KR20210078133A - 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법 및 장치 - Google Patents

간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법 및 장치 Download PDF

Info

Publication number
KR20210078133A
KR20210078133A KR1020190169887A KR20190169887A KR20210078133A KR 20210078133 A KR20210078133 A KR 20210078133A KR 1020190169887 A KR1020190169887 A KR 1020190169887A KR 20190169887 A KR20190169887 A KR 20190169887A KR 20210078133 A KR20210078133 A KR 20210078133A
Authority
KR
South Korea
Prior art keywords
data
training
noise
gantour
generating
Prior art date
Application number
KR1020190169887A
Other languages
English (en)
Inventor
최재훈
이윤진
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
Priority to KR1020190169887A priority Critical patent/KR20210078133A/ko
Priority to US16/809,443 priority patent/US11217270B2/en
Publication of KR20210078133A publication Critical patent/KR20210078133A/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
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L25/87—Detection of discrete points within a voice signal
    • 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
    • G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • 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
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • 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
    • G10L15/16—Speech classification or search using artificial neural networks
    • 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
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L25/84—Detection of presence or absence of voice signals for discriminating voice from noise
    • 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
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L2025/783—Detection of presence or absence of voice signals based on threshold decision

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Machine Translation (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

탑재된 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 5G 통신 환경에서 간투어 검출 모델을 훈련시키기 위한 훈련 데이터를 생성하는 방법 및 정보 처리 장치가 개시된다. 본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법은, 간투어가 포함된 제1 음성 데이터, 간투어가 포함되지 않은 제2 음성 데이터 및 잡음을 포함하는 음향 데이터를 획득하는 단계와, 음향 데이터에 기초하여 다수의 잡음 데이터를 생성하는 단계와, 다수의 잡음 데이터와 제1 음성 데이터 및 제2 음성 데이터를 합성하여, 다수의 간투어를 포함하는 제1 훈련 데이터 및 다수의 간투어를 포함하지 않는 제2 훈련 데이터를 생성하는 단계를 포함할 수 있다. 본 실시 예에 의하면, 시뮬레이션 잡음 환경에서 간투어 검출 모델을 훈련시키기 위한 훈련 데이터를 생성하여 실제 잡음 환경에서 생성한 음성 데이터에 대한 간투어 검출 성능을 향상시킬 수 있다.

