KR20210074636A

KR20210074636A - 음향모델 생성방법

Info

Publication number: KR20210074636A
Application number: KR1020190165531A
Authority: KR
Inventors: 이지혜; 박선영
Original assignee: 엘지전자 주식회사
Priority date: 2019-12-12
Filing date: 2019-12-12
Publication date: 2021-06-22
Also published as: US11551672B2; US20210183375A1

Abstract

음향모델 생성방법이 개시된다. 본 명세서의 일 실시예에 따른 음향모델 생성방법은, 지역정보가 태깅된 텍스트 데이터를 이용하여 음향모델을 학습시키되, 태깅된 지역정보에 기반하여 음향모델의 파라미터를 변경함으로써 다양한 사투리를 포함하는 학습 데이터를 통해 높은 정확도의 음향모델을 생성할 수 있다. 본 명세서의 음향모델은 인공 지능(Artificial Intelligence) 모듈, 드론(Unmanned Aerial Vehicle, UAV), 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.

Description

음향모델 생성방법{ACOUSTIC MODEL GENERATION}

본 명세서는 음향모델 생성방법 및 그 장치에 관한 것이다.

인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.

기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

한편, 사투리에 적응된 음향모델의 학습에 있어서 다양한 사투리가 복합적으로 포함된 텍스트 및/또는 모방 사투리가 포함된 텍스트로부터 적절한 학습 효율을 도출하기 위하여 음향모델의 파라미터(예를 들어, 가중치)를 조절할 필요가 있다.

본 명세서는 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.

또한, 본 명세서는, 학습에 이용되는 음성 데이터로부터 학습 데이터의 주된 지역정보를 판단할 수 하는 음향모델 생성방법을 구현하는 것을 목적으로 한다.

또한, 본 명세서는, 학습에 이용되는 음성데이터를 텍스트 데이터로 전사하고, 전사된 텍스트 데이터에 가중치를 부여할 때 지역정보에 따라 서로 다른 가중치를 부여할 수 있는 음향모델 생성방법을 구현하는 것을 목적으로 한다.

또한, 본 명세서는, 하나의 음향모델을 이용하여 다양한 사투리에 모두 처리할 수 있는 음향모델 생성방법을 구현하는 것을 목적으로 한다.

또한, 본 명세서는, 타 지역의 사투리를 모방한 발화로 인해 모델의 정확도가 하락하는 것을 방지할 수 있는 음향모델 생성방법을 구현하는 것을 목적으로 한다.

또한, 본 명세서는, 하나의 발화에 다양한 사투리가 혼재되어 잇는 경우에 다른 사투리에 부작용없이 대표 지역으로 결정된 주된 사투리만 적응하여 학습할 수 있는 음향모델 생성방법을 구현하는 것을 목적으로 한다.

본 명세서의 일 양상에 따른 음향모델 생성방법은 음향모델의 학습을 위한 음성 데이터를 수신하는 단계;상기 음성 데이터에 대응하는 텍스트 데이터를 생성하는 단계;상기 수신된 음성 데이터의 대표 지역을 판단하는 단계;상기 생성된 텍스트 데이터에 포함된 복수의 단어에 지역정보를 태깅하는 단계; 및 상기 지역정보가 태깅된 텍스트 데이터를 이용하여 상기 음향모델을 학습시키되, 상기 음성 데이터로부터 판단된 대표 지역과 태깅된 지역정보에 기반하여 상기 음향모델의 파라미터를 변경하는 단계;를 포함한다.

또한, 상기 음성 데이터를 수신하는 단계는, 각종 전자 기기의 음성 입력/출력 인터페이스를 통해 획득된 지역적으로 서로 다른 방언을 사용하는 상기 음성 데이터를 수신할 수 있다.

또한, 상기 지역정보를 태깅하는 단계는, 언어 사전을 이용하여 상기 복수의 단어에 상기 지역정보를 태깅할 수 있다.

또한, 상기 지역정보를 태깅하는 단계는, 상기 대표 지역을 나타내는 파라미터와상기 텍스트 데이터로부터 추출된 특징을 상기 미리 학습된 인공신경망 기반의 태깅모델에 적용하여 상기 텍스트 데이터에 지역정보를 태깅하기 위한 출력을 생성하는 단계; 및 상기 출력에 기반하여 상기 복수의 단어에 상기 지역정보를 태깅하는 단계;를 포함할 수 있다.

또한, 상기 태깅모델은, CRF(conditional random field), RNN(recurrent neural network), 또는 LSTM(long-short term memory) 중 어느 하나에 기반한 모델일 수 있다.

또한, 상기 텍스트 데이터로부터 추출된 특징은, 문맥(context) 정보, POS(part of speech) 정보 또는 형태소 정보 중 적어도 하나를 포함할 수 있다.

또한, 상기 음향모델의 파라미터를 변경하는 단계는, 상기 대표 지역에 상응하는 지역정보가 태깅된 단어의 경우, 다른 지역정보가 태깅된 단어와 비교하여 더 높은 가중치를 부여할 수 있다.

또한, 상기 대표 지역을 판단하는 단계는, 상기 음성 데이터로부터 발화특징을 추출하는 단계; 상기 추출된 발화특징을 미리 학습된 인공신경망 기반의 지역분류 모델에 적용하여 상기 음성 데이터의 대표 지역을 판단하기 위한 출력을 생성하는 단계; 및 상기 출력에 기반하여, 복수의 지역에 대응하는 출력값 중 가장 높은 값에 대응되는 지역을 상기 대표 지역으로 판단하는 단계;를 포함할 수 있다.

또한, 상기 발화특징은, LFCC(linear Frequency Cepstral Coefficient), MFCC(Mel Frequency Cepstral Coefficient) 또는 i-vector 중 적어도 하나의 특징벡터일 수 있다.

또한, 상기 인공신경망은, DRNN(dynamic recurrent neural network) 또는 CRNN(convolutional recurrent neural network) 중 어느 하나일 수 있다.

또한, 상기 언어 사전을 이용하여 상기 복수의 단어에 지역정보를 태깅한 결과, 상기 복수의 단어 중 상기 지역정보가 태깅되지 않은 단어가 존재하는 경우, 미리 학습된 인공신경망 기반의 태깅모델을 이용하여 상기 복수의 단어에 상기 지역정보를 태깅하는 단계;를 더 포함할 수 있다.

또한, 미리 학습된 인공신경망 기반의 태깅모델을 이용하여 상기 복수의 단어에 상기 지역정보를 태깅하는 단계; 상기 언어 사전을 이용한 제1 태깅 결과와 상기 태깅모델을 이용한 제2 태깅 결과를 비교하는 단계; 및 상기 제1, 제2 태깅 결과가 서로 다르면, 이에 응답하여 상기 제2 태깅 결과를 기준으로 상기 텍스트 데이터의 태깅을 갱신하는 단계;더 를 포함할 수 있다.

본 명세서의 다른 양상에 따른 컴퓨팅 디바이스는 음향모델의 학습을 위한 음성 데이터를 수신하는 트랜시버(tansceiver); 상기 음성 데이터에 대응하는 텍스트 데이터를 생성하고, 상기 수신된 음성 데이터의 대표 지역을 판단하고, 상기 생성된 텍스트 데이터에 포함된 복수의 단어에 지역정보를 태깅하고, 상기 복수의 단어에 상기 지역정보에 기반하여 상기 음향모델의 파라미터를 변경하는 프로세서;를 포함한다.

본 명세서의 일 실시예에 따른 음향모델 생성방법의 효과에 대해 설명하면 다음과 같다.

본 명세서는 학습에 이용되는 음성 데이터로부터 학습 데이터의 주된 지역정보를 판단할 수 있다.

또한, 본 명세서는 학습에 이용되는 음성데이터를 텍스트 데이터로 전사하고, 전사된 텍스트 데이터에 가중치를 부여할 때 지역정보에 따라 서로 다른 가중치를 부여할 수 있다.

또한, 본 명세서는 하나의 음향모델을 이용하여 다양한 사투리에 모두 처리할 수 있다.

또한, 본 명세서는, 타 지역의 사투리를 모방한 발화로 인해 모델의 정확도가 하락하는 것을 방지할 수 있다.

또한, 본 명세서는 하나의 발화에 다양한 사투리가 혼재되어 잇는 경우에 다른 사투리에 부작용없이 대표 지역으로 결정된 주된 사투리만 적응하여 학습할 수 있다.

본 명세서에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 명세서가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 명세서에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 명세서에 대한 실시예를 제공하고, 상세한 설명과 함께 본 명세서의 기술적 특징을 설명한다.
도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸다.
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 4는 전자 기기의 블록도를 나타내는 도면이다.
도 5는 본 명세서의 일 실시예에 따른 AI 서버의 개략적인 블록도를 도시한다.
도 6은 본 명세서의 다른 실시예에 따른 AI 장치의 개략적인 블록도를 도시한다.
도 7은 AI 장치의 일 실시예를 나타내는 개념도이다.
도 8은 본 명세서의 일 실시예에 따른 음성처리 장치의 예시적인 블록도이다.
도 9는 본 명세서의 다른 실시예에 따른 음성처리 장치의 예시적인 블록도이다.
도 10은 본 명세서의 일 실시예에 따른 지능형 에이전트의 예시적인 블록도이다.
도 11은 본 명세서의 제1 실시예에 따른 음향모델 생성방법의 순서도이다.
도 12는 본 명세서의 제2 실시예에 따른 음향모델 생성방법의 순서도이다.
도 13은 본 명세서의 제3 실시예에 따른 음향모델 생성방법의 순서도이다.
도 14 및 도 15은 본 명세서의 다양한 실시예에 따른 음향모델 생성방법의 구현예를 설명하기 위한 도면이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 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. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 명세서의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

A. UE 및 5G 네트워크 블록도 예시

도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.

도 1을 참조하면, AI 모듈을 포함하는 장치(AI 장치)를 제1 통신 장치로 정의(도 1의 910)하고, 프로세서(911)가 AI 상세 동작을 수행할 수 있다.

AI 장치와 통신하는 다른 장치(AI 서버)를 포함하는 5G 네트워크를 제2 통신 장치(도 1의 920)하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.

5G 네트워크가 제 1 통신 장치로, AI 장치가 제 2 통신 장치로 표현될 수도 있다.

예를 들어, 상기 제 1 통신 장치 또는 상기 제 2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, 차량, 자율주행 기능을 탑재한 차량, 커넥티드카(Connected Car), 드론(Unmanned Aerial Vehicle, UAV), AI(Artificial Intelligence) 모듈, 로봇, AR(Augmented Reality) 장치, VR(Virtual Reality) 장치, MR(Mixed Reality) 장치, 홀로그램 장치, 공공 안전 장치, MTC 장치, IoT 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, 5G 서비스와 관련된 장치 또는 그 이외 4차 산업 혁명 분야와 관련된 장치일 수 있다.

예를 들어, 단말 또는 UE(User Equipment)는 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털 방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다. 예를 들어, 드론은 사람이 타지 않고 무선 컨트롤 신호에 의해 비행하는 비행체일 수 있다. 예를 들어, VR 장치는 가상 세계의 객체 또는 배경 등을 구현하는 장치를 포함할 수 있다. 예를 들어, AR 장치는 현실 세계의 객체 또는 배경 등에 가상 세계의 객체 또는 배경을 연결하여 구현하는 장치를 포함할 수 있다. 예를 들어, MR 장치는 현실 세계의 객체 또는 배경 등에 가상 세계의 객체 또는 배경을 융합하여 구현하는 장치를 포함할 수 있다. 예를 들어, 홀로그램 장치는 홀로그래피라는 두 개의 레이저 광이 만나서 발생하는 빛의 간섭현상을 활용하여, 입체 정보를 기록 및 재생하여 360도 입체 영상을 구현하는 장치를 포함할 수 있다. 예를 들어, 공공 안전 장치는 영상 중계 장치 또는 사용자의 인체에 착용 가능한 영상 장치 등을 포함할 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 사람의 직접적인 개입이나 또는 조작이 필요하지 않는 장치일 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 스마트 미터, 벤딩 머신, 온도계, 스마트 전구, 도어락 또는 각종 센서 등을 포함할 수 있다. 예를 들어, 의료 장치는 질병을 진단, 치료, 경감, 처치 또는 예방할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 상해 또는 장애를 진단, 치료, 경감 또는 보정할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 구조 또는 기능을 검사, 대체 또는 변형할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 임신을 조절할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 진료용 장치, 수술용 장치, (체외) 진단용 장치, 보청기 또는 시술용 장치 등을 포함할 수 있다. 예를 들어, 보안 장치는 발생할 우려가 있는 위험을 방지하고, 안전을 유지하기 위하여 설치한 장치일 수 있다. 예를 들어, 보안 장치는 카메라, CCTV, 녹화기(recorder) 또는 블랙박스 등일 수 있다. 예를 들어, 핀테크 장치는 모바일 결제 등 금융 서비스를 제공할 수 있는 장치일 수 있다.

