KR20200023088A

KR20200023088A - 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법

Info

Publication number: KR20200023088A
Application number: KR1020180099474A
Authority: KR
Inventors: 정의석; 강상기; 백성환; 정석영; 김경태
Original assignee: 삼성전자주식회사
Priority date: 2018-08-24
Filing date: 2018-08-24
Publication date: 2020-03-04
Also published as: CN112639962A; WO2020040595A1; US20210335360A1; EP3826004A1; EP3826004A4

Abstract

통신 인터페이스; 적어도 하나의 메모리; 마이크; 스피커; 디스플레이; 메인 프로세서; 및 음성 입력에 포함된 호출어를 인식하여 상기 메인 프로세서를 활성화시키는 서브 프로세서;를 포함하고, 상기 적어도 하나의 메모리에 저장된 명령어가 실행되었을 때, 상기 메인 프로세서로 하여금, 상기 마이크를 통해 상기 호출어를 등록시키기 위한 제1 음성 입력을 수신하고, 상기 제1 음성 입력이 지정된 단어를 포함하고 있는지 확인하고, 상기 제1 음성 입력이 지정된 단어를 포함하지 않은 경우, 상기 마이크를 통해 상기 제1 음성 입력과 동일한 단어를 포함하는 제2 음성 입력을 수신하고, 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 상기 호출어를 인식하기 위한 호출어 인식 모델을 생성하고, 상기 생성된 호출어 인식 모델을 상기 적어도 하나의 메모리에 저장하고, 상기 제1 음성 입력이 상기 지정된 단어를 포함하고 있는 경우, 상기 제1 음성 입력과 상이한 제3 음성 입력을 요청하는 정보를 상기 스피커, 또는 상기 디스플레이를 통해 출력하는 전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법{ELECTRONIC APPARATUS FOR PROCESSING USER UTTERANCE AND CONTROLLING METHOD THEREOF}

본 문서에서 개시되는 실시 예들은, 사용자 발화를 처리하는 기술과 관련된다.

키보드나 마우스를 이용한 전통적인 입력 방식에 부가하여, 최근의 전자 장치들은 음성 입력과 같은 다양한 입력 방식을 지원할 수 있다. 예를 들어, 스마트폰이나 태블릿과 같은 전자 장치들은 음성 인식 서비스가 실행된 상태에서 입력되는 사용자의 음성을 인식하고, 음성 입력에 대응되는 동작을 실행하거나 검색 결과를 제공할 수 있다.

근래 음성 인식 서비스는 자연어를 처리하는 기술을 기반으로 발전하고 있다. 자연어를 처리하는 기술은 사용자 발화의 의도를 파악하고, 의도에 맞는 결과를 사용자에게 제공하는 기술이다.

사용자 단말에서 많은 계산량과 메모리를 요구하는 대어휘 연속어 음성 인식 시스템(large vocabulary continuous speech recognition)(LVCSR)이 구현되기 어렵다. 대어휘 연속어 음성 인식 시스템이 구현되지 않은 사용자 단말은 수신된 음성 입력에 포함된 단어의 의미 등을 명확하게 파악하기 어려울 수 있다. 이에 따라, 사용자 단말은 메인 프로세서를 활성화시키기 위한 호출어 등록을 위해 음성 입력을 수신하였을 때, 수신된 음성 입력에 부적절한 단어를 포함되어 있는지 확인하거나, 이를 제한하기 어려울 수 있다.

본 발명의 다양한 실시 예에 따른 사용자 단말은 호출어를 등록하기 위한 음성 입력에 부적절한 단어가 포함되어 있는지 판단함으로써, 부적절한 단어가 호출어로 등록되는 것을 방지할 수 있다.

본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 통신 인터페이스; 적어도 하나의 메모리; 마이크; 스피커; 디스플레이; 메인 프로세서; 및 음성 입력에 포함된 호출어를 인식하여 상기 메인 프로세서를 활성화시키는 서브 프로세서;를 포함하고, 상기 적어도 하나의 메모리에 저장된 명령어가 실행되었을 때, 상기 메인 프로세서로 하여금, 상기 마이크를 통해 상기 호출어를 등록시키기 위한 제1 음성 입력을 수신하고, 상기 제1 음성 입력이 지정된 단어를 포함하고 있는지 확인하고, 상기 제1 음성 입력이 지정된 단어를 포함하지 않은 경우, 상기 마이크를 통해 상기 제1 음성 입력과 동일한 단어를 포함하는 제2 음성 입력을 수신하고, 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 상기 호출어를 인식하기 위한 호출어 인식 모델을 생성하고, 상기 생성된 호출어 인식 모델을 상기 적어도 하나의 메모리에 저장하고, 상기 제1 음성 입력이 상기 지정된 단어를 포함하고 있는 경우, 상기 제1 음성 입력과 상이한 제3 음성 입력을 요청하는 정보를 상기 스피커, 또는 상기 디스플레이를 통해 출력하도록 할 수 있다.

또한, 본 문서에 개시되는 일 실시 예에 따른 음성 입력을 처리하는 방법은, 상기 호출어를 등록시키기 위한 제1 음성 입력을 수신하는 동작; 상기 제1 음성 입력이 지정된 단어를 포함하고 있는지 확인하는 동작; 상기 제1 음성 입력이 지정된 단어를 포함하지 않은 경우, 상기 제1 음성 입력과 동일한 단어를 포함하는 제2 음성 입력을 수신하는 동작; 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 상기 호출어를 인식하기 위한 호출어 인식 모델을 생성하고, 상기 생성된 호출어 인식 모델을 적어도 하나의 메모리에 저장하는 동작; 및 상기 제1 음성 입력이 상기 지정된 단어를 포함하고 있는 경우, 상기 제1 음성 입력과 상이한 제3 음성 입력을 요청하는 정보를 스피커, 또는 디스플레이를 통해 출력하는 동작;을 포함할 수 있다.

본 문서에 개시되는 실시 예들에 따르면, 사용자 단말은 메인 프로세서를 활성화 시키기 위한 호출어 등록을 위해 음성 입력을 수신하였을 때, 상기 수신된 음성 입력에 부적절한 단어가 포함되어 있는지 확인함으로써, 부적절한 단어가 호출어로 등록되는 것을 방지할 수 있다.

이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.

도 1은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 2는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 3은 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 4는 다양한 실시 예에 따른 지능형 시스템의 구성을 나타낸 블록도이다.
도 5는 일 실시 예에 따른 사용자 단말이 호출어를 등록하는 방법을 나타낸 순서도이다.
도 6은 일 실시 예에 따른 사용자 단말이 호출어를 등록하는 화면을 나타낸 도면이다.
도 7은 일 실시 예에 따른 사용자 단말이 부적절한 단어를 포함하고 있는 음성 입력을 수신한 경우의 화면을 나타낸 도면이다.
도 8은 일 실시 예에 따른 사용자 단말이 호출어를 훈련시키는 방법을 나타낸 순서도이다.
도 9는 일 실시 예에 따른 사용자 단말의 호출명을 등록하는 방법을 나타낸 순서도이다.
도 10은 일 실시 예에 따른 호출명을 이용하여 응답을 생성하는 방법을 나타낸 순서도이다.
도 11은 일 실시 예에 따른 지능형 서버가 인식된 호출어에 기초하여 응답을 생성하는 방법을 나타낸 시퀀스도이다.
도 12는 일 실시 예에 따른 사용자 단말이 호출어에 기초한 응답을 제공하는 화면을 나타낸 도면이다.
도 13은 일 실시 예에 따른 지능형 서버가 응답에 포함된 호출명을 결정하는 방법을 나타낸 순서도이다.
도 14는 다양한 실시 예들에 따른, 네트워크 환경(2300) 내의 전자 장치(2301)의 블럭도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.

이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.

도 1은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.

도 1을 참조하면, 일 실시예의 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 및 서비스 서버(300)를 포함할 수 있다.

일 실시 예의 사용자 단말(100)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.

도시된 실시 예에 따르면, 사용자 단말(100)은 통신 인터페이스(110), 마이크(120), 스피커(130), 디스플레이(140), 메모리(150), 또는 프로세서(160)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

일 실시 예의 통신 인터페이스(110)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(120)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의스피커(130)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이(140)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(140)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.

일 실시 예의 메모리(150)는 클라이언트 모듈(151), SDK(software development kit)(153), 및 복수의 앱들(155)을 저장할 수 있다. 상기 클라이언트 모듈(151), 및 SDK(153)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(151) 또는 SDK(153)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.

일 실시 예의 메모리(150)는 상기 복수의 앱들(155)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(155)은 제1 앱(155_1), 제2 앱(155_3) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(155) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(155)은 프로세서(160)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.

일 실시 예의 프로세서(160)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(160)는 통신 인터페이스(110), 마이크(120), 스피커(130), 및 디스플레이(140)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다.

일 실시 예의 프로세서(160)는 또한 상기 메모리(150)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(160)는 클라이언트 모듈(151) 또는 SDK(153) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(160)는, 예를 들어, SDK(153)를 통해 복수의 앱(155)의 동작을 제어할 수 있다. 클라이언트 모듈(151) 또는 SDK(153)의 동작으로 설명된 이하의 동작은 프로세서(160)의 실행에 의한 동작일 수 있다.

일 실시 예의 클라이언트 모듈(151)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 마이크(120)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(151)은 수신된 음성 입력을 지능형 서버(200)로 송신할 수 있다. 클라이언트 모듈(151)은 수신된 음성 입력과 함께, 사용자 단말(100)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.

일 실시 예의 클라이언트 모듈(151)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지능형 서버(200)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(151)은 상기 수신된 결과를 디스플레이(140)에 표시할 수 있다.

