 처리부(155)는 제4 발화 음성의 음성 인식 처리 시에, 제4 발화 음성으로부터 중복된 발화 부분을 삭제할 수 있다.

제4 정보 처리부(155)는 제4 발화 음성에 대한 발음열을 생성하고, 제4 발화 음성에 대한 발음열 사이의 유사도를 산출하며, 유사도의 산출 결과, 제4 발화 음성에 대한 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 중복된 발화 부분으로 결정한 후, 제4 발화 음성에 대한 발음열로부터 중복된 발화 부분을 삭제할 수 있다.

제4 정보 처리부(155)는 하기의 세 가지 방법 중 하나 이상을 이용하여 제4 발화 음성에 대한 발음열을 생성할 수 있다. 발음열 생성 전에 전처리로서, 제4 발화 음성의 텍스트 변환, 형태소 분석, 품사 태깅 동작을 수행할 수 있다. 예를 들어, 제4 정보 처리부(155)는 도 5의 제1 발화 음성인 <드라마 아이리스에서>에 대한 502와 같은 제1 발음열을 생성할 수 있다.

여기서 발음열 생성 방법은, 음운 변동 규칙 기반의 발음열 생성 방법, 발음열 사전을 이용한 통계적 발음열 생성 방법, 발음전사된 학습 DB를 이용한 통계적 발음열 생성 방법을 포함할 수 있다. 음운 변동 규칙 기반의 발음열 생성 방법은 음운 규칙에 따라 입력 텍스트에 대한 발음열을 자동으로 생성하는 방법을 포함할 수 있다. 발음열 사전을 이용한 통계적 발음열 생성 방법은 다양한 텍스트 코퍼스를 발음 전사하여 발음열 사전을 구축하고, 그 발음열 사전을 다양한 통계적 학습방법에 의해 학습시켜 발음변환모델을 생성하여, 그 발음변환모델을 기반으로 입력 텍스트에 대한 발음열을 생성하는 방법으로, 예외발음 처리 및 규칙순위 결정의 어려움을 해결할 수 있다. 발음전사된 학습 DB를 이용한 통계적 발음열 생성 방법은 실제 합성시스템에 사용되는 화자의 음성 DB를 기반으로 통계적 훈련을 수행하여 발음열 변환을 수행하는 방법으로, 변이음모델이나 화자종속 발음변환을 수행할 수 있는 장점이 있다.

제4 발화 음성에 대한 발음열 생성이 완료되면, 제4 정보 처리부(155)는 제4 발화 음성에 대한 발음열 사이의 유사도를 산출할 수 있다. 본 실시 예에서, 제4 발화 음성에 대한 발음열은 제1 발화 음성에 대한 제1 발음열과 제3 발화 음성에 대한 제2 발음열을 포함할 수 있다. 도 5를 예로 들면, 제1 발화 음성은 <드라마 아이리스에서>이고, 제1 발음열은 502와 같다. 또한 도 5를 예로 들면, 제3 발화 음성은 드라마 아이리스에서 김태희의 역할 알려줘>이고, 제2 발음열은 504와 같다.

따라서 제4 정보 처리부(155)는 제1 발음열과 제2 발음열 사이의 유사도를 산출할 수 있다. 본 실시 예에서 제4 정보 처리부(155)는 레벤슈타인 거리(levenshtein distance) 방법을 이용하여, 제1 발음열 및 제2 발음열 사이의 거리에 따른 유사도를 산출할 수 있다. 여기서 유사도 산출의 단위는 음소(phoneme)일 수 있다. 제4 정보 처리부(155)는 유사도의 산출 결과, 제1 발음열 및 제2 발음열 사이의 유사도가 기준 유사도(예를 들어 80%) 이상인 발음열 부분을 중복된 발화 부분으로 결정할 수 있다. 도 5를 예로 들면 중복된 발화 부분은 발음열 505(드라마 아이리스에서) 일 수 있다. 제4 정보 처리부(155)는 중복된 발화 부분을 결정하면, 제1 발음열 및 제2 발음열 중 어느 하나로부터 중복된 발화 부분을 삭제할 수 있다.

