KR20200056754A

KR20200056754A - 개인화 립 리딩 모델 생성 방법 및 장치

Info

Publication number: KR20200056754A
Application number: KR1020180140812A
Authority: KR
Inventors: 장성운; 강상기
Original assignee: 삼성전자주식회사
Priority date: 2018-11-15
Filing date: 2018-11-15
Publication date: 2020-05-25
Also published as: US20220013124A1; WO2020101174A1

Abstract

본 발명의 다양한 실시 예들은 메모리, 디스플레이, 카메라, 및 프로세서를 포함하고, 상기 프로세서는, 적어도 하나의 문구를 포함하는 사용자 인터페이스를 상기 디스플레이에 표시하고, 상기 카메라로부터 상기 문구와 연관된 사용자 영상을 획득하고, 상기 사용자 영상에 음성이 포함되는지 여부에 기반하여 상기 사용자 영상을 검증하고, 상기 검증 결과에 기반하여 상기 사용자 영상을 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정된 방법 및 장치에 관하여 개시한다. 다양한 실시 예들이 가능하다.

Description

개인화 립 리딩 모델 생성 방법 및 장치{APPARATUS AND METHOD FOR GENERATING PERSONALIZATION LIP READING MODEL}

본 발명의 다양한 실시예들은 개인화 립 리딩 모델을 생성하는 방법 및 장치에 관하여 개시한다.

디지털 기술의 발달과 함께 이동통신 단말기, PDA(personal digital assistant), 전자수첩, 스마트 폰, 태블릿 PC(personal computer), 웨어러블 디바이스(wearable device) 등과 같은 다양한 유형의 전자 장치가 널리 사용되고 있다. 이러한, 전자 장치는 기능 지지 및 증대를 위해, 전자 장치의 하드웨어적인 부분 및/또는 소프트웨어적인 부분이 지속적으로 개량되고 있다. 일례로, 전자 장치는 사용자 음성 입력에 응답하여 다양한 기능을 수행하는 지능형 에이전트(intelligence agent) 서비스를 제공할 수 있다.

지능형 에이전트 서비스는 음성을 인식하고, 인식된 음성을 분석(또는 이해)하여, 사용자가 원하는 서비스를 제공할 수 있다. 예를 들어, 사용자가 "잭에게 내가 좀 늦는다고 문자 보내줘"라고 발화하면, 전자 장치는 메시지 어플리케이션을 실행하여 메시지 작성 필드에 진입하고, 전화번호부에 '잭'이라고 등록된 상대방 전화번호를 메시지의 수신인으로 설정하고, '내가 좀 늦는다'는 메시지 내용을 작성하여 메시지를 전송할 수 있다. 지능형 에이전트 서비스는 사용자 음성을 기반으로 동작하는 것이기 때문에, 사용자 음성 이외의 노이즈(예: 주변 소음)가 적어야 음성 인식 성능을 높일 수 있다. 예를 들어, 조용한 상태(예: 주변 소음이 적은 상태)에서 사용자 음성을 인식하는 것과 주변 소음이 발생한 상태(예: 주변 소음이 많은 상태)에서 사용자 음성을 인식하는 것의 성능 차이가 발생할 수 있다.

전자 장치는 음성 인식 성능을 높일수록 지능형 에이전트 서비스의 정확도를 높일 수 있다. 음성 인식 성능을 높이기 위하여, 전자 장치는 립 리딩(Lip Reading) 기술을 활용하여 사용자 음성과 더불어 사용자 입 모양을 이용하여 지능형 에이전트 서비스를 제공할 수 있다. 전자 장치는 사용자 입 모양을 기반으로 사용자 발화가 시작되는 시점과 사용자 발화가 종료되는 시점을 검출하거나, 불명확한 발음을 입 모양으로 교정함으로써, 좀 더 정확하게 음성을 인식할 수 있다.

종래의 립 리딩 기술은 입 모양을 인식하기 위해 언어별로 불특정 다수의 발화 시 입술 움직임을 포함한 영상을 이용하여 학습되고 있다. 불특정 다수의 발화 영상을 학습할 경우, 사용자마다 입 모양, 입 주변의 피부 색상, 발화 속도, 개인별 억양이 다르기 때문에 입 모양 학습에 다양한 오류가 발생할 수 있다. 발화 영상을 학습하는 횟수가 많을수록 입 모양 인식 성능이 좋아질 수 있지만, 개인별 발화 습관, 방언과 같은 언어적 특성에 맞게 립 리딩 기술을 발전시키는데 한계가 있을 수 있다.

다양한 실시예들에서는, 음성이 포함된 영상과 음성이 포함되지 않은 영상을 구분하여 영상의 유효성을 판단하고, 판단 결과에 따라 영상을 개인화 립 리딩 모델로 활용할 수 있는 방법 및 장치에 관하여 개시할 수 있다.

본 발명의 다양한 실시예들에 따른 전자 장치는 메모리, 디스플레이, 카메라, 및 프로세서를 포함하고, 상기 프로세서는, 적어도 하나의 문구를 포함하는 사용자 인터페이스를 상기 디스플레이에 표시하고, 상기 카메라로부터 상기 문구와 연관된 사용자 영상을 획득하고, 상기 사용자 영상에 음성이 포함되는지 여부에 기반하여 상기 사용자 영상을 검증하고, 상기 검증 결과에 기반하여 상기 사용자 영상을 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정될 수 있다.

본 발명의 다양한 실시예들에 따른 전자 장치는 메모리, 디스플레이, 및 프로세서를 포함하고, 상기 프로세서는, 개인화 립 리딩 모델로 활용하기 위한 요청에 기반하여 하나 이상의 영상을 포함하는 영상 리스트를 제공하고, 상기 영상 리스트 중에서 적어도 하나의 영상을 선택하고, 상기 선택된 영상을 검증하여 상기 선택된 영상을 상기 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정될 수 있다.

본 발명의 다양한 실시예들에 따른 전자 장치의 동작 방법은 음성 호출에 응답하여 상기 전자 장치의 카메라를 구동하는 동작, 상기 구동된 카메라로부터 수신되는 사용자 영상에서 입 움직임이 검출되는지 여부를 판단하는 동작, 상기 사용자 영상에 입 움직임이 검출되는 경우, 상기 사용자 영상을 녹화하는 동작, 및 상기 음성 호출 시 수신되는 음성에 대응하는 서비스를 제공하는 동작, 및 상기 녹화된 사용자 영상을 개인화 립 리딩 모델로 활용하는 동작을 포함할 수 있다.

다양한 실시예들에 따르면, 음성이 포함된 영상과 음성이 포함되지 않은 영상을 구분하여 영상의 유효성을 판단하고, 판단 결과에 따라 영상을 개인화 립 리딩 모델로 활용할 수 있다.

다양한 실시예들에 따르면, 사용자 인터페이스에 제공된 문구를 발화한 사용자 영상을 이용하여 개인화 립 리딩 모델을 학습시킴으로써, 개인 발화 특성을 반영한 개인화 립 리딩 모델을 생성할 수 있다.

다양한 실시예들에 따르면, 개인화 립 리딩 모델을 이용하여 부정확한 발음을 입 모양으로 교정함으로써, 음성 인식 정확도를 높일 수 있다.

다양한 실시예들에 따르면, 문구를 포함한 사용자 인터페이스를 제공하고, 제공된 문구를 발화한 사용자 영상을 획득함으로써, 획득한 영상을 개인화 립 리딩 모델 또는 일반 립 리딩 모델로 활용할 수 있다.

도 1은 다양한 실시예들에 따른 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 2는 다양한 실시예들에 따른 전자 장치에서 개인화 립 리딩 모델 생성 방법을 도시한 흐름도(200)이다.
도 3a 및 도 4b는 다양한 실시예들에 따른 전자 장치에서 사용자 영상을 획득하기 위한 사용자 인터페이스를 제공하는 일례를 도시한 도면이다.
도 4는 다양한 실시예들에 따른 전자 장치에서 음성이 포함되지 않은 사용자 영상을 검증하는 방법을 도시한 흐름도(400)이다.
도 5는 다양한 실시예들에 따른 전자 장치에서 음성이 포함된 사용자 영상을 검증하는 방법을 도시한 흐름도(500)이다.
도 6은 다양한 실시예들에 따른 전자 장치에서 기 저장된 영상을 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(600)이다.
도 7은 다양한 실시예들에 따른 전자 장치에서 기 저장된 영상을 선택하는 사용자 인터페이스를 제공하는 일례를 도시한 도면이다.
도 8은 다양한 실시예들에 따른 전자 장치에서 기 저장된 영상을 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(800)이다.
도 9는 다양한 실시예들에 따른 전자 장치에서 2인 이상의 사용자가 포함된 기 저장된 영상을 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(900)이다.
도 10은 다양한 실시예들에 따른 전자 장치에서 영상 통화 시 사용자 영상을 획득하여 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(1000)이다.
도 11은 다양한 실시예들에 따른 전자 장치에서 영상 통화를 포함하는 사용자 인터페이스를 제공하는 일례를 도시한 도면이다.
도 12는 다양한 실시예들에 따른 전자 장치에서 통합 지능(integrated intelligence)(AI) 시스템 호출 시 사용자 영상을 획득하여 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(1200)이다.
도 13은 다양한 실시예들에 따른 전자 장치에서 음성 호출과 연관된 사용자 인터페이스를 제공하는 일례를 도시한 도면이다.

본 문서에 개시된 다양한 실시예들에 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 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 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, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))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.

일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 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 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 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 실시예들에 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.

도 1은 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다.

도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다.

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)은, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)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. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 표시 장치(160)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(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)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. 일실시예에 따르면, 센서 모듈(176)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(177)는 전자 장치(101)이 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(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(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(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(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 하나의 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC)이 추가로 안테나 모듈(197)의 일부로 형성될 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.

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, or 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)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(101)로 전달할 수 있다. 전자 장치(101)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 발명의 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))는 메모리(예: 도 1의 메모리(130)), 디스플레이(예: 도 1의 표시 장치(160)), 카메라(예: 도 1의 카메라 모듈(180)), 및 프로세서(예: 도 1의 프로세서(120))를 포함하고, 상기 프로세서는, 적어도 하나의 문구를 포함하는 사용자 인터페이스를 상기 디스플레이에 표시하고, 상기 카메라로부터 상기 문구와 연관된 사용자 영상을 획득하고, 상기 사용자 영상에 음성이 포함되는지 여부에 기반하여 상기 사용자 영상을 검증하고, 상기 검증 결과에 기반하여 상기 사용자 영상을 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정될 수 있다.

상기 프로세서는, 상기 사용자 영상에 음성이 포함된 경우, 상기 사용자 영상에 포함된 음성을 추출하고, 상기 추출된 음성을 텍스트로 변환하고, 상기 변환된 텍스트가 상기 문구와 일치하는지 여부에 기반하여 상기 사용자 영상을 검증하도록 설정될 수 있다.

상기 프로세서는, 상기 사용자 영상에 음성이 포함되지 않은 경우, 상기 사용자 영상에 포함된 입의 움직임을 검출하고, 상기 검출된 입의 움직임에 대응하여 단어 또는 문장을 인식하고, 상기 인식된 단어 또는 문장이 상기 문구와 일치하는지 여부에 기반하여 상기 사용자 영상을 검증하도록 설정될 수 있다.

상기 프로세서는, 상기 사용자 영상으로부터 인식된 단어 또는 문장이 상기 문구와 동일한 경우, 상기 사용자 영상을 상기 문구에 대응하는 개인화 립 리딩 모델로 활용하도록 설정될 수 있다.

상기 프로세서는, 상기 사용자 영상으로부터 인식된 단어 또는 문장이 상기 문구와 동일하지 않은 경우, 상기 인식된 단어 또는 문장을 포함하는 사용자 인터페이스를 제공하고, 사용자의 선택에 기반하여 상기 인식된 단어 또는 문장에 대응하여 상기 사용자 영상을 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정될 수 있다.

상기 프로세서는, 상기 사용자로부터 상기 인식된 단어 또는 문장에 대한 수정 요청을 수신하고, 상기 수정 요청에 의해 수정된 단어 또는 문장이 에 대응하여 상기 사용자 영상을 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정될 수 있다.

상기 프로세서는, 상기 사용자 영상으로부터 인식된 단어 또는 문장이 상기 문구와 동일하지 않은 경우, 상기 문구와 상이한 문구를 포함하는 사용자 인터페이스를 제공하도록 설정될 수 있다.

본 발명의 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))는 메모리(예: 도 1의 메모리(130)), 디스플레이(예: 도 1의 표시 장치(160)), 및 프로세서(예: 도 1의 프로세서(120))를 포함하고, 상기 프로세서는, 개인화 립 리딩 모델로 활용하기 위한 요청에 기반하여 하나 이상의 영상을 포함하는 영상 리스트를 제공하고, 상기 영상 리스트 중에서 적어도 하나의 영상을 선택하고, 상기 선택된 영상을 검증하여 상기 선택된 영상을 상기 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정될 수 있다.