일 실시 예의 클라이언트 모듈(151)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(151)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(140)에 표시할 수 있다. 클라이언트 모듈(151)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(100)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(151)은 지능형 서버(200)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.

일 실시 예의 클라이언트 모듈(151)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.

일 실시 예의 클라이언트 모듈(151)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.

일 실시 예의 지능형 서버(200)는 통신 망을 통해 사용자 단말(100)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다

일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.

일 실시 예의 지능형 서버(200)는 생성된 플랜에 따른 결과를 사용자 단말(100)로 송신하거나, 생성된 플랜을 사용자 단말(100)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.

일 실시 예의 지능형 서버(200)는 프론트 엔드(front end)(210), 자연어 플랫폼(natual language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.

일 실시 예의 프론트 엔드(210)는 사용자 단말(100)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 음성 입력에 대응되는 응답을 송신할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227)또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)를 포함할 수 있다.

일 실시 예의 자동 음성 인식 모듈(221)은 사용자 단말(100)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.

일 실시 예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜를 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.

일 실시 예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.

상기 캡슐 데이터베이스(230)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.

상기 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자 단말(100)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(230)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(230) 은 사용자 단말(100) 내에도 구현이 가능할 수 있다.

일 실시 예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 사용자 단말(100)로 송신할 수 있다. 이에 따라, 사용자 단말(100)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(280)을 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.

일 실시 예의 서비스 서버(300)는 사용자 단말(100)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(300)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(200)에 제공할 수 있다.

위에 기술된 통합 지능 시스템(10)에서, 상기 사용자 단말(100)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.

일 실시 예에서, 상기 사용자 단말(100)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(100)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.

일 실시 예에서, 사용자 단말(100)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.

일 실시 예에서, 사용자 단말(100)이 지능형 서버(200) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(120)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(110)를 이용하여 지능형 서버(200)로 송신할 수 있다.

일 실시 예에 따른 지능형 서버(200)는 사용자 단말(100)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.

일 실시 예의 사용자 단말(100)은, 통신 인터페이스(110)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(100)은 상기 스피커(130)를 이용하여 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(140)를 이용하여 사용자 단말(100) 내부에서 생성된 이미지를 외부로 출력할 수 있다.

도 2는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.

상기 지능형 서버(200)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(230))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.

상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(401), capsule(B)(404))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예:capsule(A)(401))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(402) 또는 CP 2 (403))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.

상기, 자연어 플랫폼(220)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(225)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어 , 캡슐 A (410) 의 동작들(4011,4013) 과 컨셉들(4012,4014) 및 캡슐 B(404)의 동작(4041) 과 컨셉(4042) 를 이용하여 플랜(407) 을 생성할 수 있다.

도 3는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.

사용자 단말(100)은 지능형 서버(200)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.

일 실시 예에 따르면, 310 화면에서, 사용자 단말(100)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(100)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이(140)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(100)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 320 화면에서, 사용자 단말(100)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.

도 4는 다양한 실시 예에 따른 지능형 시스템의 구성을 나타낸 블록도이다.

도 4를 참조하면, 지능형 시스템(1300)은 사용자 단말(1310), 및 지능형 서버(1320)를 포함할 수 있다. 사용자 단말(1310), 및 지능형 서버(1320)는 도 1의 사용자 단말(100), 및 지능형 서버(200)와 유사할 수 있다.

일 실시 예에 따르면, 사용자 단말(1310)은 메모리(1311)(예: 도 1의 메모리(150)), 서브 프로세서(1313)(예: 도 1의 프로세서(160)), 및 메인 프로세서(1315)(예: 도 1의 프로세서(160))를 포함할 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)의 구성은 이에 한정되지 않고, 도 1의 사용자 단말(100)의 구성을 더 포함할 수 있다.

일 실시 예에 따르면, 메모리(1311)는 호출어 인식 모듈(1311a), 클라이언트 모듈(1311b), 호출어 훈련 모듈(1311c), 및 호출어 인식 모델 데이터베이스(DB)(1311d)를 저장할 수 있다. 호출어 인식 모듈(1311a), 클라이언트 모듈(1311b), 및 호출어 훈련 모듈(1311c)은 범용적인 기능을 수행하기 위한 프레임워크일 수 있다. 일 실시 예에 따르면, 호출어 인식 모듈(1311a), 클라이언트 모듈(1311b), 및 호출어 훈련 모듈(1311c)은 프로세서(예: 서브 프로세서(1313), 및 메인 프로세서(1315))에 의해 실행되어 그 기능이 구현될 수 있다. 일 실시 예에 따르면, 호출어 인식 모듈(1311a), 클라이언트 모듈(1311b), 및 호출어 훈련 모듈(1311c)은 소프트웨어뿐만 아니라 하드웨어로도 구현될 수 있다.

일 실시 예에 따르면, 호출어 인식 모듈(1311a)이 인식하는 호출어는 음성 인식 서비스를 호출하는 웨이크업(wake-up) 발화(utterance)일 수 있다. 예를 들어, 상기 호출어는 수신된 음성 입력을 처리할 수 있는 상태로 변경하기 위한 음성 입력일 수 있다.

일 실시 예에 따르면, 메모리(1311)는 적어도 하나의 메모리를 포함할 수 있다. 예를 들어, 메모리(1311)는 호출어 인식 모델 데이터베이스(1311d)를 저장하기 위한 별도의 메모리를 포함할 수 있다. 다시 말해, 메모리(1311)는 프로세서(예: 서브 프로세서(1313) 및 메인 프로세서(1315))의 동작을 제어하기 위한 명령어를 저장하는 제1 메모리, 및 호출어 인식 모델 데이터베이스(1311)를 저장하는 제2 메모리를 포함할 수 있다. 상기 제1 메모리는, 예를 들어, 호출어 인식 모듈(1311a), 클라이언트 모듈(1311b), 및 호출어 훈련 모듈(1311c)을 저장할 수 있다. 상기 제2 메모리는 상기 제1 메모리와 물리적으로 분리된 메모리일 수 있다. 일 실시 예에 따르면, 상기 제2 메모리는 전자 장치(1300)가 활성화되기 전의 상태에서 서브 프로세서(1313)에 의해 접근 가능할 수 있다. 서브 프로세서(1313)는, 예를 들어, 전자 장치(1300)를 활성화시키기 위한 음성 입력을 인식하기 위해 제2 메모리에 저장된 정보(예: 호출어 인식 모델 정보)를 읽어올 수 있다. 다른 예를 들어, 메모리(1311)는 호출어 인식 모듈(1311a), 클라이언트 모듈(1311b), 호출어 훈련 모듈(1311c), 및 호출어 인식 모델 데이터베이스(1311d)를 저장하기 위한 하나의 메모리를 포함할 수 있다. 다시 말해, 메모리(1311)는 호출어 인식 모델 데이터베이스(1311)를 위한 메모리를 별도로 포함하지 않을 수 있다.

일 실시 예에 따르면, 서브 프로세서(1313)는 사용자 단말(1310)의 제한적인 동작을 제어할 수 있다. 예를 들어, 서브 프로세서(160)는 지정된 단어(또는, 호출어)를 인식하여 메인 프로세서(1315)를 활성화시킬 수 있다. 다시 말해, 전자 장치(100)는 서브 프로세서(1313)에 의해 제한적인 동작(예: 시스템 부팅 상태 유지)만을 실행하는 비활성화 상태(또는, 대기 상태나, 슬립 상태(sleep state))에서 복수의 서비스(예: 메시지 서비스, 전화 서비스)를 제공하기 위한 동작을 실행하는 활성화 상태로 변경될 수 있다. 일 실시 예에 따르면, 서브 프로세서(1313)은 저전력을 소모하는 프로세서일 수 있다.

일 실시 예에 따르면, 서브 프로세서(1313)는 호출어 인식 모듈(1311a)를 실행하여, 호출어를 인식 동작을 수행할 수 있다. 호출어 인식 모듈(1311a)의 동작으로 설명된 이하의 동작은 서브 프로세서(1313)의 실행에 의한 동작일 수 있다.

일 실시 예에 따르면, 호출어 인식 모듈(1311a)은 제한된 개수의 단어를 인식할 수 있다. 예를 들어, 호출어 인식 모듈(1311a)은 메인 프로세서(1315)를 활성화시키기 위한 호출어를 인식할 수 있다. 일 실시 예에 따르면, 호출어 인식 모듈(1311a)은 호출어 인식 모델을 이용할 수 있다. 상기 호출어 인식 모델은 호출어를 인식하기 위해 필요한 정보를 포함할 수 있다. 예를 들어, 음성 인식 기능이 HMM 알고리즘(hidden Markov model algorithm)을 기반으로 수행되는 경우, 호출어 인식 모델은 상태 초기 확률(state initial probability), 상태 전의 확률(state transition probability), 관측 확률(observation probability) 등을 포함할 수 있다. 다른 예를 들어, 음성 인식 기능이 신경망 알고리즘(neural network algorithm)을 기반으로 수행되는 경우, 호출어 인식 모듈은 레이어(layer), 노드(node) 형태와 구조, 노드 별 가중치, 네트워크 연결 정보, 비선형 활성 함수(activation function) 등의 신경망 모델 정보를 포함할 수 있다. 일 실시 예에 따르면, 호출어 인식 모듈(1311a)을 통해 호출어를 인식한 경우, 서브 프로세서(1313)는 메인 프로세서(1315)를 활성화시킬 수 있다.