Description

간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법 및 장치{TRAINING DATA GENERATING METHOD FOR TRAINING FILLED PAUSE DETECTING MODEL AND DEVICE THEREFOR}
본 발명은 강화 학습 알고리즘 중 도메인 임의 추출(domain randomization) 알고리즘을 이용하여 간투어 검출 모델을 훈련시키기 위한 훈련 데이터를 생성하는 방법 및 장치에 관한 것이다.
기술이 발달함에 따라 최근 많은 분야에서 음성 인식 기술을 적용한 각종 서비스들이 소개되고 있다. 음성 인식 기술은 사람이 발성하는 음성을 이해하여 컴퓨터가 다룰 수 있는 문자 정보로 변환하는 일련의 과정이라 할 수 있으며, 음성 인식 기술을 이용하는 음성 인식 서비스는 사용자의 음성을 인식하고 이에 해당하는 적합한 서비스를 제공하는 일련의 과정을 포함할 수 있다.
사용자가 음성 인식 기능이 탑재된 디바이스를 향하여 발화하는 중간에 지연이 발생하는 경우, 예를 들어, 발화를 완성하기 위해 필요한 단어가 순간적으로 떠오르지 않아 머뭇거리는 간투어가 발생할 수 있다. 이러한 음성 인식 환경에서 간투어가 발생하는 경우에도 효율적으로 음성 인식 처리를 수행하기 위해, 음성 인식 기능이 탑재된 디바이스에는 간투어 검출 모델을 구비한 간투어 검출기가 구비되어 있다.
그러나 주변 잡음 환경을 고려하지 않고 간투어 검출 모델을 훈련하는 경우, 좋은 성능을 가지는 간투어 검출기를 생성하기 어렵다. 그러므로 잡음 환경을 고려한 훈련 데이터를 이용하여 간투어 검출 모델을 학습해야 한다. 그러나 항상 실제 잡음 환경과 유사한 잡음 환경에서 간투어를 포함하는 음성 데이터를 다량으로 획득할 수 없고, 잡음 환경을 명확하게 정의하기가 어려워 좋은 성능을 가지는 간투어 검출기를 생성하기 어려운 문제점이 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 발명의 일 과제는, 실제 잡음 환경과 유사한 잡음 환경에서 생성된 간투어를 포함하는 음성 데이터를 다량으로 획득할 수 없고, 잡음 환경을 명확하게 정의하기가 어려워 좋은 성능을 가지는 간투어 검출기를 생성하기 어려운 종래 기술의 문제점을 해결하는 것이다.
본 발명의 일 과제는, 시뮬레이션 잡음 환경에서 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성하여 실제 잡음 환경에서 생성한 음성 데이터에 대한 간투어 검출 성능을 향상시키는 것이다.
본 발명의 일 과제는, 강화 학습 알고리즘 중 도메인 임의 추출 알고리즘을 이용하여 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성하여 실제 잡음 환경에서 생성한 음성 데이터에 대한 간투어 검출 성능을 향상시키는 것이다.
본 발명의 일 과제는, 실제 잡음 환경과 유사한 잡음 환경에서 생성된 간투어를 포함하는 음성 데이터를 다량으로 획득할 수 없고, 잡음 환경을 명확하게 정의하기가 어려워 좋은 성능을 가지는 간투어 검출기를 생성하기 어려운 종래 기술의 문제점을 최적의 프로세스 자원을 사용하면서 해결하는 것이다.
본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법은, 강화 학습 알고리즘 중 도메인 임의 추출 알고리즘을 이용하여 시뮬레이션 잡음 환경에서 간투어 검출 모델을 훈련시키기 위한 훈련 데이터를 생성하는 단계를 포함할 수 있다.
구체적으로 본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법은, 간투어가 포함된 제1 음성 데이터와, 간투어가 포함되지 않은 제2 음성 데이터 및 잡음을 포함하는 음향 데이터를 획득하는 단계-제1 음성 데이터는 간투어를 포함하는 음성 데이터로 레이블링 되고, 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 되어 있음-과, 음향 데이터에 기초하여 다수의 잡음 데이터를 생성하는 단계와, 다수의 잡음 데이터와 제1 음성 데이터 및 제2 음성 데이터를 합성하여, 다수의 간투어를 포함하는 제1 훈련 데이터 및 다수의 간투어를 포함하지 않는 제2 훈련 데이터를 생성하는 단계-제1 훈련 데이터는 간투어를 포함하는 음성 데이터로 레이블링 되고, 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 됨-를 포함할 수 있다.
본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법을 통하여, 시뮬레이션 잡음 환경에서 간투어 검출 모델을 훈련시키기 위한 훈련 데이터를 생성하여 실제 잡음 환경에서 생성한 음성 데이터에 대한 간투어 검출 성능을 향상시킬 수 있다.
본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치는, 간투어가 포함된 제1 음성 데이터와, 간투어가 포함되지 않은 제2 음성 데이터 및 잡음을 포함하는 음향 데이터를 획득하는 획득부-제1 음성 데이터는 간투어를 포함하는 음성 데이터로 레이블링 되고, 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 되어 있음-과, 음향 데이터에 기초하여 다수의 잡음 데이터를 생성하는 제1 생성부와, 다수의 잡음 데이터와 제1 음성 데이터 및 제2 음성 데이터를 합성하여, 다수의 간투어를 포함하는 제1 훈련 데이터 및 다수의 간투어를 포함하지 않는 제2 훈련 데이터를 생성하는 제2 생성부-제1 훈련 데이터는 간투어를 포함하는 음성 데이터로 레이블링 되고, 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 됨-를 포함할 수 있다.
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.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명에 의하면, 시뮬레이션 잡음 환경에서 간투어 검출 모델을 훈련시키기 위한 훈련 데이터를 생성하여 실제 잡음 환경에서 생성한 음성 데이터에 대한 간투어 검출 성능을 향상시킬 수 있다.