도 1을 참고하면, 제 1 통신 장치(910)와 제 2 통신 장치(920)은 프로세서(processor, 911,921), 메모리(memory, 914,924), 하나 이상의 Tx/Rx RF 모듈(radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)는 각각의 안테나(926)을 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서 (921)는 프로그램 코드 및 데이터를 저장하는 메모리 (924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL(제 1 통신 장치에서 제 2 통신 장치로의 통신)에서, 전송(TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신(RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.

UL(제 2 통신 장치에서 제 1 통신 장치로의 통신)은 제 2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제 1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)는 각각의 안테나(926)을 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서 (921)는 프로그램 코드 및 데이터를 저장하는 메모리 (924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.

B. 무선 통신 시스템에서 신호 송/수신 방법

도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.

도 2를 참고하면, UE는 전원이 켜지거나 새로이 셀에 진입한 경우 BS와 동기를 맞추는 등의 초기 셀 탐색(initial cell search) 작업을 수행한다(S201). 이를 위해, UE는 BS로부터 1차 동기 채널(primary synchronization channel, P-SCH) 및 2차 동기 채널(secondary synchronization channel, S-SCH)을 수신하여 BS와 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. LTE 시스템과 NR 시스템에서 P-SCH와 S-SCH는 각각 1차 동기 신호(primary synchronization signal, PSS)와 2차 동기 신호(secondary synchronization signal, SSS)로 불린다. 초기 셀 탐색 후, UE는 BS로부터 물리 브로드캐스트 채널(physical broadcast channel, PBCH)를 수신하여 셀 내 브로드캐스트 정보를 획득할 수 있다. 한편, UE는 초기 셀 탐색 단계에서 하향링크 참조 신호(downlink reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다. 초기 셀 탐색을 마친 UE는 물리 하향링크 제어 채널(physical downlink control channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(physical downlink shared Channel, PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).

한편, BS에 최초로 접속하거나 신호 전송을 위한 무선 자원이 없는 경우 UE는 BS에 대해 임의 접속 과정(random access procedure, RACH)을 수행할 수 있다(단계 S203 내지 단계 S206). 이를 위해, UE는 물리 임의 접속 채널(physical random access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로서 전송하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 임의 접속 응답(random access response, RAR) 메시지를 수신할 수 있다(S204 및 S206). 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 과정(contention resolution procedure)를 수행할 수 있다.

상술한 바와 같은 과정을 수행한 UE는 이후 일반적인 상향링크/하향링크 신호 전송 과정으로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널(physical uplink shared Channel, PUSCH)/물리 상향링크 제어 채널(physical uplink control channel, PUCCH) 전송(S208)을 수행할 수 있다. 특히 UE는 PDCCH를 통하여 하향링크 제어 정보(downlink control information, DCI)를 수신한다. UE는 해당 탐색 공간 설정(configuration)들에 따라 서빙 셀 상의 하나 이상의 제어 요소 세트(control element set, CORESET)들에 설정된 모니터링 기회(occasion)들에서 PDCCH 후보(candidate)들의 세트를 모니터링한다. UE가 모니터할 PDCCH 후보들의 세트는 탐색 공간 세트들의 면에서 정의되며, 탐색 공간 세트는 공통 탐색 공간 세트 또는 UE-특정 탐색 공간 세트일 수 있다. CORESET은 1~3개 OFDM 심볼들의 시간 지속기간을 갖는 (물리) 자원 블록들의 세트로 구성된다. 네트워크는 UE가 복수의 CORESET들을 갖도록 설정할 수 있다. UE는 하나 이상의 탐색 공간 세트들 내 PDCCH 후보들을 모니터링한다. 여기서 모니터링이라 함은 탐색 공간 내 PDCCH 후보(들)에 대한 디코딩 시도하는 것을 의미한다. UE가 탐색 공간 내 PDCCH 후보들 중 하나에 대한 디코딩에 성공하면, 상기 UE는 해당 PDCCH 후보에서 PDCCH를 검출했다고 판단하고, 상기 검출된 PDCCH 내 DCI를 기반으로 PDSCH 수신 혹은 PUSCH 전송을 수행한다. PDCCH는 PDSCH 상의 DL 전송들 및 PUSCH 상의 UL 전송들을 스케줄링하는 데 사용될 수 있다. 여기서 PDCCH 상의 DCI는 하향링크 공유 채널과 관련된, 변조(modulation) 및 코딩 포맷과 자원 할당(resource allocation) 정보를 적어도 포함하는 하향링크 배정(assignment)(즉, downlink grant; DL grant), 또는 상향링크 공유 채널과 관련된, 변조 및 코딩 포맷과 자원 할당 정보를 포함하는 상향링크 그랜트(uplink grant; UL grant)를 포함한다.

도 2를 참고하여, 5G 통신 시스템에서의 초기 접속(Initial Access, IA) 절차에 대해 추가적으로 살펴본다.

UE는 SSB에 기반하여 셀 탐색(search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH(Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.

SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.

셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 상기 셀의 셀 ID(Identifier)(예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.

336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹 별로 3개의 셀 ID가 존재한다. 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 상기 셀의 SSS를 통해 제공/획득되며, 상기 셀 ID 내 336개 셀들 중 상기 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다

SSB는 SSB 주기(periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크(예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.

다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.

SI는 마스터 정보 블록(master information block, MIB)와 복수의 시스템 정보 블록(system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI(Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1(SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성(availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.

도 2를 참고하여, 5G 통신 시스템에서의 임의 접속(Random Access, RA) 과정에 대해 추가적으로 살펴본다.

임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드(triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반(contention-based) 임의 접속 과정과 경쟁 프리(contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.

UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격(subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.

BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답(random access response, RAR) 메시지(Msg2)를 상기 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속(random access, RA) 무선 네트워크 임시 식별자(radio network temporary identifier, RNTI)(RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 상기 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 상기 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 상기 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑(power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.

상기 UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.

C. 5G 통신 시스템의 빔 관리(Beam Management, BM) 절차

BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS(sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.

SSB를 이용한 DL BM 과정에 대해 살펴본다.

SSB를 이용한 빔 보고(beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보(channel state information, CSI)/빔 설정 시에 수행된다.

- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고을 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4, ??}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.

- UE는 상기 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 상기 BS로부터 수신한다.

- SSBRI 및 참조 신호 수신 전력(reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 UE는 최선(best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.

UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된(quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간(spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.

다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.

CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제(refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.

먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.

- UE는 상기 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.

- UE는 자신의 Rx 빔을 결정한다.

- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.

다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.

- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.

- UE는 상기 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.

- UE는 최상의(best) 빔을 선택(또는 결정)한다.

- UE는 선택된 빔에 대한 ID(예, CRI) 및 관련 품질 정보(예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.

다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.

- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링(예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.

- UE는 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.

- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.

다음으로, 빔 실패 복구(beam failure recovery, BFR) 과정에 대해 살펴본다.

빔포밍된 시스템에서, RLF(Radio Link Failure)는 UE의 회전(rotation), 이동(movement) 또는 빔포밍 블로키지(blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, 상기 UE는 상기 UE의 물리 계층으로부터의 빔 실패 지시(indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간(period) 내에 RRC 시그널링에 의해 설정된 임계치(threshold)에 이르면(reach), 빔 실패를 선언(declare)한다. 빔 실패가 검출된 후, 상기 UE는 PCell 상의 임의 접속 과정을 개시(initiate)함으로써 빔 실패 복구를 트리거하고; 적절한(suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 상기 UE에 의해 우선화된다). 상기 임의 접속 절차의 완료(completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.

D. URLLC (Ultra-Reliable and Low Latency Communication)

NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항(requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간(duration)(예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격(stringent)한 레이턴시 요구 사항(latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화(multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션(preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.

NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유(sharing)이 지원된다. eMBB와 URLLC 서비스들은 비-중첩(non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인(ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링(puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트(corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시(preemption indication)을 제공한다. 상기 프리엠션 지시(preemption indication)는 중단된 전송 지시(interrupted transmission indication)으로 지칭될 수도 있다.

프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반(convey)하는 PDCCH의 모니터링을 위해 상기 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. 상기 UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설졍되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도(granularity)를 가지고 설정된다.

상기 UE는 상기 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 상기 BS로부터 수신한다.

UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, 상기 UE는 상기 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞(last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 상기 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 상기 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.

E. mMTC (massive MTC)

mMTC(massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB(NarrowBand)-IoT를 다루고 있다.

mMTC 기술은 PDCCH, PUCCH, PDSCH(physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑(hopping), 리튜닝(retuning), 가드 구간(guard period) 등의 특징을 가진다.

즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑(frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제 1 주파수 자원에서 제 2 주파수 자원으로 가드 구간(guard period)에서 (RF) 리튜닝(retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역(narrowband)(ex. 6 RB (resource block) or 1 RB)를 통해 송/수신될 수 있다.

F. 5G 통신을 이용한 AI 기본 동작

도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.

UE는 특정 정보 전송을 5G 네트워크로 전송한다(S1).그리고, 상기 5G 네트워크는 상기 특정 정보에 대한 5G 프로세싱을 수행한다(S2).여기서, 5G 프로세싱은 AI 프로세싱을 포함할 수 있다. 그리고, 상기 5G 네트워크는 AI 프로세싱 결과를 포함하는 응답을 상기 UE로 전송한다(S3).

G. 5G 통신 시스템에서 사용자 단말과 5G 네트워크 간의 응용 동작

이하, 도 1 및 도 2와 앞서 살핀 무선 통신 기술(BM 절차, URLLC, Mmtc 등)을 참고하여 5G 통신을 이용한 AI 동작에 대해 보다 구체적으로 살펴본다.

먼저, 후술할 본 명세서에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 S1 단계 및 S3 단계와 같이, UE가 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, UE는 도 3의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.

보다 구체적으로, UE는 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 상기 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, UE가 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.

또한, UE는 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고, 상기 5G 네트워크는 상기 UE로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, 상기 UE는 상기 UL grant에 기초하여 상기 5G 네트워크로 특정 정보를 전송한다. 그리고, 상기 5G 네트워크는 상기 UE로 상기 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 상기 5G 네트워크는 상기 DL grant에 기초하여 상기 UE로 AI 프로세싱 결과를 포함하는 응답을 전송할 수 있다.

다음으로, 후술할 본 명세서에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

앞서 설명한 바와 같이, UE가 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, UE는 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고, UE는 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)을 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고, UE는 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, UE는 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.

다음으로, 후술할 본 명세서에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.

도 3의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.

도 3의 S1 단계에서, UE는 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, 상기 UL grant는 상기 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 상기 특정 정보는 상기 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, 상기 UE는 상기 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고, 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제 1 주파수 자원에서, 두 번째 특정 정보의 전송은 제 2 주파수 자원에서 전송될 수 있다. 상기 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.

앞서 살핀 5G 통신 기술은 후술할 본 명세서에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 명세서에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.

