KR20210048382A - 음성 분석 방법 및 장치 - Google Patents

음성 분석 방법 및 장치 Download PDF

Info

Publication number
KR20210048382A
KR20210048382A KR1020190138488A KR20190138488A KR20210048382A KR 20210048382 A KR20210048382 A KR 20210048382A KR 1020190138488 A KR1020190138488 A KR 1020190138488A KR 20190138488 A KR20190138488 A KR 20190138488A KR 20210048382 A KR20210048382 A KR 20210048382A
Authority
KR
South Korea
Prior art keywords
information
segments
segment
voice data
speech analysis
Prior art date
Application number
KR1020190138488A
Other languages
English (en)
Inventor
김다해
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of KR20210048382A publication Critical patent/KR20210048382A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • 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
    • 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
    • G10L17/04—Training, enrolment or model building
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • 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
    • G10L15/1822—Parsing for meaning understanding
    • 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
    • G10L2015/088—Word spotting

Landscapes

  • Engineering & Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

탑재된 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 5G 통신 환경에서 음성 분석 장치와 서버가 통신할 수 있는 음성 분석 방법 및 장치가 개시된다. 음성 분석 방법 및 장치는 음성 데이터를 수집 및 분석하여 구조화된 음성 데이터의 데이터베이스를 구축한다.