제5 정보 처리부(156)는 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력할 수 있다. 종래의 경우 제4 발화 음성 예를 들어, 도 4를 참조하면, <드라마 아이리스에서 드라마 아이리스에서 김태희가 맡은 역할 알려줘>에 대한 제2 응답 발화 음성으로 <드라마 아이리스에서 드라마 아이리스에서 김태희가 맡은 역할은 승희 입니다>가 생성되어, <드라마 아이리스에서>라는 중복된 발화 부분이 존재하였다. 그러나 본 실시 예에서의 제2 응답 발화 음성으로 <드라마 아이리스에서 김태희가 맡은 역할은 승희 입니다>가 생성되어 중복된 발화 부분이 존재하지 않아, 사용자가 듣기에도 자연스럽고, 음성 인식 처리 성능을 향상시킬 수 있다.

본 실시 예에서 정보 처리부(150) 및/또는 제어부(170)는 간투어 시간 구간, 무음 지연 시간 구간, 키워드 시간 구간을 획득하여, 일시정지를 판단하도록 미리 훈련된 심층 신경만을 이용하여, 사용자의 발화음성으로부터 일시정지 구간을 판단할 수 있다.

도 4는 본 발명의 일 실시 예에 따른 사용자의 발화 음성에 대응하는 처리부의 동작을 설명하는 예시도이다. 이하의 설명에서 도 1 내지 도 3에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 4를 참조하면, 사용자의 발화음성이 <하이 엘지, 드라마 아이리스에서..음.. 잠깐만.. 드라마 아이리스 출연진 알려줘, 김태희가 맡은 역할 알려줘>라고 가정하기로 한다.

먼저 T1 시간에, 정보 처리부(150)는 사용자의 발화음성 <하이 엘지>를 수신하면, T2 시간에 정보 처리부(150)는 음성 처리 장치(100)의 음성 인식 활성화 상태를 개시할 수 있다.

T3 시간에, 정보 처리부(150)는 사용자의 발화음성 <드라마 아이리스에서>(제1 발화 음성)을 수신하고, 이어서 T4 시간에 <..음.. 잠깐만..>을 수신할 수 있다. 여기서, <..음.. 잠깐만..>은 간투어 및 일시정지용 키워드일 수 있으며, 이를 통하여 제1 발화 음성의 일시정지를 판단할 수 있다.

T5 시간에, 정보 처리부(150)는 제1 발화 음성을 일시정지시키고, 일시정지 이전의 제1 발화 음성(<드라마 아이리스에서>)을 메모리(160)에 임시 저장하고 음성 인식 처리 대기 상태로 설정할 수 있다.

일시정지 이전의 제1 발화 음성(<드라마 아이리스에서>)을 메모리(160)에 임시 저장하고 난 후, T6 시간에, 정보 처리부(150)는 사용자의 발화음성 <드라마 아이리스 출연진 알려줘>(제2 발화 음성)을 수신하고, 제2 발화 음성에 대한 음성 인식 처리 결과로서의 제1 응답 발화 음성 예를 들어, <아이리스 출연진은 이병헌, 김태희..등입니다>를 출력할 수 있다.

제1 응답 발화 음성을 출력한 후, 정보 처리부(150)는 음성 인식 활성화 상태를 계속 유지하고, T7 시간에, 정보 처리부(150)는 사용자의 발화음성 <드라마 아이리스에서 김태희가 맡은 역할 알려줘>(제3 발화 음성)을 수신하면, T8 시간에, 정보 처리부(150)는 메모리(160)에 저장된 제1 발화 음성과, T7 시간에 수신한 제3 발화 음성을 조합하여 제4 발화 음성(<드라마 아이리스에서 드라마 아이리스에서 김태희가 맡은 역할 알려줘>)을 생성할 수 있다. 여기서 정보 처리부(150)는 제3 발화 음성이 제1 발화 음성의 연장이라고 판단할 수 있다.