상기 프로세서는, 상기 메모리에 저장된 영상 중에서 파일 확장자 또는 재생 시간에 기반하여 상기 영상 리스트를 제공하도록 설정될 수 있다.

상기 프로세서는, 상기 선택된 영상이 상기 개인화 립 리딩 모델로 활용 가능한지 여부를 판단하고, 상기 개인화 립 리딩 모델로 활용 가능하지 않은 경우, 영상 재선택을 요청하도록 설정될 수 있다.

상기 프로세서는, 상기 선택된 영상으로부터 얼굴을 인식하고, 상기 인식된 얼굴이 상기 전자 장치에 등록된 사용자인지 여부를 판단하고, 상기 인식된 얼굴이 상기 전자 장치에 등록된 사용자가 아닌 경우, 에러 메시지를 출력하도록 설정될 수 있다.

상기 프로세서는, 상기 선택된 영상으로부터 얼굴을 인식하고, 상기 인식된 얼굴이 2인 이상인 경우, 에러 메시지를 출력하도록 설정될 수 있다.

상기 프로세서는, 상기 선택된 영상으로부터 얼굴을 인식하고, 상기 인식된 얼굴이 2인 이상인 경우, 상기 2인 이상의 얼굴 중에서 상기 전자 장치에 등록된 사용자를 인식하고, 상기 인식된 사용자의 입 모양에 기반하여 단어 또는 문장을 인식하고, 상기 인식된 단어 또는 문장에 대한 립 리딩 모델 활용 프로세스를 수행하도록 설정될 수 있다.

상기 프로세서는, 상기 선택된 영상으로부터 립 리딩 활용 구간을 검출하고, 상기 검출된 립 리딩 활용 구간에서 추출된 음성을 텍스트로 변환하고, 상기 변환된 텍스트를 포함하는 사용자 인터페이스를 제공하고, 사용자의 선택에 기반하여 상기 선택된 영상을 상기 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정될 수 있다.

상기 프로세서는, 상기 변환된 텍스트가 상기 사용자가 의도한 문구에 해당하는 경우, 상기 사용자로부터 등록 요청을 수신하고, 상기 등록 요청에 기반하여 상기 선택된 영상을 상기 변환된 텍스트에 대응하는 개인화 립 리딩 모델로 활용하도록 설정될 수 있다.

상기 프로세서는, 상기 전자 장치의 설정 또는 사용자의 선택에 기반하여 영상 통화와 관련된 영상을 상기 영상 리스트에 포함시키도록 설정될 수 있다.

도 2는 다양한 실시예들에 따른 전자 장치에서 개인화 립 리딩 모델 생성 방법을 도시한 흐름도(200)이다.

도 2를 참조하면, 동작(201)에서, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 적어도 하나의 문구를 포함하는 사용자 인터페이스를 제공할 수 있다. 상기 문구는 립 리딩 모델을 학습하는데 이용될 수 있는 최소한의 의미를 가지는 단어로 구성될 수 있다. 예를 들어, 상기 문구는 적어도 세 개의 음절(syllable)로 구성된 단어(word)(또는 키워드(keyword))를 포함할 수 있다. 상기 문구는 '코끼리'와 같은 단일어, '좋은 아침'과 같은 두 개의 단어 조합, '안녕하세요'와 같은 구(phrase), 또는 '나는 여자입니다'와 같은 문장(sentence)으로 나타낼 수 있다. 프로세서(120)는 적어도 하나의 문구를 포함하는 사용자 인터페이스를 디스플레이(예: 도 1의 표시 장치(160))에 표시할 수 있다. 또는, 프로세서(120)는 스피커(예: 도 1의 음향 출력 장치(155))를 통해 상기 문구에 해당하는 음성을 출력할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 개인화 립 리딩 모델을 생성하기 위한 사용자 인터페이스를 제공할 수 있다. 개인화 립 리딩 모델을 생성하는 방법은 전자 장치(101)에 기 저장된 영상을 이용하거나, 사용자로부터 새로 획득한 영상을 이용하는 것일 수 있다. 도 2에서는 사용자로부터 새로 획득한 영상을 이용하여 개인화 립 리딩 모델을 생성하는 방법에 대해 설명하기로 한다. 프로세서(120)는 개인화 립 리딩 모델을 생성하기 위한 사용자 인터페이스를 제공하고, 제공된 사용자 인터페이스에서 사용자로부터 '직접 학습하기'를 선택 받은 경우, 상기 적어도 하나의 문구를 포함하는 사용자 인터페이스를 제공할 수 있다.

동작(203)에서, 프로세서(120)는 상기 문구와 연관된 사용자 영상을 획득할 수 있다. 프로세서(120)는 상기 사용자 인터페이스를 제공함과 동시에 또는 순차적으로 카메라(예: 도 1의 카메라 모듈(180))를 구동(또는 활성화)시킬 수 있다. 여기서, 구동되는 카메라 모듈(180)은 사용자 얼굴을 촬영할 수 있는 전면 카메라일 수 있다. 프로세서(120)는 카메라 모듈(180)로부터 상기 문구를 발화하는 사용자 얼굴을 촬영할 수 있다. 또한, 프로세서(120)는 카메라 모듈(180)을 구동함과 동시에 마이크(예: 도 1의 입력 장치(150))를 활성화시켜 상기 문구를 발화하는 사용자 음성을 획득할 수 있다. 사용자 영상은 오디오 신호(예: 사용자 음성) 또는 비디오 신호(예: 사용자 얼굴)를 포함할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 카메라 모듈(180)로부터 획득하는 사용자 영상을 개인화 립 리딩 모델에 활용하기 위하여 카메라 모듈(180)의 촬영 모드를 조절할 수 있다. 예를 들어, 주변 밝기의 영향으로 상기 사용자 영상이 너무 어둡거나, 밝은 경우 상기 사용자 영상을 개인화 립 리딩 모델로 활용하기 어렵기 때문에, 프로세서(120)는 카메라 모듈(180)의 촬영 모드를 조절할 수 있다. 프로세서(120)는 사용자 영상의 밝기를 검출하고, 검출된 밝기가 설정된 촬영 상태에 해당하는지 여부를 판단하고, 검출된 밝기가 설정된 촬영 상태에 해당하지 않는 경우 카메라 모듈(180)의 촬영 모드를 조절할 수 있다. 또는, 프로세서(120)는 입력 장치(150)로부터 획득되는 오디오 신호의 크기를 조절할 수 있다. 예를 들어, 오디오 신호의 크기가 커서 에코가 발생하면, 음성 인식이 어렵기 때문에 프로세서(120)는 입력 장치(150)의 수신 크기를 조절할 수 있다. 또는, 프로세서(120)는 입력 장치(150)로부터 획득되는 오디오 신호에 노이즈(예: 주변 소음)가 기준치 이상 검출되는 경우, 음성 인식이 어렵기 때문에 조용한 장소에서 촬영해줄 것을 사용자에게 요청할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 상기 오디오 신호 또는 상기 비디오 신호를 분석하여 사용자가 발화를 종료하는지 여부를 판단할 수 있다. 프로세서(120)는 문구 발화 시간(예: 3초, 5초, 10초) 이후에 입력 장치(150)로부터 오디오 신호가 검출되는지 여부를 판단함으로써, 발화 종료 여부를 판단할 수 있다. 상기 문구 발화 시간은 상기 사용자 인터페이스에 제공된 문구에 따라 다를 수 있다. 예를 들어, 프로세서(120)는 음절의 개수에 따라 상기 문구 발화 시간을 조절할 수 있다. 프로세서(120)는 상기 문구 발화 시간 이후에 카메라 모듈(180)로부터 수신되는 비디오 신호에 움직임이 검출되는지 여부를 판단함으로써, 발화 종료 여부를 판단할 수 있다. 상기 비디오 신호의 움직임이란 사용자 얼굴, 입술 또는 입 모양의 변화를 의미할 수 있다. 프로세서(120)는 사용자가 발화를 종료한 것으로 판단되면, 카메라 모듈(180) 및 입력 장치(150)의 구동을 중단하고, 사용자 영상을 획득할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 비디오 신호에 포함된 사용자 얼굴이 전자 장치(101)에 등록된 사용자인지 판단할 수 있다. 프로세서(120)는 상기 비디오 신호에 포함된 사용자 얼굴이 전자 장치(101)에 등록된 사용자인 경우 동작(205)을 수행할 수 있다.

동작(205)에서, 프로세서(120)는 사용자 영상에 음성 포함 여부를 분석할 수 있다. 프로세서(120)는 상기 사용자 영상으로부터 노이즈(예: 주변 소음)를 제거하고, 노이즈가 제거된 사용자 영상에 상기 문구를 발화한 사용자 음성이 포함되었는지 여부를 판단할 수 있다. 사용자는 동작(201)에서 제공된 상기 문구를 소리 내어 따라 읽거나, 소리내지 않고 따라 읽을 수 있다. 또는, 상기 사용자는 작은 소리로 따라 읽을 수 있다. 상기 사용자가 작은 소리로 따라 읽을 경우, 노이즈 제거 시 사용자 음성이 제거될 수 있다. 또는, 작은 소리로 따라 읽을 경우, 음성을 인식할 정도(예: 기준치 이상)로 소리가 크지 않을 수 있다. 프로세서(120)는 상기 사용자 영상에 기준치 이상의 사용자 음성이 검출되는지 여부를 판단하고, 기준치 이상의 사용자 음성이 검출되는 경우 상기 사용자 영상에 음성이 포함된 것으로 판단할 수 있다. 프로세서(120)는 상기 사용자 영상으로부터 기준치 이하의 사용자 음성이 검출되는 경우 상기 사용자 영상에 음성이 포함되지 않은 것으로 판단할 수 있다. 영상에 사용자 음성이 포함되었는지 여부를 판단하는 기술은 종래 기술에 해당하므로 자세한 설명을 생략할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 상기 사용자 영상으로부터 오디오 신호(예: 마이크로부터 획득되는 사용자 음성)가 검출되는지 여부를 판단할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 오디오 신호에 사용자 음성이 포함된 경우, 상기 사용자 음성이 전자 장치(101)에 등록된 사용자인지 판단할 수 있다. 프로세서(120)는 상기 오디오 신호에 포함된 사용자 음성이 전자 장치(101)에 등록된 사용자인 경우 동작(207)을 수행할 수 있다.

동작(207)에서, 프로세서(120)는 음성 포함 여부에 따라 영상 검증 프로세스를 수행할 수 있다. 예를 들어, 프로세서(120)는 상기 사용자 영상에 음성이 포함된 경우, 음성이 포함된 영상의 검증 프로세스(예: 음성 검증 프로세스)를 수행할 수 있다. 상기 음성 검증 프로세스는 상기 사용자 영상에 포함된 음성을 추출하고, 자동 음성 인식(automatic speech recognition; ASR) 기술을 이용하여 추출된 음성을 텍스트로 변환하고, 변환된 텍스트가 상기 문구와 일치하는지 여부를 검증하는 것일 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 오디오 신호에 포함된 사용자 음성이 전자 장치(101)에 등록된 사용자인지 판단하고, 등록된 사용자인 경우 음성 검증 프로세스를 수행할 수 있다. 프로세서(120)는 상기 사용자 영상에 음성이 포함되지 않은 경우, 음성이 포함되지 않은 영상의 검증 프로세스(예: 립 검증 프로세스)를 수행할 수 있다. 상기 립 검증 프로세스는 상기 사용자 영상에 포함된 입의 움직임을 검출하고, 립 인식(lip recognizer) 기술을 이용하여 검출된 입의 움직임(예: 입 모양 변화)에 대응하는 텍스트로 변환하고, 변환된 텍스트가 상기 문구와 일치하는지 여부를 검증하는 것일 수 있다.

