KR20210008696A - 전자 장치 및 이의 음성 인식 방법 - Google Patents

전자 장치 및 이의 음성 인식 방법 Download PDF

Info

Publication number
KR20210008696A
KR20210008696A KR1020190085163A KR20190085163A KR20210008696A KR 20210008696 A KR20210008696 A KR 20210008696A KR 1020190085163 A KR1020190085163 A KR 1020190085163A KR 20190085163 A KR20190085163 A KR 20190085163A KR 20210008696 A KR20210008696 A KR 20210008696A
Authority
KR
South Korea
Prior art keywords
user
keyword
information
devices
specification information
Prior art date
Application number
KR1020190085163A
Other languages
English (en)
Inventor
최원종
김수필
박예원
함진아
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020190085163A priority Critical patent/KR20210008696A/ko
Priority to PCT/KR2020/005430 priority patent/WO2021010578A1/en
Priority to US17/290,873 priority patent/US11978458B2/en
Publication of KR20210008696A publication Critical patent/KR20210008696A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Telephonic Communication Services (AREA)

Abstract

전자 장치가 개시된다. 본 개시에 따른 전자 장치는, 통신 인터페이스, 복수의 디바이스의 식별 정보를 저장한 메모리 및 디바이스와 관련된 요청을 포함하는 사용자 음성 신호를 수신하면, 사용자 음성 신호에서 디바이스의 종류와 관련된 제1 키워드 및 디바이스의 특징과 관련된 제2 키워드를 추출하고, 제1 키워드에 대응되는 복수의 디바이스의 식별 정보를 기초로 획득된 복수의 디바이스의 스펙 정보를 비교하여, 제2 키워드에 대응되는 디바이스를 선택하며, 선택된 디바이스의 식별 정보를 이용하여 사용자 음성 신호에 대응되는 동작을 수행하는 프로세서를 포함한다.