또한, 실제 잡음 환경과 유사한 잡음 환경에서 생성된 간투어를 포함하는 음성 데이터를 다량으로 획득할 수 없는 경우에도 좋은 성능을 가지는 간투어 검출기를 생성할 수 있다.
또한, 실제 잡음 환경이 명확하게 정의되지 않아도 좋은 성능을 가지는 간투어 검출기를 생성할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치의 개략적인 블록도 이다.
도 2는 도 1의 훈련 데이터 생성 장치에 포함되는 시뮬레이션 잡음 생성용 정보 테이블을 개략적으로 설명하기 위하여 도시한 도면이다.
도 3은 본 실시 예에 따른 도 1의 훈련 데이터 생성 장치를 포함하는 간투어 검출기의 개략적인 블록도 이다.
도 4는 본 실시 예에 따른 훈련 데이터 생성 장치, 간투어 검출기, 전자 디바이스 및 이들을 서로 연결하는 네트워크를 포함하는 간투어 검출 환경의 예시도이다.
도 5는 본 실시 예에 따른 훈련 데이터 생성 장치의 구현 예를 개략적으로 설명하기 위하여 도시한 도면이다.
도 6은 본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 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 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. 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.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치의 개략적인 블록도 이고, 도 2는 도 1의 훈련 데이터 생성 장치에 포함되는 시뮬레이션 잡음 생성용 정보 테이블을 개략적으로 설명하기 위하여 도시한 도면이다. 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치(100)는 획득부(110), 제1 생성부(120), 메모리(130) 및 제2 생성부(140)를 포함할 수 있다.
본 실시 예에서 훈련 데이터 생성 장치(100)는 강화 학습 알고리즘 중 도메인 임의 추출(domain randomization) 알고리즘을 이용하여 간투어 검출 모델을 훈련시키기 위한 훈련 데이터를 생성할 수 있다.
종래의 경우 임의의 훈련 모델을 시뮬레이션(simulation) 환경에서 주로 훈련 시켰지만, 실제 환경에서 훈련 모델을 동작시키는 경우, 시뮬레이션 환경과 실제 환경 사이의 차이에 직면하여, 훈련 모델이 탑재된 전자 디바이스(예를 들어 로봇)는 동작 실패를 야기할 수 있다. 보통 이런 시뮬레이션 환경과 실제 환경 사이의 차이는 물리 계수와 부정확한 환경 모델링간의 불일치로 인해서 발생할 수 있다. 이러한 경우, 도메인 임의 추출(domain randomization) 알고리즘을 이용하여 훈련 모델을 생성하는 경우, 훈련 환경에서의 특성을 랜덤화함으로써 시뮬레이션 환경과 실제 환경 사이의 차이를 효율적으로 줄일 수 있다. 즉 도메인 임의 추출 알고리즘을 이용하여 랜덤한 특성을 가진 시뮬레이션 환경을 만들 수 있고, 이 환경을 기반으로 하여 모델을 훈련시킬 수 있다. 도메인 임의 추출 알고리즘을 기반으로 한 모델은 실제 환경에 쉽게 적용할 수 있는데, 이는 실제 환경도 훈련되는 다양한 시뮬레이션 환경 중 하나의 샘플로 간주 되기 때문이다.
또한, 본 실시 예에서, 간투어라 함은, 사용자가 발화하는 중에 자연스럽게 발화가 이어지지 못하는 경우 나타나는 의미가 없는 추임새를 의미하는 것으로, 예를 들어, "그", "저", "음", "어" 등과 같은 의미 없는 음절 또는 단어 등과 같은 비언어학적 요소를 포함할 수 있다.
획득부(110)는 제1 음성 데이터와, 제2 음성 데이터와 잡음을 포함하는 음향 데이터를 획득할 수 있다. 여기서 제1 음성 데이터는 간투어가 포함된 음성 데이터로서, 제1 음성 데이터는 간투어를 포함하는 음성 데이터로 레이블링 될 수 있다. 또한, 제1 음성 데이터는 간투어가 포함되지 않은 음성 데이터로서, 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 될 수 있다. 또한, 잡음은 화이트 노이즈, 무음, 의미 없는 소리 등을 포함할 수 있다. 본 실시 예에서 제1 음성 데이터 및 제2 음성 데이터는 잡음이 합성되지 않은 클린(clean) 데이터일 수 있다.
제1 생성부(120)는 음향 데이터에 기초하여 다수의 잡음 데이터를 생성할 수 있다. 제1 생성부(120)는 임의의 시뮬레이션 잡음 환경을 구축하는데 필요한 하나 이상의 잡음 변수의 종류를 설정하고, 설정한 하나 이상의 잡음 변수의 종류에 대한 레인지를 설정할 수 있다.
도 2는 메모리(130)에 저장된 시뮬레이션 잡음 생성용 정보 테이블을 개략적으로 설명하기 위하여 도시한 도면으로, 제1 생성부(120)가 생성할 임의의 시뮬레이션 잡음 환경을 구축하는데 필요한 잡음 변수의 종류들과, 각 잡음 변수의 레인지가 도시되어 있다. 예를 들어, 어느 한 시뮬레이션 잡음을 생성하기 위해, 제1 생성부(120)는 시뮬레이션 잡음 생성용 정보 테이블 중 잡음 변수의 종류로 신호 대 잡음비(signal to noise ratio, SNR), 잔향(reverberation), 클린 데이터 대 노이즈 데이터의 비율(clean data number noise data number ratio) 및 배경 잡음(background noise)을 설정할 수 있다.
제1 생성부(120)는 잡음 변수의 종류에 대한 레인지를 설정할 때, 실제 잡음 환경에서 추출한 실제 잡음 샘플의 분석 결과를 기반으로 하여 레인지를 설정할 수 있다. 예를 들어, 제1 생성부(120)는 설정한 잡음 변수인 SNR의 레인지를 5-25[dB]로 설정하고, 설정한 잡음 변수인 잔향의 레인지를 100-900[ms]로 설정하고, 설정한 잡음 변수인 클린 데이터 대 노이즈 데이터의 비율에 대한 레인지를 0.1-0.7로 설정하고, 설정한 잡음 변수인 배경 잡음을 0-5로 설정할 수 있다.