동작(209)에서, 프로세서(120)는 사용자 영상을 개인화 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 상기 변환된 텍스트가 상기 문구와 일치하는 경우, 상기 사용자 영상을 상기 개인화 립 리딩 모델(또는 개인화 립 리딩 학습 모델)로 활용할 수 있다. 프로세서(120)는 상기 사용자 영상을 상기 개인화 립 리딩 모델을 위한 데이터베이스(예: 도 1의 메모리(130))에 저장할 수 있다. 상기 사용자 영상은 입 모양 및 입 모양에 대응하는 텍스트(예: 표시된 문구)에 대하여 개인화 립 리딩 모델을 학습하는데 이용될 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 전자 장치(101)의 설정 또는 사용자 입력에 기반하여 상기 사용자 영상을 일반 립 리딩 모델(또는 일반 립 리딩 학습 모델)과 연관된 서버(예: 도 1의 서버(108))에 전송할 수 있다. 프로세서(120)는 전자 장치(101)의 설정이 개인화 립 리딩 모델로 활용된 사용자 영상을 일반 립 리딩 모델로 활용하도록 '허용'된 경우, 상기 사용자 영상을 서버(108)에 전송할 수 있다. 프로세서(120)는 상기 사용자 영상을 서버(108)에 전송할 지 여부를 사용자에게 확인하고, 사용자가 허용한 경우 상기 사용자 영상을 서버(108)에 전송하고, 사용자가 허용하지 않는 경우, 상기 사용자 영상을 서버(108)에 전송하지 않을 수 있다. 서버(108)에 전송된 사용자 영상은 입 모양 및 입 모양에 대응하는 텍스트에 대하여 일반 립 리딩 모델을 학습하는데 이용될 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 상기 사용자 영상에서 변환된 텍스트와 입의 움직임 구간의 시간 순서를 동기화할 수 있다. 상기 동기화란 변환된 텍스트에 맞게 입의 움직임 구간을 일치시키는 것을 의미할 수 있다.

도 3a 및 도 3b는 다양한 실시예들에 따른 전자 장치에서 사용자 영상을 획득하기 위한 사용자 인터페이스를 제공하는 일례를 도시한 도면이다.

도 3a는 사용자 영상을 획득하기 위한 사용자 인터페이스의 일례를 도시한 것이다.

도 3a를 참조하면, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 개인화 립 리딩 모델과 연관된 어플리케이션을 제공하고, 상기 어플리케이션이 사용자에 의해 선택되면, 제1 사용자 인터페이스(310)를 제공할 수 있다. 상기 어플리케이션은 전자 장치(101) 제조 시 설치될 수 있다. 상기 어플리케이션에 대응하는 아이콘이 선택되면, 프로세서(120)는 제1 사용자 인터페이스(310)를 디스플레이(예: 도 1의 표시 장치(160))에 표시할 수 있다. 제1 사용자 인터페이스(310)는 전자 장치(101)에 기 저장된 영상(예: 내 영상 찾아보기(311))을 이용하거나, 사용자가 직접 촬영한 영상(예: 직접 학습하기(313))으로 개인화 립 리딩 모델을 학습시킬 수 있음을 안내하는 것일 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 제1 사용자 인터페이스(310)에서 직접 학습하기(313)가 선택되면, 제2 사용자 인터페이스(320)를 제공할 수 있다. 제2 사용자 인터페이스(320)는 안내 메시지(321) 및 시작 버튼(323)을 포함할 수 있다. 안내 메시지(321)는 개인화 립 리딩 모델을 학습하는데 필요한 영상을 획득하기 위하여 사용자 행동 지침을 안내하는 것일 수 있다. 예를 들어, 안내 메시지(321)는 카메라를 정면으로 바라보면서 제공되는 문구를 따라 읽어보라는 것일 수 있다. 프로세서(120)는 제2 사용자 인터페이스(320)에서 시작 버튼(323)이 선택되면, 제3 사용자 인터페이스(330)를 제공할 수 있다. 프로세서(120)는 시작 버튼(323)이 선택되면, 카메라(예: 도 1의 카메라 모듈(180))를 구동시켜 사용자 얼굴을 촬영할 수 있다. 제3 인터페이스(330)는 문구(331), 카메라 모듈(180)로부터 획득된 사용자 영상(333) 및 종료 버튼(335)을 포함할 수 있다. 프로세서(120)는 촬영되는 사용자 영상(333)에서 입 영역에 포커스(337)를 나타낼 수 있다. 프로세서(120)는 종료 버튼(335)이 선택되면, 사용자 영상(333)을 획득할 수 있다. 사용자 영상(333)은 오디오 신호 또는 비디오 신호를 포함할 수 있다.

도 3b는 사용자 영상에 대한 검증 결과를 나타내는 사용자 인터페이스의 일례를 도시한 것이다.

도 3b를 참조하면, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 사용자 영상(333)을 립 리딩 모델로 활용함을 안내하는 제4 사용자 인터페이스(350)를 제공할 수 있다. 프로세서(120)는 사용자 영상(333)의 유효성을 판단하고, 유효성이 있는 경우 사용자 영상(333)을 립 리딩 모델로 활용할 수 있다. 사용자 영상(333)의 유효성은 음성 검증 프로세스 또는 립 검증 프로세스를 이용하여 판단될 수 있다. 프로세서(120)는 사용자 영상(333)으로부터 음성 발화를 추출하고, 추출된 음성 발화를 텍스트로 변환하고, 변환된 텍스트가 문구(331)와 동일한 경우 사용자 영상(333)을 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 사용자 영상(333) 전체를 립 리딩 모델에 활용하거나, 사용자 영상(333) 중 음성 발화에 대응되는 립 영상을 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 사용자 영상(333)으로부터 음성 발화를 추출하고, 추출된 음성 발화를 텍스트로 변환하고, 변환된 텍스트가 문구(331)과 동일하지 않은 경우, 제5 사용자 인터페이스(360) 또는 제6 사용자 인터페이스(370)를 제공할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 립 검증 프로세스를 이용하여 변환된 텍스트가 문구와 일치하지 않는 경우 제5 사용자 인터페이스(360)를 제공할 수 있다. 제5 사용자 인터페이스(360)는 변환된 텍스트를 포함하는 안내 메시지(361), 등록 버튼(YES, 363), 및 취소 버튼(NO, 365)을 포함할 수 있다. 안내 메시지(361)는 립 검증 프로세스를 이용하여 변환된 텍스트(예: 존 아침)와 변환된 텍스트를 입 모양으로 등록할지 여부를 확인하는 메시지를 포함할 수 있다. 프로세서(120)는 등록 버튼(363)이 선택되면, 변환된 텍스트 또는 표시된 문구에 대응하여 사용자 영상(333)에서 추출한 입 모양을 개인화 립 리딩 모델로 등록할 수 있다. 또는, 프로세서(120)는 취소 버튼(365)이 선택되면, 제1 사용자 인터페이스(310), 제2 사용자 인터페이스(320) 또는 제3 사용자 인터페이스(330) 중 어느 하나를 제공할 수 있다. 프로세서(120)는 등록 버튼(363)이 선택되면, 변환된 텍스트에 대응하는 입 모양을 개인화 립 리딩 모델로 등록하고, 취소 버튼(365)이 선택되면, 제3 사용자 인터페이스(330)를 제공할 수 있다. 또는, 프로세서(120)는 등록 버튼(363)이 선택되면, 표시된 문구에 대응하는 입 모양을 개인화 립 리딩 모델로 등록하고, 취소 버튼(365)이 선택되면, 제1 사용자 인터페이스(310)를 제공할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 음성 검증 프로세스를 이용하여 변환된 텍스트가 문구와 일치하지 않는 경우 제6 사용자 인터페이스(370)를 제공할 수 있다. 제6 사용자 인터페이스(370)는 변환된 텍스트를 포함하는 안내 메시지(371), 등록 버튼(YES, 373), 및 취소 버튼(NO, 375)을 포함할 수 있다. 안내 메시지(371)는 음성 검증 프로세스를 이용하여 변환된 텍스트(예: 조은 아침)와 변환된 텍스트를 입 모양으로 등록할지 여부를 확인하는 메시지를 포함할 수 있다. 프로세서(120)는 등록 버튼(373)이 선택되면, 변환된 텍스트 또는 표시된 문구에 대응하여 입 모양을 개인화 립 리딩 모델로 등록할 수 있다. 프로세서(120)는 취소 버튼(375)이 선택되면, 제1 사용자 인터페이스(310), 제2 사용자 인터페이스(320) 또는 제3 사용자 인터페이스(330) 중 어느 하나를 제공할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 음성 인식 상 오류가 있을 수 있으므로, 등록 버튼(363)이 선택되면 사용자가 변환된 텍스트를 수정하기 위한 사용자 인터페이스를 제공할 수 있다. 사용자는 상기 사용자 인터페이스를 통해 상기 변환된 텍스트를 수정하고, 프로세서(120)는 수정된 텍스트에 대응하여 입 모양을 개인화 립 리딩 모델로 등록할 수 있다.

도 4는 다양한 실시예들에 따른 전자 장치에서 음성이 포함되지 않은 사용자 영상을 검증하는 방법을 도시한 흐름도(400)이다. 도 4는 도 2의 동작(205) 내지 동작(209)을 구체화하여 설명한 것으로, 음성이 포함되지 않은 사용자 영상을 검증하여 개인화 립 리딩 모델로 활용하기 위한 방법에 관한 것이다.

도 4를 참조하면, 동작(401)에서, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 입 모양을 분석할 수 있다. 프로세서(120)는 일반 립 리딩 모델을 이용하여 상기 사용자 영상으로부터 입 모양을 분석할 수 있다. 예를 들어, 프로세서(120)는 전자 장치(101)의 메모리(예: 메모리(130))에 저장된 일반 립 리딩 모델을 이용하여 상기 사용자 영상으로부터 입 모양을 분석할 수 있다. 프로세서(120)는 사전에 일반 립 리딩 모델과 연관된 서버(예: 도 1의 서버(108))로부터 상기 일반 립 리딩 모델을 다운로드하여 메모리(130)에 저장할 수 있다. 상기 일반 립 리딩 모델은 서버(108)에 의해 입 모양을 학습한 학습 모델일 수 있다. 또는, 프로세서(120)는 일반 립 리딩 모델과 연관된 서버(예: 도 1의 서버(108))와 연동하여 입 모양을 분석할 수 있다. 프로세서(120)는 사용자 영상을 서버(108)로 전송하고, 서버(108)로부터 사용자 영상에 대한 입 모양 분석 결과를 수신할 수 있다. 프로세서(120)는 서버(108)로부터 일반 립 리딩 모델을 수신하고, 일반 립 리딩 모델을 이용하여 상기 입 모양을 분석할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 상기 사용자 영상으로부터 사용자의 입 영역이 인식되지 않는 경우, 상기 선택된 영상이 개인화 립 리딩 모델로 활용이 가능하지 않다고 판단할 수 있다. 프로세서(120)는 선택된 영상이 개인화 립 리딩 모델로 활용이 가능하지 않다고 판단되는 경우 사용자 영상 재촬영을 요청할 수 있다.

동작(403)에서, 프로세서(120)는 상기 사용자 영상으로부터 입 모양을 분석하여 입 모양에 대응하는 단어 또는 문장을 인식할 수 있다. 프로세서(120)는 상기 사용자 영상으로부터 특징점을 분석하여 눈, 코, 입을 포함하는 얼굴 영역을 검출하고, 검출된 얼굴 영역에서 입의 움직임을 검출하고, 검출된 입의 움직임에 대응하여 단어 또는 문장을 인식할 수 있다. 프로세서(120)는 립 인식 기술(예: 메모리(130)에 저장된 일반 립 리딩 모델)을 이용하여 입의 움직임에 대응하여 사용자가 발화한 발화 문장 또는 단어를 인식할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 서버(108)와 연동하여 입 모양에 대응하는 단어 또는 문장을 인식할 수 있다. 예를 들어, 프로세서(120)는 사용자 영상을 서버(108)로 전송하고, 서버(108)로부터 입 모양에 대응하는 단어 도는 문장을를 수신할 수 있다.

동작(405)에서, 프로세서(120)는 인식된 단어 또는 문장이 표시된 문구와 동일한지 여부를 판단할 수 있다. 상기 표시된 문구는 사용자 영상 획득 시 디스플레이(예: 표시 장치(160))에 표시된 것일 수 있다. 프로세서(120)는 인식된 단어 또는 문장이 표시된 문구와 동일한 경우(YES) 동작(407)을 수행하고, 인식된 단어 또는 문장이 표시된 문구와 동일하지 않은 경우(NO) 동작(409)을 수행할 수 있다.

인식된 단어 또는 문장이 표시된 문구와 동일한 경우(YES) 동작(407)에서, 프로세서(120)는 사용자 영상을 개인화 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 동작(407)에서 도 3b의 제4 사용자 인터페이스(350)를 제공하여 사용자 영상을 개인화 립 리딩 모델로 활용하기로 하였음을 안내할 수 있다. 프로세서(120)는 상기 사용자 영상을 상기 개인화 립 리딩 모델을 위한 데이터베이스(예: 도 1의 메모리(130))에 저장할 수 있다. 상기 사용자 영상은 입 모양 및 입 모양에 대응하는 단어 또는 문장(예: 표시된 문구)에 대하여 개인화 립 리딩 모델을 학습하는데 이용될 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 전자 장치(101)의 설정 또는 사용자 입력에 기반하여 상기 사용자 영상을 일반 립 리딩 모델과 연관된 서버(예: 도 1의 서버(108))에 전송할 수 있다.