Description

전자 장치 및 이의 음성 인식 방법{ELECTRONIC APPARATUS AND METHOD FOR RECOGNIZING SPEECH THEREOF }
본 개시는 전자 장치 및 이의 음성 인식 방법에 관한 것으로, 더욱 상세하게는 사용자 음성을 수신하고 사용자 음성 신호에 대응되는 동작을 수행하는 전자 장치 및 이의 음성 인식 방법에 관한 것이다.
최근에는 음성 인식 기술의 발달로, 사용자 음성에 대한 답변을 제공하는 인공지능 어시스턴트(예로, 빅스비TM, 어시스턴트TM, 알렉사TM 등)를 이용한 다양한 서비스들이 제공되고 있다.
사용자는 인공지능 어시스턴트를 통하여 다양한 디바이스의 사용법 또는 비 고장성 문제 해결 방법에 대한 정보를 요청할 수 있다. 또한, 사용자는 인공 지능 어시스턴스를 통하여 다양한 디바이스를 제어하기 위한 명령을 입력할 수도 있다.
본 개시는 디바이스의 식별 정보 및 스펙 정보를 이용하여 사용자의 요청과 관련된 디바이스를 식별하고, 식별된 디바이스의 식별 정보를 이용하여 사용자 음성 신호에 대응되는 동작을 수행하는 전자 장치 및 이의 음성 인식 방법을 제공함에 있다.
본 개시의 일 실시 예에 따른 전자 장치는, 통신 인터페이스; 복수의 디바이스의 식별 정보를 저장한 메모리; 및 디바이스와 관련된 요청을 포함하는 사용자 음성 신호를 수신하면, 상기 사용자 음성 신호에서 상기 디바이스의 종류와 관련된 제1 키워드 및 상기 디바이스의 특징과 관련된 제2 키워드를 추출하고, 상기 메모리에 저장된 상기 제1 키워드에 대응되는 복수의 디바이스의 식별 정보를 기초로, 상기 복수의 디바이스의 스펙 정보를 획득하고, 상기 복수의 디바이스의 스펙 정보를 비교하여, 제2 키워드에 대응되는 디바이스를 선택하며, 상기 선택된 디바이스의 식별 정보를 이용하여 상기 사용자 음성 신호에 대응되는 동작을 수행하는 프로세서;를 포함한다.
한편, 본 개시의 일 실시 예에 따른 음성 인식 방법은, 디바이스와 관련된 요청을 포함하는 사용자 음성 신호를 수신하는 단계; 상기 사용자 음성 신호에서 디바이스의 종류와 관련된 제1 키워드 및 상기 디바이스의 특징과 관련된 제2 키워드를 추출하는 단계; 상기 제1 키워드에 대응되는 복수의 디바이스의 식별 정보를 기초로, 상기 복수의 디바이스의 스펙 정보를 획득하는 단계; 상기 복수의 디바이스의 스펙 정보를 비교하여, 제2 키워드에 대응되는 디바이스를 선택하는 단계; 및 상기 선택된 디바이스의 식별 정보를 이용하여 상기 사용자 음성 신호에 대응되는 동작을 수행하는 단계;를 포함한다.
도 1은 본 개시의 다양한 실시 예에 따른, 사용자 질의에 따른 응답을 제공하는 음성 인식 시스템을 설명하기 위한 도면,
도 2는 본 개시의 일 실시 예에 따른, 전자 장치(100)의 구성을 나타내는 블록도,
도 3은 본 개시의 일 실시 예에 따른, 전자 장치의 대화 시스템을 도시한 블록도,
도 4는 본 개시의 또 다른 실시 예에 따른 전자 장치(100)를 설명하기 위한 도면,
도 5는 본 개시의 또 다른 실시 예에 따른, 전자 장치(100)의 구성을 나타내는 블록도,
도 6 내지 도 9는 본 개시의 다양한 실시 예에 따른 전자 장치를 설명하기 위한 시퀀스도 및
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
이하, 본 개시의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 개시에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 개시에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 부프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 개시에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
이하에서는 도면을 참조하여 본 개시에 대해 상세히 설명하기로 한다.
도 1은 본 개시의 다양한 실시예에 따른, 사용자 질의에 따른 응답을 제공하는 음성 인식 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 음성 인식 시스템(1000)은 도 1에 도시된 바와 같이, 전자 장치(100) 및 사용자 단말 장치(200)를 포함할 수 있다.
사용자 단말 장치(200)는 사용자 음성을 수신한다. 이를 위하여 사용자 단말 장치(200)는 마이크를 포함할 수 있다. 사용자 단말 장치(200)가 마이크를 통하여 사용자 음성을 수신하면, 수신된 사용자 음성을 음성 신호로 변환하고, 변환된 음성 신호를 전자 장치(100)에 전송할 수 있다.
전자 장치(100)가 사용자 단말 장치(200)로부터 음성 신호를 수신하면 전자 장치(100)는, 음성 신호에 대한 음성 인식을 수행하고, 음성 인식 결과에 따른 동작을 수행할 수 있다.
이를 위하여, 전자 장치(100)는 인공 지능 모델을 이용하여 사용자 질의 및 응답을 자연어로 처리할 수 있는 대화 시스템(Dialogue System)을 포함할 수 있다.
전자 장치(100)는 대화 시스템을 이용하여 사용자 음성에서 키워드를 획득하고, 획득된 키워드를 기초로 사용자의 의도를 판단하여 사용자 음성에 대응되는 동작을 수행 할 수 있다.
구체적으로, 전자 장치(100)는 디바이스와 관련된 요청을 포함하는 사용자 음성 신호를 수신하면, 사용자 음성에서 디바이스의 종류와 관련된 제1 키워드 및 디바이스의 특징과 관련된 제2 키워드를 획득할 수 있다. 그리고, 디바이스의 식별 정보 및 스펙 정보를 이용하여 사용자 음성 신호에 대응되는 동작을 수행할 수 있다.
본 개시에서 디바이스의 식별 정보는 디바이스의 모델명, 제품번호 등과 같이 디바이스를 식별하기 위한 고유의 값을 포함할 수 있다.
또한, 본 개시에서 디바이스의 스펙 정보는 디바이스의 능력, 전력, 효율, 서비스 제공 면적, 크기, 색상, 전자 장치를 구성하는 일부 구성의 개수(가령, 냉장고 도어의 수 또는 선풍기 날개의 수), 형태(가령, 스탠드형, 벽걸이형 등) 및 조작 방식(버튼형 또는 터치형) 중 적어도 하나를 포함할 수 있다.
상술한 바와 같은 대화 시스템에 의해, 사용자는 디바이스와 관련된 동작을 요청을 할 경우, 전자 장치의 제품 번호 등과 같은 식별 번호의 입력 없이 디바이스와 관련된 동작을 요청할 수 있다.
이하에서는 도 2 내지 도 4를 참조하여, 전자 장치(100)에 대해 더욱 상세히 설명하도록 한다.
도 2는 본 개시의 일 실시 예에 따른, 전자 장치(100)의 구성을 나타내는 블록도이다.
도 2에 도시된 바와 같이, 전자 장치(100)는 메모리(110), 통신 인터페이스(120) 및 프로세서(130)를 포함한다.
메모리(110)는 전자 장치(100)의 동작에 필요한 각종 프로그램 및 데이터 등을 저장하기 위한 구성요소이다. 메모리(110)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(110)는 프로세서(130)에 의해 액세스되며, 프로세서(130)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(110), 프로세서(130) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(110)에는 디스플레이의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.
또한, 메모리(110)는 대화 시스템을 동작하기 위한 인공지능 에이전트를 저장할 수 있다. 구체적으로, 전자 장치(100)는 사용자 발화에 대한 응답으로 자연어를 생성하기 위하여 인공지능 에이전트(Artificial intelligence agent)를 이용할 수 있다. 이때, 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램이다. 특히, 인공지능 에이전트는 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다.
메모리(110)는 복수의 디바이스의 식별 정보를 저장 할 수 있다. 또한 메모리(120)는 복수의 디바이스에 대한 사용자의 사용 이력을 저장 할 수 있다. 여기에서 사용 이력은 복수의 디바이스에 대한 사용자의 사용 패턴 또는 사용 히스토리를 나타낼 수 있다.
다만, 이는 일 실시 예이며, 경우에 따라 추가적으로 디바이스와 관련된 다양한 정보를 포함할 수도 있다. 가령, 디바이스 리스트에는 디바이스의 스펙 정보가 추가적으로 포함될 수도 있다.
또한, 메모리(110)는 도 3에 도시된 바와 같은 대화 시스템을 구성하는 복수의 구성(또는 모듈)을 포함할 수 있다. 이에 대하여는 도 3을 참조하여 상세히 설명하기로 한다.
도 3은 본 개시의 일 실시 예에 따른, 전자 장치의 대화 시스템을 도시한 블록도이다. 도 3에 도시된 대화 시스템(300)은 사용자와 자연어를 통해 대화를 수행하기 위한 구성으로서, 본 개시의 일 실시 예에 따르면 대화 시스템(300)은 전자 장치(100)의 메모리(110) 내에 저장될 수 있다. 그러나, 이는 일 실시 예에 불과할 뿐, 대화 시스템에(300)에 포함된 적어도 하나의 구성은 외부의 적어도 하나의 서버에 포함될 수 있다.
도 3에 도시된 바와 같이, 대화 시스템(300)은 자동 음성 인식(automatic speech recognition)(ASR) 모듈(310), 자연어 이해(natural language understanding)(NLU) 모듈(320), 대화 매니저(dialogue manager)(DM) 모듈(330), 자연어 생성(natural language generator)(NLG) 모듈(340) 및 텍스트 음성 변환(text to speech)(TTS) 모듈(350)을 포함할 수 있다. 그 밖에 대화 시스템(300)은 지식 베이스(Knowledge Base) 및 QA 엔진(Question and Answer Engine)을 더 포함할 수 있다.