T9 시간에, 정보 처리부(150)는 제1 발화 음성과 제3 발화 음성을 조합하여 생성한 제4 발화 음성(<드라마 아이리스에서 드라마 아이리스에서 김태희가 맡은 역할 알려줘>)을 수신할 수 있다.

T10 시간에, 제4 발화 음성에 대한 음성 인식 처리 시에, 중복된 발화 부분(<드라마 아이리스에서>)을 삭제하고, 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성 예를 들어, <드라마 아이리스에서 김태희가 맡은 역할은 승희입니다>를 출력할 수 있다.

도 5는 본 발명의 일 실시 예에 따른 음성 인식 처리 시에 중복된 발화 부분을 삭제하는 정보 처리부의 동작을 설명하는 예시도이다. 이하의 설명에서 도 1 내지 도 4에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 5를 참조하면, 제1 발화 음성(501)의 제1 발음열(503) 및 제3 발화 음성(502)의 제2 발음열(504) 사이의 유사도를 산출하여 기준 유사도 이상인 부분을 중복된 발화 부분(505)으로 판단하고, 제2 응답 발화 음성 생성 시에, 제1 발음열(503) 및 제2 발음열(504) 중 하나로부터 중복된 발화 부분(505)을 삭제할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 음성 처리 방법의 흐름도이다. 이하의 설명에서 도 1 내지 도 5에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.

도 6을 참조하면, S610단계에서, 음성 처리 장치(100)는 기동어를 수신하여 음성 인식의 활성화 상태를 개시하고 난 후, 오디오 입력부(141)를 통하여 첫 번째 음성 명령어로서 제1 발화 음성을 수신하고, 제1 발화 음성의 수신 중에 제1 발화 음성의 수신에 대한 일시정지(temporary pause) 신호를 인식하고, 일시정지 신호 인식에 기초하여 제1 발화 음성의 수신에 대한 일시정지를 판단한다. 본 실시 예에서, 음성 처리 장치(100)는 제1 발화 음성의 수신 중에 제1 발화 음성에 비언어학적 요소로서의 간투어(filled pause)가 포함되는 경우, 제1 발화 음성의 수신에 대한 일시정지를 판단할 수 있다. 또한, 음성 처리 장치(100)는 제1 발화 음성의 수신 중에 기설정된 시간(예를 들어, 3초) 동안 무음 지연(silent delay)이 발생하면, 제1 발화 음성의 수신에 대한 일시정지를 판단할 수 있다. 또한, 음성 처리 장치(100)는 제1 발화 음성의 수신 중에 제1 발화 음성에 기설정된 일시정지 판단용 키워드가 포함되는 경우, 제1 발화 음성의 수신에 대한 일시정지를 판단할 수 있다. 음성 처리 장치(100)는 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 일시정지 이전에 수신한 제1 발화 음성에 대한 음성 인식 처리를 대기하고, 메모리(160)에 임시 저장할 수 있다. 음성 처리 장치(100)는 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 제1 발화 음성 이외에 추가적으로 음성 인식 처리 결과 수신을 원하는 추가 발화 음성(제2 발화 음성)이 있다고 판단할 수 있다. 즉 음성 처리 장치(100)가 처리하는 제1 발화 음성에 대한 음성 인식 처리 대기는, 제1 발화 음성의 수신에 대한 일시정지를 판단한 단계 이후 및 제2 발화 음성을 수신하는 단계 이전에 수행할 수 있다.