인식된 단어 또는 문장이 표시된 문구와 동일하지 않은 경우(NO) 동작(409)에서, 프로세서(120)는 인식된 단어 또는 문장을 포함하는 사용자 인터페이스를 제공할 수 있다. 상기 인식된 단어 또는 문장이 상기 표시된 문구와 다르나, 사용자가 의도적으로 상기 표시된 문구와 다르게 말한 것일 수도 있다. 프로세서(120)는 사용자가 의도적으로 표시된 문구와 다르게 말한 경우에도 사용자의 선택에 따라 사용자 영상을 개인화 립 리딩 모델로 활용하기 위하여 도 3b의 제5 사용자 인터페이스(360)를 제공할 수 있다. 프로세서(120)는 인식된 단어 도는 문장에 대응하는 입 모양을 개인화 립 리딩 모델로 활용할 것인지 여부를 사용자에게 확인할 수 있다.

동작(411)에서, 프로세서(120)는 상기 사용자로부터 상기 인식된 단어 또는 문장을 개인화 립 리딩 모델로 활용하기 위한 요청이 있는지 판단할 수 있다. 사용자는 표시된 문구와 다르지만, 인식된 단어 또는 문장가 자신의 입 모양에 맞는 것인 경우 상기 인식된 단어 또는 문장을 개인화 립 리딩 모델로 활용하도록 요청할 수 있다. 프로세서(120)는 제5 사용자 인터페이스(360)를 표시한 상태에서 등록 버튼(363)이 선택되면 상기 인식된 단어 또는 문장을 개인화 립 리딩 모델로 활용하기 위한 요청이 있는 것(예: 활용 허용)으로 판단할 수 있다. 프로세서(120)는 제5 사용자 인터페이스(360)를 표시한 상태에서 취소 버튼(365)이 선택되면 상기 인식된 단어 또는 문장을 개인화 립 리딩 모델로 활용하기 위한 요청이 없는 것(예: 활용 불허)으로 판단할 수 있다. 프로세서(120)는 개인화 립 리딩 모델로 활용하기 위한 요청이 있는 경우(YES) 동작(415)을 수행하고, 개인화 립 리딩 모델로 활용하기 위한 요청이 없는 경우(NO) 동작(413)을 수행할 수 있다.

개인화 립 리딩 모델로 활용하기 위한 요청이 없는 경우(NO) 동작(413)에서, 프로세서(120)는 다른 문구에 대한 추가 발화를 요청할 수 있다. 프로세서(120)는 상기 사용자 영상을 획득할 때 제공된 문구와 다른 문구를 포함하는 사용자 인터페이스를 제공할 수 있다. 프로세서(120)는 다른 문구에 대하여 도 2의 동작(201) 내지 동작(209)을 수행하여 사용자 영상을 개인화 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 상기 사용자 영상을 획득할 때 제공된 문구와 동일한 문구를 포함하는 사용자 인터페이스를 제공할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 개인화 립 리딩 모델로 활용하기 위한 요청이 없는 경우 도 3a의 제1 사용자 인터페이스(310)를 제공할 수 있다. 프로세서(120)는 사용자의 선택에 따라 기 저장된 영상을 개인화 립 리딩 모델로 활용하거나, 다른 문구에 대한 사용자 영상을 새로이 획득하여 개인화 립 리딩 모델로 활용할 수 있다.

개인화 립 리딩 모델로 활용하기 위한 요청이 있는 경우(YES) 동작(415)에서, 프로세서(120)는 인식된 단어 또는 문장에 대응하는 개인화 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 인식된 단어 또는 문장에 대응하여 상기 사용자 영상을 개인화 립 리딩 모델을 위한 데이터베이스에 저장할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 전자 장치(101)의 설정 또는 사용자 입력에 기반하여 상기 사용자 영상을 일반 립 리딩 모델과 연관된 서버(108)에 전송할 수 있다.

도 5는 다양한 실시예들에 따른 전자 장치에서 음성이 포함된 사용자 영상을 검증하는 방법을 도시한 흐름도(500)이다. 도 5는 도 2의 동작(205) 내지 동작(209)을 구체화하여 설명한 것으로, 음성이 포함된 사용자 영상을 검증하여 개인화 립 리딩 모델로 활용하기 위한 방법에 관한 것이다.

도 5를 참조하면, 동작(501)에서, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 사용자 영상에 포함된 음성을 분석할 수 있다. 프로세서(120)는 상기 사용자 영상에 포함된 오디오 신호를 추출하여 상기 음성을 분석할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 오디오 신호에 사용자 음성이 포함된 경우, 상기 사용자 음성이 전자 장치(101)에 등록된 사용자인지 판단할 수 있다. 프로세서(120)는 상기 오디오 신호에 포함된 사용자 음성이 전자 장치(101)에 등록된 사용자인 경우 상기 음성을 분석할 수 있다.

동작(503)에서, 프로세서(120)는 음성에 대응하는 텍스트를 변환할 수 있다. 프로세서(120)는 자동 음성 인식(ASR) 기술을 이용하여 추출된 음성을 텍스트로 변환할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 서버(108)와 연동하여 또는 전자 장치(101) 내부의 ASR을 이용하여 음성에 대응하는 텍스트를 변환할 수 있다. 예를 들어, 프로세서(120)는 사용자 영상을 서버(108)로 전송하고, 서버(108)로부터 사용자 영상으로부터 추출한 음성에 대응하는 텍스트를 수신할 수 있다.

동작(505)에서, 프로세서(120)는 변환된 텍스트가 표시된 문구와 동일한지 여부를 판단할 수 있다. 상기 표시된 문구는 사용자 영상 획득 시 디스플레이(예: 표시 장치(160))에 표시된 것일 수 있다. 프로세서(120)는 변환된 텍스트가 표시된 문구와 동일한 경우(YES) 동작(507)을 수행하고, 변환된 텍스트가 표시된 문구와 동일하지 않은 경우(NO) 동작(509)을 수행할 수 있다.

변환된 텍스트가 표시된 문구와 동일한 경우(YES) 동작(507)에서, 프로세서(120)는 사용자 영상을 개인화 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 상기 사용자 영상을 상기 개인화 립 리딩 모델을 위한 데이터베이스(예: 도 1의 메모리(130))에 저장할 수 있다. 상기 사용자 영상은 입 모양 및 입 모양에 대응하는 단어 또는 문장(예: 표시된 문구)에 대하여 개인화 립 리딩 모델을 학습하는데 이용될 수 있다. 동작(507)은 도 4의 동작(407)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

변환된 텍스트가 표시된 문구와 동일하지 않은 경우(NO) 동작(509)에서, 프로세서(120)는 변환된 텍스트를 포함하는 사용자 인터페이스를 제공할 수 있다. 상기 변환된 텍스트는 상기 표시된 문구와 다르나, 사용자가 의도적으로 상기 표시된 문구와 다르게 말한 것일 수도 있다. 프로세서(120)는 사용자의 선택에 따라 사용자 영상을 립 리딩 모델로 활용하기 위하여 도 3b의 제5 사용자 인터페이스(360)를 제공할 수 있다. 동작(509)은 도 4의 동작(409)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

동작(511)에서, 프로세서(120)는 상기 사용자로부터 상기 변환된 텍스트를 개인화 립 리딩 모델로 활용하기 위한 요청이 있는지 판단할 수 있다. 프로세서(120)는 개인화 립 리딩 모델로 활용하기 위한 요청이 있는 경우(YES) 동작(515)을 수행하고, 개인화 립 리딩 모델로 활용하기 위한 요청이 없는 경우(NO) 동작(513)을 수행할 수 있다. 동작(511)은 도 4의 동작(411)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

개인화 립 리딩 모델로 활용하기 위한 요청이 없는 경우(NO) 동작(513)에서, 프로세서(120)는 다른 문구에 대한 추가 발화를 요청할 수 있다. 프로세서(120)는 상기 사용자 영상을 획득할 때 제공된 문구와 다른 문구를 포함하는 사용자 인터페이스를 제공할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 개인화 립 리딩 모델로 활용하기 위한 요청이 없는 경우 도 3a의 제1 사용자 인터페이스(310)를 제공할 수 있다. 동작(513)은 도 4의 동작(413)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

개인화 립 리딩 모델로 활용하기 위한 요청이 있는 경우(YES) 동작(515)에서, 프로세서(120)는 변환된 텍스트에 대응하는 단어 또는 문장을 개인화 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 인식된 단어 또는 문장에 대응하여 상기 사용자 영상을 개인화 립 리딩 모델을 위한 데이터베이스에 저장할 수 있다. 동작(515)은 도 4의 동작(415)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 음성 인식 상 오류가 있을 수 있으므로, 상기 요청이 있는 경우, 사용자가 변환된 텍스트를 수정하기 위한 사용자 인터페이스를 제공할 수 있다. 프로세서(120)는 사용자 입력에 기반하여 상기 변환된 텍스트를 수정하고, 변환된 텍스트에 대응하는 단어 또는 문장을 입 모양에 대응하여 개인화 립 리딩 모델로 등록할 수 있다.

도 6은 다양한 실시예들에 따른 전자 장치에 기 저장된 영상을 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(600)이다.

도 6을 참조하면, 동작(601)에서, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 개인화 립 리딩 모델로 활용하기 위한 영상을 요청할 수 있다. 프로세서(120)는 도 3a의 제1 사용자 인터페이스(310)를 제공하고, 제1 사용자 인터페이스(310)에서 사용자로부터 기 저장된 영상을 립 리딩 모델로 활용하기 위한 요청을 수신할 수 있다. 예를 들어, 프로세서(120)는 제1 사용자 인터페이스(310)에서 내 영상 찾아보기(311)를 선택 받을 수 있다.

동작(603)에서, 프로세서(120)는 적어도 하나 이상의 영상을 포함하는 영상 리스트를 제공할 수 있다. 상기 영상 리스트는 전자 장치(101)의 메모리(예: 도 1의 메모리(130))에 저장된 영상을 포함할 수 있다. 상기 영상은 정지 영상(예: 사진)이 아니라 동영상(또는 재생 가능한 영상)을 포함할 수 있다. 프로세서(120)는 메모리(130)에 저장된 모든 영상(예: 정지 영상 포함)을 상기 영상 리스트에 포함시킬 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 메모리(130)에 저장된 영상 중에서 파일 확장자(예: avi, mpg, mpeg, mpe, wmv, asf, asx, mov)를 이용하여 동영상을 상기 영상 리스트에 포함시킬 수 있다. 프로세서(120)는 기준 시간(예: 5초, 10초) 동안 재생 가능한 동영상을 포함하는 상기 영상 리스트를 디스플레이(예: 도 1의 표시 장치(160))에 표시할 수 있다. 다양한 실시예들에 따르면, 상기 동영상은 한 명의 사람이 포함된 영상 또는 전자 장치(101)에 등록된 사용자를 포함한 영상일 수 있다. 프로세서(120)는 메모리(130)에 저장된 영상 중에서 한 명의 사람이 포함된 영상 또는 전자 장치(101)에 등록된 사용자를 포함한 영상을 상기 영상 리스트에 포함시킬 수 있다.

동작(605)에서, 프로세서(120)는 영상을 선택 받을 수 있다. 프로세서(120)는 상기 영상 리스트 중에서 사용자로부터 어느 하나의 영상을 선택 받을 수 있다. 프로세서(120)는 하나 이상의 영상을 선택 받은 경우, 순차적으로 각 영상에 대하여 동작(607) 및 동작(609)을 수행할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 선택된 영상이 개인화 립 리딩 모델로 활용 가능한지 여부를 판단할 수 있다. 예를 들어, 선택된 영상의 밝기가 너무 어둡거나 밝은 경우, 상기 선택된 영상을 개인화 립 리딩 모델로 활용하기 어렵기 때문에, 프로세서(120)는 사용자에게 영상 재선택을 요청할 수 있다. 프로세서(120)는 선택된 영상으로부터 적어도 두 명의 얼굴이 검출되는 경우, 상기 선택된 영상을 개인화 립 리딩 모델로 활용하기 어렵기 때문에, 사용자에게 영상 재선택을 요청할 수 있다. 프로세서(120)는 선택된 영상으로부터 노이즈(예: 주변 소음)가 기준치 이상 검출되는 경우, 음성 인식이 어렵기 때문에 사용자에게 영상 재선택을 요청할 수 있다. 프로세서(120)는 노이즈가 기준치 이상 검출된 영상에 대해서 립 인식이 가능한지 여부에 따라 선택적으로 영상 재선택을 요청할 수 있다. 프로세서(120)는 립 인식이 가능한 경우 영상 재선택을 요청하지 않고, 립 인식이 가능하지 않은 경우 영상 재선택을 요청할 수 있다.