자동 음성 인식(automatic speech recognition)(ASR) 모듈(310)은 사용자 단말 장치(200)로부터 수신된 사용자 입력(특히, 사용자 질의)을 텍스트 데이터로 변환할 수 있다. 예를 들어, 자동 음성 인식 모듈(310)은 발화 인식 모듈을 포함할 수 있다. 상기 발화 인식 모듈은 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 발화 인식 모듈은 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다. 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식 데이터베이스(automatic speech recognition database)(ASR DB)(미도시)에 저장될 수 있다.
자연어 이해 모듈(320)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 문법적 분석은 사용자 입력을 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해 모듈(320)은 사용자 입력에 대한 도메인(domain) 또는 의도(intent)를 얻을 수 있다.
자연어 이해 모듈(320)은 도메인(domain) 및 의도(intend)로 나누어진 매칭 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 예를 들어, 상기 하나의 도메인(예: 검색)은 복수의 의도(예: 디바이스 검색, 정보 검색, 등)를 포함할 수 있다. 그리고, 하나의 의도는 복수의 파라미터(예: 검색 대상, 검색 장치, 검색 결과 제공 장치 등)를 포함할 수 있다. 매칭 규칙은 자연어 인식 데이터베이스(natural language understanding database)(NLU DB)(미도시)에 저장될 수 있다.
자연어 이해 모듈(320)은 형태소, 구 등의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(320)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(320)은 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 입력의 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(320)은 사용자 입력의 의도를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터베이스(미도시)를 이용하여 사용자의 의도를 결정할 수 있다.
또한, 자연어 이해 모듈(320)은 문법적 분석 및 의미적 분석을 이용하여, 사용자 음성 신호에 포함된 대상 디바이스, 디바이스의 속성, 디바이스의 동작 등을 파악할 수 있다.
이때, 자연어 이해 모듈(320)은 사용자 음성 신호에 포함된 명칭(가령, 에어컨, TV 등)으로 대상 디바이스를 식별할 수 있으며, 상술한 명칭에 대한 서술어로 대상 디바이스에서의 수행될 동작을 판단할 수 있으며, 상술한 명칭을 수식하는 형용사 또는 동사를 수식하는 부사로 대상 디바이스의 동작을 판단할 수 있다.
가령, 사용자 음성 신호가 “에어컨을 제습 모드로 켜줘”를 포함하는 경우, 자연어 이해 모듈(320)은 대상 디바이스는 에어컨이고, 디바이스의 속성은 제습이며, 디바이스의 동작은 턴-온(TURN-ON)임을 판단할 수 있다.
대화 매니저 모듈(330)은 자연어 이해 모듈(320)에 의해 파악된 사용자의 의도가 명확한지 여부를 판단할 수 있다. 예를 들어, 대화 매니저 모듈(330)은 파라미터의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. 대화 매니저 모듈(330)는 자연어 이해 모듈(320)에서 파악된 파라미터가 태스크를 수행하는데 충분한지 여부를 판단할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(330)는 사용자의 의도가 명확하지 않은 경우 사용자에게 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 대화 매니저 모듈(330)는 사용자의 의도를 파악하기 위한 파라미터에 대한 정보를 요청하는 피드백을 수행할 수 있다. 또한, 대화 매니저 모듈(330)은 자연어 이해 모듈(320)에 의해 변경된 텍스트를 포함하는 사용자 질의를 확인하기 위한 메시지를 생성하여 출력할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(330)은 컨텐츠 제공(content provider) 모듈(미도시)을 포함할 수 있다. 컨텐츠 제공 모듈은 자연어 이해 모듈(320)에서 파악된 의도 및 파라미터에 기초하여 동작을 수행할 수 있는 경우, 사용자 입력에 대응되는 태스크를 수행한 결과를 생성할 수 있다.
다른 실시 예에 따르면, 대화 매니저 모듈(330)은 지식 베이스(360) 및 QA 엔진(370)을 이용하여 사용자 질의에 대한 응답을 제공할 수 있다.
지식 베이스(360)는 객체(object), 객체 간의 관계(relation), 객체의 속성(attribute)을 테이블 혹은 그래프 형태로 저장하고, 특정 객체에서 관계나 속성이 복수개의 형태로 저장되는 데이터를 포함할 수 있다.
이때, 객체(Object)는 Class, entity, parameter 등으로 명명될 수 있으며, 객체의 속성은 속성 타입/속성명(attribute type/name) 또는 속성값(attribute value)를 포함할 수 있다.
지식 베이스(360)는 새로운 지식 정보가 추가된 경우, 새로운 지식 정보의 추가 정보를 외부 서버로부터 수신하여 지식 정보와 추가 정보를 지식 그래프 형태로 저장할 수 있다. 가령, 모델명이 AF16HVVS1인 에어컨을 사용자가 '큰 에어컨'으로 부른적 있다면, 지식 베이스(360)는 지식 베이스에 저장된 모델명 AF16HVVS1의 장치 정보와 '큰 에어컨'이라는 정보를 매핑하여 지식 그래프 형태로 저장할 수 있다.
또한, 대화 매니저 모듈(330)은 QA 엔진(370)을 이용하여 사용자 질의에 대한 응답을 위한 정보를 획득할 수 있다. 구체적으로, 대화 매니저 모듈(330)은 QA 엔진(370)을 이용하여, 가령, 웹 서버, 계층적인 지식 기반 데이터베이스(Hierarchy knowledge Base Database) 등으로부터 사용자 질의에 대한 응답 정보를 획득할 수 있다.
구체적으로, 대화 매니저 모듈(330)은 지식 베이스(360) 및 QA 엔진(370)을 이용하여 파라미터에 대한 정보를 획득하기 위하여 필요한 추론의 유형을 판단할 수 있다. 구체적으로, 대화 매니저 모듈(330)은 지식 베이스(360) 및 QA 엔진(370)를 기초로, 파라미터에 대한 정보를 획득하기 위하여 필요한 데이터의 종류 또는 데이터 종류의 조합을 판단할 수 있다.
예를 들어, 파라미터에 대한 정보가 디바이스의 모델명인 경우, 대화 매니저 모듈(330)은 특별한 추론 없이 지식 베이스(360) 및 QA 엔진(370)을 이용하여 해당 모델명을 가지는 디바이스를 검색하여 응답을 제공할 수 있다. 그리고, 파라미터에 대한 정보가 '65인치 TV'인 경우에도, 대화 매니저 모듈(330)은 특별한 추론 없이 65인치 TV를 검색하여 응답을 제공할 수 있다.
한편, 파라미터에 대한 정보가 '큰 TV'인 경우, 대화 매니저 모듈(330)은 '큰 TV'에 대한 정보를 획득하기 위하여 디바이스의 스펙 정보 및 디바이스의 스펙에 대한 비교가 필요하다는 것을 판단할 수 있다. 또한, 파라미터에 대한 정보가 '어제 밤에 틀었던 큰 TV'인 경우 대화 매니저 모듈(330)은 '어제 밤에 틀었던 큰 TV'에 대한 정보를 획득하기 위하여 디바이스의 스펙 정보, 디바이스의 스펙에 대한 비교 및 사용자 히스토리 정보가 필요하다는 것을 판단할 수 있다.
한편, 대화 매니저 모듈(330)은 판단된 추론의 유형 또는 데이터의 종류를 기초로, 파라미터에 대한 정보를 획득할 수 있다. 예를 들어, 사용자가 “큰 에어컨의 필터 청소 방법 알려줘” 라고 발화한 경우, 상술한 바와 같이 대화 매니저 모듈(330)은 지식 베이스(360)를 이용하여 '큰 에어컨'을 판단하기 위하여 디바이스의 스펙 정보 및 스펙 정보에 대한 비교가 필요하다고 판단할 수 있으며, 디바이스의 스펙 정보에 포함된 복수의 스펙 중 어떠한 스펙(가령, 크기 정보)을 필요로 하는지 판단할 수 있다. 가령, 대화 매니저 모듈(330)은 지식 베이스(360) 및 QA 엔진(370)을 기초로 사용자의 디바이스 중 에어컨에 대한 정보를 획득하고, 에어컨의 스펙 정보 중 크기 정보를 기초로, 큰 에어컨을 판단할 수 있다.
자연어 생성 모듈(NLG 모듈)(340)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 이에 따른 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는, 예를 들어, 추가 입력에 대한 정보, 사용자 입력에 대응되는 동작의 완료를 안내하는 정보 또는 사용자의 추가 입력을 안내하는 정보(예: 사용자 입력에 대한 피드백 정보)일 수 있다. 상기 텍스트 형태로 변경된 정보는 디스플레이 장치(미도시)에 표시되거나, 텍스트 음성 변환 모듈(TTS 모듈)(350)에 의해 음성 형태로 변경될 수 있다.
텍스트 음성 변환 모듈(TTS 모듈)(350)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(350)은 자연어 생성 모듈(340)로부터 텍스트 형태의 정보를 수신하고, 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 스피커로 출력할 수 있다.
자연어 이해 모듈(320) 및 대화 매니저 모듈(330)은 하나의 모듈로 구현될 수 있다. 예를 들어, 자연어 이해 모듈(320)및 대화 매니저 모듈(330)은 하나의 모듈로 구현되어 사용자의 의도 및 파라미터를 결정하고, 상기 결정된 사용자의 의도 및 파라미터에 대응되는 응답을 획득할 수 있다. 또 다른 예로, 자연어 이해 모듈(320) 및 대화 매니저 모듈(330)은 지식 베이스(360)를 바탕으로 사용자 질의에 포함된 제1 텍스트를 제2 텍스트로 변환하고, 변환된 제2 텍스트를 바탕으로 생성된 사용자 질의에 대한 응답을 획득할 수 있다. 한편, 자연어 이해 모듈(320)(또는 대화 매니저 모듈(330))이 지식 베이스(360)를 바탕으로 사용자 질의에 포함된 제1 텍스트를 제2 텍스트로 변환하고, 변환된 제2 텍스트를 바탕으로 생성된 사용자 질의에 대한 응답을 획득할 수 있다.