일 실시 예에 따르면, 호출어 인식 모듈(1311a)은 복수의 음성 입력의 유사도를 측정하여, 복수의 음성 입력이 동일한지 판단할 수 있다. 예를 들어, 호출어 인식 모듈(1311a)은 복수의 음성 입력의 특징 벡터를 추출하고, DTW(dynamic time warping)를 이용하여 추출된 특징 벡터(feature vector)의 유사도를 측정할 수 있다. 다른 예를 들어, 호출어 인식 모듈(1311a)은 음성 인식 기능이 HMM 알고리즘(hidden Markov model algorithm)을 기반으로 수행되는 경우, 포워드 백워드 확률(forward-backward probability)을 이용하여 복수의 음성 입력의 유사도를 측정할 수 있다. 또 다른 예를 들어, 호출어 인식 모듈(1311a)은 신경망 알고리즘(neural network algorithm)을 기반으로 수행되는 경우, 음소 인식기를 통해 츨정된 음소 레벨(phoneme level)을 이용하여 복수의 음성 입력의 유사도를 측정할 수 있다. 일 실시 예에 따르면, 호출어 인식 모듈(1311a)은 상기 측정된 유사도가 지정된 값 이상인 경우, 복수의 음성 입력을 동일한 것으로 판단할 수 있다. 일 실시 예에 따르면, 호출어 인식 모듈(1311a)은 호출어 훈련을 위한 복수의 음성 입력이 동일한 단어를 포함하였는지 판단할 수 있다. 일 실시 예에 다르면, 호출어 인식 모듈(1311a)의 호출어 훈련을 위한 동작은 메인 프로세서(1315)에 의해 실행될 수 있다.

일 실시 예에 따르면, 메인 프로세서(1315)는 클라이언트 모듈(1311b)을 실행하여, 음성 입력을 처리하기 위한 동작을 수행할 수 있다. 상기 음성 입력은 지정된 태스크(task)를 수행하도록 명령하기 위한 사용자 입력일 수 있다. 클라이언트 모듈(1311b)의 동작으로 설명된 이하의 동작은 메인 프로세서(1315)의 실행에 의한 동작일 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(1311b)은 지정된 태스크를 수행하기 위한 음성 입력을 지능형 서버(1320)로 송신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1311b)은 지능형 서버(1320)를 통해 상기 음성 입력에 대응되는 플랜을 수신할 수 있다. 상기 플랜은 상기 지정된 태스크를 수행하기 위한 동작 정보를 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1311b)은 상기 수신된 플랜에 따라 앱의 동작을 실행하여 상기 지정된 태스크를 수행함으로써, 그 결과를 사용자에게 제공할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(1311b)은 호출어 등록을 위한 음성 입력을 수신하였을 때, 음성 입력을 지능형 서버(1320)로 송신할 수 있다. 예를 들어, 클라이언트 모듈(1311b)은 상기 음성 입력을 통신 인터페이스(예: 도 1의 통신 인터페이스(110))를 통해 지능형 서버(1320)으로 송신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1311b)은 지능형 서버(1320)로부터 음성 입력이 지정된 단어를 포함하고 있는지 여부를 확인한 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(1311b)은 상기 확인 결과를 통신 인터페스를 통해 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1311b)은 상기 확인 결과에 기초하여, 호출어 등록 가능 여부를 판단할 수 있다. 이에 따라, 클라이언트 모듈(1311b)은 수신된 음성 입력이 호출어로 등록 가능한 경우, 호출어 훈련 모듈(1311c)을 통해 상기 수신된 음성 입력에 기초하여 호출어를 등록할 수 있다.

일 실시 예에 따르면, 메인 프로세서(1315)는 호출어 훈련 모듈(1311c)를 실행하여, 호출어를 등록(또는, 생성)하기 위한 동작을 수행할 수 있다. 사용자는 자신이 원하는 단어를 메인 프로세서(1315)를 활성화시키기 위한 호출어로 등록할 수 있다. 호출어 훈련 모듈(1311c)의 동작으로 설명된 이하의 동작은 메인 프로세서(1315)의 실행에 의한 동작일 수 있다.

일 실시 예에 따르면, 호출어 훈련 모듈(1311c)은 호출어를 등록시키기 위한 호출어 인식 훈련을 수행할 수 있다. 호출어 훈련 모듈(1311c)는 반복적으로 수신된 음성 입력에 기초하여 호출어 인식 훈련을 수행할 수 있다. 예를 들어, 음성 인식 기능이 HMM 알고리즘을 기반으로 수행되는 경우, 호출어 훈련 모듈(1311c)은 기대 값 최대화 알고리즘(expectation maximization(EM) algorithm)을 이용한 모델 훈련을 수행하거나, 최대 공산 선형 회귀법(maximum likelihood linear regression)(MLLR), 및 최대 귀납 추정법(maximum a posteriori estimation)(MAP)을 이용한 적응 훈련을 수행함으로써, 호출어 인식 모델을 생성할 수 있다. 다른 예를 들어, 음성 인식 기능이 신경망 알고리즘(neural network algorithm)을 기반으로 수행되는 경우, 호출어 훈련 모듈(1311c)은 피드포워드(feedforward), 역방향 전파 알고리즘(backward-propagation algorithm)을 이용한 모델 훈련을 수행하거나, 선형 변환(linear transformation)을 이용한 적응 훈련을 수행할 수 있다. 일 실시 예에 따르면, 호출어 훈련 모듈(1311c)은 호출어 인식 모듈(1311a)을 통해 반복적으로 수신된 음성 입력에 동일한 호출어가 포함되어 있는지 판단할 수 있다. 이에 따라, 동일한 호출어를 포함한 음성 입력에 기초하여 호출어 인식 훈련을 수행할 수 있다. 일 실시 예에 따르면, 호출어 훈련 모듈(1311c)은 호출어 인식 훈련을 통해 호출어 인식 모델을 생성할 수 있다.

일 실시 예에 따르면, 호출어 인식 모델 데이터베이스(1311d)는 상기 생성된 호출어 인식 모델이 저장될 수 있다. 일 실시 예에 따르면, 호출어 인식 모듈(1311a)은 호출어 인식 모델 데이터베이스(1311d)에 저장된 호출어 인식 모델 정보를 이용하여 호출어를 인식할 수 있다.

일 실시 예에 따르면, 지능형 서버(1320)는 자동 음성 인식 모듈(1321)(예: 도 1의 자동 음성 인식 모듈(221)), 자연어 이해 모듈(1323)(예: 도 1의 자연어 이해 모듈(223)), 플래너 모듈(1325)(예: 도 1의 플래너 모듈(225)), 호출어 정제화 모듈(1327), 및 호출어 데이터베이스(DB)(1329)를 포함할 수 있다. 일 실시 예에 따르면, 지능형 서버(1320)의 구성은 이에 한정되지 않고, 도 1의 지능형 서버(200)의 구성을 더 포함할 수 있다.

일 실시 예에 따르면, 자동 음성 인식 모듈(1321)은 음성 입력을 텍스트 데이터로 변경할 수 있다. 일 실시 예에 따르면, 자동 음성 인식 모듈(1321)은 HMM 알고리즘, wFST 알고리즘(weighted finite-state transducer algorithm), 신경망 알고리즘 등의 알고리즘 등을 이용하여 구현될 수 있다. 예를 들어, 자동 음성 인식 모듈(1321)은 거리 측정(distance measure) 방법을 이용하여 지정된 단어와 음성 입력을 비교함으로서, 음성 입력을 텍스트 데이터로 변경할 수 있다. 상기 거리 측정 방법은, 예를 들어, Levenshtein 거리(distance), Jaro-Winkler 거리(distance) 등의 측정 방법을 포함할 수 있다. 상기 거리 측정 방법은, 다른 예를 들어, G2P(grapheme to phoneme)를 통해 발음열로 변환 후 음소 레벨(phoneme level)에서 텍스트 사이의 거리를 측정하는 방법을 포함할 수 있다.

일 실시 예에 따르면, 자동 음성 인식 모듈(1321)은 대어휘 연속어 음성인식 시스템(large vocabulary continuous speech recognition)(LVCSR)을 포함할 수 있다. 이에 따라, 자동 음성 인식 모듈(1321)은 사용자 단말(1310)의 호출어 인식 모듈(1311a)보다 복잡한 계산 과정을 이용할 수 있고, 많은 단어 인식이 가능할 수 있다.

일 실시 예에 따르면, 자연어 이해 모듈(1323)은 자동 음성 인식 모듈(1321)로부터 전달된 텍스트 데이터를 이용하여, 음성 입력에 대응되는 의도, 및 파라미터를 결정할 수 있다.

일 실시 예에 따르면, 플래너 모듈(1325)은 자연어 이해 모듈(1323)에서 결정된 의도, 및 파라미터에 기초하여 음성 입력에 대응되는 플랜을 생성할 수 있다. 상기 플랜은 상기 음성 입력에 대응되는 태스크를 수행하기 위한 동작 정보를 포함할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1325)은 상기 태스크를 수행하기 위한 동작을 단계적으로 배열하고, 상기 배열된 동작의 실행에 입력되는 파라미터나, 실행에 의해 출력되는 결과 값을 정의한 컨셉을 결정함으로써, 플랜을 생성할 수 있다.

일 실시 예에 따르면, 호출어 정제화 모듈(1327)은 지정된 조건에 따라 수신된 음성 입력에 기초하여 호출어를 등록 가능한지 여부를 확인할 수 있다. 예를 들어, 호출어 정제화 모듈(1327)은 음성 입력이 지정된 단어를 포함하고 있는지 여부를 확인함으로써, 수신된 음성 입력에 기초하여 호출어를 등록 가능하지 여부를 확인할 수 있다. 호출어 정제화 모듈(1327)은 자동 음성 인식 모듈(1321)을 통해 수시된 음성 입력의 텍스트 데이터를 획득하고, 상기 텍스트 데이터에 지정된 단어가 포함되어 있는지 확인할 수 있다. 상기 지정된 단어는, 예를 들어, 호출어로 설정하기 부적절한 단어로써, 제조사의 이미지를 실추시키는 단어(예: 경쟁사 제품 이름), 욕설 등을 포함할 수 있다. 일 실시 예에 따르면, 호출어 정제화 모듈(1327)은 음성 입력이 지정된 단어를 포함하고 있는 경우, 수신된 음성 입력에 기초하여 호출어를 등록 불가능한 것으로 결정할 수 있다. 또한, 정제화 모듈(1327)은 음성 입력이 지정된 단어를 포함하고 있지 않은 경우, 수신된 음성 입력을 이용하여 호출어를 등록 가능한 것으로 결정할 수 있다. 일 실시 예에 따르면, 호출어 정제화 모듈(1327)은 상기 확인된 결과를 사용자 단말(1310)로 송신할 수 있다.