동작(607)에서, 프로세서(120)는 선택된 영상에 대하여 영상 검증 프로세스를 수행할 수 있다. 프로세서(120)는 선택된 영상에 음성이 포함되어 있는지 여부를 검출할 수 있다. 프로세서(120)는 상기 선택된 영상에 음성이 포함된 경우, 음성이 포함된 영상의 검증 프로세스(예: 음성 검증 프로세스)를 수행할 수 있다. 상기 음성 검증 프로세스는 상기 선택된 영상에 포함된 음성을 추출하고, 자동 음성 인식(ASR) 기술을 이용하여 추출된 음성을 텍스트로 변환하고, 변환된 텍스트가 선택된 영상에서 발화한 문구가 맞는지 여부를 검증하는 것일 수 있다. 프로세서(120)는 상기 선택된 영상에 음성이 포함되지 않은 경우, 음성이 포함되지 않은 영상의 검증 프로세스(예: 립 검증 프로세스)를 수행할 수 있다. 상기 립 검증 프로세스는 상기 선택된 영상에 포함된 입의 움직임을 검출하고, 립 인식 기술을 이용하여 검출된 입의 움직임(예: 입 모양 변화)에 대응하는 단어 또는 문장을 인식하고 인식된 단어 또는 문장이 선택된 영상에서 사용자가 의도한 문구인지 여부를 검증하는 것일 수 있다.

동작(609)에서, 프로세서(120)는 선택된 영상을 개인화 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 상기 변환된 텍스트(예: 음성 검증 프로세스 수행 시)가 선택된 영상에서 발화한 문구와 일치하는 경우, 또는 상기 인식된 단어 또는 문장(예: 립 검증 프로세스 수행 시)이 선택된 영상에서 사용자가 의도한 문구와 일치하는 경우, 상기 사용자 영상 또는 사용자 영상 중 일부 영상(립이 포함되어 있는 부분 영상)을 상기 개인화 립 리딩 모델(또는 개인화 립 리딩 학습 모델)로 활용할 수 있다. 프로세서(120)는 상기 선택된 영상을 메모리(130)에 저장할 수 있다. 상기 사용자 영상은 입 모양 및 입 모양에 대응하는 단어 또는 문장에 대하여 개인화 립 리딩 모델을 학습하는데 이용될 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 전자 장치(101)의 설정 또는 사용자 입력에 기반하여 상기 선택된 영상을 일반 립 리딩 모델(또는 일반 립 리딩 학습 모델)과 연관된 서버(예: 도 1의 서버(108))에 전송할 수 있다.

도 7은 다양한 실시예들에 따른 전자 장치에 기 저장된 영상을 선택하는 사용자 인터페이스를 제공하는 일례를 도시한 도면이다.

도 7을 참조하면, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 개인화 립 리딩 모델과 연관된 어플리케이션이 선택되면, 제1 사용자 인터페이스(710)를 제공할 수 있다. 도 7의 제1 사용자 인터페이스(710)는 도 1의 제1 사용자 인터페이스(310)와 동일할 수 있다. 제1 사용자 인터페이스(710)는 기 저장된 영상(예: 내 영상 찾아보기(711))을 이용하거나, 사용자가 직접 촬영한 영상(예: 직접 학습하기(713))으로 개인화 립 리딩 모델을 학습시킬 수 있음을 안내하는 것일 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 제1 사용자 인터페이스(710)에서 내 영상 찾아보기(711)가 선택되면, 제2 사용자 인터페이스(720)를 제공할 수 있다. 제2 사용자 인터페이스(720)는 영상 리스트(721)를 포함할 수 있다. 영상 리스트(721)는 전자 장치(101)의 메모리(예: 도 1의 메모리(130))에 저장된 적어도 하나 이상의 영상을 포함할 수 있다. 상기 영상은 정지 영상(예: 사진)이 아니라 동영상(또는 재생 가능한 영상)을 포함할 수 있다. 프로세서(120)는 영상 리스트(721)에서 어느 하나의 영상을 선택하면 확인 버튼 또는 취소 버튼을 제공할 수 있다. 프로세서(120)는 영상 선택 후, 확인 버튼이 선택되면, 제3 사용자 인터페이스(730)를 제공할 수 있다.

다양한 실시예들에 따르면, 제3 사용자 인터페이스(730)는 선택된 영상에 대하여 영상 검증 프로세스를 수행하고 있음을 안내하는 메시지(731) 중지 버튼(733) 및 취소 버튼(735)을 포함할 수 있다. 프로세서(120)는 선택된 영상에 음성이 포함되어 있는지 여부를 판단하고, 음성 포함 여부에 따라 영상 검증 프로세스(예: 음성 검증 프로세스, 립 검증 프로세스)를 수행할 수 있다. 프로세서(730)는 중지 버튼(733)이 선택되면, 영상 검증 프로세스를 중단하고, 제2 사용자 인터페이스(720)를 제공할 수 있다. 프로세서(120)는 중지 버튼(733)이 선택되면, 영상 재선택을 위하여 영상 리스트를 포함하는 제2 사용자 인터페이스(720)를 제공할 수 있다. 프로세서(730)는 취소 버튼(733)이 선택되면, 영상 검증 프로세스를 중단하고, 제1 사용자 인터페이스(710)를 제공할 수 있다. 프로세서(730)는 취소 버튼(733)이 선택되면, 어플리케이션의 처음 화면(예: 제1 사용자 인터페이스(710))으로 돌아갈 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 상기 영상 검증 프로세스의 검증 결과에 기반하여 제4 사용자 인터페이스(740)를 제공할 수 있다. 제4 사용자 인터페이스(740)는 변환된 텍스트를 포함하는 안내 메시지(741), 확인 버튼(YES, 743) 및 취소 버튼(NO, 745)을 포함할 수 있다. 프로세서(120)는 변환된 텍스트가 선택된 영상에서 사용자가 의도한(또는 발화한) 문구가 맞는지 확인하기 위하여 제4 사용자 인터페이스(740)를 제공할 수 있다. 프로세서(120)는 확인 버튼(743)이 선택되면, 상기 선택된 영상을 상기 변환된 텍스트에 대응하는 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 취소 버튼(745)이 선택되면, 제1 사용자 인터페이스(710) 또는 제2 사용자 인터페이스(720)를 제공할 수 있다.

도 8은 다양한 실시예들에 따른 전자 장치에 기 저장된 영상을 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(800)이다. 도 8은 도 6의 동작(605) 내지 동작(609)을 구체화한 동작이다.

도 8을 참조하면, 동작(801)에서, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 영상을 선택 받을 수 있다. 프로세서(120)는 하나 이상의 영상을 포함하는 영상 리스트에서 적어도 하나의 영상을 사용자로부터 선택 받을 수 있다. 상기 영상 리스트는 전자 장치(101)의 메모리(예: 도 1의 메모리(130))에 저장된 영상을 포함할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 하나 또는 하나 이상의 영상을 선택 받을 수 있고, 하나 이상의 영상을 선택 받은 경우, 하나씩 순차적으로 동작(803) 내지 동작(817)을 수행할 수 있다.

동작(803)에서, 프로세서(120)는 상기 선택된 영상에 포함된 얼굴을 인식할 수 있다. 프로세서(120)는 상기 선택된 영상으로부터 특징점을 추출하고, 추출된 특징점을 이용하여 눈, 코, 입을 포함하는 얼굴 영역을 검출할 수 있다. 프로세서(120)는 상기 선택된 영상으로부터 얼굴 영역이 검출되지 않는 경우, 영상 재선택을 요청할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 선택된 영상이 개인화 립 리딩 모델로 활용 가능한지 여부를 판단할 수 있다. 프로세서(120)는 선택된 영상이 개인화 립 리딩 모델로 활용이 가능하지 않다고 판단되는 경우, 사용자에게 영상 재선택을 요청할 수 있다. 예를 들어, 선택된 영상의 밝기가 너무 어둡거나 밝은 경우, 상기 선택된 영상을 개인화 립 리딩 모델로 활용하기 어렵기 때문에, 프로세서(120)는 사용자에게 영상 재선택을 요청할 수 있다.

동작(805)에서, 프로세서(120)는 인식된 얼굴이 등록된 사용자인지 판단할 수 있다. 전자 장치(101)에는 미리 전자 장치(101)의 사용자에 대한 정보가 등록(예: 메모리(130)에 저장)될 수 있다. 상기 사용자에 대한 정보는 이름, 전화번호, 주소 또는 사용자의 얼굴 중 적어도 하나가 포함될 수 있다. 프로세서(120)는 상기 인식된 얼굴이 상기 전자 장치(101)에 등록된 사용자인지 판단할 수 있다. 개인화 립 리딩 모델은 사용자 개인을 위한 학습 모델을 생성하기 위한 것으로, 인식된 얼굴이 등록된 사용자가 아닌 경우 상기 선택된 영상을 개인화 립 리딩 모델로 활용하지 않을 수 있다. 프로세서(120)는 상기 인식된 얼굴이 전자 장치(101)에 등록된 사용자인 경우(YES) 동작(807)을 수행하고, 상기 인식된 얼굴이 등록된 사용자가 아닌 경우(NO) 동작(817)을 수행할 수 있다.

상기 인식된 얼굴이 등록된 사용자인 경우(YES) 동작(807)에서, 프로세서(120)는 인식된 얼굴이 2인 이상인지 여부를 검출할 수 있다. 상기 선택된 영상에 포함된 사람이 2인 이상인 경우, 영상 검증 프로세스를 수행하기 어렵거나, 영상 검증 프로세스가 다를 수 있다. 프로세서(120)는 상기 선택된 영상에 2인 이상 검출되는 경우(YES) 동작(817)을 수행하고, 상기 선택된 영상에 2인 이상 검출되지 않는 경우(NO) 동작(809)을 수행할 수 있다.

도 8에서는 동작(805)이 먼저 수행되고, 동작(807)이 나중에 수행되는 것으로 도시하고 있지만, 동작(807)이 먼저 수행되고, 동작(805)이 나중에 수행되거나, 동작(805) 및 동작(807)이 동시에 수행될 수 있다.

상기 선택된 영상에 2인 이상 검출되지 않는 경우(NO) 동작(809)에서, 프로세서(120)는 립 리딩 활용 구간을 검출할 수 있다. 상기 립 리딩 활용 구간은 상기 선택된 영상의 전체 또는 일부가 포함될 수 있다. 프로세서(120)는 상기 선택된 영상 중 얼굴 영역에 입의 움직임이 검출되고, 입의 움직임이 검출되는 시간이 기준 시간(예: 5초, 10초) 이상인 구간을 상기 립 리딩 활용 구간으로 결정할 수 있다. 프로세서(120)는 상기 선택된 영상의 전체 구간에서 동작(811) 내지 동작(815)을 수행할 수 있지만, 프로세서(120)의 부하를 줄이기 위하여 상기 립 리딩 활용 구간에서 동작(811) 내지 동작(815)을 수행할 수 있다.

동작(811)에서, 프로세서(120)는 상기 립 리딩 활용 구간으로부터 단어 또는 문장을 인식할 수 있다. 예를 들어, 프로세서(120)는 상기 립 리딩 활용 구간에 음성이 포함된 경우, 상기 립 리딩 활용 구간에 포함된 음성을 추출하고, 자동 음성 인식(ASR) 기술을 이용하여 추출된 음성을 텍스트로 변환하여 상기 단어 또는 문장을 인식할 수 있다. 프로세서(120)는 상기 립 리딩 활용 구간에 음성이 포함되지 않은 경우, 상기 립 리딩 활용 구간에 포함된 입의 움직임을 검출하고, 립 인식 기술을 이용하여 검출된 입의 움직임(예: 입 모양 변화)에 대응하는 단어 또는 문장을 인식할 수 있다.

동작(813)에서, 프로세서(120)는 상기 인식된 단어 또는 문장을 포함하는 사용자 인터페이스를 제공할 수 있다. 프로세서(120)는 인식된 단어 또는 문장이 상기 립 리딩 활용 구간에서 사용자가 의도한(또는 발화한) 문구가 맞는지 확인하기 위하여 상기 사용자 인터페이스를 디스플레이(예: 표시 장치(160))에 표시할 수 있다. 예를 들어, 상기 사용자 인터페이스는 도 3b의 제5 사용자 인터페이스(360) 또는 제6 사용자 인터페이스(370)를 포함할 수 있다. 상기 사용자 인터페이스는 상기 인식된 단어 또는 문장을 포함하는 안내 메시지, 등록 버튼 및 취소 버튼을 포함할 수 있다. 사용자는 상기 인식된 단어 또는 문장을 확인하고, 선택된 영상에서 본인이 의도한 문구가 맞는 경우 등록 버튼을 선택할 수 있다.