Description

음성 분석 방법 및 장치{METHOD AND APPARATUS FOR SPEECH ANALYSIS}
본 발명은 다양한 공간에서 발생하는 음성 데이터를 수집 및 분석하는 음성 분석 방법 및 장치에 관한 것이다.
음성 인식 기술은 인공지능(AI) 기술과 사물인터넷(IoT) 기술의 본격적인 확산과 맞물려 개인화된 음성 인식 서비스에 활발히 적용되고 있다. 예를 들어, 사용자는 음성 인식 기술이 적용된 가상 비서와 대화하면서 인터넷 검색을 하거나 일정을 생성하는 명령을 가상 비서에게 전달할 수 있다.
한편 가정에서 발생하는 소리는 사용자의 컨텍스트 정보가 내재되어 있으나 이를 음성 인식에 활용할 방안이 없다. 가정 내의 여러 공간에서 발생하는 다양한 소리를 분석할 수 있는 음성 분석 방법 및 장치가 필요하다.
본 발명의 일 과제는 여러 공간에서 발생하는 다양한 소리를 분석할 수 있는 음성 분석 방법을 제공하는 것이다.
본 발명의 일 과제는 수집된 음성 데이터를 분석하여 구조화된 음성 데이터를 생성하는 음성 분석 장치를 제공하는 것이다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위하여, 실시예에 따른 음성 분석 방법 및 장치는 가정 내의 여러 공간에서 발생하는 소리를 공간, 시간 및 화자별 특성을 고려하여 분석하고, 분석의 결과를 구조화된 데이터로 저장한 데이터베이스를 제공한다. 또한 실시예에 따른 음성 분석 방법 및 장치는 가정 내에서 수집된 음성 데이터를 공간, 시간 및 화자별 관점에서 키워드 분석을 수행하고, 분석의 결과로 구조화된 음성 데이터를 생성 및 저장한다.
이를 위하여 일 실시예는 음성 데이터를 복수의 세그먼트로 분할하는 단계, 복수의 세그먼트의 메타 정보에 기반하여 복수의 세그먼트를 정렬하는 단계, 각 세그먼트의 키워드 리스트를 추출하는 단계 및 키워드 리스트에 기반하여 각 세그먼트의 토픽 정보를 모델링하는 단계를 포함하는 음성 분석 방법을 제공한다.
이를 위하여 일 실시예는 음성 데이터를 저장하는 메모리 및 메모리에 접근가능한 하나 이상의 프로세서를 포함하고, 프로세서는, 음성 데이터를 복수의 세그먼트로 분할하고, 복수의 세그먼트의 메타 정보에 기반하여 복수의 세그먼트를 정렬하고, 각 세그먼트의 키워드 리스트를 추출하고, 키워드 리스트에 기반하여 각 세그먼트의 토픽 정보를 모델링하도록 설정되는, 음성 분석 장치를 제공한다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
본 발명에서 이루고자 하는 기술적 과제들의 해결 수단은 이상에서 언급한 해결 수단들로 제한되지 않으며, 언급하지 않은 또 다른 해결 수단들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
실시예에 의하면 여러 공간에서 발생하는 다양한 소리를 공간, 시간 및 화자별 특성을 고려하여 분석할 수 있다.
또한, 실시예에 의하면 수집된 음성 데이터를 공간, 시간 및 화자별 관점에서 키워드 분석을 수행하여 구조화된 음성 데이터를 생성 및 제공할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 본 발명이 속한 기술 분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 실시예에 따른 음성 분석 환경의 예시도이다.
도 2는 실시예에 따른 음성 분석 장치의 개략적인 블록도이다.
도 3은 실시예에 따른 음성 분석 방법의 개략적인 흐름도이다.
도 4 내지 도 6은 실시예에 따른 음성 분석 방법을 예시적으로 설명하기 위한 도면이다.
도 7은 실시예에 따른 음성 분석 방법의 토픽 정보 획득 과정을 설명하기 위한 도면이다.
도 8은 실시예에 따른 구조화된 음성 데이터를 보여주는 도면이다.
도 9는 실시예에 따른 구조화된 음성 데이터의 활용예를 예시적으로 보여준다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 동일하거나 유사한 구성요소에는 동일유사한 도면 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
도 1은 일 실시예에 따른 음성 분석 환경의 예시도이다.
음성 분석 환경은, 음성 분석 장치(100), 서버(200) 및 네트워크(300)를 포함할 수 있다. 음성 분석 장치(100) 및 서버(300)는 5G 통신 환경에서 서로 연결될 수 있다. 또한, 도 1에 도시된 기기들 이외에 가정 또는 사무실에서 사용되는 다양한 전자 기기들이 사물 인터넷 환경 하에서 서로 연결되어 동작할 수 있다.
음성 분석 장치(100)는 사용자가 발화한 음성을 수신하고, 수신된 음성을 분석할 수 있다. 또한 음성 분석 장치(100)는 수신된 음성을 인식 하고 인식의 결과를 토대로 음성 인식 서비스를 제공할 수 있다. 예를 들어, 음성 분석 장치(100)는 인공지능(AI) 스피커 또는 홈 로봇, 커뮤니케이션 로봇 등과 같은 음성 인식 기능을 수행할 수 있는 다양한 전자 기기들을 포함할 수 있다. 예를 들어, 음성 분석 장치(100)는 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 음성 분석 장치(100)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 디바이스일 수 있다. 예를 들어, 음성 분석 장치(100)는 TV, 세탁기, 에어컨 등과 같은 음성 인식 기능을 수행할 수 있는 다양한 가전 기기들을 포함할 수 있다. 또한 음성 분석 장치(100)는 음성 입출력 기능이 없는 전자 기기를 제어하는 허브 역할을 할 수 있다.
음성 분석 장치(100)는, 자체적으로 음성 분석 기능을 수행하고 분석 결과를 토대로 음성 인식 서비스를 제공하거나, 또는 서버(200)에 음성 데이터를 전송하고, 서버(200)로부터 음성 분석 결과를 수신할 수도 있다.
서버(200)는 각종 인공지능 알고리즘을 적용하는데 필요한 빅데이터 및 음성 인식에 관한 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(200)는 음성 분석 장치(100)를 원격에서 제어할 수 있도록 하는 웹 서버 또는 애플리케이션 서버를 포함할 수 있다.
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로서, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
서버(200)는 음성 데이터에 대한 음성 인식 및 분석을 수행하고, 분석 결과를 음성 분석 장치(100)로 전송할 수 있다. 서버(200)는 실시예에 따른 음성 분석 방법을 수행할 수 있다. 이를 위하여 서버(200)는 음성 분석 장치(100)로부터 분석할 음성 데이터를 수신하고 실시예에 따른 음성 분석 방법의 각 단계를 수행하고 구조화된 음성 데이터를 서버(200)의 메모리에 저장할 수 있다. 서버(200)는 서버(200)의 메모리에 저장된 구조화된 음성 데이터에 대한 관리 및 접근을 제어하는 데이터베이스 서버일 수 있다. 서버(200)는 음성 분석을 위하여 머신 러닝에 기반한 자연어 처리 모델을 이용할 수 있다. 서버(200)는 음성 분석의 결과 획득한 토픽 정보 모델링의 결과 및 구조화된 음성 데이터를 음성 분석 장치(100)로 전송할 수 있다.
네트워크(300)는 음성 분석 장치(100)와 서버(200)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(300)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(300)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서 근거리 통신은 블루투스(Bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(300)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(300)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(300)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(300)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
도 2는 일 실시예에 따른 음성 분석 장치의 개략적인 블록도이다.
음성 분석 장치(100)는 통신부(110), 디스플레이부(121) 및 조작부(122)를 포함하는 사용자 인터페이스부(120), 센싱부(130), 오디오 입력부(141) 및 오디오 출력부(142)를 포함하는 오디오 처리부(140), 메모리(150) 및 프로세서(160)를 포함할 수 있다.
음성 분석 장치(100)는 사용자로부터 획득한 음성 데이터를 인식 및 분석하는 분석 장치로서 기능할 수 있다. 또한 음성 분석 장치(100)는 사용자로부터 획득한 음성 데이터를 인식하고 음성 데이터가 지시하는 명령을 수행하고 그 결과를 출력하는 음성 인식 장치로서 기능할 수도 있다.
통신부(110)는 네트워크(300)와 연동하여 음성 분석 장치(100)와 서버(200) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 또한 통신부(110)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다. 또한, 통신부(110)는 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등)을 지원할 수 있으며, M2M(machine to machine) 통신, V2X(vehicle to everything communication) 통신, D2D(device to device) 통신 등을 지원할 수 있다. 예를 들어 통신부(110)는 모뎀, 송신기/수신기 및 트랜시버와 같은 네트워크 인터페이스 장치를 포함할 수 있다.
통신부(110)는 프로세서(160)의 제어 하에 사용자의 발화를 저장한 음성 데이터를 수신할 수 있다. 프로세서(160)는 통신부(110)를 통해 수신한 음성 데이터에 대하여 실시예에 따른 음성 분석 방법을 수행할 수 있다.
통신부(110)는 프로세서(160)의 제어 하에 서버(200)로 음성 데이터를 전송하고, 이에 대한 응답으로 서버(200)로부터 음성 분석의 결과로 생성된 구조화된 음성 데이터를 수신할 수 있다.
사용자 인터페이스부(120) 중 디스플레이부(121)는 프로세서(160)의 제어 하에 음성 분석 장치(100)의 구동 상태를 디스플레이 할 수 있다. 일 예에서 디스플레이부(121)는 터치패드와 상호 레이어 구조를 이루어 터치스크린으로 구성될 수 있다. 이 경우에, 디스플레이부(121)는 사용자의 터치에 의한 정보의 입력이 가능한 조작부(122)로도 사용될 수 있다. 이를 위해 디스플레이부(121)는 터치 인식 디스플레이 제어기 또는 이외의 다양한 입출력 제어기로 구성될 수 있다. 일 예로, 터치 인식 디스플레이 제어기는 장치와 사용자 사이에 출력 인터페이스 및 입력 인터페이스를 제공할 수 있다. 터치 인식 디스플레이 제어기는 전기 신호를 프로세서(160)와 송수신할 수 있다. 또한, 터치 인식 디스플레이 제어기는 사용자에게 시각적인 출력을 표시하며, 시각적 출력은 텍스트, 그래픽, 이미지, 비디오와 이들의 조합을 포함할 수 있다. 이와 같은 디스플레이부(121)는 예를 들어 터치 인식이 가능한 OLED(organic light emitting display) 또는 LCD(liquid crystal display) 또는 LED(light emitting display)와 같은 소정의 디스플레이 부재일 수 있다.
사용자 인터페이스부(120) 중 조작부(122)는 복수의 조작 버튼(미도시)을 구비하여, 입력되는 버튼에 대응하는 신호를 프로세서(160)로 전송할 수 있다. 이러한 조작부(122)는 사용자의 터치 또는 누름 조작을 인식할 수 있는 센서 또는 버튼, 스위치 구조로 구성될 수 있다. 조작부(122)는 디스플레이부(121)에 표시되는 음성 분석 장치(100)의 구동과 관련한 각종 정보를 확인하거나, 변경하기 위해 사용자가 조작하는 조작 신호를 프로세서(160)로 전송할 수 있다.
디스플레이부(121)는 프로세서(160)의 제어 하에 음성 분석 장치(100)의 음성 인식 결과를 출력할 수 있다. 여기서 음성 인식 결과는 음성 분석 장치(100)가 사용자의 음성을 인식하고 인식된 음성에 따른 명령을 실행한 결과를 포함할 수 있다.
센싱부(130)는 음성 분석 장치(100)의 주변 상황을 센싱하는 적어도 하나의 센서를 포함할 수 있다.
센싱부(130)는 위치 센서를 포함할 수 있다. 위치 센서는 음성 분석 장치(100)의 위치 데이터를 획득할 수 있다. 예를 들어 위치 센서는 GPS(Global Positioning System) 센서 및 IMU(Inertial Measurement Unit) 센서 등을 포함한다. IMU 센서는 예를 들어, 가속도 센서, 및/또는 자이로 센서 등을 포함할 수 있다. 위치 센서가 획득한 위치 데이터는 메모리(150)에 저장될 수 있다.