제1 생성부(120)는 설정한 잡음 변수의 레인지 중에서 임의의 잡음 변수값을 랜덤 샘플링할 수 있다. 제1 생성부(120)는 잡음 변수의 레인지에 대한 상위값과 하위값 사이에서 기설정된 인터벌(interval)을 가진 균등분포(uniform distribution)에 따라 잡음 변수값을 랜덤 샘플링 할 수 있다. 예를 들어, 제1 생성부(120)는 기설정된 인터벌을 가진 균등분포에 따라 설정한 잡음 변수인 SNR의 레인지 중에서 변수값을 10[dB]로 랜덤 샘플링할 수 있다. 제1 생성부(120)는 기설정된 인터벌을 가진 균등분포에 따라 설정한 잡음 변수인 잔향의 레인지 중에서 변수값을 400[ms]로 랜덤 샘플링할 수 있다. 제1 생성부(120)는 기설정된 인터벌을 가진 균등분포에 따라 설정한 잡음 변수인 클린 데이터 대 노이즈 데이터의 비율에 대한 레인지 중에서 변수값을 0.4로 랜덤 샘플링할 수 있다. 제1 생성부(120)는 기설정된 인터벌을 가진 균등분포에 따라 설정한 잡음 변수인 배경 잡음의 레인지 중에서 변수값을 4로 랜덤 샘플링할 수 있다.
본 실시 예에서, 기설정된 인터벌 내에 실제 잡음 환경의 잡음 변수값이 포함될 수 있다. 이는 상술한 도메인 임의 추출 알고리즘의 설명에서, 도메인 임의 추출 알고리즘을 기반으로 한 모델은 실제 환경에 쉽게 적용할 수 있는데, 이는 실제 환경도 훈련되는 다양한 시뮬레이션 환경 중 하나의 샘플로 간주되는 것에 기인한 것이다.
제1 생성부(120)는 랜덤 샘플링한 잡음 변수값들을 합성하여 시뮬레이션 환경의 잡음 데이터를 생성할 수 있다. 예를 들어, 제1 생성부(162-1)는 랜덤 샘플링한 SNR의 변수값 10[dB]와, 랜덤 샘플링한 잔향의 변수값 400[ms]와, 랜덤 샘플링한 클린 정보 대 노이즈 정보의 비율에 대한 변수값 0.4와, 램덤 샘플링한 배경 잡음의 변수값 4를 합성하여 임의의 시뮬레이션 환경의 잡음 데이터를 생성할 수 있다.
메모리(130)는 훈련 데이터 생성 장치(100)의 동작에 필요한 각종 정보를 저장할 수 있다. 본 실시 예에서 메모리(130)는 획득부(110)가 획득한 음향 데이터와, 시뮬레이션 잡음 생성용 정보 테이블과, 제1 생성부(120)가 생성한 시뮬레이션 환경의 잡음 데이터와, 후술할 제1 훈련 데이터 및 제2 훈련 데이터가 저장할 수 있다.
또한 메모리(130)는 훈련 데이터 생성 장치(100)가 실행할 명령어 예를 들어, 음향 데이터를 획득하는 명령어, 다수의 잡음 데이터를 생성하는 명령어, 훈련 데이터를 생성하는 명령어 등을 저장할 수 있다.
여기서, 메모리(130)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(130)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.
제2 생성부(140)는 제1 생성부(120)가 생성한 다수의 잡음 데이터와 획득부(110)가 획득한 제1 음성 데이터 및 제2 음성 데이터를 합성하여, 제1 훈련 데이터 및 제2 훈련 데이터를 생성할 수 있다. 여기서 제1 훈련 데이터는 다수의 간투어를 포함하고, 간투어를 포함하는 음성 데이터로 레이블링 될 수 있다. 또한 제2 훈련 데이터는 다수의 간투어를 포함하지 않고, 간투어를 포함하지 않는 음성 데이터로 레이블링 될 수 있다.
도 3은 본 실시 예에 따른 도 1의 훈련 데이터 생성 장치를 포함하는 간투어 검출기의 개략적인 블록도 이다. 이하의 설명에서 도 1 및 도 2에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 3을 참조하면, 간투어 검출기(200)는 훈련 데이터 생성 장치(100), 훈련 처리부(210), 메모리(220) 및 제어부(230)를 포함할 수 있다.
여기서, 훈련 데이터 생성 장치(100)에 대한 설명은 도 1 및 도 2에 개시되어 있으므로 생략하기로 한다. 본 실시 예에서 훈련 데이터 생성 장치(100)는 도 3에 도시된 바와 같이 간투어 검출기(200) 외부에 구비될 수도 있고, 간투어 검출기(200) 내부에 구비되어 간투어 검출기(200)처럼 동작할 수도 있다.
훈련 처리부(210)는 훈련 데이터 생성 장치(100)가 생성한 제1 훈련 데이터 및 제2 훈련 데이터를 이용하여 심층 신경망을 훈련시킬 수 있다. 심층 신경망을 훈련시키기 위해, 훈련 처리부(210)는 먼저, 제1 훈련 데이터 및 제2 훈련 데이터의 특징을 추출할 수 있다. 훈련 처리부(210)는 로그 멜 스펙트로그램(log-mel spectrogram) 알고리즘을 이용하여 제1 훈련 데이터 및 제2 훈련 데이터의 특징을 추출할 수 있다. 여기서, 로그 멜 스펙트로그램(log-mel spectrogram) 알고리즘은 소리의 특징을 추출하는 방법 중 하나로, 제1 훈련 데이터 및 제2 훈련 데이터 전체를 대상으로 하는 것이 아니라, 일정 구간(short time)씩 나누어서, 해당 구간에 대한 스펙트로그램을 분석하여 특징을 추출할 수 있다. 먼저, 입력 시간 도메인의 시뮬레이션 잡음이 포함된 음성 신호를 작은 크기 프레임(예를 들어, 20-40ms)으로 자른다. 다음에, 각 프레임에 대하여 파워 스펙트로그램의 파워 스펙트로그램(주파수)을 계산한다. 다음에, 파워 스펙트로그램에 Mel 필터 뱅크를 적용하고, 각 필터에 에너지를 합친다. 다음에, 모든 필터 뱅크 에너지에 로그(log)를 취한다.
훈련 처리부(210)는 추출한 특징 및 간투어 포함여부가 레이블링된 제1 훈련 데이터 및 제2 훈련 데이터를 입력으로 하여, 제1 훈련 데이터 및 제2 훈련 데이터의 분류를 수행할 수 있다. 여기서 훈련 처리부(210)는 CNN 알고리즘을 이용하여 상술한 분류를 수행할 수 있다.
훈련 처리부(210)는 분류의 결과로 생성한 추정값과 타겟값과의 차이를 나타내는 손실함수를 산출하고, 손실함수가 최소화되도록 가중치를 최적화할 수 있다. 여기서 훈련 처리부(210)는 가중치를 확률적 경사 하강(stochastic gradient descent)알고리즘을 이용하여 최적화할 수 있다. 확률적 경사 하강 알고리즘은, 전체 데이터를 이용하여 가중치를 업데이트 하는 것이 아니라, 데이터의 일부분만 가지고 업데이트 하는 것을 말할 수 있다. 이때 데이터의 일 부분을 미니 배치(Mini-Batch)라고 할 수 있다. 확률적 경사 하강 알고리즘은 전체 데이터의 크기에 대해서 O(1)의 계산 비용을 가지며, 암시적인 정규화 효과도 가지고 있어, 논-컨벡스 손실 함수(non-convex), 즉 국소 최적해(Local Minima)를 가지는 손실 함수에 적합하다는 장점이 있다.