동작(815)에서, 프로세서(120)는 상기 선택된 영상을 상기 인식된 단어 또는 문장에 대응하는 개인화 립 리딩 모델로 활용할 수 있다. 프로세서(120)는 상기 인식된 단어 또는 문장을 입 모양에 대응하는 개인화 립 리딩 모델로 등록할 수 있다. 프로세서(120)는 상기 선택된 영상을 상기 개인화 립 리딩 모델을 위한 데이터베이스(예: 도 1의 메모리(130))에 저장할 수 있다. 프로세서(120)는 전자 장치(101)의 설정 또는 사용자의 선택에 기반하여 상기 선택된 영상 전체 또는 상기 립 리딩 활용 구간을 메모리(130)에 저장할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 전자 장치(101)의 설정 또는 사용자 입력에 기반하여 상기 사용자 영상을 일반 립 리딩 모델(또는 일반 립 리딩 학습 모델)과 연관된 서버(예: 도 1의 서버(108))에 전송할 수 있다.

상기 인식된 얼굴이 등록된 사용자가 아닌 경우(NO) 또는 상기 선택된 영상에 2인 이상이 검출되는 경우(YES) 동작(817)에서, 프로세서(120)는 에러 메시지를 출력할 수 있다. 상기 선택된 영상은 개인화 립 리딩 모델을 생성하기 위해 활용되는 것으로, 상기 선택된 영상이 개인화 립 리딩 모델로 활용하기 어려운 경우, 프로세서(120)는 상기 에러 메시지를 출력할 수 있다. 예를 들어, 상기 에러 메시지는 영상 재선택을 요청하는 메시지를 포함할 수 있다. 프로세서(120)는 상기 인식된 얼굴이 등록된 사용자가 아닌 경우, 상기 에러 메시지에 등록된 사용자를 포함한 영상을 선택하라는 안내 메시지를 포함시킬 수 있다. 프로세서(120)는 상기 선택된 영상에 2인 이상이 검출되는 경우, 상기 에러 메시지에 등록된 사용자 1인을 포함한 영상을 선택하라는 안내 메시지를 포함시킬 수 있다.

도 9는 다양한 실시예들에 따른 전자 장치에서 2인 이상의 사용자가 포함된 기 저장된 영상을 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(900)이다. 도 9는 도 8의 동작(807)에서 선택된 영상에 2인 이상이 포함된 경우(YES) 수행하는 동작을 구체화한 것이다.

도 9를 참조하면, 동작(901)에서, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 사용자를 인식할 수 있다. 프로세서(120)는 동작(801)에서 선택된 영상에 2인이 포함된 경우, 2인 중에서 전자 장치(101)에 등록된 사용자를 인식(또는 추출)할 수 있다. 프로세서(120)는 선택된 영상으로부터 특징점을 추출하고, 추출된 특징점을 기반하여 전자 장치(101)에 등록된 사용자를 인식할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 선택된 영상에서 인식된 사용자에 대하여 립 인식이 어려운 경우 사용자에게 영상 재선택을 요청할 수 있다. 예를 들어, 프로세서(120)는 상기 선택된 영상의 밝기에 따라 상기 인식된 사용자의 입 영역이 인식되지 않는 경우, 상기 선택된 영상이 개인화 립 리딩 모델로 활용이 가능하지 않다고 판단할 수 있다. 또는, 프로세서(120)는 상기 인식된 사용자가 포함된 영상의 길이가 기준 시간(예: 5초, 10초) 이하인 경우 선택된 영상이 개인화 립 리딩 모델로 활용이 가능하지 않다고 판단할 수 있다. 프로세서(120)는 선택된 영상이 개인화 립 리딩 모델로 활용이 가능하지 않다고 판단되는 경우 영상 재선택을 요청할 수 있다.

동작(903)에서, 프로세서(120)는 사용자의 립 리딩 활용 구간을 검출할 수 있다. 상기 립 리딩 활용 구간은 상기 선택된 영상의 전체 또는 일부가 포함될 수 있다. 프로세서(120)는 상기 선택된 영상에서 상기 인식된 사용자의 입 움직임이 검출되고, 입의 움직임이 검출되는 시간이 기준 시간(예: 5초, 10초) 이상인 구간을 상기 립 리딩 활용 구간으로 결정할 수 있다. 동작(903)은 동작(809)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

동작(905)에서, 프로세서(120)는 상기 선택된 영상으로부터 립 리딩 활용 구간이 검출되는지 여부를 판단할 수 있다. 프로세서(120)는 상기 선택된 영상으로부터 상기 인식된 사용자의 입 움직임이 기준 시간 이상 검출되는 구간이 있는지 여부를 검출할 수 있다. 프로세서(120)는 상기 립 리딩 활용 구간이 검출되는 경우(YES) 동작(907)을 수행하고, 상기 립 리딩 활용 구간이 검출되지 않는 경우(NO) 동작(909)을 수행할 수 있다.

상기 립 리딩 활용 구간이 검출되는 경우(YES) 동작(907)에서, 프로세서(120)는 단어 또는 문장에 따른 립 리딩 모델 활용 프로세스를 수행할 수 있다. 상기 립 리딩 활용 프로세스는 상기 립 리딩 활용 구간으로부터 상기 인식된 사용자의 입 모양에 대응하는 단어 또는 문장을 인식하고, 인식된 단어 또는 문장이 상기 인식된 사용자가 의도한(또는 발화한) 문구와 동일한지 여부에 기반하여 상기 선택된 영상을 개인화 립 리딩 모델로 활용하는 것을 의미할 수 있다. 상기 립 리딩 활용 프로세스는 도 8의 동작(811) 내지 동작(815)을 포함할 수 있다. 예를 들어, 프로세서(120)는 상기 인식된 단어 또는 문장이 상기 인식된 사용자가 의도한 문구와 동일한 경우 상기 선택된 영상을 개인화 립 리딩 모델로 활용하고, 상기 변환된 텍스트가 상기 인식된 사용자가 의도한 문구와 동일하지 않은 경우 상기 선택된 영상을 개인화 립 리딩 모델로 활용하지 않을 수 있다. 프로세서(120)는 상기 인식된 단어 또는 문장이 사용자가 의도한(또는 발화한) 문구와 동일하지 않은 경우 사용자에게 영상 재선택을 요청할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 상기 립 리딩 활용 구간으로부터 음성을 추출하고, 추출된 음성을 기반으로 텍스트를 변환할 수 있다. 또는, 프로세서(120)는 상기 립 리딩 활용 구간으로부터 입의 움직임을 검출하고, 검출된 입의 움직임에 대응하는 단어 또는 문장을 인식할 수 있다.

상기 립 리딩 활용 구간이 검출되지 않는 경우(NO) 동작(909)에서, 프로세서(120)는 에러 메시지를 출력할 수 있다. 예를 들어, 상기 에러 메시지는 영상 재선택을 요청하는 메시지를 포함할 수 있다. 프로세서(120)는 상기 에러 메시지에 등록된 사용자 1인을 포함한 영상을 선택하라는 안내 메시지를 포함시킬 수 있다. 동작(909)은 동작(817)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

도 10은 다양한 실시예들에 따른 전자 장치에서 영상 통화 시 사용자 영상을 획득하여 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(1000)이다.

도 10을 참조하면, 동작(1001)에서, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 영상 통화를 수행할 수 있다. 프로세서(120)는 사용자의 요청에 따라 영상 통화를 수신 또는 발신할 수 있다. 프로세서(120)는 전자 장치(101)의 카메라(예: 도 1의 카메라 모듈(180)) 또는 스피커(예: 음향 출력 장치(155))를 구동시켜 상기 영상 통화를 수행할 수 있다. 프로세서(120)는 상기 영상 통화와 연관된 어플리케이션의 실행 화면을 디스플레이(예: 표시 장치(160))에 표시하고, 음향 출력 장치(155)를 통해 영상 통화와 연관된 소리를 출력할 수 있다. 상기 실행 화면(예: 영상 통화 사용자 인터페이스)에는 카메라 모듈(180)로부터 획득한 사용자 영상 및 상대방 전자 장치(예: 도 1의 전자 장치(102))로부터 수신된 상대방 영상을 포함할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 전자 장치(101)의 설정 또는 사용자 선택에 기반하여 상기 실행 화면을 메모리(예: 도 1의 메모리(130))에 저장할 수 있다. 전자 장치(101)의 설정에 '영상 통화 시 자동 저장'으로 등록된 경우, 프로세서(120)는 영상 통화 시 자동으로 상기 영상 통화와 연관된 어플리케이션의 실행 화면 또는 사용자 영상을 저장할 수 있다. 프로세서(120)는 영상 통화 시 립 리딩 모델 활용을 위한 사용자 영상으로 저장 가능함을 안내하고, 사용자가 '저장'하는 것을 요청한 경우 상기 영상 통화와 연관된 어플리케이션의 실행 화면 또는 사용자 영상을 저장할 수 있다. 상기 실행 화면은 사용자 영상 및 상대방 영상을 포함할 수 있다. 상기 사용자 영상은 카메라 모듈(180)(예: 전면 카메라)로부터 획득한 비디오 신호 및 마이크(예: 도 1의 입력 장치(150))로부터 획득한 오디오 신호를 포함할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 실행 화면(예: 상대방 영상 및 사용자 영상 포함)을 저장하거나, 상기 실행 화면 중에서 사용자를 포함하는 사용자 영상을 저장할 수 있다. 프로세서(120)는 상기 실행 화면 중에서 사용자를 포함하는 일부 영상을 상기 사용자 영상으로 저장할 수 있다.

동작(1003)에서, 프로세서(120)는 상기 영상 통화로부터 입 모양 및 음성 인식을 수행할 수 있다. 프로세서(120)는 상기 실행 화면 또는 상기 사용자 영상으로부터 입 모양을 인식하고, 마이크(예: 도 1의 입력 장치(150))로부터 획득한 오디오 신호를 이용하여 음성을 인식할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 일정 시간(예: 5초, 10초) 동안 상기 영상 통화로부터 입 모양 및 음성 인식을 수행할 수 있다.

동작(1005)에서, 프로세서(120)는 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능한지 여부를 판단할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 영상 통화에 전자 장치(101)에 등록된 사용자가 포함되는지 여부, 2인 이상의 사람이 포함되는지 여부, 촬영 상태 중 적어도 하나에 기반하여 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능한지 여부를 판단할 수 있다. 예를 들어, 프로세서(120)는 상기 음성 인식된 사용자가 상기 등록된 사용자인지 판단하고, 상기 음성 인식된 사용자가 상기 등록된 사용자인 경우 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능하다고 판단할 수 있다. 또는, 프로세서(120)는 카메라 모듈(180)로부터 획득되는 사용자 영상으로부터 특징점을 추출하고, 상기 추출된 특징점에 기반하여 상기 등록된 사용자인지 판단할 수도 있다. 프로세서(120)는 카메라 모듈(180)로부터 획득되는 사용자 영상으로부터 특징점을 추출하고, 상기 추출된 특징점에 기반하여 1인의 얼굴 영역이 검출되는 경우, 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능하다고 판단할 수 있다.

다양한 실시예들에 따르면, 상기 촬영 상태는 카메라 모듈(180)로부터 획득되는 사용자 영상의 밝기가 설정된 범위에 포함되는지, 마이크(예: 도 1의 입력 장치(150))로부터 획득되는 오디오 신호의 노이즈(예: 주변 소음)가 기준치 이상 검출되는지 여부를 포함할 수 있다. 프로세서(120)는 상기 사용자 영상의 밝기가 설정된 범위에 포함되는 경우 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능하다고 판단할 수 있다. 프로세서(120)는 상기 오디오 신호의 노이즈가 기준치 미만으로 검출되는 경우, 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능하다고 판단할 수 있다. 프로세서(120)는 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능한 경우(YES) 동작(1007)을 수행하고, 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능하지 않은 경우(NO) 동작(1003)으로 돌아갈 수 있다.

다양한 실시예들에 따르면, 상기 영상 통화를 개인화 립 리딩 모델로 활용 가능하지 않은 경우(NO) 프로세서(120)는 상기 영상 통화가 개인화 립 리딩 모델로 활용 가능하지 않음을 사용자에게 안내할 수 있다.

상기 영상 통화를 립 리딩 모델로 활용 가능한 경우(YES) 동작(1007)에서, 프로세서(120)는 개인화 립 리딩 모델 활용을 위한 안내 정보를 출력할 수 있다. 프로세서(120)는 상기 영상 통화와 연관된 어플리케이션의 실행 화면에 상기 안내 정보를 포함시킬 수 있다. 상기 안내 정보는 텍스트 또는 이미지로 표시될 수 있다. 예를 들어, 상기 안내 정보는 영상 통화를 녹화 가능함을 알리는 안내 메시지 또는 아이콘 형태의 안내 이미지를 포함할 수 있다.