센싱부(130)는 근접센서를 포함할 수 있다. 근접센서는 적외선 등을 활용하여 음성 분석 장치(100) 주변에 위치한 객체(예를 들어 사용자)의 위치 데이터를 획득할 수 있다. 한편, 근접센서가 획득한 사용자의 위치 데이터는 메모리(150)에 저장될 수 있다.
센싱부(130)는 영상센서를 포함할 수 있다. 영상센서는 음성 분석 장치(100)의 주변을 촬영할 수 있는 카메라(미도시)를 포함할 수 있으며, 촬영 효율을 위해 복수 개가 설치될 수 있다. 예를 들어, 카메라는 적어도 하나의 광학렌즈와, 광학렌즈를 통과한 광에 의해 상이 맺히는 다수개의 광다이오드(photodiode, 예를 들어, pixel)를 포함하여 구성된 이미지 센서(예를 들어, CMOS image sensor)와, 광다이오드들로부터 출력된 신호를 바탕으로 영상을 구성하는 디지털 신호 처리기(DSP: digital signal processor)를 포함할 수 있다. 디지털 신호 처리기는 정지영상은 물론이고, 정지영상으로 구성된 프레임들로 이루어진 동영상을 생성할 수 있다. 한편, 영상센서로서의 카메라가 촬영하여 획득된 영상은 메모리(150)에 저장될 수 있다.
센싱부(130)는 음성 분석 장치(100)의 주변 상황을 감지할 수 있는 센서, 예를 들어, 라이다 센서(Lidar sensor), 무게 감지 센서, 조도 센서(illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor), 마이크로폰(microphone), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 음성 분석 장치(100)는 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.
오디오 처리부(140)는 오디오 입출력을 위한 인터페이스를 제공하고 필요한 오디오 프로세싱을 수행할 수 있다.
오디오 처리부(140) 중 오디오 입력부(141)는 사용자의 음성 입력(예를 들어 발화 및 대화)을 획득할 수 있다. 이를 위해 오디오 입력부(141)는 하나 이상의 마이크로폰(미도시)을 포함할 수 있다. 오디오 입력부(141)는 마이크로폰으로 사용자의 음성 입력을 획득하여 프로세서(160)에 전달할 수 있다.
오디오 입력부(141)는 음성 입력을 더 정확하게 수신하기 위해 복수의 마이크로폰(미도시)을 구비할 수 있다. 여기서, 복수의 마이크로폰 각각은 서로 다른 위치에 이격되어 배치될 수 있고, 수신한 음성 입력을 전기적인 신호로 처리할 수 있다. 예를 들어 음성 분석 장치(100)는 가정에서 발생하는 음성 데이터를 분석할 수 있다. 이를 위하여 오디오 입력부(141)의 복수의 마이크로폰은 거실, 침실, 서재 및 부엌과 같은 가정 내의 복수의 공간에 각각 배치될 수 있다.
선택적으로 오디오 입력부(141)는 음성 입력을 수신하는 과정에서 발생하는 노이즈를 제거하기 위한 다양한 노이즈 제거 알고리즘을 사용할 수 있다. 선택적 실시 예로 오디오 입력부(141)는 사용자 발화 음성 수신 시에 노이즈를 제거하는 필터(미도시), 필터에서 출력되는 신호를 증폭하여 출력하는 증폭기(미도시) 등 음성 신호 처리를 위한 각종 구성 요소들을 포함할 수 있다.
오디오 처리부(140) 중 오디오 출력부(142)는 프로세서(160)의 제어에 따라 경고음, 동작모드, 동작상태, 에러상태 등의 알림 메시지, 사용자의 발화에 대응하는 응답 정보, 사용자의 음성 입력에 대응하는 처리 결과 등을 오디오로 출력할 수 있다. 오디오 출력부(142)는 프로세서(160)로부터의 전기 신호를 오디오 신호로 변환하여 출력할 수 있다. 이를 위해, 오디오 출력부(142)는 스피커를 포함할 수 있다. 오디오 출력부(142)는 프로세서(160)의 제어 하에 스피커를 통해 음성 분석 장치(100)의 음성 인식 결과를 출력할 수 있다. 여기서 음성 인식 결과는 음성 분석 장치(100)가 사용자의 음성 입력이 의도한 명령을 실행한 결과를 포함할 수 있다.
메모리(150)는 음성 분석 장치(100)의 동작에 필요한 각종 정보들을 저장하는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 예를 들어, 메모리(150)에는 사용자의 발화로부터 기동어의 존재를 판단하기 위한 기설정된 기동어가 저장될 수 있다. 한편, 기동어는 제조사에 의해 설정될 수 있다. 예를 들어, "하이 엘지"가 기동어로 설정될 수 있고, 사용자에 의해 설정 변경할 수 있다. 이러한 기동어는 음성 분석 장치(100)를 활성화시키기 위해 입력되는 것으로, 사용자가 발화한 기동어를 인식한 음성 분석 장치(100)는 음성 인식 활성화 상태로 전환할 수 있다.
메모리(150)는 프로세서(160)의 제어 하에 오디오 입력부(141)를 통하여 수신되는 음성 데이터를 저장할 수 있다. 또한 메모리(150)는 센싱부(130)가 감지한 정보를 저장할 수 있다. 메모리(150)는 프로세서(160)의 제어 하에 음성 분석 장치(100)가 처리한 각종 정보를 저장할 수 있다. 음성 분석 장치(100)가 처리한 각종 정보는 예를 들어 음성 데이터, 음성 데이터의 속성 정보, 복수의 세그먼트, 복수의 세그먼트의 메타 정보, 키워드 리스트, 토픽 정보 및 구조화된 음성 데이터를 포함할 수 있다.
메모리(150)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 이에 한정되는 것은 아니다. 이러한 메모리(150)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD, CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
프로세서(160)는 오디오 입력부(141)를 통하여 수신한 사용자 발화 음성에 대한 음성 인식 및 분석을 수행하고 그 결과를 메모리(150)에 저장할 수 있다. 또한 프로세서(160)는 사용자 발화 음성을 인식하고 이에 따른 명령을 수행한 결과를 디스플레이부(121)를 통하여 시각적 정보로 제공하거나, 오디오 출력부(142)를 통하여 청각적 정보로 제공할 수 있다.
프로세서(160)는 일종의 중앙처리장치로서 메모리(150)에 탑재된 제어 소프트웨어를 구동하여 음성 분석 장치(100) 전체의 동작을 제어할 수 있다. 프로세서(160)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 프로세서(160)는 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 이에 한정되는 것은 아니다. 프로세서(160)는 하나 이상의 프로세서를 포함할 수 있다.
프로세서(160)는 음성 분석 장치(100)의 각 구성 모듈을 제어하여 실시예에 따른 음성 분석 방법을 구현한 응용 프로그램을 실행할 수 있다.
프로세서(160)는 오디오 입력부(141)의 마이크로폰을 제어하여 사용자의 음성 입력을 수신하거나 통신부(110)를 제어하여 사용자의 음성 입력을 수신할 수 있다.
프로세서(160)는 음성 데이터를 복수의 세그먼트로 분할할 수 있다. 여기서 음성 데이터는 오디오 입력부(141)의 마이크로폰을 통해 적어도 하나의 공간에서 획득한 적어도 하나의 음성 데이터를 포함할 수 있다.
프로세서(160)는 메모리(150)에 접근하여 메모리(150)에 저장된 음성 데이터를 읽고 음성 데이터를 분할하여 생성된 복수의 세그먼트를 메모리(150)에 저장할 수 있다. 여기서 프로세서(160)는 음성 데이터의 무음 구간에서 음성 데이터를 분할할 수 있다. 세그먼트 분할에 대하여 도 3의 단계(S410)을 참조하여 구체적으로 후술한다.
프로세서(160)는 복수의 세그먼트의 메타 정보에 기반하여 복수의 세그먼트를 정렬할 수 있다. 여기서 메타 정보는 각 세그먼트의 시작 시간 정보, 듀레이션 정보, 장소 정보 및 화자 정보를 포함할 수 있다. 프로세서(160)는 세그먼트의 메타 정보의 유형에 따라 결정된 정렬 기준에 기반하여 복수의 세그먼트를 정렬할 수 있다. 세그먼트 정렬에 대하여 도 3의 단계(S420)을 참조하여 구체적으로 후술한다.
프로세서(160)는 복수의 세그먼트의 각 세그먼트의 키워드 리스트를 추출할 수 있다. 프로세서(160)는 메모리(150)에 추출된 키워드 리스트를 저장할 수 있다. 이를 위하여 프로세서(160)는 각 세그먼트를 텍스트로 변환할 수 있다. 구체적으로 프로세서(160)는 메모리(150)에 저장된 STT(Speech To Text)를 실행하는 자연어 처리 모델을 이용하여 각 세그먼트를 텍스트로 변환할 수 있다. 프로세서(160)는 각 세그먼트를 변환하여 생성된 텍스트에 기반하여 세그먼트에 포함된 적어도 하나의 키워드를 추출할 수 있다. 여기서 프로세서(160)는 추출된 적어도 하나의 키워드를 세그먼트의 키워드 리스트로서 메모리(150)에 저장할 수 있다. 키워드 리스트 추출에 대하여는 도 3의 단계(S430)을 참조하여 구체적으로 후술한다.
프로세서(160)는 키워드 리스트에 기반하여 세그먼트의 토픽 정보를 모델링할 수 있다. 프로세서(160)는 메모리(150)에 모델링의 결과 획득한 토픽 정보를 저장할 수 있다. 이를 위하여 프로세서(160)는 각 세그먼트의 토픽 확률 분포를 결정하고, 세그먼트의 키워드 리스트에 포함된 적어도 하나의 키워드의 토픽 확률값을 결정할 수 있다. 모델링에 대하여는 도 3의 단계(S440)을 참조하여 구체적으로 후술한다.
프로세서(160)는 구조화된 음성 데이터를 저장할 수 있다. 여기서 구조화된 음성 데이터는 복수의 세그먼트의 메타 정보, 키워드 리스트 및 토픽 정보를 포함할 수 있다. 구조화된 음성 데이터의 저장에 대하여는 도 3의 단계(S450)을 참조하여 구체적으로 후술한다.
프로세서(160)는 음성 분석 장치(100)가 최적의 음성 분석을 수행하도록, 음성 데이터에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 메모리(150)는, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다. 예를 들어 메모리(150)는 음성 데이터를 분석하기 위한 머신 러닝 기반의 자연어 처리 모델을 저장할 수 있다.
프로세서(160)는 인공신경망(artificial neural network)을 구동할 수 있고, 획득한 음성 데이터를 입력 데이터로 하는 머신 러닝 기반의 음성 분석을 수행할 수 있다. 예를 들어 프로세서(160)는 머신 러닝에 기반한 자연어 처리 모델을 이용하여 음성 데이터를 인식 및 분석할 수 있다.
도 3은 실시예에 따른 음성 분석 방법의 개략적인 흐름도이다.
실시예에 따른 음성 분석 방법은 음성 데이터(speech data)를 복수의 세그먼트로 분할하는 단계(단계 S410), 복수의 세그먼트의 메타 정보에 기반하여 복수의 세그먼트를 정렬하는 단계(단계 S420), 각 세그먼트의 키워드 리스트를 추출하는 단계(단계 S430) 및 키워드 리스트에 기반하여 각 세그먼트의 토픽 정보를 모델링하는 단계(단계 S440)을 포함할 수 있다. 이와 같은 음성 분석 방법은 실시예에 따른 음성 분석 장치(100)에 의해 수행될 수 있다.
단계(S410)에서 음성 분석 장치(100)는 음성 데이터를 복수의 세그먼트(segment)로 분할할 수 있다.
음성 분석 장치(100)는 적어도 하나의 실내 공간에서 발생하는 음성 데이터를 수집한다. 음성 데이터는 공간에서 발생하는 소리로부터 획득한 오디오 데이터를 의미한다. 음성 분석 장치(100)는 메모리(150)에 음성 데이터를 오디오 파일 포맷(예를 들어 mp3, aac, ogg, mp4, wma, m4a, flac, wav, aiff 등)으로 저장할 수 있다.
음성 분석 장치(100)는 음성 데이터와 함께 음성 데이터의 속성 정보를 수집할 수 있다. 일 예에서 음성 데이터의 속성 정보는 음성 데이터를 획득한 장소 정보, 음성 데이터를 획득한 시간 정보 및 음성 데이터의 화자 정보를 포함할 수 있다. 음성 데이터를 획득한 장소 정보는 음성 데이터를 획득한 마이크로폰이 배치된 공간의 공간 식별 정보를 의미한다. 음성 데이터를 획득한 시간 정보는 음성 데이터를 수집하기 시작한 시작 시간과 음성 데이터의 수집을 종료한 종료 시간 및 음성 데이터의 듀레이션(duration) 정보를 의미한다. 음성 데이터의 화자 정보는 음성 데이터에 녹음된 음성을 발화한 화자를 의미한다. 화자는 사람일 수 있으나 이에 국한되는 것은 아니다. 예를 들어 화자는 TV 또는 라디오이거나 로봇 또는 스마트 기기에서 구동되는 인공지능 비서를 포함할 수 있다.
음성 분석 장치(100)는 음성 데이터를 획득할 때에 속성 정보를 함께 획득할 수 있다. 예를 들어 음성 분석 장치(100)는 음성 데이터를 획득한 마이크로폰이 배치된 공간 식별 정보에 기초하여 음성 데이터를 획득한 장소 정보를 저장 및 관리할 수 있다. 예를 들어 음성 분석 장치(100)는 음성 데이터를 수집하기 시작한 시작 시간과 음성 데이터의 수집을 종료한 종료 시간 및 음성 데이터의 듀레이션 정보를 음성 데이터의 시간 정보로 저장 및 관리할 수 있다. 예를 들어 음성 분석 장치(100)는 음성 데이터에 녹음된 음성을 발화한 화자 정보를 저장 및 관리할 수 있다.