한편, 다시 도 2로 돌아가서, 통신 인터페이스(120)는 전자 장치(100)가 사용자 단말 장치(200)를 비롯한 외부 전자 장치(미도시)와 통신을 수행하기 위한 구성요소이다. 통신 인터페이스(120)를 통하여 전자 장치(100)는 외부 장치로부터 사용자 음성 신호를 수신할 수 있다.
이를 위해, 통신 인터페이스(120)는 유선 통신 모듈(미도시), 근거리 무선 통신 모듈(미도시), 무선 통신 모듈(미도시) 등과 같은 다양한 통신 모듈을 포함할 수 있다.
여기에서, 유선 통신 모듈은 유선 이더넷(Ethernet)과 같이 유선 통신 방식에 따라 외부 장치(미도시)와 통신을 수행하기 위한 모듈이다. 그리고, 근거리 무선 통신 모듈이란 블루투스(Bluetooth, BT), BLE(Bluetooth Low Energy), ZigBee 방식 등과 같은 근거리 무선 통신 방식에 따라 근거리에 위치한 외부 장치(미도시)와 통신을 수행하기 위한 모듈이다. 또한, 무선 통신 모듈이란 WiFi, IEEE 등과 같은 무선 통신 프로토콜에 따라 외부 네트워크에 연결되어 외부 장치(미도시) 및 음성 인식 서버(미도시)와 통신을 수행하는 모듈이다. 이 밖에 무선 통신 모듈은 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 5세대 네트워크(5G Networks) 등과 같은 다양한 이동 통신 규격에 따라 이동 통신망에 접속하여 통신을 수행하는 이동 통신 모듈을 더 포함할 수도 있다.
한편, 통신 인터페이스(120)는 외부 전자 장치(미도시)뿐만 아니라, 외부 전자 장치(미도시)을 제어하기 위한 원격 제어 장치 즉, 리모컨(미도시)과 통신을 수행할 수도 있다.
예를 들어, 통신 인터페이스(120)는 블루투스 또는 BLE 등과 같은 근거리 통신 방식에 따라 원격 제어 장치(미도시)와 통신을 수행하여, 다양한 데이터를 송수신할 수 있다.
한편, 또 다른 실시 예로, 전자 장치(100)는 외부 장치(미도시)와 연결되어 비디오/오디오 신호를 주거나 받기 위한 인터페이스부(미도시)를 포함할 수도 있다. 인터페이스부는 DP(Display Port), HDMI(high definition multimedia interface), HDMI-CEC(consumer electronics control), RGB(Red Green Blue) cable, USB(Universal Serial Bus), DVI(Digital Visual Interface), 썬더볼드(Thunderbolt), 컴포넌트(Component) 등의 규격에 따른 신호/데이터를 송/수신할 수 있으며, 이들 각각의 규격에 대응하는 적어도 하나 이상의 커넥터 또는 단자를 포함한다.
프로세서(130)는 메모리(110)와 전기적으로 연결되어 전자 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다. 예를 들어, 프로세서(130)는 운영 체제 또는 응용 프로그램을 구동하여 프로세서(130)에 연결된 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 또한, 프로세서(130)는 다른 구성요소들 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리에 로드하여 처리하고, 다양한 데이터를 비휘발성 메모리에 저장할 수 있다.
이를 위해, 프로세서(130)는 해당 동작을 수행하기 위한 전용 프로세서(예, 임베디드 프로세서) 또는 메모리 디바이스에 저장된 하나 이상의 소프트웨어 프로그램을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 application processor)로 구현될 수 있다.
프로세서는(130)는 디바이스와 관련된 요청을 포함하는 사용자 음성 신호를 수신하면, 사용자 음성 신호에서 디바이스의 종류와 관련된 제1 키워드 및 디바이스의 특징과 관련된 제2 키워드를 추출할 수 있다.
구체적으로, 프로세서(130)는 대화 시스템(300)에 포함된 자동 음성 인식 모듈(310) 및 자연어 이해 모듈(320)를 이용하여 디바이스의 종류와 관련된 제 1 키워드 및 디바이스의 특징과 관련된 제2 키워드를 획득할 수 있다.
가령, 사용자가 “큰 에어컨 필터 청소 방법 알려줘” 라고 발화한 경우, 프로세서(130)는 이 중에서 '에어컨'과 같이 디바이스의 종류를 나타내는 키워드를 제1 키워드로, '큰'과 같이 디바이스의 특징 또는 속성을 나타내는 키워드를 제2 키워드로 추출할 수 있다.
프로세서(130)는 메모리(110)에 저장된 제1 키워드에 대응되는 복수의 디바이스의 식별 정보 및 스펙 정보를 기초로 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
구체적으로, 프로세서(130))는 제1 키워드에 대응되는 복수의 디바이스의 식별 정보를 기초로, 복수의 디바이스의 스펙 정보를 획득할 수 있다.
프로세서(130)는 메모리(110)에 저장된 지식 베이스(360) 및 QA 엔진(370)을 이용하여 제1 키워드에 대응되는 복수의 디바이스의 식별 정보를 획득할 수 있다.
한편, 스펙 정보는 디바이스의 종류에 따라 다양할 수 있다.
예를 들어, 에어컨의 경우, 냉방 면적, 최소/최대 냉방 능력, 소비전력, 크기, 색상, 팬의 개수, 제습 기능 유무, 형태(벽걸이, 스탠드) 등이 에어컨의 스펙 정보가 될 수 있다. 또한, TV의 경우, 크기, 해상도, 디스플레이 패널의 종류, 형태(벽걸이, 스탠드) 등이 TV의 스펙 정보가 될 수 있으며, 공기 청정기의 경우, 서비스 제공 면적, 크기, 디스플레이 유무, 필터 종류, 색상 등이 공기 청정기의 스펙 정보가 될 수 있다. 한편, 디바이스의 스펙 정보는 반드시 이에 한정되는 것은 아니며, 디바이스의 종류나 다양한 실시 예에 따라서 다양할 수 있다.
프로세서(130)는 디바이스에 대응되는 스펙 정보를 메모리(110)에 저장할 수도 있지만, 다른 서버(미도시)나 외부 장치(미도시)로부터 스펙 정보를 획득할 수도 있다.
프로세서(130)는 제1 키워드에 대응되는 복수의 디바이스의 스펙 정보를 비교하여, 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
프로세서(130)는 복수의 디바이스의 스펙 정보 중 제2 키워드와 관련된 스펙 정보를 식별하고, 제2 키워드와 관련된 스펙 정보를 비교하여 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
프로세서(130)는 지식 베이스(360)을 이용하여 디바이스의 스펙 정보들 중에서 제2 키워드와 관련된 스펙 정보를 판단할 수 있다. 구체적으로, 프로세서(130)는 지식 베이스(360)에 저장된 지식 정보를 이용하여 디바이스의 스펙 정보 중에서 제2 키워드를 추론할 수 있는 스펙 정보를 판단할 수 있다.
예를 들어, '큰 에어컨'과 대응되는 디바이스를 선택하기 위하여, 프로세서(130)는 지식 베이스(360)를 이용할 수 있으며, 지식 베이스(360)를 통하여 '큰 에어컨'에 대응되는 디바이스를 선택하기 위하여 에어컨의 스펙 정보 중 에어컨의 크기, 냉방 면적, 최소/최대 냉방 능력 등이 키워드 '큰'에 대응되는 스펙 정보가 될 수 있다고 판단할 수 있다.
프로세서(130)는 복수의 디바이스의 스펙 정보가 동일한지 여부를 비교하고, 스펙 정보가 동일하지 않은 경우, 해당 스펙 정보를 기준으로 제2 키워드에 대응되는 디바이스를 판단할 수 있다.
반면, 복수의 디바이스의 스펙 정보가 동일한 경우, 프로세서(130)는 복수의 디바이스에 대한 사용 이력을 기초로 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
가령, 복수의 에어컨들의 스펙 정보 중 에어컨의 크기에 대한 값은 동일하나, 냉방 면적 또는 최소/최대 냉방 능력의 차이가 존재하는 경우, 프로세서(130)는 냉방 면적 또는 최소/최대 냉방 능력을 비교하고, 그 값이 큰 에어컨을 사용자가 의도하는 '큰 에어컨'에 해당한다고 판단할 수 있다.
반면, 복수의 에어컨들의 스펙 정보 중 에어컨의 크기, 냉방 면적 또는 최소/최대 냉방 능력의 차이가 동일한 경우, 프로세서(130)는 복수의 디바이스에 대한 사용 이력을 기초로, 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
한편, 복수의 디바이스에 대한 사용 이력 또한 동일한 경우, 프로세서(130)는 복수의 디바이스 중 하나의 디바이스가 동작하도록 한 뒤, 동작하는 디바이스에 대한 사용자의 응답을 요청하여 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
구체적으로, 복수의 디바이스에 대한 사용 이력이 동일한 경우, 프로세서(130)는 하나의 디바이스에 대한 제어 신호를 생성하고, 생성된 제어 신호를 하나의 디바이스에 전송하여 이에 대한 사용자의 응답을 요청할 수 있다. 그리고, 사용자의 응답에 따라 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
이 경우, 프로세서(130)는 사용자의 응답에 따라, 하나의 디바이스에 대응되는 자연어를 생성하고, 생성된 자연어를 메모리(110)에 저장할 수 있다.
한편, 프로세서(130)는 선택된 디바이스에 대한 사용자의 확인을 요청할 수 있다.
이를 위하여, 프로세서(130)는 선택된 디바이스에 대한 스펙 정보를 기초로 선택된 디바이스에 대응되는 자연어를 생성할 수 있으며, 생성된 자연어를 포함하는 음성 신호를 생성하여 선택된 디바이스에 대한 사용자의 확인을 요청할 수 있다.
프로세서(130)는 선택된 디바이스에 대응되는 자연어를 생성하기 위하여, 지식 베이스(360) 및 QA 엔진(370)를 이용하여, 선택된 디바이스의 스펙 정보 중 하나를 선택할 수 있다. 구체적으로, 지식 베이스(360) 및 QA 엔진(370)은 저장된 지식 데이터를 이용하여 선택된 디바이스의 스펙 정보 중 사용자에 의해 많이 사용된 스펙 정보를 판단할 수 있으며, 판단된 스펙 정보를 이용하여 선택된 디바이스에 대응되는 자연어를 생성할 수 있다. 예를 들어, 사용자가 디바이스의 스펙 정보 중 색상 정보를 많이 사용한 것으로 판단되는 경우, '큰 에어컨 필터 청소 방법 알려줘' 라는 사용자 음성에 대하여, '흰색 에어컨 말씀하시는 건가요?' 라는 질의를 하여 선택된 디바이스에 대한 사용자의 확인을 요청할 수 있다.
한편, 프로세서(130)는 선택된 디바이스의 식별 정보를 이용하여, 사용자 음성 신호에 대응되는 동작을 수행할 수 있다.