동작(1009)에서, 프로세서(120)는 영상 통화를 녹화(또는 저장)할 수 있다. 프로세서(120)는 상기 출력된 안내 이미지가 선택되는 경우, 상기 영상 통화를 녹화할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 영상 통화와 연관된 어플리케이션의 실행 화면 또는 사용자 영상을 메모리(130)에 저장할 수 있다. 프로세서(120)는 상기 영상 통화한 전체 영상 또는 개인화 립 리딩 모델로 활용 가능한 일부 영상을 저장할 수 있다. 상기 녹화된 영상은 도 6의 동작(603)에서 제공되는 영상 리스트에 포함될 수 있다.

동작(1011)에서, 프로세서(120)는 영상 통화가 종료되는지 여부를 검출할 수 있다. 프로세서(120)는 상기 실행 화면에서 종료 버튼이 선택되거나, 상대방 전자 장치로부터 통화 종료가 요청되는 경우, 영상 통화가 종료된 것으로 판단할 수 있다. 프로세서(120)는 영상 통화 종료가 검출되면, 카메라 모듈(180) 또는 음향 출력 장치(155)의 구동을 중단할 수 있다.

동작(1013)에서, 프로세서(120)는 영상 통화가 종료되면, 녹화된 영상을 분석할수 있다. 상기 녹화된 영상에 음성이 포함되는지 여부에 따라 서로 다른 프로세스를 수행할 수 있다. 프로세서(120)는 상기 녹화된 영상에 음성이 포함된 경우, 상기 녹화된 영상에 포함된 음성을 추출하고, 자동 음성 인식(ASR) 기술을 이용하여 추출된 음성을 텍스트로 변환하고, 변환된 텍스트에 대응하는 단어 또는 문장을 획득할 수 있다. 또는, 프로세서(120)는 상기 녹화된 영상에 음성이 포함되지 않은 경우, 상기 녹화된 영상에 포함된 입의 움직임을 검출하고, 립 인식 기술을 이용하여 검출된 입의 움직임에 대응하는 단어 또는 문장을 인식할 수 있다.

동작(1015)에서, 프로세서(120)는 상기 단어 또는 문장을 포함하는 사용자 인터페이스를 제공할 수 있다. 프로세서(120)는 상기 인식된(또는 획득된) 단어 또는 문장이 사용자가 의도한(또는 발화한) 문구가 맞는지 확인하기 위하여 상기 사용자 인터페이스를 디스플레이(예: 표시 장치(160))에 표시할 수 있다. 예를 들어, 상기 사용자 인터페이스는 도 3b의 제5 사용자 인터페이스(360) 또는 제6 사용자 인터페이스(370)를 포함할 수 있다. 동작(1015)은 동작(813)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

동작(1017)에서, 프로세서(120)는 단어 또는 문장에 대응하는 개인화 립 리딩 모델을 활용할 수 있다. 프로세서(120)는 상기 단어 또는 문장을 입 모양에 대응하여 개인화 립 리딩 모델로 등록할 수 있다. 프로세서(120)는 상기 녹화된 영상을 상기 개인화 립 리딩 모델을 위한 데이터베이스(예: 도 1의 메모리(130))에 저장할 수 있다. 프로세서(120)는 전자 장치(101)의 설정 또는 사용자의 선택에 기반하여 상기 녹화된 영상 전체 또는 일부를 메모리(130)에 저장할 수 있다. 동작(1017)은 동작(815)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

도 11은 다양한 실시예들에 따른 전자 장치에서 영상 통화를 포함하는 사용자 인터페이스를 제공하는 일례를 도시한 도면이다.

도 11을 참조하면, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 영상 통화와 관련하여 제1 사용자 인터페이스(1110)를 제공할 수 있다. 제1 사용자 인터페이스(1110)는 영상 통화와 연관된 어플리케이션의 실행 화면일 수 있다. 제1 사용자 인터페이스(1110)는 영상 통화 정보(1101), 개인화 립 리딩 모델 활용을 위한 안내 이미지(1103), 사용자 영상(1105) 및 상대방 영상(1107)을 포함할 수 있다. 영상 통화 정보(1101)는 영상 통화 시간 또는 상대방 정보(예: 이름, 전화번호)를 포함할 수 있다. 상기 안내 이미지(1103)는 개인화 립 리딩 모델 활용이 가능함을 나타내는 것으로 아이콘 형태로 제공될 수 있다. 사용자 영상(1105)은 카메라(예: 도 1의 카메라 모듈(180))로부터 획득한 영상을 포함할 수 있다. 상대방 영상(1107)은 상대방 전자 장치(예: 도 1의 전자 장치(102))로부터 수신된 영상을 포함할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 전자 장치(101)의 설정 또는 사용자의 선택에 따라 제1 사용자 인터페이스(1110) 또는 사용자 영상(1105)을 메모리(예: 도 1의 메모리(130))에 저장할 수 있다. 예를 들어, 프로세서(120)는 전자 장치(101)의 설정에 '영상 통화 시 자동 저장'으로 설정된 경우, 영상 통화 시 자동으로 제1 사용자 인터페이스(1110) 또는 사용자 영상(1105)을 저장할 수 있다. 프로세서(120)는 사용자로부터 안내 이미지(1103)가 선택되는 경우, 제1 사용자 인터페이스(1110) 또는 사용자 영상(1105)을 저장할 수 있다.

다양한 실시예들에 따르면, 프로세서(120)는 영상 통화와 관련하여 제2 사용자 인터페이스(1120)를 제공할 수 있다. 제2 사용자 인터페이스(1120)는 제1 사용자(1121) 및 제2 사용자(1123)를 포함하는 사용자 영상을 포함할 수 있다. 프로세서(120)는 상기 사용자 영상에 2인의 사람이 포함되는 경우, 제2 사용자 인터페이스(1120) 또는 2인을 포함한 사용자 영상을 저장하지 않을 수 있다. 또는, 프로세서(120)는 제1 사용자(1121) 또는 제2 사용자(1123) 중 어느 한 명이 전자 장치(101)에 등록된 사용자인 경우, 립 리딩 활용 구간을 검출하고, 검출된 립 리딩 활용 구간을 저장할 수 있다.

도 12는 다양한 실시예들에 따른 전자 장치에서 통합 지능(integrated intelligence)(AI) 시스템 호출 시 사용자 영상을 획득하여 개인화 립 리딩 모델로 활용하는 방법을 도시한 흐름도(1200)이다.

도 12를 참조하면, 동작(1201)에서, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 통합 지능(AI) 시스템 호출을 인식할 수 있다. 프로세서(120)는 마이크(예: 도 1의 입력 장치(150))로부터 음성을 수신하고, 수신된 음성이 기 설정된 호출어(예: 빅스비)에 해당되는 경우 통합 지능 시스템이 호출된 것으로 인식할 수 있다. 프로세서(120)는 상기 수신된 음성이 기 설정된 호출어에 해당되고, 기 설정된 버튼(예: 홈 버튼, 잠금 버튼)이 선택되면, 통합 지능 시스템이 호출된 것으로 인식할 수 있다.

동작(1203)에서, 프로세서(120)는 카메라(예: 도 1의 카메라 모듈(180))를 구동(또는 활성화)시킬 수 있다. 프로세서(120)는 통합 지능 시스템 호출이 인식되면, 전면 카메라를 활성화시켜 카메라 모듈(180)로부터 사용자 영상을 획득하고, 상기 사용자 영상으로부터 얼굴을 인식할 수 있다.

동작(1205)에서, 프로세서(120)는 상기 사용자 영상으로부터 입의 움직임이 검출되는지 여부를 판단할 수 있다. 프로세서(120)는 상기 사용자 영상으로부터 특징점을 추출하고, 추출된 특징점을 이용하여 얼굴 영역을 인식하고, 인식된 얼굴 영역으로부터 입의 움직임을 검출할 수 있다. 프로세서(120)는 입의 움직임이 검출되는 경우(YES) 동작(1207)을 수행하고, 입의 움직임이 검출되지 않는 경우(NO) 동작(1221)을 수행할 수 있다.

입의 움직임이 검출되는 경우(YES) 동작(1207)에서, 프로세서(120)는 개인화 립 리딩 모델 활용을 위한 안내 정보를 출력할 수 있다. 프로세서(120)는 통합 지능 시스템 호출과 연관된 어플리케이션의 실행 화면에 상기 안내 정보를 포함시킬 수 있다. 상기 안내 정보는 텍스트 또는 이미지로 표시될 수 있다. 예를 들어, 상기 안내 정보는 사용자 영상을 녹화 가능함을 알리는 안내 메시지 또는 아이콘 형태의 안내 이미지를 포함할 수 있다.

동작(1209)에서, 프로세서(120)는 음성을 인식하고, 상기 사용자 영상을 녹화할 수 있다. 프로세서(120)는 상기 기 설정된 호출어 이후에 수신되는 음성을 획득하고, 상기 획득한 음성을 인식할 수 있다. 프로세서(120)는 음성 인식을 위해 음성 인식 서버(예: 서버(108))와 연동할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 전자 장치(101)의 설정 또는 사용자 선택에 기반하여 상기 사용자 영상을 녹화할 수 있다. 프로세서(120)는 전자 장치(101)의 설정에 '음성 호출 시 자동 저장'으로 설정된 경우, 상기 사용자 영상을 녹화할 수 있다. 프로세서(120)는 상기 안내 이미지가 선택되는 경우, 상기 사용자 영상을 녹화할 수 있다.

동작(1211)에서, 프로세서(120)는 녹화 종료 및 인식된 음성에 대응하는 서비스를 제공할 수 있다. 프로세서(120)는 입력 장치(150)로부터 획득되는 음성을 음성 인식 서버(예: 서버(108))에 전송하고, 서버(108)로부터 음성에 대응하는 명령어를 수신할 수 있다. 프로세서(120)는 상기 수신된 명령어에 기반하여 상기 인식된 음성에 대응하는 서비스를 제공할 수 있다. 예를 들어, 프로세서(120)는 'XX 노래 틀어줘'라는 음성에 대응하여 XX 노래를 재생할 수 있다. 프로세서(120)는 입력 장치(150)로부터 음성이 획득되지 않는 경우, 카메라 모듈(180)의 구동을 중단하고, 사용자 영상에 대한 녹화(또는 저장)를 종료할 수 있다.

동작(1213)에서, 프로세서(120)는 녹화된 영상 분석을 수행할 수 있다.. 프로세서(120)는 상기 녹화된 사용자 영상에 포함된 음성을 추출하고, 자동 음성 인식(ASR) 기술을 이용하여 추출된 음성을 텍스트로 변환하고, 변환된 텍스트로부터 단어 또는 문장을 획득할 수 있다. 또한, 프로세서(120)는 상기 녹화된 사용자 영상에 포함된 입의 움직임을 검출하고, 립 인식 기술을 이용하여 검출된 입의 움직임에 대응하는 단어 또는 문장을 인식할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 사용자 영상에서 인식된(또는 획득된) 단어 또는 문장과 입의 움직임 구간의 시간 순서를 동기화할 수 있다. 상기 동기화란 인식된 단어 또는 문장에 맞게 입의 움직임 구간을 일치시키는 것을 의미할 수 있다.

동작(1215)에서, 프로세서(120)는 개인화 립 리딩 모델로 활용 가능한지 여부를 판단할 수 있다. 다양한 실시예들에 따르면, 프로세서(120)는 상기 사용자 영상에 2인 이상의 사람이 포함되는지 여부, 촬영 상태, 영상 길이 중 적어도 하나에 기반하여 상기 사용자 영상을 개인화 립 리딩 모델로 활용 가능한지 여부를 판단할 수 있다. 프로세서(120)는 상기 사용자 영상의 길이가 기준 시간 이상 재생 가능한 경우, 상기 사용자 영상을 개인화 립 리딩 모델로 활용 가능하다고 판단할 수 있다. 동작(1215)은 동작(1005)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다. 프로세서(120)는 상기 사용자 영상을 개인화 립 리딩 모델로 활용 가능한 경우(YES) 동작(1217)을 수행하고, 상기 사용자 영상을 개인화 립 리딩 모델로 활용 가능하지 않은 경우(NO) 동작(1227)을 수행할 수 있다.