도 4는 전자 기기의 블록도를 나타내는 도면이다.

도 4를 참조하면, 상기 전자 기기(100)는 적어도 하나 이상의 프로세서(110), 메모리(120), 출력 장치(130), 입력 장치(140), 입출력 인터페이스(150), 센서 모듈(160), 통신 모듈(170)을 포함할 수 있다.

프로세서(110)는 하나 이상의 어플리케이션 프로세서(application processor, AP), 하나 이상의 커뮤니케이션 프로세서(communication processor, CP) 또는 적어도 하나 이상의 AI 프로세서(artificial intelligence processor)를 포함할 수 있다. 어플리케이션 프로세서, 커뮤니케이션 프로세서 또는 AI 프로세서는 서로 다른 IC(integrated circuit) 패키지들 내에 각각 포함되거나 하나의 IC 패키지 내에 포함될 수 있다.

어플리케이션 프로세서는 운영체제 또는 응용 프로그램을 구동하여 어플리케이션 프로세서에 연결된 다수의 하드웨어 또는 소프트웨어 구성요소들을 제어하고, 멀티미디어 데이터를 포함한 각종 데이터 처리/연산을 수행할 수 있다. 일 례로, 상기 어플리케이션 프로세서는 SoC(system on chip)로 구현될 수 있다. 프로세서(110)는 GPU(graphic prcessing unit, 미도시)를 더 포함할 수 있다.

커뮤니케이션 프로세서는 전자 기기(100)와 네트워크로 연결된 다른 전자 기기들 간의 통신에서 데이터 링크를 관리하고 통신 프로토콜을 변환하는 기능을 수행할 수 있다. 일 례로, 커뮤니케이션 프로세서는 SoC로 구현될 수 있다. 커뮤니케이션 프로세서는 멀티미디어 제어 기능의 적어도 일부를 수행할 수 있다.

또한, 커뮤니케이션 프로세서는 통신 모듈(170)의 데이터 송수신을 제어할 수 있다. 커뮤니케이션 프로세서는 어플리케이션 프로세서의 적어도 일부로 포함되도록 구현될 수도 있다.

어플리케이션 프로세서 또는 커뮤니케이션 프로세서는 각각에 연결된 비휘발성 메모리 또는 다른 구성요소 중 적어도 하나로부터 수신한 명령 또는 데이터를 휘발성 메모리에 로드(load)하여 처리할 수 있다. 또한, 어플리케이션 프로세서 또는 커뮤니케이션 프로세서는 다른 구성요소 중 적어도 하나로부터 수신하거나 다른 구성요소 중 적어도 하나에 의해 생성된 데이터를 비휘발성 메모리에 저장할 수 있다.

메모리(120)는 내장 메모리 또는 외장 메모리를 포함할 수 있다. 내장 메모리는 휘발성 메모리(예를 들면, DRAM(dynamic RAM), SRAM(static RAM), SDRAM(synchronous dynamic RAM) 등) 또는 비휘발성 메모리 비휘발성 메모리(예를 들면, OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, NAND flash memory, NOR flash memory 등) 중 적어도 하나를 포함할 수 있다. 일 실시예에 따르면, 상기 내장 메모리는 SSD(solid state drive)의 형태를 취할 수도 있다. 상기 외장 메모리는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital) 또는 메모리 스틱(memory stick) 등을 더 포함할 수 있다.

출력 장치(130)는 디스플레이 모듈 또는 스피커 중 적어도 하나 이상을 포함할 수 있다. 출력 장치(130)는 사용자에게 멀티미디어 데이터, 텍스트 데이터, 음성 데이터 등을 포함하는 각종 데이터를 표시하거나 소리로 출력할 수 있다.

입력 장치(140)는 터치 패널(touch panel), 디지털 펜 센서(pen sensor), 키(key), 또는 초음파 입력 장치 등을 포함할 수 있다. 일 례로, 입력 장치(140)는 입출력 인터페이스(150)일 수도 있다. 터치 패널은 정전식, 감압식, 적외선 방식 또는 초음파 방식 중 적어도 하나 이상의 방식으로 터치 입력을 인식할 수 있다. 또한, 터치 패널은 컨트롤러(미도시)를 더 포함할 수도 있다. 정전식의 경우에 직접 터치 뿐만 아니라 근접 인식도 가능하다. 터치 패널은 택타일 레이어(tactile layer)를 더 포함할 수도 있다. 이 경우, 터치 패널은 사용자에게 촉각 반응을 제공할 수 있다.

디지털 펜 센서는 사용자의 터치 입력을 받는 것과 동일 또는 유사한 방법 또는 별도의 인식용 레이어(layer)를 이용하여 구현될 수 있다. 키는 키패드 또는 터치키가 이용될 수 있다. 초음파 입력 장치는 초음파 신호를 발생하는 펜을 통해 단말에서 마이크로 음파를 감지하여 데이터를 확인할 수 있는 장치로서, 무선 인식이 가능하다. 전자 기기(100)는 통신 모듈(170)을 이용하여 이와 연결된 외부 장치(예를 들어, 네트워크, 컴퓨터 또는 서버)로부터 사용자 입력을 수신할 수도 있다.

입력 장치(140)는 카메라 모듈, 마이크로폰을 더 포함할 수 있다. 카메라 모듈은 화상 및 동영상을 촬영할 수 있는 장치로서, 하나 이상의 이미지 센서, ISP(image signal processor) 또는 플래시 LED를 포함할 수 있다. 마이크로폰은 음성 신호를 수신하여 전기 신호로 변환시킬 수 있다.

입출력 인터페이스(150)는 입력장치 또는 출력장치를 통하여 사용자로부터 입려된 명령 또는 데이터를 버스(미도시)를 통하여 프로세서(110), 메모리(120), 통신 모듈(170) 등에 전달할 수 있다. 일 예로, 입출력 인터페이스(150)는 터치 패널을 ??아여 입력된 사용자의 터치 입력에 대한 데이터를 프로세서(110)로 제공할 수 있다. 일 예로, 입출력 인터페이스(150)는 버스를 통하여 프로세서(110), 메모리(120), 통신 모듈(170) 등으로부터 수신된 명령 또는 데이터를 출력 장치(130)를 통하여 출력할 수 있다. 일 예로 입출력 인터페이스(150)는 프로세서(110)를 통하여 처리된 음성 데이터를 스피커를 통하여 사용자에게 출력할 수 있다.

센서 모듈(160)은 제스쳐 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, RGB(red, green, blue) 센서, 생체 센서, 온/습도 센서, 조도 센서 또는 UV(ultra violet) 센서 중의 적어도 하나 이상을 포함할 수 있다. 센서 모듈(160)은 물리량을 계측하거나 전자 기기(100)의 작동 상태를 감지하여, 계측 또는 감지된 정보를 전기 신호로 변환할 수 있다. 추가적으로 또는 대체적으로, 센서 모듈(160)은, 후각 센서(E-nose sensor), EMG 센서(electromyography sensor), EEG 센서(electroencephalogram sensor, 미도시), ECG 센서(electrocardiogram sensor), PPG 센서 (photoplethysmography sensor), HRM 센서(heart rate monitor sensor), 땀 분비량 측정 센서(perspiration sensor), 또는 지문 센서(fingerprint sensor) 등을 포함할 수 있다. 센서 모듈(160)은 그 안에 속한 적어도 하나 이상의 센서들을 제어하기 위한 제어회로를 더 포함할 수 있다.

통신 모듈(170)은 무선 통신 모듈 또는 RF 모듈를 포함할 수 있다. 무선 통신 모듈은, 예를 들면, Wi-Fi, BT, GPS 또는 NFC를 포함할 수 있다. 예를 들면, 무선 통신 모듈은 무선 주파수를 이용하여 무선 통신 기능을 제공할 수 있다. 추가적으로 또는 대체적으로, 무선 통신 모듈은 전자 기기(100)를 네트워크(예: Internet, LAN, WAN, telecommunication network, cellular network, satellite network, POTS 또는 5G network 등)와 연결시키기 위한 네트워크 인터페이스 또는 모뎀 등을 포함할 수 있다.

RF 모듈은 데이터의 송수신, 예를 들면, RF 신호 또는 호출된 전자 신호의 송수신을 담당할 수 있다. 일 례로, RF 모듈는 트랜시버(transceiver), PAM(power amp module), 주파수 필터(frequency filter) 또는 LNA(low noise amplifier) 등을 포함할 수 있다. 또한, RF 모듈은 무선통신에서 자유공간상의 전자파를 송수신하기 위한 부품, 예를 들면, 도체 또는 도선 등을 더 포함할 수 있다.

본 명세서의 다양한 실시예에 따른 전자 기기(100)는 서버, TV, 냉장고, 오븐, 의류 스타일러, 로봇 청소기, 드론, 에어컨, 공기 청정기, PC, 스피커, 홈 CCTV, 조명, 세탁기 및 스마트 플러그 중 적어도 하나를 포함할 수 있다. 도 4에서 설명한 전자 기기(100)의 구성요소는 일반적으로 전자 기기에 구비되는 구성요소를 예시한 것이므로, 본 명세서의 실시예에 따른 전자 기기(100)는 전술한 구성요소에 한정되지 않으며 필요에 따라 생략 및/또는 추가될 수 있다.

전자 기기(100)는 도 5에서 도시한 클라우드 환경으로부터 AI 프로세싱 결과를 수신함으로서 인공 지능 기반의 제어 동작을 수행하거나, AI 프로세스와 관련된 구성요소들이 하나의 모듈로 통합된 AI 모듈을 구비하여 온-디바이스(on-device) 방식으로 AI 프로세싱을 수행할 수 있다.

이하, 도 5 및 도 6를 통해 디바이스 환경(device environment) 및/또는 클라우드 환경(cloud environment) 또는 서버 환경(server environment)에서 수행되는 AI 프로세스를 설명한다. 도 5는 데이터 또는 신호를 입력받는 것은 전자 기기(100)에서 이루어질 수 있으나, 입력된 데이터 또는 신호를 처리하는 AI 프로세싱은 클라우드 환경에서 이루어지는 예를 도시한 것이다. 대조적으로, 도 6는 입력된 데이터 또는 신호에 대한 AI 프로세싱에 관한 전반적인 동작이 전자 기기(100) 내에서 이루어지는 온-디바이스 프로세싱(on-device processing)의 예를 도시한 것이다.

도 5 및 도 6에서 디바이스 환경은 '클라이언트 디바이스' 또는 'AI 장치'로 호칭될 수 있으며, 클라우드 환경은 '서버'로 호칭될 수 있다.

도 5는 본 명세서의 일 실시예에 따른 AI 서버의 개략적인 블록도를 도시한다.

서버(200)는 프로세서(210), 메모리(220), 통신 모듈(270)을 포함할 수 있다.

AI 프로세서(215)는 메모리(220)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(215)는 AI 장치(100)의 동작과 관련된 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 신경망은 인간의 뇌 구조(예를 들어, 인간의 신경망의 뉴런 구조)를 컴퓨터 상에서 모의하도록 설계될 수 있다. 신경망은 입력층(input layer), 출력층(output layer) 및 적어도 하나의 은닉층(hidden layer)를 포함할 수 있다. 각 층은 가중치를 갖는 적어도 하나의 뉴런을 포함하고, 신경망은 뉴런과 뉴런을 연결하는 시냅스(synapse)를 포함할 수 있다. 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호를 가중치(weight) 및/또는 편향(bias)에 대한 활성함수(activation function)의 함수값으로 출력할 수 있다.

복수의 네트워크 모드들은 뉴런이 시냅스를 통해 신호를 주고받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 콘볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 신경망 모델의 예는 심층 신경망(deep neural network, DNN), 합성곱 신경망(convolutional neural network, CNN), 순환 신경망(recurrent neural network), 제한 볼츠만 머신(restricted Boltzmann machine), 심층 신뢰 신경망(deep belief network), 심층 Q-네트워크(deep Q-Network)와 같은 다양한 딥러닝 기법들을 포함하며, 비전인식, 음성인식, 자연어처리, 음성/신호처리 등의 분야에서 적용될 수 있다.