프로세서(130)는 대화 시스템(300)을 이용하여 사용자의 음성 신호에 포함된 사용자 발화의 의도를 판단하고, 사용자의 음성 신호에 대응되는 동작을 수행 할 수 있다.
사용자의 음성 신호에는 선택된 디바이스와 관련된 정보를 요청하는 의도나, 선택된 디바이스에 대한 제어를 요청하는 의도가 포함될 수 있으며, 프로세서(130)는 사용자 음성 신호에 포함된 사용자의 의도를 파악하고 선택된 디바이스에 대한 정보를 제공하거나, 선택된 디바이스에 대한 제어 신호를 제공할 수 있다.
이를 위하여 프로세서(130)는 선택된 디바이스의 식별 정보를 이용하여, 선택된 디바이스와 관련된 정보 또는 선택된 디바이스에 대한 제어 신호를 검색할 수 있으며, 이를 사용자 단말 장치(200) 또는 다른 디바이스(미도시)에 전송할 수 있다.
특히, 디바이스와 관련된 정보를 요청하는 사용자의 음성 신호를 수신하는 경우, 프로세서(130)는 디바이스와 관련된 정보를 표시할 디스플레이 장치를 판단할 수 있다.
프로세서(130)는 메모리(110)에 저장된 디스플레이 장치의 식별 정보를 기초로, 디스플레이 장치의 스펙 정보를 획득할 수 있다. 구체적으로, 프로세서(130)는 지식 베이스(360) 및 QA 엔진(370)에 디스플레이 장치의 식별 정보를 입력 하고 디스플레이 장치의 스펙 정보를 획득할 수 있다.
프로세서(130)는 디스플레이 장치의 스펙 정보를 이용하여 디스플레이 장치에 대응되는 자연어를 생성할 수 있다. 이때, 프로세서(130)는 지식 베이스(360)를 이용하여 디스플레이 장치의 스펙 정보 중 사용자가 용이하게 식별 가능한 스펙 정보를 획득할 수 있으며, 획득된 스펙 정보를 이용하여 디스플레이 장치에 대응되는 자연어를 생성할 수 있다. 이때, 프로세서(130)는 자연어를 생성하기 위하여 대화 시스템(300)을 이용할 수 있다. 그리고, 프로세서(130)는 자연어를 포함하는 음성 신호와 함께 사용자 요청에 대응되는 정보를 제공할 수 있다.
예를 들어, 사용자가 '큰 에어컨의 필터 청소 방법을 알려줘' 라고 발화한 경우, 프로세서(130)는 사용자의 요청에 대응되는 정보를 수신할 디바이스로 디스플레이 장치를 선택할 수 있으며, 지식 베이스(360)의 지식을 이용하여 디스플레이 장치의 스펙 정보 중 크기 정보가 사용자가 용이하게 식별 가능한 스펙 정보임을 판단할 수 있다. 그리고, 프로세서(130)는 크기와 관련된 스펙 정보를 기초로,'75 인치 TV에서 큰 에어컨의 필터 청소 방법을 알려드리겠습니다.'라는 음성 신호와 함께 큰 에어컨에 대응되는 에어컨의 필터 청소 방법을 제공할 수 있다.
한편, 프로세서(130)는 선택된 디바이스에 대한 제어 명령을 포함하는 음성 신호를 수신한 경우, 선택된 디바이스의 식별 정보를 기초로, 선택된 디바이스의 제어 명령을 검색하고, 이를 사용자 단말 장치(200) 또는 선택된 디바이스(미도시)에 전송할 수 있다.
가령, 사용자가 “파란색 선풍기 틀어줘”라고 발화한 경우, 프로세서(130)는 제1 키워드(선풍기) 및 제2 키워드(파란색)을 이용하여 사용자의 디바이스를 선택하고 선택된 디바이스의 식별 정보를 이용하여 선택된 디바이스의 on 신호를 검색한 후, 이를 사용자 디바이스(200) 또는 파란색 선풍기에 전송할 수 있다.
한편, 본 개시의 일 실시 예에 따라, 전자 장치(100)가 사용자 단말 장치(200)로부터 음성 신호를 수신하는 것으로 기재하였으나, 반드시 이에 한정되는 것은 아니다.
즉, 본 개시의 또 다른 실시 예에 따라, 전자 장치(100)가 직접 사용자로부터 음성을 수신하고, 이에 대해 음성 인식을 수행하여 사용자 요청에 대응되는 정보를 제공할 수도 있다.
도 4는 본 개시의 또 다른 실시 예에 따른 전자 장치(400)를 설명하기 위한 도면이다.
도 4에 도시된 바와 같이, 전자 장치(400)는 사용자로부터 직접 음성을 수신할 수 있다. 이를 위하여 전자 장치(400)는 마이크를 포함할 수 있다.
전자 장치(400)는 사용자 음성을 수신하면, 사용자 음성을 전처리 하여 사용자 음성 신호로 변환할 수 있다.
전자 장치(400)는 음성 신호에 대한 음성 인식을 수행하기 위하여 대화 시스템(300)을 포함할 수 있으며, 대화 시스템에 포함된 자동 음성 인식 모듈을 이용하여 사용자 음성을 텍스트로 변환하고, 자연어 이해 모듈을 이용하여 사용자 음성의 의도를 분석할 수 있으며, 자연어 생성 모듈을 통하여 사용자 음성에 대한 응답을 생성할 수 있다. 이에 대한 구체적인 설명은 도 2 및 3과 중복되는 바 자세한 설명은 생략한다.
즉, 전자 장치(400)는 사용자로부터 디바이스와 관련된 정보를 요청하는 사용자 음성을 수신하면, 대화 시스템(300)을 이용하여 디바이스의 종류와 관련된 제1 키워드 및 디바이스의 특징과 관련된 제2 키워드를 획득하고, 제1 키워드 및 제2 키워드를 기초로 사용자 의도와 관련된 디바이스를 선택하여 선택된 디바이스와 관련된 정보 중 사용자 요청에 대응되는 정보를 사용자에게 제공할 수 있다.
전자 장치(400)는 사용자 요청에 대응되는 정보를 직접 사용자에게 제공하거나, 다른 전자 장치(가령, 디스플레이 장치)를 통하여 사용자에게 제공할 수 있다.
한편, 도 4는 전자 장치(400)가 스피커인 것으로 도시되어 있으나, 이는 일 실시 예에 불과하며, 전자 장치(400)는 다양한 유형의 전자 장치로 구현될 수 있다. 예를 들어, 전자 장치(400)는 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 카메라, 또는 웨어러블 장치 등으로 구현될 수 있다.
도 5는 본 개시의 또 다른 실시 예에 따른, 전자 장치(400)의 구성을 나타내는 블록도이다.
도 5에 도시된 바와 같이, 전자 장치(400)는 메모리(410), 통신부(420), 프로세서(430), 입력 인터페이스(440), 디스플레이(450), 스피커(460) 및 센서(470)를 포함할 수 있다. 한편, 도 5의 메모리(410), 통신부(420) 및 프로세서(430)에 대해서는 도 2에서 설명하였으므로, 중복되는 설명은 생략하도록 한다.
입력 인터페이스(440)는 전자 장치(100)를 제어하기 위한 사용자 입력을 수신할 수 있다. 특히, 입력 인터페이스(440)는 디바이스와 관련된 정보를 요청하는 사용자의 음성을 입력 받을 수 있다. 입력 인터페이스(440)는 도 5에 도시된 바와 같이, 사용자 음성을 입력받기 위한 마이크, 사용자 손 또는 스타일러스 펜 등을 이용한 사용자 터치를 입력받기 위한 터치 패널, 사용자 조작을 입력받기 위한 버튼 등이 포함될 수 있다. 그러나, 도 5에 도시된 입력 인터페이스(440)의 예는 일 실시예에 불과할 뿐, 다른 입력 장치(예로, 키보드, 마우스, 모션 입력부 등)로 구현될 수 있다.
디스플레이(450)는 프로세서(430)의 제어에 따라 다양한 정보를 표시할 수 있다. 특히, 디스플레이(450)는 사용자 요청에 대응되는 정보를 표시할 수 있다. 또한, 디스플레이(450)는 사용자 요청에 대응되는 디바이스가 선택되면, 선택된 디바이스에 대한 사용자의 확인을 요청하는 화면을 표시할 수 있다. 디스플레이(450)는 터치 패널(413)과 함께 터치 스크린으로 구현될 수 있다.
스피커(460)는 오디오 프로세서에 의해 디코딩이나 증폭, 노이즈 필터링과 같은 다양한 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다. 특히, 스피커(460)는 사용자 질의에 대한 응답을 자연어 형태의 음성 메시지로 출력할 수 있다. 한편, 오디오를 출력하기 위한 구성은 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.
센서(470)는 전자 장치(400)의 다양한 상태 정보를 감지할 수 있다. 예로, 센서(470)는 전자 장치(400)의 움직임 정보를 감지할 수 있는 움직임 센서(예로, 자이로 센서, 가속도 센서 등)를 포함할 수 있으며, 위치 정보를 감지할 수 있는 센서(예로, GPS(Global Positioning System) 센서), 전자 장치(400) 주위의 환경 정보를 감지할 수 있는 센서(예로, 온도 센서, 습도 센서, 기압 센서 등), 전자 장치(400)의 사용자 정보를 감지할 수 있는 센서(예로, 혈압 센서, 혈당 센서, 맥박수 센서 등) 등을 포함할 수 있다. 그 밖에, 센서(470)는 전자 장치(400)의 외부를 촬영하기 위한 이미지 센서 등을 더 포함할 수 있다.
도 6 내지 도 9는 본 개시의 다양한 실시 예에 따른 전자 장치를 설명하기 위한 시퀀스도이다. 도 6 내지 도 9의 내용 중 도 2 및 도 3과 중복되는 부분에 대하여는 편의상 구체적인 설명을 생략하기로 한다.
도 6은 본 개시의 일 실시 예에 따라, 디바이스의 스펙 정보를 이용하여 디바이스와 관련된 질의를 생성하는 전자 장치를 설명하기 위한 시퀀스도이다.
사용자는 사용자 단말 장치(200)에 특정 디바이스와 관련된 정보를 요청할 수 있다(S610). 가령, 사용자는 “거실 공기 청정기의 틀어줘”와 같은 특정 디바이스의 제어를 요청할 수 있다.
사용자 단말 장치(200)는 수신된 사용자 음성을 음성 신호로 변환하여 전자 장치(100)에 전송할 수 있다(S602).
전자 장치(100)의 프로세서(130)는 수신된 사용자 음성 신호에서 디바이스의 종류와 관련된 제1 키워드 및 디바이스의 특징과 관련된 제2 키워드를 추출할 수 있으며, 제1 키워드를 기초로 사용자 디바이스 중에서 제1 키워드에 대응되는 복수의 디바이스를 선택할 수 있다.
또한, 프로세서(130)는 지식 베이스(360) 및 QA 엔진(370)을 이용하여, 선택된 복수의 디바이스의 스펙 정보 중 제2 키워드와 관련된 스펙 정보를 판단하고, 복수의 디바이스 간의 판단된 스펙 정보를 비교하여 사용자 요청과 관련된 디바이스를 선택할 수 있다. 구체적으로 복수의 디바이스 간의 스펙 정보에 차이가 존재하는 경우, 차이가 존재하는 스펙 정보를 기초로 사용자 요청과 관련된 디바이스를 선택할 수 있다.
이에 따라, 프로세서(130)는 복수의 디바이스의 스펙 정보를 비교할 수 있다(S603).
하지만, 제1 키워드에 의해 선택된 디바이스 간의 스펙 정보간의 차이가 존재하여도 '거실 공기 청정기'와 같이 사용자가 어떠한 공기 청정기를 가리키는 것인지 사용자의 의도를 분명히 알 수 없는 경우가 존재할 수 있다.