일 예에서 음성 분석 장치(100)는 각 실내 공간에 배치된 오디오 입력부(141)(예를 들어 마이크로폰)를 통해 각 실내 공간에서 발생하는 음성 데이터를 수집하고 수집된 음성 데이터를 메모리(150)에 저장할 수 있다.
이를 위하여 음성 분석 장치(100)는 각 실내 공간을 식별하기 위한 공간 식별 정보를 각 실내 공간에 부여하고, 각 실내 공간에 배치된 마이크로폰의 식별자를 해당 실내 공간의 공간 식별 정보와 매핑한 매핑 정보를 관리할 수 있다.
예를 들어 제 1 마이크로폰은 제 1 공간(예를 들어 거실)에 배치된 경우, 음성 분석 장치(100)는 제 1 마이크로폰과 제 1 공간이 매핑된다는 매핑 정보를 메모리(150)에 저장할 수 있다. 또한 음성 분석 장치(100)는 이와 같은 매핑 정보에 기초하여 음성 데이터를 획득한 장소 정보를 인식할 수 있다. 예를 들어 제 1 마이크로폰으로 수집한 음성 데이터는 제 1 마이크로폰과 매핑된 제 1 공간에서 획득한 음성 데이터라는 정보를 음성 데이터와 함께 메모리(150)에 저장할 수 있다. 이와 같은 음성 데이터를 획득한 장소 정보는 음성 데이터의 속성 정보에 포함될 수 있다.
음성 분석 장치(100)는 각 실내 공간에 배치된 오디오 입력부(141)를 통해 음성 데이터를 획득하는 동안 화자 인식을 수행할 수 있다. 이를 위하여 음성 분석 장치(100)는 사전등록된 사용자의 목소리를 메모리(150)에 저장할 수 있다. 음성 분석 장치(100)는 메모리(150)에 저장된 사전등록된 사용자의 목소리 데이터 베이스를 이용하여 음성 데이터에 녹음된 음성을 발화한 화자를 인식할 수 있다. 이와 같은 화자 정보는 음성 데이터의 속성 정보에 포함될 수 있다.
다른 예에서 음성 분석 장치(100)는 통신부(110)를 통해 각 실내 공간에서 수집된 음성 데이터와 해당 음성 데이터의 속성 정보를 수신하고 수신된 음성 데이터를 속성 정보와 함께 메모리(150)에 저장할 수 있다.
단계(S410)에서 음성 인식 장치(100)는 음성 데이터를 복수의 세그먼트로 분할할 수 있다. 세그먼트는 음성 분석 장치(100)가 획득한 음성 데이터를 특정 기준에 따라 분할하여 생성된 음성 데이터의 일부를 의미한다. 음성 분석 장치(100)는 하나의 세그먼트를 하나의 대화로 간주할 수 있다.
음성 분석 장치(100)는 소리가 지속적으로 발생하는 지 여부에 따라 음성 데이터를 세그먼트로 분할할 수 있다. 이를 위하여 음성 분석 장치(100)는 음성 데이터의 무음 구간(silent gap)에서 음성 데이터를 분할할 수 있다. 예를 들어 무음 구간은 소리의 크기가 소정의 임계치 이하인 구간을 의미한다. 예를 들어 무음 구간은 소리가 전혀 없는 구간일 수 있다.
예를 들어 음성 분석 장치(100)는 프로세서(160)의 제어 하에 메모리(150)에 저장된 음성 데이터에 포함된 오디오 시그널이 연속적인 지를 판단하고, 오디오 시그널이 불연속적인 구간의 길이가 소정의 임계값 이상인 경우, 불연속적인 구간의 전후에서 음성 데이터를 분할할 수 있다. 예를 들어 음성 분석 장치(100)는 프로세서(160)의 제어 하에 메모리(150)에 저장된 음성 데이터에 포함된 오디오 시그널의 레벨(즉, 소리의 크기) 변화가 소정의 범위 이내인 지를 판단하고, 오디오 시그널의 레벨이 급격히 낮아진 이후에 소정의 임계값 이내에 원래의 레벨로 회복되지 않는 경우, 오디오 시그널의 레벨이 급격히 낮아진 구간의 전후에서 음성 데이터를 분할할 수 있다.
일 예에서 음성 데이터는 적어도 하나의 공간에서 획득한 적어도 하나의 음성 데이터를 포함할 수 있다. 단계(S410)에서 음성 분석 장치(100)는 적어도 하나의 공간에서 획득한 적어도 하나의 음성 데이터를 복수의 세그먼트로 분할할 수 있다. 예를 들어 음성 분석 장치(100)는 가정 내의 거실, 부엌, 서재 및 침실 등과 같은 적어도 하나의 공간에서 각각 획득한 적어도 하나의 음성 데이터를 복수의 세그먼트로 분할할 수 있다.
단계(S410)에서 음성 분석 장치(100)는 음성 데이터를 분할하는 동안 각 세그먼트의 메타 정보를 생성할 수 있다. 세그먼트의 메타 정보는 세그먼트에 포함된 오디오 데이터의 부가 속성을 의미한다. 예를 들어 세그먼트의 메타 정보는 세그먼트의 시작 시간 정보, 듀레이션(duration) 정보, 장소 정보 및 화자 정보를 포함할 수 있다.
단계(S410)에서 음성 분석 장치(100)는 음성 데이터를 저장한 오디오 파일을 처음부터 끝까지 읽으면서 전술한 방식에 따라 음성 데이터를 복수의 세그먼트로 분할한다. 일 예에서 음성 분석 장치(100)는 프로세서(160)의 제어 하에 음성 데이터의 속성 정보 중 음성 데이터를 획득한 시간 정보와 음성 데이터의 오디오 프레임의 시간 정보에 기반하여 각 세그먼트의 시작 시간 정보 및 듀레이션 정보를 결정할 수 있다. 일 예에서 음성 분석 장치(100)는 프로세서(160)의 제어 하에 음성 데이터의 속성 정보 중 음성 데이터를 획득한 장소 정보를 음성 데이터를 분할하여 생성된 복수의 세그먼트의 장소 정보로 결정할 수 있다. 일 예에서 음성 분석 장치(100)는 프로세서(160)의 제어 하에 각 세그먼트로부터 사전등록된 화자를 인식하고 인식된 적어도 하나의 화자를 세그먼트의 화자 정보로 결정할 수 있다.
단계(S420)에서 음성 분석 장치(100)는 단계(S410)에서 생성된 복수의 세그먼트의 메타 정보에 기반하여 복수의 세그먼트를 정렬할 수 있다.
단계(S420)에서 음성 분석 장치(100)는 복수의 세그먼트의 정렬에 이용할 메타 정보의 유형에 따라 결정된 정렬 기준에 따라 복수의 세그먼트를 정렬할 수 있다. 단계(S420)에서 음성 분석 장치(100)는 메타 정보의 유형에 따라 결정된 복수의 정렬 기준에 따라 복수의 세그먼트를 정렬할 수 있다. 음성 분석 장치(100)는 각 메타 정보의 유형별로 결정된 정렬 기준에 따라 복수의 세그먼트를 적어도 한 번 정렬할 수 있다. 이를테면, 음성 분석 장치(100)는 메타 정보 중 시작 시간 정보에 따른 복수의 세그먼트 정렬, 메타 정보 중 장소 정보에 따른 복수의 세그먼트 정렬 및 메타 정보 중 화자 정보에 따른 복수의 세그먼트 정렬 중 적어도 하나를 수행하거나 모두를 순차적으로 또는 동시에 수행할 수 있다.
복수의 세그먼트의 정렬을 위하여 메타 정보 중 각 세그먼트의 시작 시간 정보를 이용하는 경우, 음성 분석 장치(100)는 복수의 세그먼트를 각 세그먼트의 시작 시간 정보에 기반하여 정렬할 수 있다. 예를 들어 음성 분석 장치(100)는 각 세그먼트의 시작 시간 정보의 오름차순에 따라 복수의 세그먼트를 정렬할 수 있다. 복수의 세그먼트의 정렬을 위하여 메타 정보 중 각 세그먼트의 장소 정보를 이용하는 경우, 음성 분석 장치(100)는 각 세그먼트의 장소 정보에 따라 복수의 세그먼트를 분류하고, 장소 정보에 따라 분류된 복수의 세그먼트를 장소별로 각 세그먼트의 시작 시간 정보에 기반하여 정렬할 수 있다. 예를 들어 음성 분석 장치(100)는 장소 정보에 따라 분류된 복수의 세그먼트를 장소별로 각 세그먼트의 시작 시간 정보의 오름차순으로 정렬할 수 있다.
복수의 세그먼트의 정렬을 위하여 메타 정보 중 각 세그먼트의 화자 정보를 이용하는 경우, 음성 분석 장치(100)는 각 세그먼트의 화자 정보에 따라 복수의 세그먼트를 분류하고, 화자 정보에 따라 분류된 복수의 세그먼트를 화자별로 각 세그먼트의 시작 시간 정보에 기반하여 정렬할 수 있다. 예를 들어 음성 분석 장치(100)는 화자 정보에 따라 분류된 복수의 세그먼트를 화자별로 각 세그먼트의 시작 시간 정보의 오름차순으로 정렬할 수 있다.
단계(S430)에서 음성 분석 장치(100)는 단계(S420)에서 메타 정보에 기반하여 정렬된 복수의 세그먼트의 각 세그먼트의 키워드를 추출할 수 있다. 이를 위하여 단계(S430)에서 음성 분석 장치(100)는 각 세그먼트를 텍스트로 변환하고, 변환된 텍스트에 기반하여 각 세그먼트에 포함된 적어도 하나의 키워드를 추출할 수 있다.
단계(S430)에서 음성 분석 장치(100)의 프로세서(160)는 단계(S420)에서 정렬된 복수의 세그먼트의 각 세그먼트에 포함된 음성을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여 키워드를 추출할 수 있다.
STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 또한, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 프로세서(160) 또는 별도의 러닝 프로세서에 의해 학습된 것이나, 서버(200)의 러닝 프로세서에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
단계(S430)에서 프로세서(160)는 각 세그먼트로부터 획득한 문자열에서 조사와 같은 불필요한 단어를 제거하고 명사, 동사 및 형용사를 키워드로 추출할 수 있다.
단계(S440)에서 음성 분석 장치(100)는 단계(S430)에서 추출된 키워드 리스트에 기반하여 각 세그먼트의 토픽 정보를 모델링할 수 있다. 이를 위하여 음성 분석 장치(100)는 각 세그먼트의 토픽 확률 분포를 결정하고, 단계(S430)에서 추출된 키워드 리스트에 포함된 적어도 하나의 키워드의 토픽 확률값을 결정할 수 있다.
토픽 정보는 발화의 토픽에 대한 정보로서, 토픽의 확률 분포로 표현될 수 있다. 일 예에서 음성 분석 장치(100)는 단계(S440)에서 키워드 리스트에 대한 토픽 정보 모델링을 실행하여 각 세그먼트의 토픽 확률 분포 및 키워드의 토픽 확률값을 획득할 수 있다. 이를 위하여 음성 분석 장치(100)는 LDA(Latent Dirichlet Allocation)를 이용하여 토픽 정보를 모델링할 수 있다. 토픽 정보 모델링에 대하여는 도 7을 참조하여 구체적으로 후술한다.
추가적으로 실시예에 따른 음성 분석 방법은 구조화된 음성 데이터를 저장하는 단계(단계 S450)를 더 포함할 수 있다.
단계(S450)에서 음성 분석 장치(100)는 단계(S440)의 모델링 결과에 기반하여 구조화된 음성 데이터를 메모리(150)에 저장할 수 있다. 여기서 구조화된 음성 데이터는 단계(S410)에서 생성된 복수의 세그먼트의 메타 정보, 단계(S430)에서 추출된 각 세그먼트의 키워드 리스트 및 단계(S440)에서 획득한 토픽 정보를 포함할 수 있다. 단계(S450)에 대하여는 도 8을 참조하여 구체적으로 후술한다.
도 4 내지 도 6은 실시예에 따른 음성 분석 방법을 예시적으로 설명하기 위한 도면이다.
도 4는 복수의 장소에서 획득한 대화에 대한 음성 분석 과정을 예시적으로 설명하기 위한 도면이다.
도 4의 예시에서 제 1 화자(S1)은 제 1 장소(P1)인 거실에서 제 1 발화(T1, 예를 들어 '배고파')를 발화한다고 가정한다. 후속하여 제 2 화자(S2)는 제 2 장소(P2)인 부엌에서 제 2 발화(T2, 예를 들어 '밥 먹어')를 발화한다고 가정한다.
음성 분석 장치(100)는 제 1 장소(P1) 및 제 2 장소(P2)에서 각각 제 1 발화(T1) 및 제 2 발화(T2)를 포함하는 음성 데이터와 음성 데이터의 속성 정보(시간 정보, 장소 정보 및 화자 정보)를 수집한다.
음성 분석 장치(100)는 수집된 음성 데이터를 도 3을 참조하여 단계(S410)에 따라 복수의 세그먼트로 분할한다. 제 1 발화(T1) 및 제 2 발화(T2)는 무음 간격 존부에 따라 동일한 세그먼트에 속하거나 상이한 세그먼트로 분할될 수 있다. 이 과정에서 음성 분석 장치(100)는 도 3을 참조하여 단계(S410)에서 전술한대로 복수의 세그먼트의 메타 정보를 함께 획득할 수 있다.
음성 분석 장치(100)는 도 3을 참조하여 단계(S420)에 따라 복수의 세그먼트의 메타 정보에 기반하여 복수의 세그먼트를 정렬한다. 이를테면, 각 세그먼트의 시작 시간 정보의 오름차순에 따라 복수의 세그먼트를 정렬할 수 있다. 여기서 음성 분석 장치(100)는 복수의 장소(예를 들어 P1 및 P2)에서 생성된 복수의 세그먼트를 각 세그먼트의 장소 정보를 고려하지 않고 시작 시간 정보에 기초하여 정렬할 수 있다. 여기서 음성 분석 장치(100)는 복수의 화자(예를 들어 S1 및 S2)의 발화를 포함하는 복수의 세그먼트를 각 세그먼트의 화자 정보를 고려하지 않고 시작 시간 정보에 기초하여 정렬할 수 있다. 이로써 공간적으로는 분리되어 있으나 시간적으로는 하나의 주제로 진행된 대화에 대한 분석이 가능하다.
음성 분석 장치(100)는 도 3을 참조하여 단계(S430)에 따라 각 세그먼트의 키워드 리스트를 추출할 수 있다. 예를 들어 도 4의 예시에서는'배고파,' '밥' 및 '먹어'가 해당 세그먼트의 키워드 리스트에 포함될 수 있다.