한편, 전술한 바와 같은 기능을 수행하는 프로세서(210)는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.

메모리(220)는 AI 장치(100) 및/또는 서버(200)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(220)는 AI 프로세서(215)에 의해 액세스되며, AI 프로세서(215)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(220)는 본 명세서의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥러닝 모델)을 저장할 수 있다. 나아가, 메모리(220)는 학습 모델(221) 뿐만 아니라, 입력 데이터, 학습 데이터, 학습 히스토리 등을 저장할 수도 있다.

한편, AI 프로세서(215)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(215a)를 포함할 수 있다. 데이터 학습부(215a)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(215a)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.

데이터 학습부(215a)는 적어도 하나의 하드웨어 칩 형태로 제작되어 서버(200)에 탑재될 수 있다. 일 예로, 데이터 학습부(215a)는 인공지능을 위한 전용 하드웨어 칩 형태로 제작될 수 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 서버(200)에 탑재될 수 있다. 또한, 데이터 학습부(215a)는 소프트웨어 모듈로 구현될 수도 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우에 적어도 하나의 소프트웨어 모듈은 OS(operating system)에 제공되거나, 애플리케이션에 의해 제공될 수 있다.

데이터 학습부(215a)는 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류/인식할지에 관한 판단기준을 가지도록 학습할 수 있다. 이때, 모델 학습부에 의한 학습 방식은 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 강화 학습(reinforcement learning)으로 분류될 수 있다. 여기서, 지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 지칭하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해야 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 특정 환경 안에서 정의된 에이전트(agent)가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 방법을 의미할 수 있다. 또한, 모델 학습부는 오류 역전파법(backpropagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다. 신경망 모델이 학습되면 학습된 신경망 모델은 학습 모델(221)이라 호칭할 수 있다. 학습 모델(221)은 메모리(220)에 저장되어 학습 데이터가 아닌 새로운 입력 데이터에 대한 결과를 추론하는 데 사용될 수 있다.

한편, AI 프로세서(215)는 학습 모델(221)을 이용한 분석 결과를 향상시키거나, 학습 모델(221)의 생성에 필요한 리소스 또는 시간을 절약하기 위하여 데이터 전처리부(215b) 및/또는 데이터 선택부(215c)를 더 포함할 수도 있다.

데이터 전처리부(215b)는 획득된 데이터가 상황 판단을 위한 학습/추론에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 일 예로, 데이터 전처리부(215b)는 입력 장치를 통해 획득된 입력 데이터에 대하여 전처리로서 특징 정보(feature information)을 추출할 수 있으며, 특징 정보는 특징 벡터(feature vector), 특징점(feature point) 또는 특징맵(feature map) 등의 포맷으로 추출될 수 있다.

데이터 선택부(215c)는 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부에 제공될 수 있다. 일 예로, 데이터 선택부(215c)는 전자 기기의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다. 또한, 데이터 선택부(215c)는 입력 장치를 통해 획득된 입력 데이터 또는 전처리부에서 전처리된 입력 데이터 중 추론에 필요한 데이터를 선택할 수도 있다.

또한, AI 프로세서(215)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(215d)를 더 포함할 수 있다. 모델 평가부(215d)는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 학습 모델(221)을 평가하기 위한 기 설정된 데이터일 수 있다. 일 예로, 모델 평가부(215d)는 평가 데이터에 대한 학습된 신경망 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우에 소정 기준을 만족하지 못한 것으로 평가할 수 있다.

통신 모듈(270)은 AI 프로세서(215)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.

이상 도 5에서는 AI 프로세스가 컴퓨팅 연산, 저장 및 전원 제약 등으로 인해 클라우드 환경에서 구현되는 예를 설명하였으나, 본 명세서는 이에 한정되는 것은 아니며, AI 프로세서(215)는 클라이언트 디바이스에 포함되어 구현될 수도 있다. 도 6은 AI 프로세싱이 클라이언트 디바이스에서 구현되는 예로서, AI 프로세서(215)가 클라이언트 디바이스에 포함되어 있는 것을 제외하고는 도 5에서 도시된 바와 동일하다.

도 6은 본 명세서의 다른 실시예에 따른 AI 장치의 개략적인 블록도를 도시한다.

도 6에 도시된 각각의 구성의 기능은 도 5를 참조할 수 있다. 다만, AI 프로세서가 클라이언트 디바이스(100)에 포함되어 있으므로, 데이터 분류/인식 등의 과정을 수행함에 있어 서버(도 5의 200)와 통신할 필요가 없을 수 있으며, 이에 따라 즉각적이거나 실시간의 데이터 분류/인식 동작이 가능하다. 또한, 서버(도 5의 200)에 사용자의 개인 정보를 전송할 필요가 없으므로, 개인 정보의 외부 유출 없이 목적으로 한 데이터 분류/인식 동작이 가능하다.

한편, 도 5 및 도 6에 도시된 각 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로서, 적어도 하나의 구성 요소가 실제 물리적 환경에서는 서로 통합되는 형태(예를 들어, AI 모듈)로 구현될 수 있음에 유의한다. 도 5 및 도 6에 도시된 복수의 구성 요소들 외에 개시되지 않은 구성 요소들이 포함되거나 생략될 수 있음은 물론이다.

도 7은 AI 장치의 일 실시예를 나타내는 개념도이다.

도 7을 참조하면, AI 시스템(1)은 AI 서버(106), 로봇(101), 자율주행 차량(102), XR 장치(103), 스마트폰(104) 또는 가전(105) 중에서 적어도 하나 이상이 클라우드 네트워크(NW)와 연결된다. 여기서, AI 기술이 적용된 로봇(101), 자율주행 차량(102), XR 장치(103), 스마트폰(104) 또는 가전(105) 등을 AI 장치(101 내지 105)라 칭할 수 있다.

클라우드 네트워크(NW)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(NW)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.

즉, AI 시스템(1)을 구성하는 각 장치들(101 내지 106)은 클라우드 네트워크(NW)를 통해 서로 연결될 수 있다. 특히, 각 장치들(101 내지 106)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.

AI 서버(106)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.

AI 서버(106)는 AI 시스템을 구성하는 AI 장치들인 로봇(101), 자율주행 차량(102), XR 장치(103), 스마트폰(104) 또는 가전(105) 중에서 적어도 하나 이상과 클라우드 네트워크(NW)을 통하여 연결되고, 연결된 AI 장치들(101 내지 105)의 AI 프로세싱을 적어도 일부를 도울 수 있다.

이 때, AI 서버(106)는 AI 장치(101 내지 105)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(101 내지 105)에 전송할 수 있다.

이 때, AI 서버(106)는 AI 장치(101 내지 105)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(101 내지 105)로 전송할 수 있다.

또는, AI 장치(101 내지 105)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.

이하, 도 8 및 도 9를 통해 디바이스 환경(device environment) 및/또는 클라우드 환경(cloud environment or server environment)에서 수행되는 음성 처리 과정을 설명한다. 도 8는 음성을 입력받는 것은 디바이스(50)에서 이루어질 수 있으나, 입력된 음성을 처리하여 음성을 합성하는 과정 즉 음성 처리의 전반적인 동작이 클라우드 환경(60)에서 이루어지는 예를 도시한 것이다. 이에 반해, 도 9는 전술한 입력된 음성을 처리하여 음성을 합성하는 음성 처리의 전반적인 동작이 디바이스(70)에서 이루어지는 온 디바이스 프로세싱(On-device processing)의 예를 도시한 것이다.

도 8 및 도 9에서 디바이스 환경(50,70)는 클라이언트 디바이스로 호칭될 수 있으며, 클라우드 환경(60, 80)은 서버로 호칭될 수 있다.

도 8는 본 명세서의 일 실시예에 따른 음성처리 시스템에서 음성처리 장치의 예시적인 블럭도를 도시한다.

엔드 투 엔드(end-to-end) 음성 UI 환경에서 음성 이벤트를 처리하기 위해서는 다양한 구성요소가 필요하다. 음성 이벤트를 처리하는 시퀀스는 음성 신호를 수집하여(Signal acquisition and playback), 음성 사전 처리(Speech Pre Processing), 음성 활성화(Voice Activation), 음성 인식(Speech Recognition), 자연어 이해(Natural Language Processing) 및 최종적으로 장치가 사용자에게 응답하는 음성 합성(Speech Synthesis) 과정을 수행한다.

클라이언트 디바이스(50)는 입력 모듈을 포함할 수 있다. 상기 입력 모듈은 사용자로부터 사용자 입력을 수신할 있다. 예를 들어, 입력 모듈은 연결된 외부 장치(예를 들어, 키보드, 헤드셋) 으로부터 사용자 입력을 수신할 수 있다. 또한 예를 들어, 입력 모듈은 터치 스크린을 포함할 수 있다. 또한 예를 들어, 입력 모듈은 사용자 단말에 위치한 하드웨어 키를 포함할 수 있다.

일 실시예에 의하면, 상기 입력 모듈은 사용자의 발화를 음성 신호로 수신할 수 있는 적어도 하나의 마이크를 포함할 수 있다. 상기 입력 모듈은 발화 입력 시스템(speech input system)을 포함하고, 상기 발화 입력 시스템을 통해 사용자의 발화를 음성 신호로 수신할 수 있다. 상기 적어도 하나의 마이크는 오디오 입력을 위한 입력 신호를 생성함으로써, 유저의 발화에 대한 디지털 입력 신호를 결정할 수 있다. 일 실시예에 의하면, 복수의 마이크가 어레이로 구현될 수 있다. 어레이는 기하학적 패턴, 예를 들어, 선형 기하학적 형태, 원형 기하학적 형태 또는 임의의 다른 구성으로 배열될 수 있다. 예를 들어, 소정 지점에 대하여, 네 개의 센서들의 어레이는 네 개의 방향들로부터 사운드를 수신하기 위해 90도로 구분되어 원형의 패턴으로 배치될 수 있다. 일부 구현들에서, 상기 마이크는 데이터 통신 내 공간적으로 서로 다른 어레이의 센서들을 포함할 수 있는데, 센서들의 네트워크화된 어레이가 포함될 수 있다. 마이크는 무지향성(omnidirectional), 방향성(directional, 예를 들어, 샷건(shotgun) 마이크)등을 포함할 수 있다.

클라이언트 디바이스(50)는 상기 입력 모듈(예를 들어, 마이크)을 통해 수신된 사용자 입력(음성 신호)를 전처리할 수 있는 전처리 모듈(pre-processing module)(51)을 포함할 수 있다.

상기 전처리 모듈(51)은 적응 반향 제거(adaptive echo canceller, AEC) 기능을 포함함으로써, 상기 마이크를 통해 입력된 사용자 음성 신호에 포함된 에코(echo)를 제거할 수 있다. 상기 전처리 모듈(51)은 노이즈 억제(noise suppression, NS) 기능을 포함함으로써, 사용자 입력에 포함된 배경 잡음을 제거할 수 있다. 상기 전처리 모듈(51)은 종점 검출(end-point detect, EPD) 기능을 포함함으로써, 사용자 음성의 종점을 검출하여 사용자의 음성이 존재하는 부분을 찾을 수 있다. 또한, 상기 전처리 모듈(51)은 자동 이득 제어(automatic gain control, AGC) 기능을 포함함으로써, 상기 사용자 입력을 인식하여 처리하기 적합하도록 상기 사용자 입력의 음량을 조절할 수 있다.

클라이언트 디바이스(50)는 음성 인식 활성화(voice activation) 모듈(52)을 포함할 수 있다. 상기 음성인식 활성화 모듈(52)은 사용자의 호출을 인식하는 웨이크업(wake up) 명령을 인식할 수 있다. 상기 음성인식 활성화 모듈(52)은 전처리 과정을 거친 사용자 입력으로부터 소정의 키워드(ex, Hi LG)를 디텍트할 수 있다. 상기 음성인식 활성화 모듈(52)은 대기 상태로 존재하여 올 웨이즈 온 키워드 디텍트(Always-on keyword detection) 기능을 수행할 수 있다.