일 실시 예에 따르면, 호출어 정제화 모듈(1327)은 등록된 호출어를 정제하여 사용자 단말(1310)의 호출명을 생성할 수 있다. 일 실시 예에 따르면, 지능형 서버(1320)는 상기 호출명을 이용하여 음성 입력에 대응되는 대응되는 응답을 생성할 수 있다. 다시 말해, 지능형 서버(1320)는 상기 호출명이 포함된 응답을 사용자 단말(1310)에 제공할 수 있다. 상기 호출명은, 예를 들어, 음성 비서(the voice assistant)의 명칭(name)으로 사용될 수 있다. 일 실시 예에 따르면, 호출어 정제화 모듈(1327)은 결정된 호출명을 호출명 데이터베이스(1329)에 저장할 수 있다.

일 실시 예에 따르면, 지능형 서버(1320)는 사용자로부터 지정된 음성 입력을 수신하기 위한 안내 정보를 생성할 수 있다. 예를 들어, 지능형 서버(1320)는 호출어 훈련을 위한 음성 입력을 수신하기 위한 안내 정보를 생성할 수 있다. 지능형 서버(3120)는 부적적한 단어를 포함하는 음성 입력을 수신하였을 때, 상이한 음성 입력을 수신하기 위한 안내 정보를 생성할 수 있다. 일 실시 예에 따르면, 지능형 서버(1320)는 상기 생성된 안내 정보를 사용자 단말(1310)으로 송신할 수 있다. 사용자 단말(1310)은 상기 안내 정보를 출력할 수 있다.

사용자 단말(1310)에서 많은 계산량과 메모리를 요구하는 대어휘 연속어 음성 인식 시스템이 구현되기 어렵다. 대어휘 연속어 음성 인식 시스템이 구현되지 않은 사용자 단말(1310)은 수신된 음성 입력에 포함된 단어의 의미 등을 명확하게 파악하기 어려울 수 있다. 이에 따라, 사용자 단말(1310)은 호출어를 등록하기 위한 음성 입력이 부적절한 단어를 포함하는 경우, 이를 확인하거나 제한하기 어려울 수 있다. 본 발명의 다양한 실시 예에 따른 사용자 단말(1310)은 호출어를 등록하기 위한 음성 입력에 부적절한 단어가 포함되어 있는지 판단함으로써, 부적절한 단어가 호출어로 등록되는 것을 방지할 수 있다.

도 5는 일 실시 예에 따른 사용자 단말이 호출어를 등록하는 방법을 나타낸 순서도(1400)이다.

도 5를 참조하면, 사용자 단말(예: 도 4의 사용자 단말(1310))은 지능형 서버(예: 도 4의 지능형 서버(1320))를 통해 음성 입력에 부적절한 단어가 포함되어 있는지 확인하고, 호출어를 등록할 수 있다.

일 실시 예에 따르면, 1410 동작에서, 사용자 단말은 호출어를 등록하기 위한 제1 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말은 “갤럭시”를 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말은 상기 수신된 제1 음성 입력을 지능형 서버로 송신할 수 있다.

일 실시 예에 따르면, 1420 동작에서, 지능형 서버는 상기 수신된 제1 음성 입력을 인식할 수 있다. 예를 들어, 지능형 서버는 자동 음성 인식 모듈(예: 도 4의 자동 음성 인식 모듈(1321))을 통해 제1 음성 입력을 텍스트 데이터(예: 갤럭시)로 변경할 수 있다.

일 실시 예에 따르면, 1430 동작에서, 지능형 서버는 상기 인식된 제1 음성 입력이 지정된 단어를 포함하는 지 여부를 확인할 수 있다. 상기 지정된 단어는, 예를 들어, 부적절한 단어(또는, 호출어로 등록이 금지된 단어)일 수 있다. 일 실시 예에 따르면, 지능형 서버는 상기 확인 결과를 사용자 단말로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말은 상기 확인 결과에 기초하여 호출어 등록을 위한 이하의 동작을 수행할 수 있다.

일 실시 예에 따르면, 1441 동작에서, 제1 음성 입력이 지정된 단어를 포함한 경우(Yes), 사용자 단말은 상이한 음성 입력을 수신하기 위한 재발화를 요청할 수 있다. 사용자 단말은 스피커(예: 도 1의 스피커(130)), 또는 디스플레이(예: 도 1의 디스플레이(140))를 통해 재발화 요청(예: “다른 호출어를 시도해주세요!”)을 출력할 수 있다.

일 실시 예에 따르면, 1443 동작에서, 제1 음성 입력이 지정된 단어를 포함하지 않은 경우(No), 사용자 단말은 호출어 인식 훈련을 위한 추가 발화를 요청할 수 있다. 예를 들어, 사용자 단말은 제1 음성 입력(예: 갤럭시)과 동일한 제2 음성 입력을 수신하기 위한 제1 안내 정보(예: '갤럭시'라고 다시 말씀해주세요.)를 스피커, 또는 디스플레이를 통해 출력할 수 있다. 상기 제1 안내 정보는, 예를 들어, 제1 음성 입력을 이용하여 생성될 수 있다. 일 실시 예에 따르면, 사용자 단말은 지능형 서버로부터 상기 제1 안내 정보를 수신할 수 있다. 지능형 서버는 사용자 단말로부터 수신된 제1 음성 입력을 이용하여 상기 제1 안내 정보를 생성할 수 있다.

일 실시 예에 따르면, 1450 동작에서, 사용자 단말은 상기 제1 음성 입력과 동일한 정보를 포함하는 제2 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말은 “갤럭시”를 다시 수신할 수 있다.

일 실시 예에 따르면, 1460 동작에서, 사용자 단말은 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 호출어를 등록할 수 있다. 예를 들어, 사용자 단말은 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 상기 호출어를 인식하기 위한 호출어 인식 모델을 생성하고, 상기 생성된 호출어 인식 모델을 상기 메모리에 저장할 수 있다. 상기 호출어 인식 모듈은, 예를 들어, HMM 알고리즘(hidden Markov model algorithm), 또는 신경망 알고리즘(neural network algorithm) 중 적어도 하나에 기초한 모델 훈련 또는 적응 훈련 알고리즘을 이용하여 생성될 수 있다.

일 실시 예에 따르면, 사용자 단말은 1441 동작에 따른 재발화 요청에 대응되는 제3 음성 입력을 수신하고, 호출어 훈련을 위한 제4 음성 입력을 수신할 수 있다. 사용자 단말은 1420 동작, 및 1430 동작을 실행하여 제3 음성 입력을 처리하고, 1443 동작, 1450 동작, 및 1460 동작을 실행하여 제4 음성 입력을 처리함으로써, 호출어를 등록할 수 있다. 예를 들어, 사용자 단말은 제3 음성 입력을 수신하고, 지능형 서버를 통해 상기 제3 음성 입력이 지정된 단어를 포함하고 있는지 확인할 수 있다. 사용자 단말은 상기 제3 음성 입력이 상기 지정된 단어를 포함하지 않는 경우, 상기 제3 음성 입력과 동일한 단어를 포함하는 제4 음성 입력을 수신하고, 상기 제3 음성 입력, 및 상기 제4 음성 입력에 기초하여 상기 호출어를 등록하도록 할 수 있다.

이에 따라, 사용자 단말은 대기 상태에서 등록된 호출어를 포함하는 음성 입력을 수신하였을 때, 호출어를 인식하고, 활성화 상태로 변경될 수 있다.

도 6은 일 실시 예에 따른 사용자 단말이 호출어를 등록하는 화면을 나타낸 도면이다.

도 6을 참조하면, 사용자 단말(1310)은 디스플레이(예: 도 1의 디스플레이(140))를 통해 호출어를 등록하기 위한 UI(user interface)를 출력할 수 있다.

일 실시 예에 따르면, 1510 화면에서, 사용자 단말(1310)은 호출어 등록을 시작하기 위한 UI를 출력할 수 있다. 사용자 단말(1310)은 호출어를 등록하기 위한 사용자 발화의 가이드 정보(1511)를 상기 UI에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)은 오브젝트(예: 가상의 버튼)(1513)를 통해 호출어 등록을 시작하기 위한 사용자 입력을 수신할 수 있다.

일 실시 예에 따르면, 1520 화면에서, 사용자 단말(1310)은, 도 5의 1410 동작을 실행하는 단계에서, 호출어 등록을 위한 제1 음성 입력을 수신하기 위한 UI를 출력할 수 있다. 사용자 단말(1310)은 제1 음성 입력을 수신하기 위한 제1 안내 정보(1521), 및 호출어 등록 단계를 표시하기 위한 인디케이터(1523)를 상기 UI에 표시할 수 있다. 인디케이터(1523)는 제1 음성 입력을 수신하는 단계를 나타낼 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)은 제1 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(1310)은 “안녕, 빅스비!”를 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)은 지능형 서버(예: 도 4의 지능형 서버(1320))를 통해 상기 제1 음성 입력이 지정된 단어를 포함하고 있는지 판단할 수 있다.