상기 사용자 영상을 개인화 립 리딩 모델로 활용 가능한 경우(YES) 동작(1217)에서, 프로세서(120)는 상기 단어 또는 문장을 포함하는 사용자 인터페이스를 제공할 수 있다. 프로세서(120)는 상기 단어 또는 문장이 상기 립 리딩 활용 구간에서 사용자가 의도한(또는 발화한) 문구가 맞는지 확인하기 위하여 상기 사용자 인터페이스를 디스플레이(예: 표시 장치(160))에 표시할 수 있다. 동작(1217)은 동작(813)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

동작(1219)에서, 프로세서(120)는 인식된 단어 또는 문장에 대응하는 개인화 립 리딩 모델을 활용할 수 있다. 프로세서(120)는 상기 인식된 단어 또는 문장을 입 모양에 대응하는 개인화 립 리딩 모델로 등록할 수 있다. 프로세서(120)는 상기 녹화된 영상을 상기 개인화 립 리딩 모델을 위한 데이터베이스(예: 도 1의 메모리(130))에 저장할 수 있다. 프로세서(120)는 전자 장치(101)의 설정 또는 사용자의 선택에 기반하여 상기 녹화된 영상 전체 또는 일부를 메모리(130)에 저장할 수 있다. 동작(1219)은 동작(815)과 동일 또는 유사하므로, 자세한 설명을 생략할 수 있다.

입의 움직임이 검출되지 않는 경우(NO) 동작(1221)에서, 프로세서(120)는 카메라 구동을 중지할 수 있다. 프로세서(120)는 사용자 영상을 획득하기 위해 카메라 모듈(180)을 구동하였으나, 획득한 사용자 영상에 입의 움직임이 검출되지 않는 경우 카메라 모듈(180)의 구동을 중지할 수 있다.

동작(1223)에서, 프로세서(120)는 음성을 인식할 수 있다. 프로세서(120)는 상기 기 설정된 호출어 이후에 수신되는 음성을 획득하고, 상기 획득한 음성을 인식할 수 있다. 프로세서(120)는 음성 인식을 위해 음성 인식 서버(예: 서버(108))와 연동할 수 있다.

동작(1225)에서, 프로세서(120)는 상기 인식된 음성에 대응하는 서비스를 제공할 수 있다. 프로세서(120)는 입력 장치(150)로부터 획득되는 음성을 서버(108)에 전송하고, 서버(108)로부터 음성에 대응하는 명령어를 수신할 수 있다. 프로세서(120)는 상기 수신된 명령어에 기반하여 상기 인식된 음성에 대응하는 서비스를 제공할 수 있다. 프로세서(120)는 서비스 제공 후 종료할 수 있다. 또는, 프로세서(120)는 서비스 제공 후, 입력 장치(150)를 활성화시켜 기 설정된 호출어가 수신되는지 여부를 감지할 수 있다.

상기 사용자 영상을 개인화 립 리딩 모델로 활용 가능하지 않은 경우(NO) 동작(1227)에서, 프로세서(120)는 녹화된 사용자 영상을 삭제할 수 있다. 프로세서(120)는 녹화된 사용자 영상을 메모리(130)에 저장하지 않을 수 있다.

도 13은 다양한 실시예들에 따른 전자 장치에서 음성 호출과 연관된 사용자 인터페이스를 제공하는 일례를 도시한 도면이다.

도 13을 참조하면, 다양한 실시예들에 따른 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))는 음성 호출과 연관하여 제1 사용자 인터페이스(1310) 또는 제2 사용자 인터페이스(1320)를 제공할 수 있다. 제1 사용자 인터페이스(1310)는 인식된 음성에 대응하여 제공되는 서비스 화면(예: 어플리케이션의 실행 화면)을 포함할 수 있다. 제1 사용자 인터페이스(1310)는 인식된 음성에 대응하는 텍스트(1301) 및 립 리딩 모델 활용을 위한 안내 이미지(1303)를 포함할 수 있다. 프로세서(120)는 음성 호출 시 카메라(예: 도 1의 카메라 모듈(180))로부터 획득하는 사용자 영상이 립 리딩 모델에 활용 가능한 경우 제1 사용자 인터페이스(1310)를 제공할 수 있다. 프로세서(120)는 상기 사용자 영상이 립 리딩 모델에 활용 가능하지 않은 경우 제2 사용자 인터페이스(1320)를 제공할 수 있다.

상기 방법은 상기 사용자 영상에 입 움직임이 검출되는 경우, 상기 개인화 립 리딩 모델로 활용하기 위한 안내 정보를 출력하는 동작을 더 포함할 수 있다.

상기 방법은 상기 사용자 영상에 입 움직임이 검출되지 않는 경우, 상기 카메라의 구동을 중단하는 동작을 더 포함할 수 있다.

상기 방법은 상기 녹화된 사용자 영상이 상기 개인화 립 리딩 모델로 활용 가능한지 여부를 판단하는 동작, 상기 판단 결과에 기반하여, 상기 개인화 립 리딩 모델로 활용 가능한 경우, 상기 녹화된 사용자 영상으로부터 인식된 단어 또는 문장에 대응하여 상기 녹화된 사용자 영상을 상기 개인화 립 리딩 모델로 상기 전자 장치의 메모리에 저장하는 동작, 및 상기 판단 결과에 기반하여, 상기 개인화 립 리딩 모델로 활용 가능하지 않은 경우, 상기 녹화된 사용자 영상을 삭제하는 동작을 포함할 수 있다.

본 명세서와 도면에 개시된 본 발명의 다양한 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 범위는 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

101: 전자 장치
120: 프로세서
130: 메모리
150: 입력 장치
155: 음향 출력 장치
160: 표시 장치
102: 전자 장치
108: 서버

Claims

전자 장치에 있어서,
메모리;
디스플레이;
카메라; 및
프로세서를 포함하고, 상기 프로세서는,
적어도 하나의 문구를 포함하는 사용자 인터페이스를 상기 디스플레이에 표시하고,
상기 카메라로부터 상기 문구와 연관된 사용자 영상을 획득하고,
상기 사용자 영상에 음성이 포함되는지 여부에 기반하여 상기 사용자 영상을 검증하고,
상기 검증 결과에 기반하여 상기 사용자 영상을 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정된 전자 장치.
제1항에 있어서, 상기 프로세서는,
상기 사용자 영상에 음성이 포함된 경우, 상기 사용자 영상에 포함된 음성을 추출하고,
상기 추출된 음성을 텍스트로 변환하고,
상기 변환된 텍스트가 상기 문구와 일치하는지 여부에 기반하여 상기 사용자 영상을 검증하도록 설정된 전자 장치.
제1항에 있어서, 상기 프로세서는,
상기 사용자 영상에 음성이 포함되지 않은 경우, 상기 사용자 영상에 포함된 입의 움직임을 검출하고,
상기 검출된 입의 움직임에 대응하여 단어 또는 문장을 인식하고,
상기 인식된 단어 또는 문장이 상기 문구와 일치하는지 여부에 기반하여 상기 사용자 영상을 검증하도록 설정된 전자 장치.
제1항에 있어서, 상기 프로세서는,
상기 사용자 영상으로부터 인식된 단어 또는 문장이 상기 문구와 동일한 경우, 상기 사용자 영상을 상기 문구에 대응하는 개인화 립 리딩 모델로 활용하도록 설정된 전자 장치.
제1항에 있어서, 상기 프로세서는,
상기 사용자 영상으로부터 인식된 단어 또는 문장이 상기 문구와 동일하지 않은 경우, 상기 인식된 단어 또는 문장을 포함하는 사용자 인터페이스를 제공하고,
사용자의 선택에 기반하여 상기 인식된 단어 또는 문장에 대응하여 상기 사용자 영상을 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정된 전자 장치.
제5항에 있어서, 상기 프로세서는,
상기 사용자로부터 상기 인식된 단어 또는 문장에 대한 수정 요청을 수신하고,
상기 수정 요청에 의해 수정된 단어 또는 문장에 대응하여 상기 사용자 영상을 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정된 전자 장치.
제1항에 있어서, 상기 프로세서는,
상기 사용자 영상으로부터 인식된 단어 또는 문장이 상기 문구와 동일하지 않은 경우, 상기 문구와 상이한 문구를 포함하는 사용자 인터페이스를 제공하도록 설정된 전자 장치.
전자 장치에 있어서,
메모리;
디스플레이; 및
프로세서를 포함하고, 상기 프로세서는,
개인화 립 리딩 모델로 활용하기 위한 요청에 기반하여 하나 이상의 영상을 포함하는 영상 리스트를 제공하고,
상기 영상 리스트 중에서 적어도 하나의 영상을 선택하고,
상기 선택된 영상을 검증하여 상기 선택된 영상을 상기 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정된 전자 장치.
제8항에 있어서, 상기 프로세서는,
상기 메모리에 저장된 영상 중에서 파일 확장자 또는 재생 시간에 기반하여 상기 영상 리스트를 제공하도록 설정된 전자 장치.
제8항에 있어서, 상기 프로세서는,
상기 선택된 영상이 상기 개인화 립 리딩 모델로 활용 가능한지 여부를 판단하고,
상기 개인화 립 리딩 모델로 활용 가능하지 않은 경우, 영상 재선택을 요청하도록 설정된 전자 장치.
제8항에 있어서, 상기 프로세서는,
상기 선택된 영상으로부터 얼굴을 인식하고,
상기 인식된 얼굴이 상기 전자 장치에 등록된 사용자인지 여부를 판단하고,
상기 인식된 얼굴이 상기 전자 장치에 등록된 사용자가 아닌 경우, 에러 메시지를 출력하도록 설정된 전자 장치.
제8항에 있어서, 상기 프로세서는,
상기 선택된 영상으로부터 얼굴을 인식하고,
상기 인식된 얼굴이 2인 이상인 경우, 에러 메시지를 출력하도록 설정된 전자 장치.
제8항에 있어서, 상기 프로세서는,
상기 선택된 영상으로부터 얼굴을 인식하고,
상기 인식된 얼굴이 2인 이상인 경우, 상기 2인 이상의 얼굴 중에서 상기 전자 장치에 등록된 사용자를 인식하고,
상기 인식된 사용자의 입 모양에 기반하여 단어 또는 문장을 인식하고,
상기 인식된 단어 또는 문장에 대한 립 리딩 모델 활용 프로세스를 수행하도록 설정된 전자 장치.
제8항에 있어서, 상기 프로세서는,
상기 선택된 영상으로부터 립 리딩 활용 구간을 검출하고,
상기 검출된 립 리딩 활용 구간에서 추출된 음성을 텍스트로 변환하고,
상기 변환된 텍스트를 포함하는 사용자 인터페이스를 제공하고,
사용자의 선택에 기반하여 상기 선택된 영상을 상기 개인화 립 리딩 모델 활용을 위한 영상으로 상기 메모리에 저장하도록 설정된 전자 장치.
제14항에 있어서, 상기 프로세서는,
상기 변환된 텍스트가 상기 사용자가 의도한 문구에 해당하는 경우, 상기 사용자로부터 등록 요청을 수신하고,
상기 등록 요청에 기반하여 상기 선택된 영상을 상기 변환된 텍스트에 대응하는 개인화 립 리딩 모델로 활용하도록 설정된 전자 장치.
제8항에 있어서, 상기 프로세서는,
상기 전자 장치의 설정 또는 사용자의 선택에 기반하여 영상 통화와 관련된 영상을 상기 영상 리스트에 포함시키도록 설정된 전자 장치.
전자 장치의 동작 방법에 있어서,
음성 호출에 응답하여 상기 전자 장치의 카메라를 구동하는 동작;
상기 구동된 카메라로부터 수신되는 사용자 영상에서 입 움직임이 검출되는지 여부를 판단하는 동작;
상기 사용자 영상에 입 움직임이 검출되는 경우, 상기 사용자 영상을 녹화하는 동작; 및
상기 음성 호출 시 수신되는 음성에 대응하는 서비스를 제공하는 동작; 및
상기 녹화된 사용자 영상을 개인화 립 리딩 모델로 활용하는 동작을 포함하는 방법.
제17항에 있어서,
상기 사용자 영상에 입 움직임이 검출되는 경우, 상기 개인화 립 리딩 모델로 활용하기 위한 안내 정보를 출력하는 동작을 더 포함하는 방법.
제17항에 있어서,
상기 사용자 영상에 입 움직임이 검출되지 않는 경우, 상기 카메라의 구동을 중단하는 동작을 더 포함하는 방법.
제17항에 있어서,
상기 녹화된 사용자 영상이 상기 개인화 립 리딩 모델로 활용 가능한지 여부를 판단하는 동작;
상기 판단 결과에 기반하여, 상기 개인화 립 리딩 모델로 활용 가능한 경우, 상기 녹화된 사용자 영상으로부터 인식된 단어 또는 문장에 대응하여 상기 녹화된 사용자 영상을 상기 개인화 립 리딩 모델로 상기 전자 장치의 메모리에 저장하는 동작; 및
상기 판단 결과에 기반하여, 상기 개인화 립 리딩 모델로 활용 가능하지 않은 경우, 상기 녹화된 사용자 영상을 삭제하는 동작을 포함하는 방법.