본 실시 예에서 훈련 처리부(210)는 도 3에 도시된 바와 같이 제어부(230) 외부에 구비될 수도 있고, 제어부(230) 내부에 구비되어 제어부(230)처럼 동작할 수도 있다.
메모리(220)에는 상술한 심층 신경망의 훈련을 통하여, 실제 잡음이 포함된 음성 정보에 간투어가 포함되어 있는지 여부를 검출하는 간투어 검출 모델을 저장할 수 있다. 또한 메모리(220)는 간투어 검출기(200)의 동작에 필요한 각종 정보 및 제어 소프트웨어를 저장할 수 있다.
제어부(230)는 일종의 중앙처리장치로서 메모리(220)에 탑재된 제어 소프트웨어를 구동하여 간투어 검출기(200) 전체의 동작을 제어할 수 있다.
본 실시 예에서 제어부(230)는 메모리(220)에 저장된 간투어 검출 모델을 이용하여 실제 잡음이 포함된 음성 데이터에 간투어가 포함되어 있는지 여부를 검출할 수 있다.
여기서, 제어부(230)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'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, 본 발명의 범위가 이에 한정되는 것은 아니다.
본 실시 예에서 제어부(230)는 간투어 검출기(200)가 최적의 간투어 검출 결과를 출력하도록, 5G 통신 환경에서 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행할 수 있다.
여기서 인공 지능(artificial intelligence, AI)은, 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미할 수 있다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다.
본 실시 예에서 제어부(230)는 시뮬레이션 환경 및/또는 실제 환경에서 획득한 음성 데이터에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 메모리(220)는, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.
머신 러닝의 일종인 딥러닝(deep learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습할 수 있다. 딥러닝은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.
딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 본 실시 예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN, RNN, DBN 등을 포함할 수 있다. RNN은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다. DBN은 딥러닝 기법인 RBM(restricted boltzman machine)을 다층으로 쌓아 구성되는 딥러닝 구조를 포함할 수 있다. RBM 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN을 구성할 수 있다. CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출되는 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델을 포함할 수 있다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.
한편, 제어부(230)에는 인공신경망(artificial neural network)이 탑재될 수 있고, 획득한 발화 음성 및 영상 정보 중 하나 이상을 입력 데이터로 하는 머신 러닝 기반의 문장 생성을 수행할 수 있다.
제어부(230)는 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함될 수 있고, 심층신경망을 학습할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 제어부(230)는 설정에 따라 학습 후 인공신경망 구조를 업데이트시키도록 제어할 수 있다.
도 4는 본 실시 예에 따른 훈련 데이터 생성 장치, 간투어 검출기, 전자 디바이스 및 이들을 서로 연결하는 네트워크를 포함하는 간투어 검출 환경의 예시도이고, 도 5는 본 실시 예에 따른 훈련 데이터 생성 장치의 구현 예를 개략적으로 설명하기 위하여 도시한 도면이다. 이하의 설명에서 도 1 내지 도 3에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 4 및 도 5를 참고하면, 간투어 검출 환경은, 훈련 데이터 생성 장치(100)를 포함하는 간투어 검출기(200)와, 전자 디바이스(300) 및 네트워크(400)를 포함할 수 있다.
훈련 데이터 생성 장치(100)는 간투어가 포함된 제1 음성 데이터, 간투어가 포함되지 않은 제2 음성 데이터 및 잡음을 포함하는 음향 데이터를 획득하고, 음향 데이터에 기초하여 다수의 잡음 데이터를 생성하며, 다수의 잡음 데이터와 제1 음성 데이터 및 제2 음성 데이터를 합성하여, 다수의 간투어를 포함하는 제1 훈련 데이터 및 다수의 간투어를 포함하지 않는 제2 훈련 데이터를 생성할 수 있다.
간투어 검출기(200)는 훈련 데이터 생성 장치(100)가 생성한 제1 훈련 데이터 및 제2 훈련 데이터를 이용하여 심층 신경망을 훈련시켜 간투어 검출 모델을 생성할 수 있다. 간투어 검출기(200)는 간투어 검출 모델을 이용하여 실제 잡음이 포함된 음성 데이터에 간투어가 포함되어 있는지 여부를 검출할 수 있다.