일 실시 예에 따르면, 1530 화면에서, 사용자 단말(1310)은, 도 5의 1450 동작을 실행하는 단계에서, 제1 음성 입력과 동일한 단어를 포함하는 제2 음성 입력을 수신하기 위한 UI를 출력할 수 있다. 사용자 단말(1310)은 제2 음성 입력을 수신하기 위한 제2 안내 정보(1531), 및 제2 음성 입력을 수신하는 단계를 나타내는 인디케이터(1533)를 상기 UI에 표시할 수 있다. 제2 안내 정보(1531)는, 예를 들어, 제1 음성 입력에 대응되는 텍스트 데이터(예: 안녕빅스비)가 포함될 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)은 제2 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(1310)은 “안녕, 빅스비!”를 다시 수신할 수 있다.

일 실시 예에 따르면, 1540 동작에서, 사용자 단말(1310)은 도 5의 1460 동작을 실행하는 단계에서, 호출어 인식 훈련을 수행하는 과정을 나타낸 UI를 출력할 수 있다. 사용자 단말(1310)은 훈련 중임을 표시하는 제3 안내 정보(1541), 및 훈련 단계를 나타내는 인디케이터(1543)를 상기 UI에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)은 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 호출어를 등록할 수 있다. 예를 들어, 사용자 단말(1310)은 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 호출어 인식 모델을 생성할 수 있다. 사용자 단말(1310)은 생성된 호출어 인식 모델을 메모리(예: 도 4의 메모리(1311))에 저장할 수 있다.

일 실시 예에 따르면, 1550 동작에서, 사용자 단말(1310)은 호출어를 등록한 결과를 나타내는 UI를 출력할 수 있다. 사용자 단말(1310)은 호출어 등록 결과를 포함하는 제3 안내 정보(1551), 및 지정된 기능을 수행하기 위한 음성 입력의 예시(1553)를 상기 UI에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)은 오브젝트(예: 가상의 버튼)(1555)를 통해 호출어 등록을 완료하기 위한 사용자 입력을 수신할 수 있다.

이에 따라, 사용자 단말(1310)이 등록된 호출어를 인식하였을 때, 대기 상태에서 활성화 상태로 변경될 수 있다.

도 7은 일 실시 예에 따른 사용자 단말이 부적절한 단어를 포함하고 있는 음성 입력을 수신한 경우의 화면을 나타낸 도면이다.

도 7을 참조하면, 사용자 단말(1310)은 디스플레이(예: 도 1의 디스플레이(140))는 호출어 등록을 위한 음성 입력이 부적절한 단어(또는, 호출어로 등록이 금지된 단어)를 포함하고 있는 경우, 재발화를 안내하는 UI를 출력할 수 있다.

일 실시 예에 따르면, 1610 화면에서, 사용자 단말(1310)은 도 6의 1510 화면과 유사하게 사용자 단말(1310)은 호출어 등록을 시작하기 위한 UI를 출력할 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)은 지정된 단어가 포함되어 있는 제1 음성 입력을 수신할 수 있다. 상기 지정된 단어는, 예를 들어, 부적절한 단어일 수 있다. 일 실시 예에 따르면, 사용자 단말(1310)은 지능형 서버(예: 도 4의 지능형 서버(1320))를 통해 제1 음성 입력에 지정된 단어가 포함되어 있는지 확인할 수 있다.

일 실시 예에 따르면, 1620 화면에서, 사용자 단말(1310)은 도 5의 1443 동작과 유사하게, 적합하지 않은 호출어를 포함하는 음성 입력을 수신한 결과를 나타내는 UI를 출력할 수 있다. 사용자 단말(1310)은 상이한 음성 입력을 수신하기 위한 안내 정보(1621), 및 등록되지 않은 결과 상태를 나타내는 인디케이터(1623)를 상기 UI에 표시할 수 있다.

이에 따라, 사용자 단말(1310)은 부적절한 단어의 호출어 등록을 방지하고, 호출어 등록을 위한 음성 입력을 다시 수신할 수 있다.

도 8은 일 실시 예에 따른 사용자 단말이 호출어를 훈련시키는 방법을 나타낸 순서도(1700)이다.

도 8을 참조하면, 사용자 단말(예: 도 4의 사용자 단말(1310))은 제1 음성 입력과 동일한 제2 음성 입력이 수신되었는지 확인하고, 호출어를 인식하기 위한 훈련을 수행할 수 있다.

일 실시 예에 따르면, 1710 동작에서, 사용자 단말은 도 5의 1410 동작과 유사하게 호출어를 등록하기 위한 제1 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말은 제1 음성 입력을 지능형 서버(예: 도 4의 지능형 서버(1320))로 송신할 수 있다.

일 실시 예에 따르면, 1720 동작에서, 지능형 서버는 도 5의 1420 동작, 및 1430 동작과 유사하게, 제1 음성 입력을 인식하고, 상기 인식된 제1 음성 입력이 호출어로 등록하기 적합한지 여부(또는, 등록 적합성)를 확인할 수 있다. 예를 들어, 지능형 서버는 제1 음성 입력에 지정된 단어가 포함되어 있는지 확인할 수 있다. 일 시시 예에 따르면, 지능형 서버는 상기 확인한 결과를 사용자 단말로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말은 상기 확인된 결과에 기초하여 호출어 등록을 위한 이하의 동작을 수행할 수 있다.

일 실시 예에 따르면, 1730 동작에서, 제1 음성 입력이 호출어로 등록하기 적합한 경우, 사용자 단말은 도 5의 1441 동작과 유사하게, 호출어 훈련을 수행하기 위한 재발화를 요청할 수 있다. 예를 들어, 제1 음성 입력이 지정된 단어를 포함하지 않은 경우, 사용자 단말은 상기 재발화 요청할 수 있다.

일 실시 예에 따르면, 1740 동작에서, 사용자 단말은 도 5의 1450 동작과 유사하게, 제2 음성 입력을 수신할 수 있다.

일 실시 예에 따르면, 1750 동작에서, 사용자 단말은 상기 수신된 제2 음성 입력이 상기 제1 음성 입력과 동일한지 확인할 수 있다. 예를 들어, 사용자 단말은 상기 제1 음성 입력과 상기 제2 음성 입력 사이의 유사도를 측정하여, 상기 제1 음성 입력과 상기 제2 음성 입력의 동일한지 여부를 확인할 수 있다. 다시 말해, 사용자 단말은 상기 결정된 유사도가 지정된 범위 내인 경우, 상기 제1 음성 입력과 상기 제2 음성 입력을 동일한 것으로 판단할 수 있다.

일 실시 예에 따르면, 1761 동작에서, 제1 음성 입력이 제2 음성 입력과 상이한 경우(No), 사용자 단말은 제1 음성 입력과 동일한 음성 입력을 수신하기 위한 재발화를 요청할 수 있다. 상기 제1 음성 입력은, 예를 들어, “갤럭시”일 수 있고, 상기 제2 음성 입력은 “노트”일 수 있다. 사용자 단말은 스피커(예: 도 1의 스피커(130)), 또는 디스플레이(예: 도 1의 디스플레이(140))를 통해 “'갤럭시'라고 다시 말씀해 주세요.”를 출력할 수 있다.

일 실시 예에 따르면, 1763 동작에서, 제1 음성 입력이 제2 음성 입력과 동일한 경우(Yes), 사용자 단말은 제1 음성 입력, 및 제2 음성 입력에 기초하여 호출어를 등록할 수 있다. 예를 들어, 사용자 단말은 제1 음성 입력, 및 제2 음성 입력에 기초하여 호출어 인식 모델을 생성하고, 생성된 모델을 메모리에 저장할 수 있다. 상기 제1 음성 입력은, 예를 들어, “갤럭시”일 수 있고, 상기 제2 음성 입력도 “갤럭시”일 수 있다.

이에 따라, 사용자 단말은 호출어 훈련을 수행하기 위한 올바른 음성 입력을 수신하여, 호출어를 등록할 수 있다.

도 9는 일 실시 예에 따른 사용자 단말의 호출명을 등록하는 방법을 나타낸 순서도(1800)이다.

도 9를 참조하면, 사용자 단말(예: 도 4의 사용자 단말(1310))은 등록된 호출어를 정제하여 사용자 단말의 호출명을 생성할 수 있다.

일 실시 예에 따르면, 1810 동작에서, 사용자 단말은 도 8의 1710 동작과 유사하게, 호출어를 등록하기 위한 제1 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말은 제1 음성 입력을 지능형 서버(예: 도 4의 지능형 서버(1320))로 송신할 수 있다.

일 실시 예에 따르면, 1820 동작에서, 사용자 단말은 도 8의 1720 동작과 유사하게, 제1 음성 입력을 인식하고, 상기 인식된 제1 음성 입력이 호출어로 등록하기 적합한지 여부를 확인할 수 있다. 예를 들어, 지능형 서버는 제1 음성 입력에 지정된 단어가 포함되어 있는지 확인할 수 있다. 일 실시 예에 따르면, 지능형 서버는 상기 확인한 결과를 사용자 단말로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말은 상기 확인된 결과에 기초하여 호출어 등록을 위한 이하의 동작을 수행할 수 있다.

일 실시 예에 따르면, 1830 동작에서, 제1 음성 입력이 호출어로 등록하기 적합한 경우, 사용자 단말은 도 8의 1730 동작과 유사하게, 호출어 훈련을 수행하기 위한 재발화를 요청할 수 있다. 예를 들어, 제1 음성이 지정된 단어를 포함하지 않는 경우, 사용자 단말은 호출어 훈련을 수행하기 위한 재발화를 요청할 수 있다. 일 실시 예에 따르면, 도 9의 1840 동작과 유사하게, 제2 음성 입력을 수신할 수 있다.