후속하여 음성 분석 장치(100)는 도 3을 참조하여 단계(S440)에 따라 토픽 정보를 모델링하고 추가적으로 단계(S450)에 따라 구조화된 음성 데이터를 메모리(150)에 저장할 수 있다.
도 5는 하나의 장소에서 획득한 대화에 대한 음성 분석 과정을 예시적으로 설명하기 위한 도면이다.
도 5의 예시에서 제 3 화자(S3)는 제 3 장소(P3)인 거실에서 제 3 발화(T3, 예를 들어 '간헐적 단식이 건강에 도움')를 발화한다고 가정한다. 후속하여 제 4 화자(S4)는 동일한 제 3 장소(P3)에서 제 4 발화(T4, 예를 들어 '간헐적 단식이 요즘 유행이군')를 발화한다고 가정한다.
음성 분석 장치(100)는 제 3 장소(P3)에서 제 3 발화(T3) 및 제 4 발화(T4)를 포함하는 음성 데이터와 음성 데이터의 속성 정보(시간 정보, 장소 정보 및 화자 정보)를 수집한다.
음성 분석 장치(100)는 수집된 음성 데이터를 도 3을 참조하여 단계(S410)에 따라 복수의 세그먼트로 분할한다. 제 3 발화(T3) 및 제 4 발화(T4)는 무음 간격 존부에 따라 동일한 세그먼트에 속하거나 상이한 세그먼트로 분할될 수 있다. 이 과정에서 음성 분석 장치(100)는 도 3을 참조하여 단계(S410)에서 전술한대로 복수의 세그먼트의 메타 정보를 함께 획득할 수 있다.
음성 분석 장치(100)는 도 3을 참조하여 단계(S420)에 따라 복수의 세그먼트의 메타 정보에 기반하여 복수의 세그먼트를 정렬한다. 이를테면, 각 세그먼트의 시작 시간 정보의 오름차순에 따라 복수의 세그먼트를 정렬할 수 있다. 여기서 음성 분석 장치(100)는 하나의 장소(예를 들어 P3)에서 생성된 복수의 세그먼트를 시작 시간 정보에 기초하여 정렬할 수 있다. 이로써 특정 공간에서 발생하는 대화에 대한 분석이 가능하다. 여기서 음성 분석 장치(100)는 복수의 화자(예를 들어 S3 및 S4)의 발화를 포함하는 복수의 세그먼트를 각 세그먼트의 화자 정보를 고려하지 않고 시작 시간 정보에 기초하여 정렬할 수 있다.
음성 분석 장치(100)는 도 3을 참조하여 단계(S430)에 따라 각 세그먼트의 키워드 리스트를 추출할 수 있다. 예를 들어 도 5의 예시에서는'건강,' '간헐적,' '단식,' 및 '유행'이 해당 세그먼트의 키워드 리스트에 포함될 수 있다.
후속하여 음성 분석 장치(100)는 도 3을 참조하여 단계(S440)에 따라 토픽 정보를 모델링하고 추가적으로 단계(S450)에 따라 구조화된 음성 데이터를 메모리(150)에 저장할 수 있다.
도 6은 한 명의 화자의 발화에 대한 음성 분석 과정을 예시적으로 설명하기 위한 도면이다.
도 6의 예시에서 제 5 화자(S5)는 제 5 장소(P5)인 현관에서 제 5 발화(T5, 예를 들어 '학교 다녀오겠습니다')를 발화한다고 가정한다.
음성 분석 장치(100)는 제 5 장소(P5)에서 제 5 발화(T5)를 포함하는 음성 데이터와 음성 데이터의 속성 정보(시간 정보, 장소 정보 및 화자 정보)를 수집한다.
음성 분석 장치(100)는 수집된 음성 데이터를 도 3을 참조하여 단계(S410)에 따라 복수의 세그먼트로 분할한다. 이 과정에서 음성 분석 장치(100)는 도 3을 참조하여 단계(S410)에서 전술한대로 복수의 세그먼트의 메타 정보를 함께 획득할 수 있다. 제 5 발화(T5)는 하나의 세그먼트로 분할될 수 있다.
음성 분석 장치(100)는 도 3을 참조하여 단계(S420)에 따라 복수의 세그먼트의 메타 정보에 기반하여 복수의 세그먼트를 정렬한다. 이를테면, 각 세그먼트의 시작 시간 정보의 오름차순에 따라 복수의 세그먼트를 정렬할 수 있다. 여기서 음성 분석 장치(100)는 복수의 장소(예를 들어 도 4를 참조하여 P1 및 P2와 도 5를 참조하여 P5)에서 수집된 음성 데이터로부터 생성된 복수의 세그먼트 중 하나의 화자(예를 들어 S5)의 발화를 포함한 세그먼트를 장소 정보를 고려하지 않고 시작 시간 정보에 기초하여 정렬할 수 있다. 이로써 특정 화자의 발화에 대한 주기적인 패턴을 분석 가능하다. 예를 들어 특정 화자가 장소별 및 시간별로 반복하는 발화를 결정하고 이로부터 화자의 생활 패턴을 추론할 수 있다.
음성 분석 장치(100)는 도 3을 참조하여 단계(S430)에 따라 각 세그먼트의 키워드 리스트를 추출할 수 있다. 예를 들어 도 5의 예시에서는'학교,' 및 '다녀오겠습니다'가 해당 세그먼트의 키워드 리스트에 포함될 수 있다.
후속하여 음성 분석 장치(100)는 도 3을 참조하여 단계(S440)에 따라 토픽 정보를 모델링하고 추가적으로 단계(S450)에 따라 구조화된 음성 데이터를 메모리(150)에 저장할 수 있다.
도 7은 실시예에 따른 음성 분석 방법의 토픽 정보 획득 과정을 설명하기 위한 도면이다.
음성 분석 장치(100)는 도 3을 참조하여 단계(S440)에서 세그먼트의 토픽 정보를 모델링한다. 토픽 정보는 세그먼트 및 각 세그먼트에 포함된 키워드의 토픽에 대한 확률 분포에 대한 정보로서, 각 세그먼트의 토픽 확률 분포 및 키워드의 토픽 확률값을 포함할 수 있다.
음성 분석 장치(100)는 각 세그먼트의 토픽 확률 분포를 결정하고, 각 세그먼트의 키워드 리스트에 포함된 적어도 하나의 키워드의 토픽 확률값을 결정할 수 있다. 여기서 세그먼트의 토픽 확률 분포는 세그먼트의 토픽의 확률 분포 벡터(후술하는 Θd)를 의미한다. 키워드의 토픽 확률값은 토픽 k의 단어 비중 벡터(후술하는 φk)로부터 결정되는 값으로서 후술하는 Zd,n에 대응한다.
일 예에서 음성 분석 장치(100)는 LDA(Latent Dirichlet Allocation)를 이용하여 토픽 정보를 모델링할 수 있다. LDA는 주어진 문서에 포함된 토픽들에 대한 확률 모형으로서 토픽별 단어의 분포 및 문서별 토픽의 분포를 추정할 수 있다. 실시예에 따른 음성 분석 방법에서 LDA는 세그먼트에 포함된 토픽 정보를 모델링하는 데에 활용될 수 있다.
도 7에서 D는 전체 세그먼트의 개수, K는 전체 토픽의 개수, N은 d번째 세그먼트의 키워드의 개수를 의미한다. α와 β는 실험적으로 값이 지정되는 하이퍼파라미터이고, 음성 분석 장치(100)는 LDA를 이용하여 α와 β를 제외한 잠재 변수(Θd, φk, Zd,n)을 추정할 수 있다.
φk는 k번째 토픽의 단어 비중을 의미하는 벡터이다. 예를 들어 φ2는 두번째 토픽에 해당하는 단어의 비중을 나타내는 벡터이다. Θd는 d번째 문서에 포함된 토픽의 비중을 의미하는 벡터이다. 예를 들어 Θ1은 첫번째 세그먼트에 포함된 토픽의 비중을 나타내는 벡터이다. LDA의 가정에 따라 Θd와 φk 는 디리클레분포를 따른다고 가정한다.
Zd,n은 d번째 문서의 n번째 단어의 토픽을 할당하는 역할을 한다. Zd,n은 Θd에 기반하여 결정될 수 있다. 예를 들어 Z1,5는 첫번째 세그먼트의 다섯번째 단어의 토픽을 첫번째 세그먼트의 토픽의 비중을 나타내는 Θ1에 기반하여 할당할 수 있다.
Wd,n은 d번째 문서의 n번째 단어를 할당하는 역할을 한다. Wd,n은 φk와 Zd,n에 기반하여 결정될 수 있다. 예를 들어 W1,5는 첫번째 세그먼트의 다섯번째 단어를 Z1,5에 의해 결정된 토픽 t의 단어의 비중인 φt에 따라 결정할 수 있다.
음성 분석 장치(100)는 LDA를 이용하여 각 세그먼트의 키워드 리스트에 포함된 각 키워드(Wd,n)에 기반하여 잠재 변수(토픽의 단어 분포 φk 및 문서의 토픽 분포 Θd)를 역으로 추정할 수 있다. 이 과정에서 음성 분석 장치(100)는 깁스 샘플링(Gibbs Sampling) 기법을 사용할 수 있다.
도 8은 실시예에 따른 구조화된 음성 데이터를 보여주는 도면이다.
음성 분석 장치(100)는 도 3을 참조하여 단계(S450)에서 구조화된 음성 데이터를 저장할 수 있다. 구조화된 음성 데이터는 세그먼트별로 구조화된 데이터를 저장할 수 있다.
일 예에서 구조화된 음성 데이터는 데이터의 키(Key)값(810) 및 세그먼트 ID(820)를 포함할 수 있다. 일 예에서 구조화된 음성 데이터는 도 3을 참조하여 단계(S410)에서 생성된 복수의 세그먼트의 메타 정보(830), 단계(S430)에서 추출된 각 세그먼트의 키워드 리스트(841)를 포함하는 키워드 정보(840) 및 단계(S440)에서 획득한 토픽 정보(850)를 포함할 수 있다.키워드 정보(840)는 세그먼트의 키워드 리스트(841)를 포함할 수 있다. 토픽 정보(850)는 세그먼트의 토픽 확률 분포(852)을 포함할 수 있다. 토픽 정보(850)는 세그먼트의 키워드 리스트(841)의 각 키워드의 토픽 확률값(851) 및 각 토픽의 단어 비중(853)을 포함할 수 있다. 추가적으로 토픽 정보(850)는 세그먼트 간의 토픽 연관성 정보를 저장할 수 있다. 여기서 토픽 연관성은 세그먼트의 토픽 확률 분포를 나타내는 벡터(Θd)들 간의 유사도에 따라 결정될 수 있다.
음성 인식 장치(100)는 구조화된 음성 데이터의 데이터 베이스를 메모리(150)에 저장하거나 서버(200)의 저장소에 저장할 수 있다.
도 9는 실시예에 따른 구조화된 음성 데이터의 활용예를 예시적으로 보여준다.
도 9의 일 예시에서 실시예에 따라 구축된 구조화된 음성 데이터의 데이터베이스는 TV, 홈 로봇, 에어컨 및 냉장고를 포함하는 가전 제품 또는 이러한 가전 제품을 제어하는 IoT 서버에서 활용될 수 있다. 가전 제품 또는 가전 제품을 제어하는 IoT 서버는 구조화된 음성 데이터의 데이터베이스에 기반하여 사용자의 생활 패턴에 따라 사용자에게 필요한 기능을 예측하고 사용자의 명령 없이도 예측된 기능을 제안하기 위한 메시지를 생성하여 사용자에게 제공할 수 있다. 이를테면, 구조화된 음성 데이터의 데이터베이스에 저장된 세그먼트의 메타 정보에 포함된 화자 정보가 사용자 A인 일 세트의 세그먼트를 찾고, 일 세트의 세그먼트 중 토픽 정보의 연관성이 높은 세그먼트를 사용자 A의 반복 패턴으로 결정하고, 연관성이 높은 세그먼트에 포함된 키워드 리스트에 기반하여 사용자에게 제안할 메시지를 생성할 수 있다. 예를 들어 사용자 A가 평일 저녁 7시에 귀가하여 'TV 켜줘'를 발화하는 경우, 화자 정보(사용자 A), 시간 정보(평일 저녁 7시) 및 장소 정보(거실)를 메타 정보로 포함하는 일 세트의 세그먼트가 구조화되어 데이터베이스에 저장되어 있을 것이다. 이 경우 IoT 서버 또는 TV나 홈 로봇과 같은 가전 제품은 이와 같은 일 세트의 세그먼트에 포함된 키워드 리스트('TV' 및 '켜줘'를 포함하는 키워드 리스트)에 기반하여 평일 저녁 7시에 거실에서 'TV 켤까요'라는 메시지를 생성하여 사용자 A에게 제공할 수 있다.
도 9의 일 예시에서 실시예에 따라 구축된 구조화된 음성 데이터의 데이터베이스는 음성 에이전트 서버에서 활용될 수 있다. 전술한 IoT 서버에 대하여 예시적으로 설명한 내용과 유사한 방식으로 음성 에이전트 서버는 구조화된 음성 데이터의 데이터베이스에 기반하여 메타 정보에 포함된 장소 정보, 시간 정보 및 화자 정보별로 가정 내에서 수집된 발화의 패턴을 분석하고, 이와 같은 패턴에 따라 사용자가 발화하기 전에 미리 사용자에게 필요한 정보를 제공 및 추천할 수 있다. 이 때 음성 에이전트 서버는 발화 패턴에 기반하여 토픽 연관성이 높은 정보를 제공 및 추천할 수 있다.
도 9의 일 예시에서 실시예에 따라 구축된 구조화된 음성 데이터의 데이터베이스는 자연어 처리(NLP; Natural Language Processing) 서버에서 활용될 수 있다. 이를테면 자연어 처리 서버는 구조화된 음성 데이터의 데이터베이스에 기반하여 메타 정보에 포함된 장소 정보, 시간 정보 및 화자 정보별로 가정 내에서 수집된 발화의 패턴을 분석하고, 사용자의 발화의 의도가 명확하지 않거나 음성 인식(ASR)에 실패한 경우에, 분석된 발화 패턴에 기반하여 사용자의 발화에 대한 ASR/NLP 결과를 보정/수정할 수 있다.
도 9의 일 예시에서 실시예에 따라 구축된 구조화된 음성 데이터의 데이터베이스는 지난 대화 기록을 검색하기 위한 데이터베이스 서버에서 활용될 수 있다. 예를 들어 사용자가 과거의 발화가 기억나지 않을 경우 데이터 베이스 서버를 통해 구조화된 음성 데이터의 데이터베이스에 접근하여 메타 정보에 기반하여 과거 발화를 검색할 수 있다.
이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 청구의 범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 청구의 범위뿐만 아니라 이 청구의 범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
앞에서, 본 발명의 특정한 실시예가 설명되고 도시되었지만 본 발명은 기재된 실시예에 한정되는 것이 아니고, 이 기술 분야에서 통상의 지식을 가진 자는 본 발명의 사상 및 범위를 벗어나지 않고서 다른 구체적인 실시예로 다양하게 수정 및 변형할 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 설명된 실시예에 의하여 정하여 질 것이 아니고 청구범위에 기재된 기술적 사상에 의해 정하여져야 할 것이다.
100: 음성 분석 장치
200: 서버
300: 네트워크