본 실시 예에서 훈련 데이터 생성 장치(100)는 도 5에 도시된 바와 같이 간투어 검출기(200) 내부에 구비되고, 간투어 검출기(200)는 전자 디바이스(300) 내부에 구비되어, 전자 디바이스(300)가 간투어 검출기(200)처럼 동작할 수 있다. 즉 전자 디바이스(300)는 실제 잡음이 포함된 음성 데이터를 획득하고, 내부에 구비된 간투어 검출 모델을 이용하여 실제 잡음이 포함된 음성 데이터에 간투어가 포함되어 있는지 여부를 검출할 수 있다. 이러한 전자 디바이스(300)는 음성 획득 및 음성 출력이 가능하고, 획득한 음성에 대한 음성 인식 처리를 수행하고 그 결과를 피드백하는 음성 인식 기능을 탑재할 수 있다.
전자 디바이스(300)는 사용자 단말기(301), 전자 다른 전자 디바이스들을 네트워크(400)에 연결시키는 허브 역할을 하는 인공지능 스피커(302), TV(303), 로봇 청소기(304), 에어컨(305), 냉장고(306), 세탁기(307), 전자 레인지(308)와 같은 가전 디바이스, 공공 장소나 상업 공간에 설치되는 디스플레이 기기로서 사이니지(signage, 309), 가정에 구비되어 사용자와 시선, 감정표현, 스킨십 등 감성적 교감으로 소통하는 제1 커뮤니케이션 로봇(310), 공공 장소(예를 들어, 공항, 병원, 회사 등) 내에서 순찰, 안내, 청소, 방역, 운반 등의 역할을 수행하는 제2 커뮤니케이션 로봇(311), 자동차(312) 등 사물인터넷(IoT)에 해당하는 각종 디바이스를 포함할 수 있다. 다만, 전자 디바이스(300)의 예가 도 4에 묘사된 것에 한정되는 것은 아니다.
이러한 전자 디바이스(300) 중 사용자 단말기(301)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, MP4 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 사용자 단말기(301)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말기(301)는 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
네트워크(400)는 훈련 데이터 생성 장치(100)와, 간투어 검출기(200)와, 전자 디바이스(300)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(400)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(400)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(400)는 허브, 브리지, 라우터, 스위치와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(400)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(400)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(400)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 6은 본 실시 예에 따른 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법을 설명하기 위한 흐름도이다. 이하의 설명에서 도 1 내지 도 5에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
S610단계에서, 훈련 데이터 생성 장치(100)는 제1 음성 데이터와, 제2 음성 데이터와 잡음을 포함하는 음향 데이터를 획득한다.
여기서 제1 음성 데이터는 간투어가 포함된 음성 데이터로서, 제1 음성 데이터는 간투어를 포함하는 음성 데이터로 레이블링 될 수 있다. 또한, 제1 음성 데이터는 간투어가 포함되지 않은 음성 데이터로서, 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 될 수 있다. 또한, 잡음은 화이트 노이즈, 무음, 의미 없는 소리 등을 포함할 수 있다. 본 실시 예에서 제1 음성 데이터 및 제2 음성 데이터는 잡음이 합성되지 않은 클린(clean) 데이터일 수 있다.
S620단계에서, 훈련 데이터 생성 장치(100)는 음향 데이터에 기초하여 다수의 잡음 데이터를 생성한다.
훈련 데이터 생성 장치(100)는 시뮬레이션 잡음 생성용 정보 테이블을 이용하여, 임의의 시뮬레이션 잡음 환경을 구축하는데 필요한 하나 이상의 잡음 변수의 종류를 설정하고, 설정한 하나 이상의 잡음 변수의 종류에 대한 레인지를 설정할 수 있다. 훈련 데이터 생성 장치(100)는 잡음 변수의 종류에 대한 레인지를 설정할 때, 실제 잡음 환경에서 추출한 실제 잡음 샘플의 분석 결과를 기반으로 하여 레인지를 설정할 수 있다. 훈련 데이터 생성 장치(100)는 설정한 잡음 변수의 레인지 중에서 임의의 잡음 변수값을 랜덤 샘플링할 수 있다. 훈련 데이터 생성 장치(100)는 잡음 변수의 레인지에 대한 상위값과 하위값 사이에서 기설정된 인터벌(interval)을 가진 균등분포(uniform distribution)에 따라 잡음 변수값을 랜덤 샘플링 할 수 있다. 여기서, 기설정된 인터벌 내에 실제 잡음 환경의 잡음 변수값이 포함될 수 있다. 훈련 데이터 생성 장치(100)는 랜덤 샘플링한 잡음 변수값들을 합성하여 시뮬레이션 환경의 잡음 데이터를 생성할 수 있다.
S630단계에서, 훈련 데이터 생성 장치(100)는 생성한 다수의 잡음 데이터와 획득한 제1 음성 데이터 및 제2 음성 데이터를 합성하여, 제1 훈련 데이터 및 제2 훈련 데이터를 생성한다.
여기서 제1 훈련 데이터는 다수의 간투어를 포함하고, 간투어를 포함하는 음성 데이터로 레이블링 될 수 있다. 또한 제2 훈련 데이터는 다수의 간투어를 포함하지 않고, 간투어를 포함하지 않는 음성 데이터로 레이블링 될 수 있다.
이상 설명된 본 발명에 따른 실시 예는 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 특허청구범위 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 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 훈련 데이터 생성 장치
200: 간투어 검출기
300: 전자 디바이스
400: 네트워크