클라이언트 디바이스(50)는 사용자 음성입력을 클라우드 서버로 전송할 수 있다. 사용자 음성을 처리하기 위한 핵심 구성인 자동 음성 인식(ASR), 자연어 이해(NLU) 동작은 컴퓨팅, 저장, 전원 제약 등으로 인해 전통적으로 클라우드에서 실행되고 있는 것이 일반적이다. 상기 클라우드는 클라이언트로부터 전송된 사용자 입력을 처리하는 클라우드 디바이스(60)를 포함할 수 있다. 상기 클라우드 디바이스(60)는 서버 형태로 존재할 수 있다.

클라우드 디바이스(60)는 자동 음성 인식(Auto Speech Recognition, ASR) 모듈(61), 지능형 에이전트(Artificial Intelligent Agent)(62), 자연어 이해(Natural Language Understanding, NLU) 모듈(63), 텍스트 음성 변환(Text-to-Speech, TTS) 모듈(64)과, 서비스 매니저(65)를 포함할 수 있다.

ASR 모듈(61)은 클라이언트 디바이스(50)로부터 수신된 사용자 음성 입력을 텍스트 데이터로 변환할 수 있다.

ASR 모듈(61)은 프론트-엔드 스피치 프리 프로세서(front-end speech pre-processor)를 포함한다. 프론트-엔드 스피치 프리프로세서는 스피치 입력으로부터 대표적인 특징을 추출한다. 예를 들어, 프론트-엔드 스피치 프리프로세서는 스피치 입력을 푸리에 변환을 수행하여 대표적인 다차원 벡터의 시퀀스로서 스피치 입력을 특징짓는 스펙트럼 특징을 추출한다. 또한, ASR 모듈(61)은 하나 이상의 스피치 인식 모델(예컨대, 음향 모델 및/또는 언어 모델)을 포함하고, 하나 이상의 스피치 인식 엔진을 구현할 수 있다. 스피치 인식 모델의 예는 은닉 마르코프 모델(hidden Markov models), 가우시안 혼합 모델(Gaussian-Mixture Models), 딥 신경망 모델(Deep Neural Network Models), n-gram 언어 모델, 및 기타 통계 모델을 포함한다. 스피치 인식 엔진의 예는 동적 시간 왜곡 기반 엔진 및 가중치 유한 상태 변환기(WFST) 기반 엔진을 포함한다. 하나 이상의 스피치 인식 모델 및 하나 이상의 스피치 인식 엔진은 중간 인식 결과들(예를 들어, 음소, 음소 문자열, 및 하위 단어들), 및 궁극적으로 텍스트 인식 결과들(예컨대, 단어, 단어 문자열, 또는 토큰들의 시퀀스)을 생성하기 위해 프론트-엔드 스피치 프리프로세서의 추출된 대표 특징들을 처리하는 데 사용될 수 있다.

ASR 모듈(61)이 텍스트 문자열(예를 들어, 단어들, 또는 단어들의 시퀀스, 또는 토큰들의 시퀀스)을 포함하는 인식 결과를 생성하면, 인식 결과는 의도 추론을 위해 자연 언어 처리 모듈(732)로 전달된다. 일부 예들에서, ASR 모듈(730)은 스피치 입력의 다수의 후보 텍스트 표현들을 생성한다. 각각의 후보 텍스트 표현은 스피치 입력에 대응하는 단어들 또는 토큰들의 시퀀스이다.

NLU 모듈(63)은 문법적 분석(Syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 상기 문법적 분석은 문법 단위(예를 들어, 단어, 구, 형태소 등)를 나누고, 나누어진 단위가 어떠한 문법적인 요소를 갖는지 파악할 수 있다. 상기 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, NUL 모듈(63)은 사용자 입력이 어느 도메인(domain), 의도(intent) 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)를 획득할 수 있다.

상기 NLU 모듈(63)은 도메인, 의도 및 상기 의도를 파악하는데 필요한 파라미터로 나누어진 매핑 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 예를 들어, 하나의 도메인(예를 들어, 알람)은 복수의 의도(예를 들어, 알람 설정, 알람 해제)를 포함할 수 있고, 하나의 의도는 복수의 파라미터(예를 들어, 시간, 반복 횟수, 알람음 등)을 포함할 수 있다. 복수의 룰은, 예를 들어, 하나 이상의 필수 요소 파라미터를 포함할 수 있다. 상기 매칭 규칙은 자연어 이해 데이터 베이스(Natural Language Understanding Database)에 저장될 수 있다.

상기 NLU 모듈(63)은 형태소, 구 등의 언어적 특징(예를 들어, 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정한다. 예를 들어, NLU 모듈(63)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시예에 따르면, NLU 모듈(63)은 상기 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 입력의 파라미터를 결정할 수 있다. 일 실시예에 따르면, NLU 모듈(63)은 사용자 입력의 의도를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터 베이스를 이용하여 사용자의 의도를 결정할 수 있다. 또한 일 실시예에 따르면, NLU 모듈(63)은 개인화 언어 모델(personal language model, PLM)을 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, NLU 모듈(63)은 개인화된 정보(예를 들어, 연락처 리스트, 음악 리스트, 스케줄 정보, 소셜 네트워크 정보 등)을 이용하여 사용자의 의도를 결정할 수 있다. 상기 개인화 언어 모델은, 예를 들어, 자연어 인식 데이터 베이스에 저장될 수 있다. 일 실시예에 따르면, NLU 모듈(63) 뿐 아니라 ASR 모듈(61)도 자연어 인식 데이터 베이스에 저장된 개인화 언어 모델을 참고하여 사용자 음성을 인식할 수 있다.

NLU 모듈(63)은 자연어 생성 모듈(미도시)을 더 포함할 수 있다. 상기 자연어 생성 모듈은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 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 등을 포함할 수 있다. 상기 텍스트 형태로 변경된 정보는 클라이언트 디바이스로 전송되어 디스플레이에 표시되거나, TTS 모듈로 전송되어 음성 형태로 변경될 수 있다.

음성 합성 모듈(TTS 모듈, 64)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. TTS 모듈(64)은 NLU 모듈(63)의 자연어 생성 모듈로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 클라이언트 디바이스(50)로 전송할 수 있다. 상기 클라이언트 디바이스(50)는 상기 음성 형태의 정보를 스피커를 통해 출력할 수 있다.

음성 합성 모듈(64)은 제공된 텍스트에 기초하여 스피치 출력을 합성한다. 예를 들어, 음성 인식 모듈(ASR)(61)에서 생성된 결과는 텍스트 문자열의 형태이다. 음성 합성 모듈(64)은 텍스트 문자열을 가청 스피치 출력으로 변환한다. 음성 합성 모듈(64)은, 텍스트로부터의 스피치 출력을 생성하기 위하여 임의의 적절한 스피치 합성 기법을 사용하는데, 이는 편집 합성(concatenative synthesis), 단위 선택 합성(unit selection synthesis), 다이폰 합성, 도메인-특정 합성, 포먼트 합성(Formant synthesis), 조음 합성(Articulatory synthesis), HMM(hidden Markov model) 기반 합성, 및 정현파 합성(sinewave synthesis)을 포함하지만 이로 한정되지 않는다.

일부 예들에서, 음성 합성 모듈(64)은 단어들에 대응하는 음소 문자열에 기초하여 개별 단어들을 합성하도록 구성된다. 예를 들어, 음소 문자열은 생성된 텍스트 문자열의 단어와 연관된다. 음소 문자열은 단어와 연관된 메타데이터에 저장된다. 음성 합성 모듈(64)은 스피치 형태의 단어를 합성하기 위해 메타데이터 내의 음소 문자열을 직접 프로세싱하도록 구성된다.

클라우드 환경은 일반적으로 클라이언트 디바이스보다 많은 처리 능력 또는 리소스를 갖기때문에, 클라이언트 측 합성에서 실제보다 높은 품질의 스피치 출력을 획득하는 것이 가능하다. 그러나, 본 명세서는 이에 한정되지 않으며, 실제로 음성 합성 과정이 클라이언트 측에서 이루어질 수 있음은 물론이다(도 9 참조)

한편, 본 명세서의 일 실시예에 따라 클라우드 환경에는 지능형 에이전트(Artificial Intelligence Agent, AI 에이전트)(62)를 더 포함할 수 있다. 상기 지능형 에이전트(62)는 전술한 ASR 모듈(61), NLU 모듈(62) 및/또는 TTS 모듈(64)이 수행하는 기능 중 적어도 일부의 기능을 수행하도록 설계될 수 있다. 또한 상기 지능형 에이전트 모듈(62)은 ASR 모듈(61), NLU 모듈(62) 및/또는 TTS 모듈(64) 각각의 독립적인 기능을 수행하는데 기여할 수 있다.

상기 지능형 에이전트 모듈(62)은 심층학습(딥러닝)을 통해 전술한 기능들을 수행할 수 있다. 상기 심층학습은 어떠한 데이터가 있을 때 이를 컴퓨터가 알아 들을 수 있는 형태(예를 들어 이미지의 경우는 픽셀정보를 열벡터로 표현하는 등)로 표현(representation)하고 이를 학습에 적용하기 위해 많은 연구(어떻게 하면 더 좋은 표현기법을 만들고 또 어떻게 이것들을 학습할 모델을 만들지에 대한)가 진행되고 있으며, 이러한 노력의 결과로 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들이 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.

현재 모든 주요 상업 음성인식 시스템(MS 코타나, 스카이프 번역기, 구글 나우, 애플 시리 등등)이 딥 러닝 기법에 기반하고 있다.

특히, 지능형 에이전트 모듈(62)은 자연어 처리 분야에서 심층 인공신경망 구조를 이용하여 자동 번역(machine translation), 감정 분석(emotion analysis), 정보 검색(information retrieval)을 비롯한 다양한 자연언어처리 과정을 수행할 수 있다.

한편, 상기 클라우드 환경은 다양한 개인화된 정보를 수집하여 상기 지능형 에이전트(62)의 기능을 지원할 수 있는 서비스 매니저(service manager)(65)를 포함할 수 있다. 상기 서비스 매니저를 통해 획득되는 개인화된 정보는, 클라이언트 디바이스(50)가 클라우드 환경을 통해 이용하는 적어도 하나의 데이터(캘린더 애플리케이션, 메시징 서비스, 뮤직 애플리케이션 사용 등), 상기 클라이언트 디바이스(50) 및/또는 클라우드(60)가 수집하는 적어도 하나의 센싱 데이터들(카메라, 마이크로폰, 온도, 습도, 자이로 센서, C-V2X, 펄스(pulse), 조도(Ambient light), 홍채 인식(Iris scan) 등), 상기 클라이언트 디바이스(50)와 직접적으로 관련 없는 오프 디바이스 데이터들을 포함할 수 있다. 예를 들어, 상기 개인화된 정보는, 맵(maps), SMS, News, Music, Stock, Weather, Wikipedia 정보를 포함할 수 있다.

상기 지능형 에이전트(62)은 설명의 편의를 위해 ASR 모듈(61), NLU 모듈(63) 및 TTS 모듈(64)과 구분되도록 별도의 블럭으로 표현하였으나, 상기 지능형 에이전트(62)는 상기 각 모듈(61,62,64)의 적어도 일부 또는 전부의 기능을 수행할 수도 있다.

이상, 도 8에서는 상기 지능형 에이전트(62)가 컴퓨팅 연산, 저장 및 전원 제약 등으로 인해 클라우드 환경에서 구현되는 예를 설명하였으나, 본 명세서는 이에 한정되는 것은 아니다.

예를 들어, 도 9는 상기 지능형 에이전트(AI agent)가 클라이언트 디바이스에 포함되어 있는 경우를 제외하고는 도 8에 도시된 바와 동일하다.