이 경우 스펙 정보를 이용한 질의를 생성할 수 있다(S604).
구체적으로, 프로세서(130)는 제1 키워드에 대응되는 복수의 디바이스의 스펙 정보를 서로 비교하여, 서로 동일하지 않은 스펙 정보를 판단할 수 있다. 그리고, 판단된 스펙 정보를 기초로, 사용자에게 질의할 정보를 생성할 수 있다.
예를 들어, 복수의 디바이스의 스펙 정보 중 크기에 차이가 존재하는 경우, 프로세서(130)는 대화 시스템을 이용하여 복수의 디바이스 각각을 '소형 공기 청정기' 또는 '중형 공기 청정기'로 구분하는 자연어를 생성할 수 있으며, 이러한 자연어 정보를 포함하는 질의를 사용자 단말 장치(200)에 전송할 수 있다(S605). 가령, 프로세서(130)는 “소형, 중형 공기 청정기 2대가 있어요. 어느 것인가요?”라는 질의를 생성하여 사용자 단말 장치(200)에 전송할 수 있다.
사용자 단말 장치(200)는 전자 장치(100)로부터 수신한 질의를 출력할 수 있으며(S606), 사용자로부터 그에 대한 답변을 수신하여(S607), 전자 장치(100)에 전송할 수 있다.
프로세서(130)는 수신된 사용자의 응답을 기초로, 사용자가 요청한 정보와 관련된 디바이스를 식별하고, 사용자 요청에 대응되는 정보를 획득할 수 있다(S609).
프로세서(130)는 사용자 요청에 대응되는 정보를 사용자 단말 장치(200)에 전송할 수 있다(S610).
이때, 사용자 요청에 대응되는 정보가 사용자 단말 장치(200)가 아닌 외부 장치(400)(가령, 디스플레이 장치)에서 제공될 필요가 있는 경우, 사용자 단말 장치(200)는 사용자 요청에 대응되는 정보를 외부 장치(400)에 전송할 수 있다.
도 7은 본 개시의 일 실시 예에 따라, 디바이스의 사용 이력을 고려하여 디바이스와 관련된 질의를 생성하는 전자 장치를 설명하기 위한 시퀀스도이다.
도 7의 S701 내지 S703 및 S710 내지 S712의 내용은 도 6의 S601 내지 S603 및 S609 내지 S610의 내용과 중복되므로 이에 대한 설명은 생략하기로 한다.
프로세서(130)가 제1 키워드에 의해 선택된 복수의 디바이스의 스펙 정보 중 제2 키워드와 관련된 스펙 정보를 비교하였으나(S703), 스펙 정보가 동일한 경우가 발생할 수 있다.
이와 같이, 복수의 디바이스의 스펙 정보 간에 차이가 없는 경우, 즉 복수의 디바이스 간 스펙 정보가 동일한 경우, 프로세서(130)는 복수의 디바이스의 사용 이력을 판단할 수 있다(S704). 여기에서, 사용 이력은 사용자의 복수의 디바이스 사용 패턴 또는 사용 히스토리를 나타낼 수 있으며, 사용 이력은 전자 장치(100)의 메모리에 저장되어 있거나, 전자 장치(100)가 외부 서버(미도시)로부터 획득할 수 있다.
프로세서(130)는 복수의 디바이스의 스펙 정보가 동일한 경우, 복수의 디바이스에 대한 사용 이력을 기초로 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
구체적으로, 프로세서(130)는 사용자의 복수의 디바이스에 대한 사용 패턴 또는 사용 히스토리를 기초로, 사용자의 확인을 요청하는 질의를 생성할 수 있다(S705).
가령, 사용자가 '소형 공기 청정기 틀어줘.”와 같은 질의를 하였으나, 동일한 스펙 정보를 가진 소형 공기 청정기가 복수 개 존재하는 경우, 프로세서(130)는 사용자의 사용 패턴 또는 사용 히스토리를 이용하여, 사용자의 확인을 요청하는 질의를 생성할 수 있다. 사용자의 사용 패턴에 따라 낮에만 사용하던 공기 청정기가 존재하는 경우, 프로세서(130)는 대화 시스템(300)을 이용하여 “낮에 주로 사용하는 공기 청정기를 틀어드릴까요?”라는 질의를 생성할 수 있다. 또 다른 예로, 프로세서(130)는 사용자의 사용 히스토리를 이용하여 “오늘 오전에 사용한 공기 청정기를 틀어드릴까요?”라는 질의를 생성할 수 있다.
프로세서(130)는 생성된 질의를 사용자 단말 장치(200)에 전송할 수 있으며(S706), 사용자 단말 장치(200)는 사용자로부터 질의에 대한 응답을 수신하고(S709), 이를 전자 장치(100)에 전송할 수 있다(S709).
프로세서(130)는 사용자의 응답을 기초로, 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
한편, S703 단계에서 복수의 디바이스 간의 스펙 정보를 비교하고, 스펙 정보 간의 차이가 존재하지 않는 경우, 프로세서(130)는 복수의 디바이스 중 하나의 디바이스에 제어 신호를 전송하고 제어 신호를 수신한 디바이스와 관련된 질의를 생성하여 사용자의 의도를 판단할 수도 있다.
이와 관련하여, 도 8은 본 개시의 일 실시 예에 따라, 디바이스에 제어 신호를 전송하고 제어 신호를 수신한 디바이스와 관련된 질의를 생성하는 전자 장치를 설명하기 위한 시퀀스도이다. 도 8와 관련하여, 도 6 및 도 7과 중복된 설명에 대해서는 구체적인 설명을 생략하기로 한다.
도 7에서와 마찬가지로, 프로세서(130)가 제1 키워드에 의해 선택된 복수의 디바이스의 스펙 정보 중 제2 키워드와 관련된 스펙 정보를 비교하였으나(S803), 스펙 정보의 차이가 경우가 발생할 수 있다,
이와 같이, 복수의 디바이스의 스펙 정보 간에 차이가 없는 경우, 프로세서(130)는 복수의 디바이스 각각에 제어 신호를 전송하여 사용자로부터 응답을 수신할 수 있다.
구체적으로, 프로세서(130)는 복수의 디바이스 중 하나의 디바이스를 동작시키기 위한 제어 신호를 생성하여(S804), 이를 사용자 단말 장치(200)에 전송할 수 있으며(S805), 사용자 단말 장치(200)는 수신된 제어 신호를 제어 신호에 대응되는 디바이스에 전송할 수 있다(S806). 한편, 이는 일 실시 예이며, 프로세서(130)가 직접 제어 신호에 대응되는 하나의 디바이스에 제어 신호를 전송할 수도 있음은 물론이다.
제어 신호에 대응되는 디바이스가 제어 신호에 따라 동작하면, 프로세서(130)는 제어 신호를 수신하는 디바이스에 대한 사용자의 확인을 요청하는 질의를 생성하고(S807), 이를 사용자 단말 장치(200)에 전송할 수 있다(S808).
구체적으로, 제어 신호에 대응되는 디바이스가 제어 신호에 따라 동작하면, 프로세서(130)는 대화 시스템(300)을 이용하여, 제어 신호에 따라 동작하는 디바이스가 사용자가 의도하는 디바이스인지 확인을 요청하는 질의를 생성할 수 있다. 가령, 프로세서(130)는 대화 시스템(300)을 이용하여, “지금 켜진 공기 청정기가 맞나요?”와 같은 질의를 생성하고 이를 사용자 단말 장치(200)에 전송할 수 있다.
사용자 단말 장치(200)는 수신한 질의를 사용자에게 전송하고(S809), 사용자로부터 질의에 대한 응답을 수신할 수 있다(S810). 또한, 사용자 단말 장치(200)는 수신한 응답 정보를 전자 장치(100)에 전송할 수 있다(S811).
프로세서(130)는 대화 시스템을 이용하여, 사용자 단말 장치(200)로부터 수신한 사용자 응답의 의미를 판단할 수 있다(S812). 프로세서(130)는 사용자 응답의 의미가 긍정인 경우, 응답 정보 및 사용자 요청에 대응되는 정보를 전송할 수 있다(S814). 한편, 프로세서(130)는 질의에 대한 사용자 단말 장치(200)의 응답 의미가 부정적으로 판단된 경우, S804 단계로 되돌아 가서 복수의 디바이스 중 다른 디바이스를 동작시키기 위한 제어 신호를 생성할 수 있다.
한편, 프로세서(130)는 스펙 정보의 차이가 없어 사용자에게 질의를 한 후 디바이스를 식별한 경우, 식별된 디바이스에 대한 자연어를 생성할 수 있다.
이와 관련하여, 도 9는 본 개시의 일 실시 예에 따라, 식별된 디바이스에 대한 자연어를 생성하는 전자 장치를 설명하기 위한 시퀀스도이다.
도 9의 S901 내지 S912 단계는 도 7의 S701 내지 S712 단계와 동일하므로 중복된 설명은 생략하기로 한다.
프로세서(130)는 사용자 요청에 대응하는 정보를 수신한 디바이스를 식별하기 위한 자연어를 생성하고, 이를 메모리(110)에 저장할 수 있다(S913).
프로세서(130)는 S905 단계에서 한 사용자의 질의에 포함된 자연어를 이용하여, 사용자 요청에 대응하는 정보를 수신한 디바이스(400)에 대응하는 자연어를 생성할 수 있다.
가령, 프로세서(130)가 S905 단계에서 “낮에 주로 사용하시는 공기 청정기를 틀어드릴까요?” 라고 질의한 경우, 프로세서(130)는 질의에 포함된 '낮에 주로 사용하는 공기 청정기'를 이용하여 디바이스(400)의 식별 정보를 '낮에 주로 사용하는 공기 청정기'로 생성하고, 이를 메모리(110)에 저장할 수 있다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
도 10을 참조하면, 본 제어 방법은, 디바이스와 관련된 요청을 포함하는 사용자 음성 신호를 수신할 수 있다(S1010).
그리고, 사용자 음성 신호에서 디바이스의 종류와 관련된 제1 키워드 및 디바이스의 특징과 관련된 제2 키워드를 추출할 수 있다(S1020). 제1 키워드 및 제2 키워드를 추출하기 위하여 대화 시스템을 이용한 음성 인식 기능이 수행될 수 있다.
제1 키워드에 대응되는 복수의 디바이스의 식별 정보를 기초로, 복수의 디바이스의 스펙 정보를 획득할 수 있다(S1030). 복수의 디바이스의 스펙 정보를 비교하여 제2 키워드에 대응되는 디바이스를 선택할 수 있다(S1040). 이때, 제1 키워드에 의해 선택된 복수의 디바이스에 대하여 제2 키워드와 관련된 스펙 정보를 판단하고, 판단된 제2 키워드와 관련된 스펙 정보를 비교하여 제2 키워드에 대응되는 디바이스를 선택할 수 있다.
마지막으로, 본 제어 방법은 선택된 디바이스의 식별 정보를 이용하여 사용자 음성 신호에 대응되는 동작을 수행할 수 있다(S1050).
한편, 상술한 본 개시의 다양한 실시 예들에 따른 전자 장치(100)에서의 처리동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 전자 장치(100)의 처리 동작을 상술한 특정 기기가 수행하도록 한다.
비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
또한, 이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.
100: 전자 장치 200: 사용자 단말 장치
110: 메모리 120: 통신 인터페이스
130: 프로세서