Claims (19)

  1. 음성 데이터(speech data)를 복수의 세그먼트로 분할하는 단계;
    상기 복수의 세그먼트의 메타 정보에 기반하여 상기 복수의 세그먼트를 정렬하는 단계;
    각 세그먼트의 키워드 리스트를 추출하는 단계; 및
    상기 키워드 리스트에 기반하여 각 세그먼트의 토픽 정보를 모델링하는 단계를 포함하는
    음성 분석 방법.
  2. 제 1 항에 있어서,
    상기 음성 데이터는,
    적어도 하나의 공간에서 획득한 적어도 하나의 음성 데이터를 포함하는
    음성 분석 방법.
  3. 제 1 항에 있어서,
    상기 분할하는 단계는,
    상기 음성 데이터의 무음 구간(silent gap)에서 상기 음성 데이터를 분할하는 단계
    를 포함하는,
    음성 분석 방법.
  4. 제 1 항에 있어서,
    상기 메타 정보는,
    각 세그먼트의 시작 시간 정보, 듀레이션(duration) 정보, 장소 정보 및 화자 정보를 포함하는
    음성 분석 방법.
  5. 제 1 항에 있어서,
    상기 정렬하는 단계는,
    상기 메타 정보의 유형에 따라 결정된 정렬 기준에 기반하여 상기 복수의 세그먼트를 정렬하는 단계
    를 포함하는
    음성 분석 방법.
  6. 제 5 항에 있어서,
    상기 메타 정보는 각 세그먼트의 시작 시간 정보를 포함하고,
    상기 정렬 기준에 기반하여 상기 복수의 세그먼트를 정렬하는 단계는,
    상기 복수의 세그먼트를 상기 시작 시간 정보의 오름차순으로 정렬하는 단계
    를 포함하는,
    음성 분석 방법.
  7. 제 5 항에 있어서,
    상기 메타 정보는 각 세그먼트의 장소 정보 및 시작 시간 정보를 포함하고,
    상기 정렬 기준에 기반하여 상기 복수의 세그먼트를 정렬하는 단계는,
    상기 복수의 세그먼트를 상기 장소 정보에 따라 분류하는 단계; 및
    상기 장소 정보에 따라 분류된 상기 복수의 세그먼트를 장소별로 상기 시작 시간 정보의 오름차순으로 정렬하는 단계
    를 포함하는
    음성 분석 방법.
  8. 제 5 항에 있어서,
    상기 메타 정보는 각 세그먼트의 화자 정보 및 시작 시간 정보를 포함하고,
    상기 정렬 기준에 기반하여 상기 복수의 세그먼트를 정렬하는 단계는,
    상기 복수의 세그먼트를 상기 화자 정보에 따라 분류하는 단계; 및
    상기 화자 정보에 따라 분류된 상기 복수의 세그먼트를 화자별로 상기 시작 시간 정보의 오름차순으로 정렬하는 단계
    를 포함하는
    음성 분석 방법.
  9. 제 1 항에 있어서,
    상기 키워드 리스트를 추출하는 단계는,
    각 세그먼트를 텍스트로 변환하는 단계; 및
    상기 텍스트에 기반하여 상기 세그먼트에 포함된 적어도 하나의 키워드를 추출하는 단계
    를 포함하는
    음성 분석 방법.
  10. 제 1 항에 있어서,
    상기 모델링하는 단계는,
    각 세그먼트의 토픽 확률 분포를 결정하는 단계; 및
    상기 키워드 리스트에 포함된 적어도 하나의 키워드의 토픽 확률값을 결정하는 단계
    를 포함하는
    음성 분석 방법.
  11. 제 1 항에 있어서,
    상기 모델링하는 단계는,
    LDA(Latent Dirichlet Allocation)를 이용하여 상기 토픽 정보를 모델링하는
    음성 분석 방법.
  12. 제 1 항에 있어서,
    구조화된 음성 데이터를 저장하는 단계
    를 더 포함하고,
    상기 구조화된 음성 데이터는 상기 복수의 세그먼트의 메타 정보, 키워드 리스트 및 토픽 정보를 포함하는,
    음성 분석 방법.
  13. 음성 데이터를 저장하는 메모리; 및
    상기 메모리에 접근가능한 하나 이상의 프로세서
    를 포함하고,
    상기 프로세서는,
    상기 음성 데이터를 복수의 세그먼트로 분할하고,
    상기 복수의 세그먼트의 메타 정보에 기반하여 상기 복수의 세그먼트를 정렬하고,
    각 세그먼트의 키워드 리스트를 추출하고,
    상기 키워드 리스트에 기반하여 각 세그먼트의 토픽 정보를 모델링하도록 설정되는,
    음성 분석 장치.
  14. 제 13 항에 있어서,
    상기 음성 데이터는,
    적어도 하나의 공간에서 획득한 적어도 하나의 음성 데이터를 포함하는
    음성 분석 장치.
  15. 제 13 항에 있어서,
    상기 프로세서는,
    상기 음성 데이터의 무음 구간에서 상기 음성 데이터를 분할하도록 더 설정되는
    음성 분석 장치.
  16. 제 13 항에 있어서,
    상기 메타 정보는,
    각 세그먼트의 시작 시간 정보, 듀레이션 정보, 장소 정보 및 화자 정보를 포함하는
    음성 분석 장치.