S620단계에서, 음성 처리 장치(100)는 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 제1 발화 음성과 별도로, 일시정지 이후 수신하는 제2 발화 음성을 수신하고, 제2 발화 음성에 대한 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력한다. 여기서, 음성 처리 장치(100)는 제1 응답 발화 음성을 출력한 이후에도 음성 인식 활성화 상태를 유지할 수 있다. 종래의 음성 인식 처리 장치는 발화 음성에 대한 음성 인식 처리 결과를 출력하고 나면 다음 기동어를 수신할 때까지 음성인식 비활성화 상태를 유지하였다. 그러나 본 실시 예의 경우, 제2 발화 음성의 음성 인식 처리 결과를 출력하고 난 후에도 음성 인식 활성화 상태를 유지할 수 있다. 이는 추가 발화 음성(제2 발화 음성)에 대한 음성 인식 처리 결과 출력 이후에 수신하는 발화 음성(제3 발화 음성)이 제1 발화 음성의 연장이라고 판단하는데 기인한 것이다.

S630단계에서, 음성 처리 장치(100)는 제1 응답 발화 음성을 출력한 후, 수신하는 제3 발화 음성을 제1 발화 음성의 연장으로 판단한다.

S640단계에서, 음성 처리 장치(100)는 메모리(160)에 임시 저장되어 있는 제1 발화 음성과, 수신한 제3 발화 음성을 조합한 제4 발화 음성을 생성하고, 제4 발화 음성의 음성 인식 처리 시에, 제4 발화 음성으로부터 중복된 발화 부분을 삭제한다. 음성 처리 장치(100)는 제4 발화 음성에 대한 발음열을 생성하고, 제4 발화 음성에 대한 발음열 사이의 유사도를 산출할 수 있다. 음성 처리 장치(100)는 유사도의 산출 결과, 제4 발화 음성에 대한 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 중복된 발화 부분으로 결정하고, 제4 발화 음성에 대한 발음열로부터 중복된 발화 부분을 삭제할 수 있다. 음성 처리 장치(100)는 유사도를 산출 시에, 제4 발화 음성에 대한 발음열 중 제1 발화 음성에 포함되는 제1 발음열 및 제3 발화 음성에 포함되는 제2 발음열 사이의 유사도를 산출할 수 있다. 음성 처리 장치(100)는 중복된 발화 부분으로 결정 시에, 유사도의 산출 결과, 제1 발음열 및 제2 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 중복된 발화 부분으로 결정할 수 있다. 음성 처리 장치(100)는 중복된 발화 부분을 삭제 시에, 제1 발음열 및 제2 발음열 중 어느 하나로부터 중복된 발화 부분을 삭제할 수 있다.

S650단게에서, 음성 처리 장치(100)는 중복된 발화 부분이 삭제된 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력한다.

이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.

한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.

본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.

본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

100: 음성 처리 장치
200: 전자 디바이스
300: 서버
400: 네트워크

Claims (20)