Claims (15)

  1. 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법으로서,
    간투어가 포함된 제1 음성 데이터와, 간투어가 포함되지 않은 제2 음성 데이터 및 잡음을 포함하는 음향 데이터를 획득하는 단계-상기 제1 음성 데이터는 간투어를 포함하는 음성 데이터로 레이블링 되고, 상기 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 되어 있음-;
    상기 음향 데이터에 기초하여 다수의 잡음 데이터를 생성하는 단계; 및
    상기 다수의 잡음 데이터와 상기 제1 음성 데이터 및 상기 제2 음성 데이터를 합성하여, 다수의 간투어를 포함하는 제1 훈련 데이터 및 다수의 간투어를 포함하지 않는 제2 훈련 데이터를 생성하는 단계-상기 제1 훈련 데이터는 간투어를 포함하는 음성 데이터로 레이블링 되고, 상기 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 됨-를 포함하는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법.
  2. 제 1 항에 있어서,
    상기 음향 데이터를 획득하는 단계는,
    상기 제1 음성 데이터 및 상기 제2 음성 데이터에 대하여 잡음이 합성되지 않은 클린(clean) 데이터로 획득하는 단계를 포함하는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법.
  3. 제 1 항에 있어서,
    상기 제1 훈련 데이터 및 상기 제2 훈련 데이터는,
    도메인 임의 추출(domain randomization) 알고리즘을 이용하여 생성하는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법.
  4. 제 3 항에 있어서,
    상기 잡음 데이터를 생성하는 단계는,
    시뮬레이션 잡음 환경을 구축하는데 필요한 하나 이상의 잡음 변수의 종류를 설정하는 단계;
    상기 하나 이상의 잡음 변수의 종류에 대한 레인지를 설정하는 단계;
    설정한 상기 잡음 변수의 레인지 중 임의의 잡음 변수값을 랜덤 샘플링하는 단계; 및
    램덤 샘플링한 상기 잡음 변수값을 합성하여 상기 잡음 데이터를 생성하는 단계를 포함하는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법.
  5. 제 4 항에 있어서,
    상기 잡음 변수의 종류에 대한 레인지를 설정하는 단계는,
    실제 잡음 환경에서 추출한 실제 잡음 샘플의 분석 결과를 기반으로 하여 레인지를 설정하는 단계를 포함하는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법.
  6. 제 4 항에 있어서,
    상기 랜덤 샘플링하는 단계는,
    상기 잡음 변수의 레인지에 대한 상위값과 하위값 사이에서 기설정된 인터벌(interval)을 가진 균등분포(uniform distribution)에 따라 잡음 변수값을 랜덤 샘플링하는 단계를 포함하는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법.
  7. 제 6 항에 있어서,
    상기 인터벌 내에 실제 잡음 환경의 잡음 변수값이 포함되는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법.
  8. 컴퓨터를 이용하여 제 1 항 내지 제 7 항의 방법 중 어느 한 항의 방법을 실행시키기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체.
  9. 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치로서,
    간투어가 포함된 제1 음성 데이터와, 간투어가 포함되지 않은 제2 음성 데이터 및 잡음을 포함하는 음향 데이터를 획득하는 획득부-상기 제1 음성 데이터는 간투어를 포함하는 음성 데이터로 레이블링 되고, 상기 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 되어 있음-;
    상기 음향 데이터에 기초하여 다수의 잡음 데이터를 생성하는 제1 생성부; 및
    상기 다수의 잡음 데이터와 상기 제1 음성 데이터 및 상기 제2 음성 데이터를 합성하여, 다수의 간투어를 포함하는 제1 훈련 데이터 및 다수의 간투어를 포함하지 않는 제2 훈련 데이터를 생성하는 제2 생성부-상기 제1 훈련 데이터는 간투어를 포함하는 음성 데이터로 레이블링 되고, 상기 제2 음성 데이터는 간투어를 포함하지 않는 음성 데이터로 레이블링 됨-를 포함하는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치.
  10. 제 9 항에 있어서,
    상기 획득부는,
    상기 제1 음성 데이터 및 상기 제2 음성 데이터에 대하여 잡음이 합성되지 않은 클린(clean) 데이터로 획득하도록 구성되는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치.
  11. 제 9 항에 있어서,
    상기 제1 훈련 데이터 및 상기 제2 훈련 데이터는,
    도메인 임의 추출(domain randomization) 알고리즘을 이용하여 생성하는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치.
  12. 제 11 항에 있어서,
    상기 제1 생성부는,
    시뮬레이션 잡음 환경을 구축하는데 필요한 하나 이상의 잡음 변수의 종류를 설정하고,
    상기 하나 이상의 잡음 변수의 종류에 대한 레인지를 설정하고,
    설정한 상기 잡음 변수의 레인지 중 임의의 잡음 변수값을 랜덤 샘플링하며,
    램덤 샘플링한 상기 잡음 변수값을 합성하여 상기 잡음 데이터를 생성하도록 구성되는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치.
  13. 제 12 항에 있어서,
    상기 제1 생성부는,
    상기 잡음 변수의 종류에 대한 레인지를 설정 시에, 실제 잡음 환경에서 추출한 실제 잡음 샘플의 분석 결과를 기반으로 하여 레인지를 설정하도록 구성되는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치.
  14. 제 12 항에 있어서,
    상기 제1 생성부는,
    상기 잡음 변수값을 랜덤 샘플링 시에, 상기 잡음 변수의 레인지에 대한 상위값과 하위값 사이에서 기설정된 인터벌(interval)을 가진 균등분포(uniform distribution)에 따라 잡음 변수값을 랜덤 샘플링하도록 구성되는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치.
  15. 제 14 항에 있어서,
    상기 제1 생성부는,
    상기 인터벌 내에 실제 잡음 환경의 잡음 변수값이 포함되도록 구성되는,
    간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 장치.
KR1020190169887A 2019-12-18 2019-12-18 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법 및 장치 KR20210078133A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190169887A KR20210078133A (ko) 2019-12-18 2019-12-18 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법 및 장치
US16/809,443 US11217270B2 (en) 2019-12-18 2020-03-04 Training data generating method for training filled pause detecting model and device therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190169887A KR20210078133A (ko) 2019-12-18 2019-12-18 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20210078133A true KR20210078133A (ko) 2021-06-28