도 9는 본 명세서의 다른 실시예에 따른 음성처리 시스템에서 음성처리 장치의 예시적인 블럭도를 도시한다. 도 9에 도시된 클라이언트 디바이스(70) 및 클라우드 환경(80)은 도 8에서 언급한 클라이언트 디바이스(50) 및 클라우드 환경(60)에 일부 구성 및 기능에 있어서 차이가 있을 뿐 대응될 수 있다. 이에 따라 대응되는 블럭의 구체적인 기능에 대해서는 도 8를 참조할 수 있다.

도 9를 참조하면, 클라이언트 디바이스(70)는 전처리 모듈(51), 음성 인식 활성화(voice activation) 모듈(72), ASR 모듈(73), 지능형 에이전트(74), NLU 모듈(75), TTS 모듈(76)을 포함할 수 있다. 또한, 클라이언트 디바이스(50)는 입력 모듈(적어도 하나의 마이크로 폰)과, 적어도 하나의 출력 모듈을 포함할 수 있다.

또한, 클라우드 환경은 개인화된 정보를 지식(knowledge) 형태로 저장하는 클라우드 지식(Cloud Knowledge)(80)을 포함할 수 있다.

도 9에 도시된 각 모듈의 기능은 도 8를 참조할 수 있다. 다만, ASR 모듈(73), NLU 모듈(75) 및 TTS 모듈(76)이 클라이언트 디바이스(70)에 포함되어 있어서 음성 인식 및 음성 합성 등의 음성 처리 과정을 위해 클라우드와의 통신이 필요 없을 수 있으며, 이에 따라 즉각적이고 실시간 음성 처리처리 동작이 가능하게 된다.

도 8 및 도 9에 도시된 각 모듈은 음성 처리 과정을 설명하기 위한 예시일 뿐이며, 도 8 및 도 9에 도시된 모듈보다 더 많거나 더 적은 모듈을 가질 수 있다. 또한, 둘 이상의 모듈을 조합할 수 있거나 또는 상이한 모듈 또는 상이한 배열의 모듈을 가질 수 있다는 것에 유의해야 한다. 도 8 및 도 9에 도시된 다양한 모듈들은 하나 이상의 신호 프로세싱 및/또는 주문형 직접 회로, 하드웨어, 하나 이상의 프로세서에 의한 실행을 위한 소프트웨어 명령어들, 펌웨어 또는 이들의 조합으로 구현될 수 있다.

도 10은 본 명세서의 일 실시예에 따른 지능형 에이전트의 예시적인 블럭도를 도시한다.

도 10을 참조하면, 상기 지능형 에이전트(74)는 도 8 및 도 9를 통해 설명한 음성 처리 과정에서 ASR 동작, NLU 동작 및 TTS 동작을 수행하는 것 외에, 사용자와 상호 작용(interactive operation)을 지원할 수 있다. 또는 상기 지능형 에이전트(74)는 컨텍스트 정보를 이용하여, NLU 모듈(63)이 ASR 모듈(61)로부터 수신된 텍스트 표현들에 포함된 정보를 보다 명확하게 하고, 보완하거나 추가적으로 정의하는 동작을 수행하는데 기여할 수 있다.

여기서, 컨텍스트 정보는, 클라이언트 디바이스 사용자의 선호도, 클라이언트 디바이스의 하드웨어 및/또는 소프트웨어 상태들, 사용자 입력 전, 입력 중, 또는 입력 직후에 수집되는 다양한 센서 정보, 상기 지능형 에이전트와 사용자 사이의 이전 상호 작용들(예를 들어, 대화) 등을 포함할 수 있다. 본 문서에서 컨텍스트 정보는 동적이고, 시간, 위치, 대화의 내용 및 기타 요소들에 따라 가변되는 특징임을 물론이다.

지능형 에이전트(74)는 컨텍스트 퓨전 및 학습 모듈(91), 로컬 지식(92), 다이얼로그 매니지먼트(93)를 더 포함할 수 있다.

컨텍스트 퓨전 및 학습모듈(91)은 적어도 하나의 데이터에 기초하여 사용자의 의도를 학습할 수 있다. 상기 적어도 하나의 데이터는 클라이언트 디바이스 또는 클라우드 환경에서 획득되는 적어도 하나의 센싱 데이터를 포함할 수 있다. 또한, 상기 적어도 하나의 데이터는 화자 식별(speaker identification), 음향 사건 인지(Acoustic event detection), 화자의 개인 정보(성별 및 나이)(Gender and age detection), 음성 활성도 검출(VAD, voice activity detection), 감정 정보(Emotion Classification) 을 포함할 수 있다.

상기 화자 식별은, 발화하는 사람을 음성에 의해 등록된 대화군 속에서 특정하는 것을 의미할 수 있다. 상기 화자 식별은 기 등록된 화자를 식별하거나, 새로운 화자로 등록하는 과정을 포함할 수 있다. 음향 사건 인지(Acoustic event detection)는 음성 인식 기술을 넘어서 음향 자체를 인식함으로써, 소리의 종류, 소리의 발생 장소를 인지할 수 있다. 음성 활성도 검출(VAD)은 음악, 잡음 또는 다른 사운드를 포함할 수 있는 오디오 신호에서 인간의 스피치(음성)의 존재 또는 부재가 검출되는 스피치 프로세싱 기술이다. 일 예에 따라 지능형 에이전트(74)는 상기 입력된 오디오 신호로부터 스피치의 존재 여부를 확인할 수 있다. 일 예에 따라 지능형 에이전트(74)는 심층 신경망(DNN, deep neural networks) 모델을 이용하여 스피치 데이터(speech data)와 비 스피치 데이터(non-speech data)를 구분할 수 있다. 또한, 지능형 에이전트(74)는 심층 신경망(DNN, deep neural networks) 모델을 이용하여 스피치 데이터에 대하여 감정 분류(Emotion Classification) 동작을 수행할 수 있다. 상기 감정 분류 동작에 따라 스피치 데이터는 화남(Anger), 지루함(Boredom), 무서움(Fear), 행복(Happiness), 슬픔(Sadness)으로 분류될 수 있다.

상기 컨텍스트 퓨전 및 학습 모듈(91)은 전술한 동작을 수행하기 위해 DNN 모델을 포함할 수 있으며, 상기 DNN 모델 및 클라이언트 디바이스 또는 클라우드 환경에서 수집되는 센싱 정보에 기초하여 사용자 입력의 의도를 확인할 수 있다.

상기 적어도 하나의 데이터는 예시적인 것에 불과하며 음성 처리 과정에서 사용자의 의도를 확인하는데 참조될수 있는 어떠한 데이터도 포함될 수 있음은 물론이다. 상기 적어도 하나의 데이터는, 전술한 DNN 모델을 통해 획득할 수 있음은 물론이다.

지능형 에이전트(74)는 로컬 지식(Local Knowledge)(92)을 포함할 수 있다. 상기 로컬 지식(92)은 사용자 데이터를 포함할 수 있다. 상기 사용자 데이터는 사용자의 선호도, 사용자 주소, 사용자의 초기 설정 언어, 사용자의 연락처 목록 등을 포함할 수 있다. 일 예에 따르면, 지능형 에이전트(74)는 사용자의 특정 정보를 이용하여 사용자의 음성 입력에 포함된 정보를 보완하여 사용자 의도를 추가적으로 정의할 수 있다. 예를 들어, "내 생일 파티에 내 친구들을 초대해주세요" 라는 사용자의 요청에 응답하여, 지능형 에이전트(74)는 "친구들"이 누구인지, "생일 파티"가 언제, 어디서 열리지를 결정하기 위해 사용자에게 보다 명확한 정보를 제공하도록 요구하지 않고, 상기 로컬 지식(92)을 이용할 수 있다.

지능형 에이전트(74)는 다이얼로그 관리(Dialog Management)(93)를 더 포함할 수 있다. 다이얼로그 관리(93)는 다이얼로그 매니저(Dialog Manager)로 호칭될 수 있다. 다이얼로그 매니저(93)는 다이얼로그 매니저는 음성인식 시스템의 기본 구성요소로서, NLP 에서 분석한 사용자 의도에 대한 답변을 생성하기 위해 필수적인 정보를 관리할 수 있다. 또한, 다이얼로그 매니저(93)는 TTS 시스템에서 스피커를 통해 합성 음성이 출력되는 동안에 사용자의 음성 입력을 수신하는 바지-인(Barge-in) 이벤트를 검출할 수도 있다.

상기 지능형 에이전트(74)는 사용자와의 음성 대화가 가능하도록 다이얼로그 인터페이스를 제공할 수 있다. 상기 다이얼로그 인터페이스는 사용자의 음성 입력에 응답을 디스플레이 또는 스피커를 통해 출력하는 과정을 의미할 수 있다. 여기서 상기 다이얼로그 인터페이스를 통해 출력하는 최종 결과물은 전술한 ASR 동작, NLU 동작 및 TTS 동작에 기초할 수 있다.

한편, 음향모델의 학습에 이용되는 하나의 발화에 표준어와 적어도 하나의 사투리가 섞여 있거나, 하나의 발화에 다양한 사투리가 섞여 있는 경우에 이러한 발화를 이용하여 학습된 음향모델은 사투리에 대한 학습의 정확도가 낮게 생성될 수 있다. 따라서, 전술한 문제점을 해결하기 위하여 음성처리 시스템은 대표 지역을 판단하고, 판단 결과에 기반하여 타 지역 사투리를 모방한 발화로 인해 음향모델의 추론 정확도를 향상할 수 있다. 이하 명세서에서 대표 지역의 판단 및 판단결과에 기반한 음향모델 생성방법을 설명한다.

도 11은 본 명세서의 제1 실시예에 따른 음향모델 생성방법의 순서도이다.

도 11을 참조하면, AI 장치(100)는 음향모델의 학습을 위한 음성 데이터를 수신할 수 있다(S110). AI 장치(100)는 네트워크로부터 음향모델의 학습을 위한 음성 데이터를 수신할 수 있다. 일 례로, AI 장치(100)는, 트랜시버를 통해, 각종 전자 기기의 음성 입력/출력 인터페이스를 통해 획득된 지역적으로 서로 다른 사투리를 사용하는 음성 데이터를 수신할 수 있다. 여기서 지역적으로 서로 다른 사투리는 한글을 기준으로 서로 다른 사투리뿐만 아니라, 한글 외의 다른 언어를 기준으로 서로 다른 사투리도 포함할 수 있다.

AI 장치(100)는 음성 데이터에 포함된 적어도 하나의 특징을 추출할 수 있다(S120). 특징은 음성 데이터에 포함된 음성의 발화특징을 지칭한다. 발화특징은 LFCC(linear frequency cepstral coefficient), MFCC(Mel Frequency Cepstral Coefficient) 또는 i-vector 중 적어도 하나의 특징벡터로 나타낼 수 있으나, 이에 한정되는 것은 아니다.

AI 장치(100)는 적어도 하나의 특징을 이용하여 대표 지역을 판단할 수 있다(S130). AI 장치(100)는 S120에서 추출된 발화특징을 미리 학습된 인공신경망 기반의 지역분류 모델에 적용하여 음성 데이터의 대표 지역을 판단하기 위한 출력을 생성할 수 있다. AI 장치(100)는 지역분류 모델의 출력에 기반하여, 복수의 지역에 대응하는 출력값 중 가장 높은 값에 대응되는 지역을 대표 지역으로 판단할 수 있다.

예를 들어, 지역분류 모델의 출력은 입력 데이터에 관하여 복수의 사투리에 해당할 확률을 나타낼 수 있다. 구체적으로, 출력은 '풍력 센 바람으로 운행하재이'라는 문장의 입력에 응답하여, 표준어일 확률 16%(0.16), 경상도 사투리일 확률 56%(0.56), 전라도 사투리일 확률 4%(0.04), 제주도 사투리일 확률 2%(0.02), 강원도 사투리일 확률 3%(0.03), 충청도 사투리일 확률 7%(0.07), 경기도 사투리일 확률 11%(0.11), 북한 사투리일 확률 1%(0.01)로 나타날 수 있다. 이때, AI 장치(100)는 입력된 문장을 가장 높은 확률에 해당하는 경상도 사투리로 결정할 수 있다.