Claims (15)

  1. 전자 장치에 있어서,
    통신 인터페이스;
    복수의 디바이스의 식별 정보를 저장한 메모리; 및
    디바이스와 관련된 요청을 포함하는 사용자 음성 신호를 수신하면, 상기 사용자 음성 신호에서 상기 디바이스의 종류와 관련된 제1 키워드 및 상기 디바이스의 특징과 관련된 제2 키워드를 추출하고,
    상기 메모리에 저장된 상기 제1 키워드에 대응되는 복수의 디바이스의 식별 정보를 기초로, 상기 복수의 디바이스의 스펙 정보를 획득하고,
    상기 복수의 디바이스의 스펙 정보를 비교하여, 제2 키워드에 대응되는 디바이스를 선택하며,
    상기 선택된 디바이스의 식별 정보를 이용하여 상기 사용자 음성 신호에 대응되는 동작을 수행하는 프로세서;를 포함하는 전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 복수의 디바이스의 스펙 정보 중 상기 제2 키워드와 관련된 스펙 정보를 식별하고, 상기 제2 키워드와 관련된 스펙 정보를 비교하여 상기 제2 키워드에 대응되는 디바이스를 선택하는, 전자 장치.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 선택된 디바이스의 스펙 정보를 기초로 상기 선택된 디바이스에 대응되는 자연어를 생성하며,
    상기 생성된 자연어를 포함하는 음성 신호를 생성하여 상기 선택된 디바이스에 대한 사용자의 확인을 요청하는, 전자 장치.
  4. 제1항에 있어서,
    상기 프로세서는,
    디바이스와 관련된 정보를 요청하는 사용자의 음성 신호를 수신하면, 상기 디바이스와 관련된 정보를 표시할 디스플레이 장치를 판단하고,
    상기 디스플레이 장치의 식별 정보를 기초로, 상기 디스플레이 장치의 스펙 정보를 획득하며,
    상기 디스플레이 장치의 스펙 정보를 이용하여 상기 디스플레이 장치에 대응되는 자연어를 생성하고,
    상기 생성된 자연어를 포함하는 음성 신호와 함께 상기 사용자 요청에 대응되는 정보를 제공하는, 전자 장치.
  5. 제1항에 있어서,
    상기 메모리는,
    상기 복수의 디바이스에 대한 사용 이력을 포함하고,
    상기 프로세서는,
    상기 제1 키워드에 대응되는 복수의 디바이스의 스펙 정보가 동일한 경우,
    상기 복수의 디바이스에 대한 사용 이력을 기초로, 상기 제2 키워드에 대응되는 디바이스를 선택하는, 전자 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 제1 키워드에 대응되는 복수의 디바이스에 대한 사용 이력이 동일한 경우,
    상기 복수의 디바이스 중 하나의 디바이스에 대한 제어 신호를 생성하여, 상기 제어 신호를 상기 하나의 디바이스에 전송하고,
    상기 하나의 디바이스에 대한 사용자의 응답을 요청하는, 전자 장치.
  7. 제6항에 있어서,
    상기 프로세서는,
    상기 하나의 디바이스에 대한 사용자의 응답에 따라, 상기 하나의 디바이스에 대응되는 자연어를 생성하고, 상기 자연어를 상기 메모리에 저장하는, 전자 장치.
  8. 제1항에 있어서,
    상기 스펙 정보는,
    상기 전자 장치의 능력, 효율, 서비스 제공 면적, 크기, 색상, 형태 및 조작 방식 중 적어도 하나를 포함하는, 전자 장치.
  9. 전자 장치의 음성 인식 방법에 있어서,
    디바이스와 관련된 요청을 포함하는 사용자 음성 신호를 수신하는 단계;
    상기 사용자 음성 신호에서 디바이스의 종류와 관련된 제1 키워드 및 상기 디바이스의 특징과 관련된 제2 키워드를 추출하는 단계;
    상기 제1 키워드에 대응되는 복수의 디바이스의 식별 정보를 기초로, 상기 복수의 디바이스의 스펙 정보를 획득하는 단계;
    상기 복수의 디바이스의 스펙 정보를 비교하여, 제2 키워드에 대응되는 디바이스를 선택하는 단계; 및
    상기 선택된 디바이스의 식별 정보를 이용하여 상기 사용자 음성 신호에 대응되는 동작을 수행하는 단계;를 포함하는 음성 인식 방법.
  10. 제9항에 있어서,
    제2 키워드에 대응되는 디바이스를 선택하는 단계는,
    상기 복수의 디바이스의 스펙 정보 중 상기 제2 키워드와 관련된 스펙 정보를 식별하는 단계; 및
    상기 제2 키워드와 관련된 스펙 정보를 비교하여 상기 제2 키워드에 대응되는 디바이스를 선택하는 단계;를 포함하는, 음성 인식 방법.
  11. 제9항에 있어서,
    상기 선택된 디바이스의 스펙 정보를 기초로 상기 선택된 디바이스에 대응되는 자연어를 생성하는 단계; 및
    상기 생성된 자연어를 포함하는 음성 신호를 생성하여 상기 선택된 디바이스에 대한 사용자의 확인을 요청하는 단계;를 포함하는, 음성 인식 방법.
  12. 제9항에 있어서,
    디바이스와 관련된 정보를 요청하는 사용자의 음성 신호를 수신하면, 상기 디바이스와 관련된 정보를 표시할 디스플레이 장치를 판단하는 단계;
    상기 디스플레이 장치의 식별 정보를 기초로, 상기 디스플레이 장치의 스펙 정보를 획득하는 단계;
    상기 디스플레이 장치의 스펙 정보를 이용하여 상기 디스플레이 장치에 대응되는 자연어를 생성하는 단계; 및
    상기 생성된 자연어를 포함하는 음성 신호와 함께 상기 사용자 요청에 대응되는 정보를 제공하는 단계;를 포함하는, 음성 인식 방법.
  13. 제9항에 있어서,
    상기 제1 키워드에 대응되는 복수의 디바이스의 스펙 정보가 동일한 경우,
    상기 제1 키워드에 대응되는 복수의 디바이스에 대한 사용 이력을 기초로, 상기 제2 키워드에 대응되는 디바이스를 선택하는 단계;를 포함하는, 음성 인식 방법.
  14. 제13항에 있어서,
    상기 프로세서는,
    상기 제1 키워드에 대응되는 복수의 디바이스에 대한 사용 이력이 동일한 경우,
    상기 복수의 디바이스 중 하나의 디바이스에 대한 제어 신호를 생성하여, 상기 제어 신호를 상기 하나의 디바이스에 전송하고,
    상기 하나의 디바이스에 대한 사용자의 응답을 요청하는, 전자 장치.
  15. 제14항에 있어서,
    상기 하나의 디바이스에 대한 사용자의 응답에 따라, 상기 하나의 디바이스에 대응되는 자연어를 생성하고, 상기 자연어를 상기 메모리에 저장하는, 전자 장치.
KR1020190085163A 2019-07-15 2019-07-15 전자 장치 및 이의 음성 인식 방법 KR20210008696A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190085163A KR20210008696A (ko) 2019-07-15 2019-07-15 전자 장치 및 이의 음성 인식 방법
PCT/KR2020/005430 WO2021010578A1 (en) 2019-07-15 2020-04-24 Electronic apparatus and method for recognizing speech thereof
US17/290,873 US11978458B2 (en) 2019-07-15 2020-04-24 Electronic apparatus and method for recognizing speech thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190085163A KR20210008696A (ko) 2019-07-15 2019-07-15 전자 장치 및 이의 음성 인식 방법