일 실시 예에 따르면, 1850 동작에서, 사용자 단말은 도 8의 1770 동작과 유사하게, 사용자 단말은 제1 음성 입력, 및 제2 음성 입력에 기초하여 호출어를 등록할 수 있다. 예를 들어, 사용자 단말은 단말은 제1 음성 입력, 및 제2 음성 입력에 기초하여 호출어 인식 모델을 생성하고, 생성된 모델을 메모리에 저장할 수 있다. 일 실시 예에 다르면, 1860 동작에서, 사용자 단말은 스피커(예: 도 1의 스피커(130)), 또는 디스플레이(예: 도 1의 디스플레이(140))를 통해 호출어 등록 완료 메시지를 출력할 수 있다.

일 실시 예에 따르면, 1870 동작에서, 지능형 서버는 상기 등록된 호출어를 정제하여 사용자 단말의 호출명을 결정할 수 있다. 예를 들어, 지능형 서버는 상기 등록된 호출어가 지정된 형식인 경우, 상기 등록된 호출어의 적어도 일부를 사용자 단말의 호출명으로 결정할 수 있다. 상기 등록된 호출어가, 예를 들어, “하이, 갤럭시!”인 경우, '하이 <NAME>'의 지정된 형식에 해당하므로, '갤럭시'를 사용자 단말의 호출명으로 결정할 수 있다. 상기 등록된 호출어가, 다른 예를 들어, “빅스비야!”인 경우 경우 '<NAME> 야'의 지정된 형식에 해당하므로, '빅스비'를 사용자 단말의 호출명으로 결정할 수 있다. 일 실시 예에 따르면, 1880 동작에서, 지능형 서버는 상기 결정된 호출명을 등록할 수 있다. 예를 들어, 지능형 서버는 상기 결정된 호출명을 호출명 데이터베이스(예: 도 4의 호출명 데이터베이스(1329))에 저장할 수 있다.

다른 실시 예에 따르면, 1870 동작, 및 1880 동작은 사용자 단말에서 수행될 수 있다. 다시 말해, 사용자 단말은 등록된 호출어를 정제하기 위한 동작을 수행할 수 있다.

이에 따라, 사용자 단말은 상기 등록된 호출명을 이용하여 음성 입력에 대응되는 응답을 생성할 수 있다. 상기 호출명을 이용하여 응답을 생성하는 동작은 도 12에서 설명하겠다.

도 10은 일 실시 예에 따른 호출명을 이용하여 응답을 생성하는 방법을 나타낸 순서도이다.

도 10을 참조하면, 사용자 단말(예: 도 4의 사용자 단말(1310))은 지능형 서버(예: 도 4의 지능형 서버(1320))를 통해 지정된 태스크를 수행하기 음성 입력을 처리할 수 있다.

일 실시 예에 따르면, 1910 동작에서, 사용자 단말은 등록된 호출어를 인식하여 활성화 상태로 변경될 수 있다.

일 실시 예에 따르면, 1920 동작에서. 사용자 단말은 지정된 태스크 수행을 요청하기 위한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말은 “오늘 서울 날씨 알려줘!”라는 음성 입력을 수신할 수 있다.

일 실시 예에 따르면, 1930 동작에서, 사용자 단말은 상기 수신된 음성 입력을 지능형 서버로 송신할 수 있다. 또한, 사용자 단말은 상기 음성 입력과 함께 호출어를 지능형 서버로 송신할 수 있다.

일 실시 예에 따르면, 1940 동작에서, 사용자 단말은 상기 음성 입력에 대응되는 플랜을 생성할 수 있다. 예를 들어, 사용자 단말은 자동 음성 인식 모듈(예: 도 4의 자동 음성 인식 모듈(1321)), 자연어 이해 모듈(예: 도 4의 자연어 이해 모듈(1323)), 및 플래너 모듈(예: 도 4의 플래너 모듈(1325))을 통해 상기 음성 입력에 대응되는 플랜을 생성할 수 있다. 예를 들어, 지능형 서버는 상기 음성 입력을 이용하여 상기 음성 입력의 날씨 정보를 수신하기 위한 의도(예: intent= WEATHER_MESSAGE), 및 날씨 정보를 획득하기 위한 파라미터(예: param.weather.date = 2018.02.28, param.weather.location = seoul)를 결정할 수 있다. 지능형 서버는 상기 결정된 의도에 따라 날씨 정보를 획득하기 위한 동작(예: WEATHERMESSAGE), 및 상기 동작을 실행하기 위한 입출력 값을 정의한 컨셉을 단계적으로 배치하여 플랜을 생성할 수 있다. 상기 획득된 파라미터(예: 2018.02.28, seoul)는 해당 컨셉에 각각 배치될 수 있다.

일 실시 예에 따르면, 1950 동작에서, 지능형 서버는 음성 입력에 대응되는 응답을 생성할 수 있다. 일 실시 예에 따르면, 지능형 서버는 상기 생성된 플랜을 실행한 결과를 획득할 수 있다. 예를 들어, 지능형 서버는 '오늘의 날씨 정보 페이지'를 획득할 수 있다. 일 실시 예에 따르면, 지능형 서버는 등록된 사용자 단말의 호출명을 이용하여 안내 정보를 생성할 수 있다. 예를 들어, 사용자 단말은 “갤럭시가 날씨를 알려드리겠습니다.”라는 안내 정보를 생성할 수 있다. 일 실시 예에 따르면, 상기 응답은 상기 획득된 결과뿐만 아니라, 사용자 단말의 호출명을 이용한 안내 정보를 포함할 수 있다. 일 실시 예에 따르면, 지능형 서버는 생성된 응답을 사용자 단말로 송신할 수 있다.

일 실시 예에 따르면, 1960 동작에서, 사용자 단말은 상기 응답을 출력할 수 있다. 다시 말해 사용자 단말은 태스크가 수행된 결과, 및 호출명을 이용한 안내 정보를 출력할 수 있다. 예를 들어, 사용자 단말은 '오늘의 날씨 정보를 표시한 페이지'를 디스플레이에 표시하고, “갤럭시가 날씨를 알려드리겠습니다.”라는 안내 정보를 디스플레이, 또는 스피커 중 적어도 하나를 통해 출력할 수 있다.

도 11은 일 실시 예에 따른 지능형 서버가 인식된 호출어에 기초하여 응답을 생성하는 방법을 나타낸 시퀀스도(2000)이다.

일 실시 예에 따르면, 2011 동작에서, 사용자 단말(예: 도 4의 사용자 단말(1310))의 서브 프로세서(1313)는 등록된 호출어(예: 갤럭시)를 인식할 수 있다. 일 실시 예에 다르면, 2013 동작에서, 서브 프로세서(1313)는 활성화 신호를 사용자 단말의 메인 프로세서(1315)로 전달할 수 있다. 이에 따라, 사용자 단말이 활성화 될 수 있다.

일 실시 예에 따르면, 2021 동작에서, 메인 프로세서(1315)는 마이크(예: 도 1의 마이크(120))를 통해 음성 입력을 수신할 수 있다. 상기 음성 입력은, 예를 들어, 지정된 태스크 수행 요청을 포함할 수 있다. 일 실시 예에 따르면, 2023 동작에서, 메인 프로세서(1315)는 수신된 음성 입력을 지능형 서버(1320)로 송신할 수 있다. 일 실시 예에 따르면, 2025 동작에서. 메인 프로세서(1315)는 상기 음성 입력과 함께, 호출어를 지능형 서버(1320)로 송신할 수 있다.

일 실시 예에 따르면, 2031 동작에서, 지능형 서버(1320)는 음성 입력에 대응되는 플랜을 생성할 수 있다. 일 실시 예에 따르면, 2033 동작에서, 지능형 서버(1320)는 음성 입력에 대응되는 응답을 생성할 수 있다. 지능형 서버(1320)는 상기 생성된 플랜에 따라 동작을 실행한 결과를 획득할 수 있다. 또한, 지능형 서버(1320)는 수신된 호출어에 대응되는 호출명을 이용하여 안내 메시지를 생성할 수 있다. 상기 호출명은 상기 호출어를 정제하여 결정된 것일 수 있다. 일 실시 예에 따르면, 상기 응답은 상기 획득된 결과뿐만 아니라, 상기 생성된 안내 정보를 포함할 수 있다. 일 실시 예에 따르면, 2035 동작에서, 지능형 서버(1320)는 상기 생성된 응답을 사용자 단말로 송신할 수 있다.

일 실시 예에 따르면, 2040 동작에서, 사용자 단말의 메인 프로세서(1315)는 응답을 이용하여, 태스크를 수행한 결과와 함께, 호출명을 이용한 안내 정보를 출력할 수 있다.

도 12는 일 실시 예에 따른 사용자 단말이 호출어에 기초한 응답을 제공하는 화면을 나타낸 도면이다.

일 실시 예에 따르면, 2110 화면에서, 사용자 단말(1310)은 지능형 서버(예: 도 4의 지능형 서버(1320))으로부터 음성 입력에 대응되는 응답을 수신하고, 상기 응답을 이용하여 음성 입력을 처리한 결과 UI를 표시할 수 있다. 사용자 단말(1310)은 음성 입력에 대응되는 태스크를 수행한 결과(예: 오늘의 날씨 정보 페이지)(2111)를 상기 UI에 표시할 수 있다. 사용자 단말(1310)은 호출명(예: 갤럭시)를 이용한 안내 정보(예: 갤럭시가 날씨를 알려드리겠습니다.)(2113)를 상기 UI에 표시할 수 있다. 또한, 사용자 단말(1310)은 수신된 음성 입력의 텍스트 데이터(예: 오늘 서울 날씨 알려줘)(2115)를 상기 UI에 표시할 수 있다. 상기 텍스트 데이터는 지능형 서버로부터 수신할 수 있다.

도 13은 일 실시 예에 따른 지능형 서버가 응답에 포함된 호출명을 결정하는 방법을 나타낸 순서도(2200)이다.