본 명세서의 일 실시예에 따른 지역분류 모델은 인공신경망 기반의 분류모델로 구현될 수 잇으며, 상기 인공신경망은 DRNN(dynamic recurrent neural network) 또는 CRNN(convolutional recurrent neural network) 중 어느 하나일 수 있으나, 이에 한정되는 것은 아니다.

AI 장치(100)는 수신된 음성 데이터에 대한 텍스트 데이터를 생성할 수 있다(S140). 텍스트 데이터는 음절(Grapheme) 또는 음소(Phoneme)로 구성된 텍스트 데이터일 수 있다. AI 장치(100)는 코퍼스에 포함된 음성 데이터로부터 음절 또는 음소 정보를 추출할 수 있으며, 추출된 음절 또는 음소 정보로부터 텍스트 데이터를 전사할 수 있다. 음향모델의 학습에는 발음 사전(pronunciation dictionary)이 함께 사용될 수 있다. 발음 사전은 형태소와 이에 관한 발음을 나타내는 음소로 구성되고, 지역별 사투리 발음에 관한 정보를 포함하도록 구성될 수 있다.

AI 장치(100)는 언어 사전을 이용하여 텍스트 데이터에 포함된 복수의 단어에 지역정보를 태깅할 수 있다(S150). 지역정보의 태깅방법의 일 예에서, AI 장치(100)는 언어 사전을 이용하여 복수의 단어 각각에 지역정보를 태깅할 수 있다. 보다 구체적으로, AI 장치(100)는 문장 또는 문단 단위의 텍스트 데이터를 단어 단위로 토큰화하고, 토큰화된 각각의 단어에 지역정보를 태깅할 수 있다. 언어 사전은 표준어 단서 사전과 사투리 언어 사전을 포함할 수 있다. 예를 들어, '풍력 센 바람으로 운행하재이'라는 문장에 있어서, 표준어 언어 사전과 사투리 언어 사전을 함께 지역정보를 태깅하면 '풍력=표준어, 센=표준어, 바람=표준어, 으로=표준어, 운행하재이=경상도'와 같은 태깅 결과를 생성할 수 있다.

AI 장치(100)는 지역정보가 태깅된 텍스트 데이터를 이용하여 음향모델을 학습시키되, 태깅된 지역정보에 기반하여 음향모델의 파라미터를 변경할 수 있다(S160). 보다 구체적으로, AI 장치(100)는 대표 지역과 다른 지역언어에 대하여 서로 다른 가중치를 부여함으로써, 모방 사투리에 강인한 음향모델을 학습시킬 수 있다. AI 장치(100)는 대표 지역에 상응하는 지역정보가 태깅된 단어의 경우, 다른 지역정보가 태깅된 단어와 비교하여 더 높은 가중치를 부여할 수 있다.

이처럼, 본 명세서의 일 실시예에 따른 음향모델의 생성방법은 음성 데이터의 대표 지역을 결정하고, 결정된 대표 지역 외의 다른 지역의 단어에 대해서는 상대적으로 낮은 가중치를 부여하도록 제어함으로써, 하나의 문장에 복수의 지역언어(예를 들어, 복수의 사투리)가 포함된 경우에도 음향모델의 정확도를 높일 수 있다.

도 12는 본 명세서의 제2 실시예에 따른 음향모델 생성방법의 순서도이다. 도 11과 중복되는 내용의 설명은 생략하고, 차이점을 중심으로 설명한다.

도 12를 참조하면, AI 장치(100)는 음향모델의 학습을 위한 음성 데이터를 수신할 수 있다(S210).

AI 장치(100)는 음성 데이터에 포함된 적어도 하나의 특징을 추출할 수 있다(S220).

AI 장치(100)는 적어도 하나의 특징을 이용하여 화자의 대표 지역을 판단할 수 있다(S230).

AI 장치(100)는 수신된 음성 데이터에 대한 텍스트 데이터를 생성할 수 있다(S240).

AI 장치(100)는 언어 사전을 이용하여 텍스트 데이터에 포함된 복수의 단어에 지역정보를 태깅할 수 있다(S250).

AI 장치(100)는 언어 사전을 이용한 태깅 결과를 분석하여, 상기 텍스트 데이터에 포함된 복수의 단어 중 지역정보가 태깅되지 않은 단어가 존재하는 지 여부를 판단할 수 있다(S260).

AI 장치(100)는 태깅되지 않은 단어가 존재하는 경우(S260:YES), 이에 응답하여 미리 학습된 인공신경망 기반의 태깅모델을 이용하여 복수의 단어에 지역정보를 태깅할 수 있다(S270). AI 장치(100)는 복수의 단어 중 S260에서 지역 정보가 태깅되지 않은 것으로 식별된 단어를 대상으로 태깅모델을 이용한 지역정보의 태깅을 수행하므로써, 복수의 단어 중 어느 하나에 지역정보가 태깅되지 않음으로 인한 학습효율의 저하를 방지할 수 있다.

보다 구체적으로, 태깅모델을 이용한 지역정보의 태깅의 경우, AI 장치(100)는 S230에서 판단한 대표 지역과 텍스트 데이터로부터 추출된 특징을 태깅모델에 적용하여 텍스트 데이터에 지역정보를 태깅하기 위한 출력을 생성할 수 있다. AI 장치(100)는 태깅모델의 출력에 기반하여 복수의 단어 각각에 지역정보를 태깅할 수 있다.

본 명세서의 일 실시예에 따른 태깅모델은 인공신경망 기반의 학습모델이며, CRF(conditional random field), RNN(recurrent neural network), 또는 LSTM(long-short term memory) 중 어느 하나에 기반한 모델로 구현될 수 있다. 또한, 텍스트 데이터로부터 추출되는 특징은 문맥(context) 정보, POS(part of speech) 정보 또는 형태서 정보 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다.

한편, 본 명세서의 일부 실시예에 따른 음향모델 생성방법은 언어 사전을 이용한 지역정보의 태깅을 생략하고, 태깅모델만을 이용하여 텍스트 데이터에 지역정보를 태깅할 수도 있다.

AI 장치(100)는 지역정보가 태깅된 텍스트 데이터를 이용하여 음향모델을 학습시키되, 태깅된 지역정보에 기반하여 음향모델의 파라미터를 변경할 수 있다(S260).

이처럼, AI 장치(100)는 태깅모델과 언어 사전을 함께 이용하여 지역정보의 태깅을 수행함으로써 태깅 결과의 태깅되지 않은 단어가 없도록 음향모델의 학습을 제어할 수 있다. 다만, 본 명세서의 제2 실시예에 따른 음향모델의 생성방법은 과도한 AI 프로세싱을 줄이기 위하여, 태깅되지 않은 단어가 존재하는 지 여부를 사전확인하고, 태깅되지 않은 단어가 존재하는 경우에만 태깅모델을 이용한 지역 정보의 태깅을 수행한다.

도 13은 본 명세서의 제3 실시예에 따른 음향모델 생성방법의 순서도이다. 도 11 및 도 12와 중복되는 내용의 설명은 생략하고, 차이점을 중심으로 설명한다.

도 13를 참조하면, AI 장치(100)는 음향모델의 학습을 위한 음성 데이터를 수신할 수 있다(S310).

AI 장치(100)는 음성 데이터에 포함된 적어도 하나의 특징을 추출할 수 있다(S320).

AI 장치(100)는 적어도 하나의 특징을 이용하여 화자의 대표 지역을 판단할 수 있다(S330).

AI 장치(100)는 수신된 음성 데이터에 대한 텍스트 데이터를 생성할 수 있다(S340).

AI 장치(100)는 언어 사전을 이용하여 텍스트 데이터에 포함된 복수의 단어에 지역정보를 태깅할 수 있다(S350).

AI 장치(100)는 미리 학습된 인공신경망 기반의 태깅모델을 이용하여 복수의 단어에 지역정보를 태깅할 수 있다(S360). AI 장치(100)는 지역정보가 태깅되지 않은 단어뿐만 아니라, 언어 사전을 이용하여 이미 태깅한 단어에 대해서도 태깅모델을 이용한 지역정보의 태깅을 수행할 수 있다.

AI 장치(100)는 단어사전을 이용한 제1 태깅 결과와 태깅모델을 이용한 제2 태깅 결과를 비교할 수 있다(S370).

AI 장치(100)는 제1 태깅 결과와 제2 태깅 결과를 비교하여 제1, 제2 태깅 결과가 서로 다르면(S370:NO), 이에 응답하여 제2 태깅 결과를 기준으로 텍스트 데이터의 태깅을 갱신할 수 있다(S380).

AI 장치(100)는 지역정보가 태깅된 텍스트 데이터를 이용하여 음향모델을 학습시키되, 태깅된 지역정보에 기반하여 음향모델의 파라미터를 변경할 수 있다(S390).

이처럼, AI 장치(100)는 태깅모델과 언어 사전을 함께 이용하여 지역정보의 태깅을 수행함으로써 태깅 결과의 태깅되지 않은 단어가 없도록 음향모델의 학습을 제어할 수 있다. 한편, 언어 사전에 기반한 지역정보의 태깅은 시기적 또는 장소적 차이로 인하여 예상하지 못한 오류가 발생할 수 있다. 본 명세서의 제3 실시예에 따른 음향모델의 생성방법은 제2 실시예와 달리 태깅되지 않은 단어뿐만 아니라 이미 태깅된 단어에 대하여도 추가적인 지역정보의 태깅을 수행함으로써, 태깅 결과의 정확도를 향상시키는 한편, 언어 사전을 업데이트하여 이후의 추론 결과에 대한 정확도도 향상시킬 수 있다.

본 명세서의 제1 내지 제3 실시예에 따른 실시방법은 제공된 환경 또는 사용자의 설정에 따라 제1 내지 제3 모드로서 상호 변경되며 이용될 수 있으며, AI 장치(100)는 전체 음향모델의 생성과정에서 제1 내지 제3 모드를 순차적으로 또는 무작위로 변환하며 음향모델을 학습시킬 수 있다. 일 례로, AI 장치(100)를 AI 프로세싱과 관련된 리소스 상태 또는 AI 장치(100)와 네트워크 간의 통신 상태에 기반하여 프로세싱 속도 및/또는 통신 속도에 따라 제1 내지 제3 모드 중 어느 하나로 학습 모드를 변경할 수 있다.

또한, 도 11 내지 도 13에서 음향모델의 학습은 AI 장치(100)에 의하여 수행되는 것으로 설명되었으나, 도 7의 AI 시스템(1)에 의해서도 마찬가지로 수행될 수 있다.

도 14 및 도 15는 본 명세서의 다양한 실시예에 따른 음향모델 생성방법의 구현예를 설명하기 위한 도면이다.

도 14를 참조하면, AI 장치(100)는 '풍력 센 바람으로 운행하재이'라는 음성 데이터(1110)의 입력에 대응하여 '경상도'를 대표 지역(1150)으로 결정할 수 있다. 보다 구체적으로, AI 장치(100)는 '풍력 센 바람으로 운행하재이'라는 음성 데이터(1110)를 수신하면, 입력 데이터로부터 발화특징을 추출할 수 있다. 발화특징은 LFCC(linear Frequency Cepstral Coefficient), MFCC(Mel Frequency Cepstral Coefficient) 또는 i-vector 중 적어도 하나로 나타낼 수 있다. AI 장치(100)는 추출된 발화특징을 미리 학습된 지역분류 모델(region classifier, 1130)에 적용하고, 생성되는 출력으로부터 음성 데이터(1110)의 대표 지역(1150)을 판단할 수 있다. 이처럼 결정된 대표 지역(1150)은 이후에 파라미터 갱신 및/또는 지역정보 태깅에 이용될 수 있다.