1. 음성 처리 방법으로서,
   제1 발화 음성의 수신 중에 상기 제1 발화 음성의 수신에 대한 일시정지(temporary pause)를 판단하는 단계;
   상기 제1 발화 음성과 별도로, 상기 일시정지 이후 수신하는 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력하는 단계;
   상기 제1 응답 발화 음성을 출력한 후 수신하는 제3 발화 음성을 상기 제1 발화 음성의 연장으로 판단하는 단계;
   상기 제1 발화 음성과 상기 제3 발화 음성을 조합한 제4 발화 음성의 음성 인식 처리 시에, 상기 제4 발화 음성으로부터 중복된 발화 부분을 삭제하는 단계; 및
   상기 중복된 발화 부분이 삭제된 상기 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력하는 단계를 포함하는,
   음성 처리 방법.
2. 제 1 항에 있어서,
   상기 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계는,
   상기 제1 발화 음성의 수신 중에 상기 제1 발화 음성에 비언어학적 요소로서의 간투어(filled pause)가 포함되는 경우, 상기 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하는 단계; 및
   상기 일시정지 신호 인식에 기초하여 상기 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계를 포함하는,
   음성 처리 방법.
3. 제 2 항에 있어서,
   상기 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하는 단계는,
   상기 제1 발화 음성으로부터 하나 이상의 단어를 인식하는 단계;
   상기 단어를 기구축된 간투어 사전의 단어와 비교하는 단계; 및
   비교 결과 상기 단어가 상기 간투어 사전의 단어와 동일한 경우, 상기 제1 발화 음성의 수신에 대한 일시정지 신호로 판단하는 단계를 포함하는,
   음성 처리 방법.
4. 제 1 항에 있어서,
   상기 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계는,
   상기 제1 발화 음성의 수신 중에 기설정된 시간 동안 무음 지연(silent delay)이 발생하면, 상기 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계를 포함하는,
   음성 처리 방법.
5. 제 1 항에 있어서,
   상기 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계는,
   상기 제1 발화 음성의 수신 중에 상기 제1 발화 음성에 기설정된 일시정지 판단용 키워드가 포함되는 경우, 상기 제1 발화 음성의 수신에 대한 일시정지를 판단하는 단계를 포함하는,
   음성 처리 방법.
6. 제 1 항에 있어서,
   상기 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 상기 일시정지 이전에 수신한 상기 제1 발화 음성에 대한 음성 인식 처리를 대기하는 단계를 더 포함하는,
   음성 처리 방법.
7. 제 1 항에 있어서,
   상기 제4 발화 음성으로부터 중복된 발화 부분을 삭제하는 단계는,
   상기 제4 발화 음성에 대한 발음열을 생성하는 단계;
   상기 제4 발화 음성에 대한 발음열 사이의 유사도를 산출하는 단계;
   상기 유사도의 산출 결과, 상기 제4 발화 음성에 대한 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 상기 중복된 발화 부분으로 결정하는 단계; 및
   상기 제4 발화 음성에 대한 발음열로부터 상기 중복된 발화 부분을 삭제하는 단계를 포함하는,
   음성 처리 방법.
8. 제 7항에 있어서,
   상기 유사도를 산출하는 단계는,
   상기 제4 발화 음성에 대한 발음열 중 상기 제1 발화 음성에 포함되는 제1 발음열 및 상기 제3 발화 음성에 포함되는 제2 발음열 사이의 유사도를 산출하는 단계를 포함하는,
   음성 처리 방법.
9. 제 8 항에 있어서,
   상기 중복된 발화 부분으로 결정하는 단계는,
   상기 유사도의 산출 결과, 상기 제1 발음열 및 상기 제2 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 상기 중복된 발화 부분으로 결정하는 단계를 포함하는,
   음성 처리 방법.
10. 제 9 항에 있어서,
    상기 중복된 발화 부분을 삭제하는 단계는,