도 13을 참조하면, 사용자 단말(예: 도 4의 사용자 단말(1310))은 지능형 서버(예: 도 4의 지능형 서버(1320))를 통해 호출어가 부적절한 단어(또는, 호출어로 등록이 금지된 단어) (예: 바보)를 포함하는지 확인하고, 확인된 결과에 따라 호출어를 결정하여 안내 정보를 제공할 수 있다.

일 실시 예에 따르면, 2210 동작에서, 사용자 단말은 도 10의 1910 동작과 유사하게, 등록된 호출어를 인식하여 활성화 상태로 변경될 수 있다.

일 실시 예에 따르면, 2220 동작에서, 사용자 단말은 도 10의 1920 동작과 유사하게, 지정된 태스크 수행을 요청하기 위한 음성 입력을 수신할 수 있다.

일 실시 예에 따르면, 2230 동작에서, 사용자 단말은 도 10의 1930 동작과 유사하게, 상기 수신된 음성 입력과 함께, 호출어를 지능형 서버로 송신할 수 있다.

일 실시 예에 따르면, 2240 동작에서, 사용자 단말은 도 10의 1940 동작과 유사하게 상기 음성에 대응되는 플랜을 생성할 수 있다.

일 실시 예에 따르면, 2250 동작에서, 사용자 단말은 호출어를 이용하여 안내 정보를 생성하기 적합한지 여부를 확인할 수 있다. 예를 들어, 사용자 단말은 호출어가 지정된 단어를 포함하는지 여부를 확인할 수 있다. 상기 지정된 단어는, 예를 들어, 호출어로 등록하기 부적절한 단어일 수 있다.

일 실시 예에 따르면, 2261 동작에서, 사용자 단말은 호출어가 지정된 단어를 포함하지 않은 경우(No), 태스크를 수행한 결과와 함께, 호출어를 이용한 안내 정보를 포함하는 응답을 생성할 수 있다. 사용자 단말은, 예를 들어, 호출어를 이용한 “갤럭시가 오늘의 날씨를 알려드립니다.”라는 안내 정보를 생성할 수 있다.

일 실시 예에 따르면, 2263 동작에서, 사용자 단말은 호출어가 지정된 단어를 포함하는 경우(Yes), 태스크를 수행한 결과와 함께, 호출어와 상이한 명칭을 이용한 안내 정보를 포함하는 응답을 생성할 수 있다. 상기 명칭은, 예를 들어, 기본적으로 설정된 것(예: 빅스비)일 수 있다. 사용자 단말은 “바보”라는 부적절한 호출어를 대신하여 “빅스비가 오늘의 날씨를 알려드립니다.”라는 안내 정보를 생성할 수 있다.

일 실시 예에 다르면, 2270 동작에서, 사용자 단말은 지능형 서버로부터 생성된 응답을 출력할 수 있다. 예를 들어, 사용자 단말은 태스크가 수행된 결과, 및 호출명을 이용한 안내 정보를 출력할 수 있다. 예를 들어, 사용자 단말은 '오늘의 날씨 정보를 표시한 페이지'를 디스플레이에 표시하고, “갤럭시가 날씨를 알려드리겠습니다.”라는 안내 정보, 또는 “빅스비가 날씨를 알려드리겠습니다.”라는 안내 정보를 디스플레이, 또는 스피커 중 적어도 하나를 통해 출력할 수 있다.

이에 따라, 사용자 단말은 부적절한 단어를 이용하여 음성 입력에 대응되는 응답을 제공하는 것을 방지할 수 있다.

도 4 내지 도 13에서 설명한 본 발명의 다양한 실시 예에 따른 사용자 단말(1310)은 메인 프로세서를 활성화 시키기 위한 호출어 등록을 위해 음성 입력을 수신하였을 때, 상기 수신된 음성 입력에 부적절한 단어가 포함되어 있는지 확인함으로써, 부적절한 단어가 호출어로 등록되는 것을 방지할 수 있다.

도 14는 다양한 실시 예들에 따른, 네트워크 환경(1400) 내의 전자 장치(1401)의 블럭도이다.

도 14를 참조하면, 네트워크 환경(2300)에서 전자 장치(2301)는 제 1 네트워크(2398)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(2302)와 통신하거나, 또는 제 2 네트워크(2399)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(2304) 또는 서버(2308)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(2301)는 서버(2308)를 통하여 전자 장치(2304)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(2301)는 프로세서(2320), 메모리(2330), 입력 장치(2350), 음향 출력 장치(2355), 표시 장치(2360), 오디오 모듈(2370), 센서 모듈(2376), 인터페이스(2377), 햅틱 모듈(2379), 카메라 모듈(2380), 전력 관리 모듈(2388), 배터리(2389), 통신 모듈(2390), 가입자 식별 모듈(2396), 또는 안테나 모듈(2397)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(2301)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(2360) 또는 카메라 모듈(2380))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시 예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(2376)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(2360)(예: 디스플레이)에 임베디드된 채 구현될 수 있다

프로세서(2320)는, 예를 들면, 소프트웨어(예: 프로그램(2340))를 실행하여 프로세서(2320)에 연결된 전자 장치(2301)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(2320)는 다른 구성요소(예: 센서 모듈(2376) 또는 통신 모듈(2390))로부터 수신된 명령 또는 데이터를 휘발성 메모리(2332)에 로드하고, 휘발성 메모리(2332)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(2334)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(2320)는 메인 프로세서(2321)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(2323)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(2323)은 메인 프로세서(2321)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(2323)는 메인 프로세서(2321)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(2323)는, 예를 들면, 메인 프로세서(2321)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(2321)를 대신하여, 또는 메인 프로세서(2321)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(2321)와 함께, 전자 장치(2301)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(2360), 센서 모듈(2376), 또는 통신 모듈(2390))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(2323)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(2380) 또는 통신 모듈(2390))의 일부로서 구현될 수 있다.

메모리(2330)는, 전자 장치(2301)의 적어도 하나의 구성요소(예: 프로세서(2320) 또는 센서모듈(2376))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(2340)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(2330)는, 휘발성 메모리(2332) 또는 비휘발성 메모리(2334)를 포함할 수 있다.

프로그램(2340)은 메모리(2330)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(2342), 미들 웨어(2344) 또는 어플리케이션(2346)을 포함할 수 있다.

입력 장치(2350)는, 전자 장치(2301)의 구성요소(예: 프로세서(2320))에 사용될 명령 또는 데이터를 전자 장치(2301)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(2350)은, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.

음향 출력 장치(2355)는 음향 신호를 전자 장치(2301)의 외부로 출력할 수 있다. 음향 출력 장치(2355)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

표시 장치(2360)는 전자 장치(2301)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(2360)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 표시 장치(2360)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.

오디오 모듈(2370)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(2370)은, 입력 장치(2350)를 통해 소리를 획득하거나, 음향 출력 장치(2355), 또는 전자 장치(2301)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(2302)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.

센서 모듈(2376)은 전자 장치(2301)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시 예에 따르면, 센서 모듈(2376)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(2377)는 전자 장치(2301)이 외부 전자 장치(예: 전자 장치(2302))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(2377)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(2378)는, 그를 통해서 전자 장치(2301)가 외부 전자 장치(예: 전자 장치(2302))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시 예에 따르면, 연결 단자(2378)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(2379)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시 예에 따르면, 햅틱 모듈(2379)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(2380)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(2380)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(2388)은 전자 장치(2301)에 공급되는 전력을 관리할 수 있다. 일 실시 예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(2389)는 전자 장치(2301)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일 실시 예에 따르면, 배터리(2389)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(2390)은 전자 장치(2301)와 외부 전자 장치(예: 전자 장치(2302), 전자 장치(2304), 또는 서버(2308))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(2390)은 프로세서(2320)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(2390)은 무선 통신 모듈(2392)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(2394)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(2398)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(2399)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(2392)은 가입자 식별 모듈(2396)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(2398) 또는 제 2 네트워크(2399)와 같은 통신 네트워크 내에서 전자 장치(2301)를 확인 및 인증할 수 있다.

안테나 모듈(2397)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 안테나 모듈은, 일 실시 예에 따르면, 도전체 또는 도전성 패턴으로 형성될 수 있고, 어떤 실시 예에 따르면, 도전체 또는 도전성 패턴 이외에 추가적으로 다른 부품(예: RFIC)을 더 포함할 수 있다. 일 실시 예에 따르면, 안테나 모듈(2397)은 하나 이상의 안테나들을 포함할 수 있고, 이로부터, 제 1 네트워크(2398) 또는 제 2 네트워크(2399)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(2390)에 의하여 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(2390)과 외부 전자 장치 간에 송신되거나 수신될 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일 실시 예에 따르면, 명령 또는 데이터는 제 2 네트워크(2399)에 연결된 서버(2308)를 통해서 전자 장치(2301)와 외부의 전자 장치(2304)간에 송신 또는 수신될 수 있다. 전자 장치(2302, 2304) 각각은 전자 장치(2301)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(2301)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(2302, 2304, or 2308) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(2301)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(2301)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(2301)로 전달할 수 있다. 전자 장치(2301)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.