Family

ID=76438325

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190169887A KR20210078133A (ko) 2019-12-18 2019-12-18 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법 및 장치

Country Status (2)

Country Link
US (1) US11217270B2 (ko)
KR (1) KR20210078133A (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023552090A (ja) * 2020-11-20 2023-12-14 ザ トラスティーズ オブ コロンビア ユニバーシティ イン ザ シティー オブ ニューヨーク 連邦政府が後援する研究に関する音声ノイズ除去の声明のためのニューラルネットワークベースの手法
CN114710325B (zh) * 2022-03-17 2023-09-15 广州杰赛科技股份有限公司 网络入侵检测模型的构建方法、装置、设备及存储介质
CN114863424A (zh) * 2022-05-07 2022-08-05 天津优海云图科技有限公司 一种用于方便面瑕疵检测的分类数据集构建方法
CN117524318B (zh) * 2024-01-05 2024-03-22 深圳新合睿恩生物医疗科技有限公司 新抗原异质数据整合方法及装置、设备、存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69432570T2 (de) * 1993-03-25 2004-03-04 British Telecommunications P.L.C. Spracherkennung
US7076422B2 (en) * 2003-03-13 2006-07-11 Microsoft Corporation Modelling and processing filled pauses and noises in speech recognition
US8244523B1 (en) * 2009-04-08 2012-08-14 Rockwell Collins, Inc. Systems and methods for noise reduction
US9576593B2 (en) * 2012-03-15 2017-02-21 Regents Of The University Of Minnesota Automated verbal fluency assessment

Also Published As

Publication number Publication date
US11217270B2 (en) 2022-01-04
US20210193175A1 (en) 2021-06-24

Similar Documents

Publication Publication Date Title
JP7023934B2 (ja) 音声認識方法及び装置
US10176811B2 (en) Neural network-based voiceprint information extraction method and apparatus
US10957309B2 (en) Neural network method and apparatus
CN106688034B (zh) 具有情感内容的文字至语音转换
EP3113176B1 (en) Speech recognition
CN110546656B (zh) 前馈生成式神经网络
KR20210078133A (ko) 간투어 검출 모델을 훈련시키기 위한 훈련 데이터 생성 방법 및 장치
US11862176B2 (en) Reverberation compensation for far-field speaker recognition
CN104538024B (zh) 语音合成方法、装置及设备
JP7475423B2 (ja) ビデオからの同期した音声生成
KR20200119377A (ko) 화자 식별 뉴럴 네트워크를 구현하는 방법 및 장치
US11893813B2 (en) Electronic device and control method therefor
KR102449840B1 (ko) 사용자 적응적인 음성 인식 방법 및 장치
US11443735B2 (en) Method for generating filled pause detecting model corresponding to new domain and device therefor
CN114913859B (zh) 声纹识别方法、装置、电子设备和存储介质
Yu et al. Hidden Markov models and the variants
CN116959464A (zh) 音频生成网络的训练方法、音频生成方法以及装置
KR102663654B1 (ko) 적응형 시각적 스피치 인식
US20230076239A1 (en) Method and device for synthesizing multi-speaker speech using artificial neural network
Wang et al. Hellonpu: A corpus for small-footprint wake-up word detection research
US20230081543A1 (en) Method for synthetizing speech and electronic device
Huy et al. Adversarial Attacks in Some Recognition Models for Vietnamese Speech Classification
Wang A System of English Spoken Pronunciation Learning Based on Speech Recognition and Mobile Phone Platform
Tiwari et al. Isolated spoken word recognition using packed-MFCC on padded-voice signal for unscripted languages
KR20210094727A (ko) 전자 장치 및 이의 제어 방법

Legal Events

Date Code Title Description
A201 Request for examination