Publications (1)

Publication Number Publication Date
KR20210008696A true KR20210008696A (ko) 2021-01-25

Family

ID=74210572

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190085163A KR20210008696A (ko) 2019-07-15 2019-07-15 전자 장치 및 이의 음성 인식 방법

Country Status (3)

Country Link
US (1) US11978458B2 (ko)
KR (1) KR20210008696A (ko)
WO (1) WO2021010578A1 (ko)

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4201869B2 (ja) 1998-02-24 2008-12-24 クラリオン株式会社 音声認識による制御装置及び方法並びに音声認識による制御用プログラムを記録した記録媒体
JP3862588B2 (ja) 2002-04-11 2006-12-27 キヤノン株式会社 通信装置及びその制御方法
US7673071B2 (en) 2004-11-10 2010-03-02 International Business Machines Corporation Apparatus, system, and method for generating a name for a system of devices
US20130238326A1 (en) 2012-03-08 2013-09-12 Lg Electronics Inc. Apparatus and method for multiple device voice control
US9842584B1 (en) 2013-03-14 2017-12-12 Amazon Technologies, Inc. Providing content on multiple devices
WO2015025341A1 (ja) * 2013-08-21 2015-02-26 三菱電機株式会社 エレベータ制御装置
JP6282516B2 (ja) 2014-04-08 2018-02-21 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 複数機器の音声操作システム、音声操作方法及び、プログラム
US20160380968A1 (en) 2015-06-26 2016-12-29 Intel Corporation Generating network device names
CN106469040B (zh) * 2015-08-19 2019-06-21 华为终端有限公司 通信方法、服务器及设备
KR102417682B1 (ko) 2015-09-09 2022-07-07 삼성전자주식회사 음성 인식을 이용한 닉네임 관리 장치 및 방법
KR20170033722A (ko) * 2015-09-17 2017-03-27 삼성전자주식회사 사용자의 발화 처리 장치 및 방법과, 음성 대화 관리 장치
JP2017123564A (ja) * 2016-01-07 2017-07-13 ソニー株式会社 制御装置、表示装置、方法及びプログラム
KR20170086814A (ko) 2016-01-19 2017-07-27 삼성전자주식회사 음성 인식 기능을 제공하는 전자 장치 및 그 동작 방법
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
KR101925034B1 (ko) 2017-03-28 2018-12-04 엘지전자 주식회사 스마트 컨트롤링 디바이스 및 그 제어 방법
US10748538B2 (en) * 2017-09-26 2020-08-18 Google Llc Dynamic sequence-based adjustment of prompt generation
KR102471493B1 (ko) * 2017-10-17 2022-11-29 삼성전자주식회사 전자 장치 및 음성 인식 방법
US10636416B2 (en) * 2018-02-06 2020-04-28 Wistron Neweb Corporation Smart network device and method thereof
US10878810B2 (en) * 2018-06-28 2020-12-29 Rovi Guides, Inc. Systems and methods for performing actions on network-connected objects in response to reminders on devices based on an action criterion
US10587430B1 (en) * 2018-09-14 2020-03-10 Sonos, Inc. Networked devices, systems, and methods for associating playback devices based on sound codes

Also Published As

Publication number Publication date
WO2021010578A1 (en) 2021-01-21
US11978458B2 (en) 2024-05-07
US20210327437A1 (en) 2021-10-21

Similar Documents

Publication Publication Date Title
KR102095514B1 (ko) 디바이스 토폴로지에 기초한 음성 명령 프로세싱
KR102429436B1 (ko) 사용자의 입력 입력에 기초하여 타겟 디바이스를 결정하고, 타겟 디바이스를 제어하는 서버 및 그 동작 방법
US20230401259A1 (en) Providing command bundle suggestions for an automated assistant
US9805718B2 (en) Clarifying natural language input using targeted questions
CN112868060B (zh) 用户、自动化助理和其它计算服务之间的多模态交互
US10860289B2 (en) Flexible voice-based information retrieval system for virtual assistant
WO2018153273A1 (zh) 语义解析方法、装置及存储介质
JP6728319B2 (ja) 人工知能機器で複数のウェイクワードを利用したサービス提供方法およびそのシステム
US11586689B2 (en) Electronic apparatus and controlling method thereof
KR102508863B1 (ko) 전자 장치 및 상기 전자 장치로부터 수신된 데이터를 처리하는 서버
WO2019232980A1 (zh) 节点配置方法及装置、计算机可读存储介质和电子设备
CN108055617B (zh) 一种麦克风的唤醒方法、装置、终端设备及存储介质
KR102464120B1 (ko) 사용자 발화를 처리하는 전자 장치
US12008988B2 (en) Electronic apparatus and controlling method thereof
KR102707293B1 (ko) 사용자 음성 입력을 처리하는 장치
WO2022226811A1 (zh) 构建语音识别模型和语音处理的方法和系统
KR20200042137A (ko) 변형 발화 텍스트를 제공하는 전자 장치 및 그것의 동작 방법
CN116010571A (zh) 知识库构建方法、信息查询方法、装置以及设备
KR20210008696A (ko) 전자 장치 및 이의 음성 인식 방법
US11150923B2 (en) Electronic apparatus and method for providing manual thereof
JP6944920B2 (ja) スマートインタラクティブの処理方法、装置、設備及びコンピュータ記憶媒体
KR20200129346A (ko) 디스플레이 장치 및 이의 제어 방법
Huynh et al. Jarvis: A voice-based context-as-a-service mobile tool for a smart home environment
Abdelhamid et al. Robust voice user interface for internet-of-things
GB2567067A (en) Processing voice commands based on device topology