본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예들로 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나",“A 또는 B 중 적어도 하나,”"A, B 또는 C," "A, B 및 C 중 적어도 하나,”및 “A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, “기능적으로” 또는 “통신적으로”라는 용어와 함께 또는 이런 용어 없이, “커플드” 또는 “커넥티드”라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시 예들은 기기(machine)(예: 전자 장치(2301)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(2336) 또는 외장 메모리(2338))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(2340))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(2301))의 프로세서(예: 프로세서(2320))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시 예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시 예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims

전자 장치에 있어서,
통신 인터페이스;
적어도 하나의 메모리;
마이크;
스피커
디스플레이;
메인 프로세서; 및
음성 입력에 포함된 호출어를 인식하여 상기 메인 프로세서를 활성화시키는 서브 프로세서;를 포함하고,
상기 적어도 하나의 메모리에 저장된 명령어가 실행되었을 때, 상기 메인 프로세서로 하여금,
상기 마이크를 통해 상기 호출어를 등록시키기 위한 제1 음성 입력을 수신하고,
상기 제1 음성 입력이 지정된 단어를 포함하고 있는지 확인하고,
상기 제1 음성 입력이 지정된 단어를 포함하지 않은 경우,
상기 마이크를 통해 상기 제1 음성 입력과 동일한 단어를 포함하는 제2 음성 입력을 수신하고,
상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 상기 호출어를 인식하기 위한 호출어 인식 모델을 생성하고,
상기 생성된 호출어 인식 모델을 상기 적어도 하나의 메모리에 저장하고,
상기 제1 음성 입력이 상기 지정된 단어를 포함하고 있는 경우,
상기 제1 음성 입력과 상이한 제3 음성 입력을 요청하는 정보를 상기 스피커, 또는 상기 디스플레이를 통해 출력하도록 하는, 전자 장치.
청구항 1에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금,
상기 마이크를 통해 상기 제3 음성 입력을 수신하고,
상기 제3 음성 입력이 상기 지정된 단어를 포함하고 있는지 확인하고,
상기 제3 음성 입력이 상기 지정된 단어를 포함하지 않는 경우,
상기 마이크를 통해 상기 제3 음성 입력과 동일한 단어를 포함하는 제4 음성 입력을 수신하고,
상기 제3 음성 입력, 및 상기 제4 음성 입력에 기초하여 상기 호출어를 인식하기 위한 상기 호출어 인식 모델을 생성하고,
상기 생성된 호출어 인식 모델을 상기 적어도 하나의 메모리에 저장하도록 하는, 전자 장치.
청구항 1에 있어서,
상기 지정된 단어는 상기 호출어로 등록이 금지된 단어인, 전자 장치.
청구항 1에 있어서,
상기 호출어 인식 모델은 HMM 알고리즘(hidden Markov model algorithm), 또는 신경망 알고리즘(neural network algorithm) 중 적어도 하나에 기초한 모델 훈련 또는 적응 훈련 알고리즘을 이용하여 생성된 음성 인식 모델인, 전자 장치.
청구항 1에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금,
상기 통신 인터페이스를 통해 상기 제1 음성 입력을 외부 서버로 송신하고,
상기 통신 인터페이스를 통해 상기 외부 서버로부터 상기 제1 음성 입력이 상기 지정된 단어를 포함하고 있는지 여부를 확인한 결과를 수신하도록 하는, 전자 장치.
청구항 1에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금, 상기 제2 음성 입력을 사용자로부터 수신하기 위한 제1 안내 정보를 상기 스피커, 또는 상기 디스플레이를 통해 출력하도록 하는, 전자 장치.
청구항 6에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금, 상기 제1 음성 입력을 이용하여 상기 제1 음성 입력과 동일한 상기 제2 음성 입력을 수신하기 위한 상기 제1 안내 정보를 출력하도록 하는, 전자 장치.
청구항 7에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금,
상기 통신 인터페이스를 통해 상기 제1 음성 입력을 외부 서버로 송신하고,
상기 통신 인터페이스를 통해 상기 외부 서버로부터 상기 제2 음성 입력을 사용자로부터 수신하기 위한 제1 안내 정보를 수신하도록 하는, 전자 장치.
청구항 1에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금,
상기 제2 음성 입력을 수신하였을 때, 상기 제2 음성 입력이 상기 제1 음성 입력과 동일한지 확인하고,
상기 제1 음성 입력과 상기 제2 음성 입력이 동일한 경우, 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 상기 호출어 인식 모델을 상기 적어도 하나의 메모리에 저장하고,
상기 제1 음성 입력과 상기 제2 음성 입력이 상이한 경우, 상기 제1 음성 입력과 동일한 제4 음성 입력을 수신하기 위한 제2 안내 정보를 상기 스피커, 또는 상기 디스플레이를 통해 출력하도록 하는, 전자 장치.
청구항 9에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금,
상기 제1 음성 입력과 상기 제2 음성 입력 사이의 유사도를 측정하고,
상기 측정된 유사도가 지정된 값 이상인 경우, 상기 제1 음성 입력과 상기 제2 음성 입력을 동일한 것으로 판단하는, 전자 장치.
청구항 10에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금, 상기 제1 음성 입력, 및 상기 제2 음성 입력의 특징 벡터(feature vector), 포워드 백워드 확률(forward-backward probability), 및 음소 레벨(phoneme level) 중 적어도 하나를 이용하여 상기 유사도를 측정하도록 하는, 전자 장치.
청구항 1에 있어서,
상기 명령어는 상기 서브 프로세서로 하여금,
상기 호출어 인식 모델을 이용하여 상기 호출어를 인식하면, 상기 메인 프로세서를 활성화시키고,
상기 명령어는 상기 활성화된 메인 프로세서로 하여금,
상기 마이크를 통해 지정된 태스크(task)를 수행하기 위한 제5 음성 입력을 수신하고,
상기 통신 인터페이스를 통해 상기 수신된 제5 음성 입력을 외부 서버로 송신하고,
상기 통신 인터페이스를 통해 상기 외부 서버로부터 상기 제5 음성 입력에 대응되는 응답을 수신하고, 상기 응답은 상기 제5 음성 입력에 대응되는 동작 정보를 포함하고,
상기 동작 정보에 기초하여 상기 태스크를 수행하기 위한 동작을 수행하도록 하는, 전자 장치.
청구항 12에 있어서,
상기 명령어는 상기 메인 프로세서로 하여금,
상기 호출어가 지정된 형식인 경우, 상기 호출어의 적어도 일부를 상기 전자 장치의 호출명으로 등록하고,
상기 동작 정보와 함께 상기 호출명을 포함하는 상기 응답을 수신하고,
상기 호출명을 이용하여 상기 응답에 대한 정보를 제공하도록 하는, 전자 장치.
청구항 1에 있어서,
상기 명령어를 저장하는 제1 메모리, 및 상기 제1 메모리와 물리적으로 분리된 제2 메모리를 포함하고,
상기 명령어는 상기 프로세서로 하여금,
상기 생성된 호출어 인식 모델을 상기 적어도 하나의 메모리에 등록할 때, 상기 제2 메모리에 등록하도록 하는, 전자 장치.
음성 입력을 처리하는 방법에 있어서,
상기 호출어를 등록시키기 위한 제1 음성 입력을 수신하는 동작;
상기 제1 음성 입력이 지정된 단어를 포함하고 있는지 확인하는 동작;
상기 제1 음성 입력이 지정된 단어를 포함하지 않은 경우,
상기 제1 음성 입력과 동일한 단어를 포함하는 제2 음성 입력을 수신하는 동작;
상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 상기 호출어를 인식하기 위한 호출어 인식 모델을 생성하고,
상기 생성된 호출어 인식 모델을 적어도 하나의 메모리에 저장하는 동작; 및
상기 제1 음성 입력이 상기 지정된 단어를 포함하고 있는 경우,
상기 제1 음성 입력과 상이한 제3 음성 입력을 요청하는 정보를 스피커, 또는 디스플레이를 통해 출력하는 동작;을 포함하는, 방법.
청구항 15에 있어서,
상기 마이크를 통해 상기 제3 음성 입력을 수신하는 동작;
상기 제3 음성 입력이 상기 지정된 단어를 포함하고 있는지 확인하는 동작;
상기 제3 음성 입력이 상기 지정된 단어를 포함하지 않는 경우,
상기 제3 음성 입력과 동일한 단어를 포함하는 제4 음성 입력을 수신하는 동작; 및
상기 제3 음성 입력, 및 상기 제4 음성 입력에 기초하여 상기 호출어를 인식하기 위한 호출어 인식 모델을 상기 호출어 인식 모델을 생성하고,
상기 생성된 호출어 인식 모델을 상기 적어도 하나의 메모리에 저장하는 동작;을 더 포함하는, 방법.
청구항 15에 있어서,
상기 호출어 인식 모델은 HMM 알고리즘(hidden Markov model algorithm), 또는 신경망 알고리즘(neural network algorithm) 중 적어도 하나에 기초한 모델 훈련 또는 적응 훈련 알고리즘을 이용하여 생성된 음성 인식 모델인, 방법.
청구항 15에 있어서,
상기 지정된 단어를 포함하고 있는지 확인하는 동작은,
상기 제1 음성 입력을 외부 서버로 송신하는 동작; 및
상기 외부 서버로부터 상기 제1 음성 입력이 상기 지정된 단어를 포함하고 있는지 여부를 확인한 결과를 수신하는 동작;을 포함하는, 방법.
청구항 15에 있어서,
상기 제2 음성 입력을 사용자로부터 수신하기 위한 제1 안내 정보를 상기 스피커, 또는 상기 디스플레이를 통해 출력하도록 하는, 전자 장치.
청구항 15에 있어서,
상기 제2 음성 입력을 수신하였을 때, 상기 제2 음성 입력이 상기 제1 음성 입력과 동일한지 확인하는 동작; 및
상기 제1 음성 입력과 상기 제2 음성 입력이 동일한 경우, 상기 제1 음성 입력, 및 상기 제2 음성 입력에 기초하여 상기 호출어를 등록하고,
상기 제1 음성 입력과 상기 제2 음성 입력이 상이한 경우, 상기 제1 음성 입력과 동일한 제4 음성 입력을 수신하기 위한 제2 안내 정보를 스피커, 또는 디스플레이를 통해 출력하도록 하는 동작;을 더 포함하는, 방법.