    상기 제1 발음열 및 제2 발음열 중 어느 하나로부터 상기 중복된 발화 부분을 삭제하는 단계를 포함하는,
    음성 처리 방법.
11. 음성 처리 장치로서,
    제1 발화 음성의 수신 중에 상기 제1 발화 음성의 수신에 대한 일시정지(temporary pause)를 판단하는 제1 정보 처리부;
    상기 제1 발화 음성과 별도로, 상기 일시정지 이후 수신하는 제2 발화 음성의 음성 인식 처리 결과로서의 제1 응답 발화 음성을 출력하는 제2 정보 처리부;
    상기 제1 응답 발화 음성을 출력한 후 수신하는 제3 발화 음성을 상기 제1 발화 음성의 연장으로 판단하는 제3 정보 처리부;
    상기 제1 발화 음성과 상기 제3 발화 음성을 조합한 제4 발화 음성의 음성 인식 처리 시에, 상기 제4 발화 음성으로부터 중복된 발화 부분을 삭제하는 제4 정보 처리부; 및
    상기 중복된 발화 부분이 삭제된 상기 제4 발화 음성의 음성 인식 처리 결과로서의 제2 응답 발화 음성을 출력하는 제5 정보 처리부를 포함하는,
    음성 처리 장치.
12. 제 11 항에 있어서,
    상기 제1 정보 처리부는,
    상기 제1 발화 음성의 수신에 대한 일시정지를 판단 시에, 상기 제1 발화 음성의 수신 중에 상기 제1 발화 음성에 비언어학적 요소로서의 간투어(filled pause)가 포함되는 경우, 상기 제1 발화 음성의 수신에 대한 일시정지 신호를 인식하고, 상기 일시정지 신호 인식에 기초하여 상기 제1 발화 음성의 수신에 대한 일시정지를 판단하도록 구성되는,
    음성 처리 장치.
13. 제 12 항에 있어서,
    상기 제1 정보 처리부는,
    상기 제1 발화 음성의 수신에 대한 일시정지 신호를 인식 시에, 상기 제1 발화 음성으로부터 하나 이상의 단어를 인식하고, 상기 단어를 기구축된 간투어 사전의 단어와 비교하고, 비교 결과 상기 단어가 상기 간투어 사전의 단어와 동일한 경우, 상기 제1 발화 음성의 수신에 대한 일시정지 신호로 판단하도록 구성되는,
    음성 처리 장치.
14. 제 11 항에 있어서,
    상기 제1 정보 처리부는,
    상기 제1 발화 음성의 수신에 대한 일시정지를 판단 시에, 상기 제1 발화 음성의 수신 중에 기설정된 시간 동안 무음 지연(silent delay)이 발생하면, 상기 제1 발화 음성의 수신에 대한 일시정지를 판단하도록 구성되는,
    음성 처리 장치.
15. 제 11 항에 있어서,
    상기 제1 정보 처리부는,
    상기 제1 발화 음성의 수신에 대한 일시정지를 판단 시에, 상기 제1 발화 음성의 수신 중에 상기 제1 발화 음성에 기설정된 일시정지 판단용 키워드가 포함되는 경우, 상기 제1 발화 음성의 수신에 대한 일시정지를 판단하도록 구성되는,
    음성 처리 장치.
16. 제 11 항에 있어서,
    상기 제1 정보 처리부는,
    상기 제1 발화 음성의 수신에 대한 일시정지를 판단하면, 상기 일시정지 이전에 수신한 상기 제1 발화 음성에 대한 음성 인식 처리를 대기하도록 추가로 구성되는,
    음성 처리 장치.
17. 제 11 항에 있어서,
    상기 제4 정보 처리부는,
    상기 제4 발화 음성으로부터 중복된 발화 부분을 삭제 시에, 상기 제4 발화 음성에 대한 발음열을 생성하고, 상기 제4 발화 음성에 대한 발음열 사이의 유사도를 산출하고, 상기 유사도의 산출 결과, 상기 제4 발화 음성에 대한 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 상기 중복된 발화 부분으로 결정하고, 상기 제4 발화 음성에 대한 발음열로부터 상기 중복된 발화 부분을 삭제하도록 구성되는,
    음성 처리 장치.
18. 제 17 항에 있어서,
    상기 제4 정보 처리부는,
    상기 유사도를 산출 시에, 상기 제4 발화 음성에 대한 발음열 중 상기 제1 발화 음성에 포함되는 제1 발음열 및 상기 제3 발화 음성에 포함되는 제2 발음열 사이의 유사도를 산출하도록 구성되는,
    음성 처리 장치.
19. 제 18 항에 있어서,
    상기 제4 정보 처리부는,
    상기 중복된 발화 부분으로 결정시에, 상기 유사도의 산출 결과, 상기 제1 발음열 및 상기 제2 발음열 사이의 유사도가 기준 유사도 이상인 발음열 부분을 상기 중복된 발화 부분으로 결정하도록 구성되는,
    음성 인식 처리 장치.
20. 제 19 항에 있어서,
    상기 제4 정보 처리부는,
    상기 중복된 발화 부분을 삭제 시에, 상기 제1 발음열 및 제2 발음열 중 어느 하나로부터 상기 중복된 발화 부분을 삭제하도록 구성되는,
    음성 인식 처리 장치.

Images