  17. 제 13 항에 있어서,
    상기 프로세서는,
    상기 키워드 리스트를 추출하기 위하여,
    각 세그먼트를 텍스트로 변환하고,
    상기 텍스트에 기반하여 상기 세그먼트에 포함된 적어도 하나의 키워드를 추출하도록 더 설정되는,
    음성 분석 장치.
  18. 제 13 항에 있어서,
    상기 프로세서는,
    상기 모델링을 위하여,
    각 세그먼트의 토픽 확률 분포를 결정하고,
    상기 키워드 리스트에 포함된 적어도 하나의 키워드의 토픽 확률 분포를 결정하도록 더 설정되는,
    음성 분석 장치.
  19. 제 13 항에 있어서,
    상기 프로세서는,
    구조화된 음성 데이터를 상기 메모리에 저장하도록 더 설정되고,
    상기 구조화된 음성 데이터는 상기 복수의 세그먼트의 메타 정보, 키워드 리스트 및 토픽 정보를 포함하는
    음성 분석 장치.
KR1020190138488A 2019-10-23 2019-11-01 음성 분석 방법 및 장치 KR20210048382A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
WOPCT/KR2019/013981 2019-10-23
PCT/KR2019/013981 WO2021080033A1 (ko) 2019-10-23 2019-10-23 음성 분석 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20210048382A true KR20210048382A (ko) 2021-05-03