AI 장치(100)는 ASR 모듈을 이용하여 수신된 음성 데이터(1110)를 텍스트 데이터(1120)로 전사할 수 있다. AI 장치(100)는 지역태거(region tagger, 1140)를 이용하여 전사된 텍스트 데이터(1120)에 지역정보를 태깅할 수 있다. 지역태거는 언어 사전(1141)과 태깅모델(1142) 중 적어도 하나를 포함할 수 있다. 도 13의 구현예는 도 11 내지 도 13에서 전술한 음향모델의 생성방법을 이용하여 입력된 텍스트 데이터(1120)에 지역 정보를 부여할 수 있다. 예를 들어, AI 장치(100)는 '풍력 센 바람으로 운행하재이'라는 텍스트 입력에 응답하여 지역정보를 부여한 결과, '풍력=표준어, 센=표준어, 바람=표준어, 으로=표준어, 운행하재이=경상도'를 도출할 수 있다.

AI 장치(100)는 위와 같이 지역정보가 태깅된 텍스트 데이터(1160)를 음소 기반의 텍스트 데이터(1170)로 전환할 수 있다. 이때, AI 장치(100)는 G2P(grapheme to phoneme) 모듈을 이용하여 음절 기반의 텍스트를 음소 기반의 텍스트로 변환할 수 있다. G2P 모듈은 자연어 처리와 관련된 기술분야의 통상의 기술자에게 자명한 것으로 추가적인 설명은 생략하도록 한다. AI 장치(100)는 '풍력 센 바람으로 운행하재이'라는 텍스트가 입력되면, G2P 모듈을 통해 'P u Q r V G s e N B a r a M x r o u N h e Q h a j e I'와 같은 음소 기반의 텍스트를 생성할 수 있다. 여기서, 각각의 음소 기반의 단어들은 음절 기반의 단어에 태깅되어 있던 지역정보에 기반하여 서로 다른 가중치가 부여될 수 있다. 보다 구체적으로, 각각의 단어의 태깅되어 있는 지역정보를 확인하고, 확인된 지역정보가 대표 지역(1150)의 지역정보와 동일한 경우에, AI 장치(100)는 대표 지역(1150)의 지역정보와 동일하지 않은 단어에 비하여 대표 지역(1150)의 지역정보와 동일한 단어에 더 높은 가중치를 부여할 수 있다.

예를 들어, '풍력'에 대응되는 'Q u Q r V G', '센'에 대응되는 's e N', '바람으로'에 대응되는 'B a r a M x r o'는 표준어이므로 0.3의 가중치가 부여되고, '운행하재이'에 대응되는 'u N h e Q h a j e I'는 대표 지역(1150)으로 판단된 경상도와 동일한 지역정보가 태깅되어 있으므로 0.7의 가중치가 부여될 수 있다.

이처럼, AI 장치(100)는 지역정보 별로 서로 다른 가중치를 음소 기반의 텍스트 데이터(1170)에 부여하여 음향모델의 파라미터(예를 들어, 가중치)를 갱신하고, 목적으로 하는 음성 데이터(1110)로부터 판단되는 지역 외의 모방된 사투리로 인한 학습 능률 저하를 방지할 수 있다.

도 15를 참조하면, 본 명세서의 다양한 실시예에 따른 음향모델 생성방법은 한글뿐만 아니라 다양한 국가의 언어에도 마찬가지로 적용될 수 있다. 예를 들어, AI 장치(100)는 'Are y'all going to dinner'라는 음성 데이터(1510)의 입력에 대응하여 '미국 남부'를 대표 지역(1550)으로 결정할 수 있다. 보다 구체적으로, AI 장치(100)는 'Are y’all going to dinner'라는 음성 데이터(1510)를 수신하면, 입력 데이터로부터 발화특징을 추출할 수 있다. 발화특징은 LFCC(linear Frequency Cepstral Coefficient), MFCC(Mel Frequency Cepstral Coefficient) 또는 i-vector 중 적어도 하나로 나타낼 수 있다. AI 장치(100)는 추출된 발화특징을 미리 학습된 지역분류 모델(region classifier, 1530)에 적용하고, 생성되는 출력으로부터 음성 데이터(1510)의 대표 지역(1550)을 판단할 수 있다. 이처럼 결정된 대표 지역(1550)은 이후에 파라미터 갱신 및/또는 지역정보 태깅에 이용될 수 있다.

AI 장치(100)는 ASR 모듈을 이용하여 수신된 음성 데이터(1510)를 텍스트 데이터(1520)로 전사할 수 있다. AI 장치(100)는 지역태거(1540)를 이용하여 전사된 텍스트 데이터(1520)에 지역정보를 태깅할 수 있다. 지역태거는 언어 사전(1541)과 태깅모델(1542) 중 적어도 하나를 포함할 수 있다. 도 15의 구현예는 도 11 내지 도 13에서 전술한 음향모델의 생성방법을 이용하여 입력된 텍스트 데이터(1520)에 지역 정보를 부여할 수 있다. 예를 들어, AI 장치(100)는 'Are y’all going to dinner'라는 텍스트 입력에 응답하여 지역정보를 부여한 결과, 'Are=표준 영어, y'all=미국 남부, going=표준 영어, to=표준 영어, dinner=표준 영어'를 도출할 수 있다.

AI 장치(100)는 위와 같이 지역정보가 태깅된 텍스트 데이터(1560)를 음소 기반의 텍스트 데이터로 전환할 수 있다. 이때, AI 장치(100)는 G2P 모듈을 이용하여 음절 기반의 텍스트를 음소 기반의 텍스트로 변환할 수 있다. 각각의 음소 기반의 단어들은 음절 기반의 단어에 태깅되어 있던 지역정보에 기반하여 서로 다른 가중치가 부여될 수 있다. 보다 구체적으로, 각각의 단어의 태깅되어 있는 지역정보를 확인하고, 확인된 지역정보가 대표 지역(1550)의 지역정보와 동일한 경우에, AI 장치(100)는 대표 지역(1550)의 지역정보와 동일하지 않은 단어에 비하여 대표 지역(1550)의 지역정보와 동일한 단어에 더 높은 가중치를 부여할 수 있다.

전술한 본 명세서는, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 명세서의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 명세서의 등가적 범위 내에서의 모든 변경은 본 명세서의 범위에 포함된다.

Claims

음향모델의 학습을 위한 음성 데이터를 수신하는 단계;
상기 음성 데이터에 대응하는 텍스트 데이터를 생성하는 단계;
상기 수신된 음성 데이터의 대표 지역을 판단하는 단계;
상기 생성된 텍스트 데이터에 포함된 복수의 단어에 지역정보를 태깅하는 단계;
및
상기 지역정보가 태깅된 텍스트 데이터를 이용하여 상기 음향모델을 학습시키되, 상기 음성 데이터로부터 판단된 대표 지역과 태깅된 지역정보에 기반하여 상기 음향모델의 파라미터를 변경하는 단계;
를 포함하는 음향모델 생성방법.
제1 항에 있어서,
상기 음성 데이터를 수신하는 단계는,
각종 전자 기기의 음성 입력/출력 인터페이스를 통해 획득된 지역적으로 서로 다른 방언을 사용하는 상기 음성 데이터를 수신하는 것을 특징으로 하는 음향모델 생성방법.
제1 항에 있어서,
상기 지역정보를 태깅하는 단계는,
언어 사전을 이용하여 상기 복수의 단어에 상기 지역정보를 태깅하는 것을 특징으로 하는 음향모델 생성방법.
제1 항에 있어서,
상기 지역정보를 태깅하는 단계는,
미리 학습된 인공신경망 기반의 태깅모델을 이용하여 상기 복수의 단어에 상기 지역정보를 태깅하는 것을 특징으로 하는 음향모델 생성방법.
제4 항에 있어서,
상기 지역정보를 태깅하는 단계는,
상기 대표 지역을 나타내는 파라미터와상기 텍스트 데이터로부터 추출된 특징을 상기 미리 학습된 인공신경망 기반의 태깅모델에 적용하여 상기 텍스트 데이터에 지역정보를 태깅하기 위한 출력을 생성하는 단계; 및
상기 출력에 기반하여 상기 복수의 단어에 상기 지역정보를 태깅하는 단계;
를 포함하는 것을 특징으로 하는 음향모델 생성방법.
제5 항에 있어서,
상기 태깅모델은,
CRF(conditional random field), RNN(recurrent neural network), 또는 LSTM(long-short term memory) 중 어느 하나에 기반한 모델인 것을 특징으로 하는 음향모델 생성방법.
제5 항에 있어서,
상기 텍스트 데이터로부터 추출된 특징은,
문맥(context) 정보, POS(part of speech) 정보 또는 형태소 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 음향모델 생성방법.
제1 항에 있어서,
상기 음향모델의 파라미터를 변경하는 단계는,
상기 대표 지역에 상응하는 지역정보가 태깅된 단어의 경우,
다른 지역정보가 태깅된 단어와 비교하여 더 높은 가중치를 부여하는 것을 특징으로 하는 것을 특징으로 하는 음향모델 생성방법.
제1 항에 있어서,
상기 대표 지역을 판단하는 단계는,
상기 음성 데이터로부터 발화특징을 추출하는 단계;
상기 추출된 발화특징을 미리 학습된 인공신경망 기반의 지역분류 모델에 적용하여 상기 음성 데이터의 대표 지역을 판단하기 위한 출력을 생성하는 단계; 및
상기 출력에 기반하여, 복수의 지역에 대응하는 출력값 중 가장 높은 값에 대응되는 지역을 상기 대표 지역으로 판단하는 단계;
를 포함하는 것을 특징으로 하는 음향모델 생성방법.
제9 항에 있어서,
상기 발화특징은,
LFCC(linear Frequency Cepstral Coefficient), MFCC(Mel Frequency Cepstral Coefficient) 또는 i-vector 중 적어도 하나의 특징벡터인 것을 특징으로 하는 음향모델 생성방법.
제9 항에 있어서,
상기 인공신경망은,
DRNN(dynamic recurrent neural network) 또는 CRNN(convolutional recurrent neural network) 중 어느 하나인 것을 특징으로 하는 음향모델 생성방법.
제3 항에 있어서,
상기 언어 사전을 이용하여 상기 복수의 단어에 지역정보를 태깅한 결과, 상기 복수의 단어 중 상기 지역정보가 태깅되지 않은 단어가 존재하는 경우,
미리 학습된 인공신경망 기반의 태깅모델을 이용하여 상기 복수의 단어에 상기 지역정보를 태깅하는 단계;
를 더 포함하는 것을 특징으로 하는 음향모델 생성방법.
제3 항에 있어서,
미리 학습된 인공신경망 기반의 태깅모델을 이용하여 상기 복수의 단어에 상기 지역정보를 태깅하는 단계;
상기 언어 사전을 이용한 제1 태깅 결과와 상기 태깅모델을 이용한 제2 태깅 결과를 비교하는 단계; 및
상기 제1, 제2 태깅 결과가 서로 다르면, 이에 응답하여 상기 제2 태깅 결과를 기준으로 상기 텍스트 데이터의 태깅을 갱신하는 단계;
더 를 포함하는 것을 특징으로 하는 음향모델 생성방법.
음향모델의 학습을 위한 음성 데이터를 수신하는 트랜시버(tansceiver);
상기 음성 데이터에 대응하는 텍스트 데이터를 생성하고, 상기 수신된 음성 데이터의 대표 지역을 판단하고, 상기 생성된 텍스트 데이터에 포함된 복수의 단어에 지역정보를 태깅하고, 상기 복수의 단어에 상기 지역정보에 기반하여 상기 음향모델의 파라미터를 변경하는 프로세서;
를 포함하는 컴퓨팅 디바이스.
제1 항 내지 제14 항 중 어느 한 항의 음향모델 생성방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체.