Family

ID=75586919

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190138488A KR20210048382A (ko) 2019-10-23 2019-11-01 음성 분석 방법 및 장치

Country Status (3)

Country Link
US (1) US11710497B2 (ko)
KR (1) KR20210048382A (ko)
WO (1) WO2021080033A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102334236B1 (ko) * 2021-08-31 2021-12-02 (주)네오플로우 음성 변환 Text Data에서 의미있는 키워드 추출 방법과 활용
KR102453919B1 (ko) * 2022-05-09 2022-10-12 (주)피플리 인공지능 기반 문화 콘텐츠 관련 가이드 음원의 검증 방법, 장치 및 시스템

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101326573A (zh) * 2005-12-08 2008-12-17 皇家飞利浦电子股份有限公司 动态创建语境的方法和系统
CN103544140A (zh) * 2012-07-12 2014-01-29 国际商业机器公司 一种数据处理方法、展示方法和相应的装置
WO2014020834A1 (ja) * 2012-07-31 2014-02-06 日本電気株式会社 単語潜在トピック推定装置および単語潜在トピック推定方法
US9495350B2 (en) * 2012-09-14 2016-11-15 Avaya Inc. System and method for determining expertise through speech analytics
KR101537370B1 (ko) * 2013-11-06 2015-07-16 주식회사 시스트란인터내셔널 녹취된 음성 데이터에 대한 핵심어 추출 기반 발화 내용 파악 시스템과, 이 시스템을 이용한 인덱싱 방법 및 발화 내용 파악 방법
WO2017020011A1 (en) * 2015-07-30 2017-02-02 Dolby Laboratories Licensing Corporation Searching the results of an automatic speech recognition process
US11257482B2 (en) * 2017-03-20 2022-02-22 Samsung Electronics Co., Ltd. Electronic device and control method
US10522135B2 (en) * 2017-05-24 2019-12-31 Verbit Software Ltd. System and method for segmenting audio files for transcription
KR20200013152A (ko) * 2018-07-18 2020-02-06 삼성전자주식회사 이전에 대화를 수집한 결과를 기반으로 인공 지능 서비스를 제공하는 전자 장치 및 방법
US10387574B1 (en) * 2018-08-27 2019-08-20 International Business Machines Corporation Emoji disambiguation for online interactions
CN114207710A (zh) * 2019-10-15 2022-03-18 谷歌有限责任公司 检测和/或登记热命令以由自动助理触发响应动作
US11861674B1 (en) * 2019-10-18 2024-01-02 Meta Platforms Technologies, Llc Method, one or more computer-readable non-transitory storage media, and a system for generating comprehensive information for products of interest by assistant systems

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102334236B1 (ko) * 2021-08-31 2021-12-02 (주)네오플로우 음성 변환 Text Data에서 의미있는 키워드 추출 방법과 활용
KR102453919B1 (ko) * 2022-05-09 2022-10-12 (주)피플리 인공지능 기반 문화 콘텐츠 관련 가이드 음원의 검증 방법, 장치 및 시스템

Also Published As

Publication number Publication date
US11710497B2 (en) 2023-07-25
WO2021080033A1 (ko) 2021-04-29
US20210125627A1 (en) 2021-04-29

Similar Documents

Publication Publication Date Title
US11687319B2 (en) Speech recognition method and apparatus with activation word based on operating environment of the apparatus
US11263473B2 (en) Method and device for recommending cloth coordinating information
US11393470B2 (en) Method and apparatus for providing speech recognition service
US11437028B2 (en) Method and apparatus for sound analysis
US20210125605A1 (en) Speech processing method and apparatus therefor
US11328718B2 (en) Speech processing method and apparatus therefor
US10521723B2 (en) Electronic apparatus, method of providing guide and non-transitory computer readable recording medium
US11164565B2 (en) Unsupervised learning system and method for performing weighting for improvement in speech recognition performance and recording medium for performing the method
US11030991B2 (en) Method and device for speech processing
US20200013407A1 (en) Method and apparatus for recognizing a voice
US11404066B2 (en) Device and method for providing voice recognition service based on artificial intelligence
KR102321855B1 (ko) 음성으로 상호작용하는 인공 지능 장치 및 그 방법
EP3373525A2 (en) Electronic device and method using machine learning for identifying characteristics of users located within a specific space
KR102531654B1 (ko) 음성 입력 인증 디바이스 및 그 방법
KR20210062428A (ko) 영상 촬영 장치의 원격 제어 방법 및 장치
US11481551B2 (en) Device and method for providing recommended words for character input
KR20190133100A (ko) 어플리케이션을 이용하여 음성 입력에 대한 응답을 출력하는 전자 장치 및 그 동작 방법
KR20190083629A (ko) 음성 인식 방법 및 음성 인식 장치
KR102148378B1 (ko) 기계 학습 모델을 이용한 관심 이벤트의 알림 제공 장치 및 방법
KR20190094319A (ko) 음성 추출 필터를 이용하여 음성 제어를 수행하는 인공 지능 장치 및 그 방법
KR20200085143A (ko) 외부 장치를 등록하는 대화형 제어 시스템 및 방법
US11710497B2 (en) Method and apparatus for speech analysis
US11373656B2 (en) Speech processing method and apparatus therefor
US11322144B2 (en) Method and device for providing information
KR102221963B1 (ko) 화상 정보를 제공하는 인공 지능 장치 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination