KR20210155866A - 화자가 표지된 텍스트 생성 방법 - Google Patents

화자가 표지된 텍스트 생성 방법 Download PDF

Info

Publication number
KR20210155866A
KR20210155866A KR1020200073155A KR20200073155A KR20210155866A KR 20210155866 A KR20210155866 A KR 20210155866A KR 1020200073155 A KR1020200073155 A KR 1020200073155A KR 20200073155 A KR20200073155 A KR 20200073155A KR 20210155866 A KR20210155866 A KR 20210155866A
Authority
KR
South Korea
Prior art keywords
speaker
text
interface
texts
voice data
Prior art date
Application number
KR1020200073155A
Other languages
English (en)
Other versions
KR102377038B1 (ko
Inventor
원정상
김희연
임희관
최문희
남승민
유태준
최홍섭
Original Assignee
주식회사 마인즈랩
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 주식회사 마인즈랩 filed Critical 주식회사 마인즈랩
Priority to KR1020200073155A priority Critical patent/KR102377038B1/ko
Priority to PCT/KR2020/012416 priority patent/WO2021256614A1/ko
Priority to EP20800774.0A priority patent/EP3951775A4/en
Priority to US17/405,722 priority patent/US20210390958A1/en
Publication of KR20210155866A publication Critical patent/KR20210155866A/ko
Priority to KR1020220032895A priority patent/KR20220040445A/ko
Application granted granted Critical
Publication of KR102377038B1 publication Critical patent/KR102377038B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04842—Selection of displayed objects or displayed text elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/169—Annotation, e.g. comment data or footnotes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/1813—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast for computer conferences, e.g. chat rooms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/14—Systems for two-way working
    • H04N7/15—Conference systems

Abstract

본 발명의 일 실시예에 따른 적어도 둘 이상의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 생성하는 방법은, 상기 음성 데이터를 텍스트로 변환하여 제1 텍스트를 생성하는 단계; 상기 제1 텍스트를 소정의 단위로 구분한 하나 이상의 제2 텍스트 각각의 화자를 결정하는 단계; 및 상기 하나 이상의 제2 텍스트와 각각의 화자를 표시하는 편집 인터페이스를 제공하는 단계;를 포함할 수 있다.

Description

화자가 표지된 텍스트 생성 방법{Method for generating speaker-labeled text}
본 발명은 적어도 둘 이상의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 생성하는 방법에 관한 것이다.
IT 기술의 발달에 따라 최근 많은 분야에서 음성 인식 기술이 적용되고 있다. 음성 인식 기술은 정보처리장치가 인간의 음성을 이해하여 정보처리장치가 처리할 수 있는 데이터로 변환하는 일련의 과정을 의미한다.
음성 인식 기술이 인간의 음성을 텍스트로 변환하는 장치에 적용될 경우에는 일반적으로 음성 인식 결과는 텍스트의 형태로 사용자에게 제공된다.
그러나 종래 기술에 따를 경우, 복수 화자의 목소리가 구분됨이 없이 모두 텍스트로만 변환되기에, 사용자가 텍스트로 변환된 일련의 문자열을 소정의 단위로 구분하고, 구분된 단위 문자열의 화자를 개별적으로 입력해야 하는 불편함이 있었다.
본 발명의 상술한 문제점을 해결하기 위한 것으로, 사용자의 개입 없이 적어도 둘 이상의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 생성하고자 한다.
또한 본 발명은 화자가 표지된 텍스트를 사용자가 보다 편리하게 검토하거나 수정할 수 있는 형태로 사용자에게 제공하고자 한다.
또한 본 발명은 정보처리장치에 의해 결정된 화자를 사용자가 손쉽게 변경할 수 있도록 하고자 한다.
또한 본 발명은 복수의 음성 데이터로부터 생성된 텍스트 데이터를 체계적으로 관리할 수 있도록 하고자 한다.
또한 본 발명은 실시간으로 획득되는 음성 데이터뿐만 아니라, 미리 획득되어 저장된 음성 데이터나 영상 데이터로부터 텍스트 데이터를 생성할 수 있도록 하고자 한다.
본 발명의 일 실시예에 따른 적어도 둘 이상의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 생성하는 방법은, 상기 음성 데이터를 텍스트로 변환하여 제1 텍스트를 생성하는 단계; 상기 제1 텍스트를 소정의 단위로 구분한 하나 이상의 제2 텍스트 각각의 화자를 결정하는 단계; 및 상기 하나 이상의 제2 텍스트와 각각의 화자를 표시하는 편집 인터페이스를 제공하는 단계;를 포함할 수 있다.
상기 제2 텍스트 각각의 화자를 결정하는 단계는 상기 하나 이상의 제2 텍스트 각각에 대응되는 음성 데이터의 음성 특성에 기초하여 상기 하나 이상의 제2 텍스트 각각의 화자를 결정하는 단계;를 포함할 수 있다.
상기 제2 텍스트 각각의 화자를 결정하는 단계는 상기 하나 이상의 제2 텍스트의 각각의 내용 및 상기 하나 이상의 제2 텍스트 각각에 선행하거나 후행하는 제2 텍스트의 내용에 기초하여 상기 하나 이상의 제2 텍스트 각각의 화자를 결정하는 단계;를 포함할 수 있다.
상기 편집 인터페이스는 상기 화자를 결정하는 단계에서 식별된 화자를 나열하여 표시하고, 나열된 화자의 화자명을 입력하거나 선택하기 위한 화자명 입력 인터페이스 및 상기 하나 이상의 제2 텍스트와 상기 화자명을 대응시켜 표시하는 텍스트 표시 인터페이스를 포함할 수 있다.
상기 편집 인터페이스는 상기 음성 데이터에 대한 정보를 표시하는 음성 데이터 정보 표시 인터페이스를 더 포함하고, 상기 음성 데이터 정보 표시 인터페이스는 상기 음성 데이터의 제목, 상기 음성 데이터의 획득 장소, 상기 음성 데이터가 획득된 시간 및 상기 음성 데이터에 음성이 포함된 적어도 둘 이상의 화자의 화자명 각각을 표시하고, 표시된 항목들을 수정하거나 입력하기 위한 인터페이스를 포함할 수 있다.
상기 화자명 입력 인터페이스는 상기 식별된 화자 각각에 대한 적어도 하나의 후보 화자명을 제공하고, 선택된 후보 화자명을 해당 화자의 화자명으로 결정하고, 상기 적어도 하나의 후보 화자명은 상기 음성 데이터 정보 표시 인터페이스에 입력된 화자명 중 적어도 일부일 수 있다.
상기 텍스트 표시 인터페이스는 상기 화자명 입력 인터페이스에서 결정된 화자명을 참조하여 상기 하나 이상의 제2 텍스트와 상기 화자명을 대응시켜 표시하되, 상기 하나 이상의 제2 텍스트 각각에 대해 표시된 화자명에 대한 수정 입력에 따라 하나 이상의 후보 화자명을 추가로 제공하고, 상기 하나 이상의 후보 화자명은 상기 음성 데이터 정보 표시 인터페이스에 입력된 화자명 중 적어도 일부일 수 있다.
상기 텍스트 표시 인터페이스는 소정의 조건에 따라 상기 하나 이상의 제2 텍스트를 나열하여 표시할 수 있다.
이때 상기 소정의 조건은 화자의 변경에 따라 상기 하나 이상의 제2 텍스트의 표시 방식을 구분하여 표시하는 조건이고, 상기 텍스트 표시 인터페이스는 상기 하나 이상의 제2 텍스트를 시간의 흐름에 따라 나열하여 표시하되, 화자가 변경되는 시점 전후의 제2 텍스트를 서로 상이한 표시 방식에 따라 표시할 수 있다.
상기 소정의 조건은 상기 하나 이상의 제2 텍스트 중 선택된 화자로 표지된 제2 텍스트 만을 표시하는 조건이고, 상기 텍스트 표시 인터페이스는 상기 하나 이상의 제2 텍스트를 시간의 흐름에 따라 나열하여 표시하되, 상기 선택된 화자로 표지된 제2 텍스트를 제1 표시 방식으로 표시하고, 나머지 화자로 표지된 제2 텍스트를 제2 표시 방식으로 표시할 수 있다.
상기 편집 인터페이스는 적어도 하나의 제2 텍스트와 대응되는 개체들이 시간의 흐름에 따라 배열된 텍스트 블록 맵이 표시되는 네비게이터 인터페이스를 포함할 수 있다.
상기 네비게이터 인터페이스는 상기 텍스트 블록 맵을 표시함에 있어서, 동일한 화자의 연속되는 제2 텍스트를 하나의 개체로써 표시하고, 서로 다른 화자의 개체를 서로 다른 표시 형식으로 표시할 수 있다.
하나 이상의 제2 텍스트와 화자명을 대응시켜 표시하는 텍스트 표시 인터페이스에는 상기 텍스트 블록 맵 상의 상기 개체들 중 어느 하나의 개체의 선택에 따라 상기 선택된 개체와 대응되는 제2 텍스트가 표시될 수 있다.
본 발명의 일 실시예에 따른 적어도 둘 이상의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 생성하는 방법은, 상기 편집 인터페이스에서 편집된 하나 이상의 제2 텍스트를 포함하는 텍스트 데이터를 제공하는 단계;를 더 포함할 수 있다.
본 발명에 따르면 사용자의 개입 없이 적어도 둘 이상의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 생성할 수 있다.
또한 화자가 표지된 텍스트를 사용자가 보다 편리하게 검토하거나 수정할 수 있는 형태로 사용자에게 제공할 수 있다.
또한 정보처리장치에 의해 결정된 화자를 사용자가 손쉽게 변경할 수 있도록 할 수 있다.
또한 복수의 음성 데이터로부터 생성된 텍스트 데이터를 체계적으로 관리할 수 있도록 한다.
또한 실시간으로 획득되는 음성 데이터뿐만 아니라, 미리 획득되어 저장된 음성 데이터나 영상 데이터로부터 텍스트 데이터를 생성할 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 화자가 표지된 텍스트 생성 시스템의 구성을 개략적으로 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 서버(100)에 구비되는 텍스트 생성 장치(110)의 구성을 개략적으로 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 사용자 단말(200)에 텍스트 관리 인터페이스가 표시된 화면(400)을 도시한 도면이다.
도 4는 본 사용자가 도 3의 메뉴 인터페이스(410)에서 "실시간 녹음" 개체에 대한 입력을 수행하였을 경우 표시되는 화면(500)을 도시한 도면이다.
도 5는 텍스트 데이터 열람 인터페이스가 표시된 화면(600)을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 편집 인터페이스가 표시된 화면(700)을 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 네비게이터 인터페이스(810)가 표시된 화면(800)을 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 텍스트 생성 장치(110)의 제어부(112)에 의해 수행되는 화자가 표지된 텍스트 생성 방법을 설명하기 위한 흐름도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다. 이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다. 도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 형태는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
도 1은 본 발명의 일 실시예에 따른 화자가 표지된 텍스트 생성 시스템의 구성을 개략적으로 도시한 도면이다.
본 발명의 일 실시예에 따른 화자가 표지된 텍스트 생성 시스템은 적어도 둘 이상의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 생성할 수 있다. 가령 본 발명의 일 실시예에 따른 화자가 표지된 텍스트 생성 시스템은 실시간으로 획득되는 음성 데이터로부터 화자가 표지된 텍스트를 생성할 수도 있고, 사용자가 제공한 영상 데이터 또는 음성 데이터로부터 화자가 표지된 텍스트를 생성할 수도 있다.
이와 같은 화자가 표지된 텍스트 생성 시스템은 도 1에 도시된 바와 같이 서버(100), 사용자 단말(200) 및 통신망(300)을 포함할 수 있다.
본 발명에서 적어도 둘 이상의 화자의 음성을 포함하는 '음성 데이터'는 적어도 둘 이상의 화자의 목소리가 녹음된 데이터를 의미할 수 있다. 가령 이와 같은 음성 데이터는 다화자 간의 회의를 녹음한 데이터를 의미할 수도 있고, 특정 인물의 연설, 발표 등을 녹화하거나 녹음한 데이터를 의미할 수도 있다.
한편 본 발명에서 '화자가 표지된 텍스트'는 화자에 대한 정보를 포함하는 텍스트를 의미할 수 있다. 가령 음성 데이터가 두 명의 화자 간의 대화를 녹음한 데이터인 경우, 이로부터 생성되는 화자가 표지된 텍스트는 두 명의 화자의 대화 내용을 시계열적으로 작성한 텍스트로, 각 문장 별로 또는 소정의 단위로 화자에 대한 정보가 기록된 텍스트를 의미할 수 있다.
본 발명의 일 실시예에 따른 사용자 단말(200)은 서버(100)에 의해 제공되는 다양한 서비스를 이용할 수 있도록 사용자와 서버(100)를 매개하는 다양한 형태의 정보처리 장치를 의미할 수 있다. 가령 사용자 단말(200)은 서버(100)로부터 음성 데이터를 입력하기 위한 인터페이스를 수신하여 사용자에게 제공하고, 그에 대한 사용자의 입력을 획득하여 서버(100)로 전송할 수 있다.
이와 같은 단말(200)은 가령 도 1에 도시된 바와 같이 휴대용 단말(201, 202, 203)을 의미할 수도 있고, 컴퓨터(204)를 의미할 수도 있다. 다만 이와 같은 단말의 형태는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니며, 사용자에게 콘텐츠를 제공하고 그에 대한 사용자의 입력을 수용할 수 있는 수단은 본 발명의 단말(200)에 해당할 수 있다.
본 발명의 일 실시예에 따른 단말(200)은 상술한 기능을 수행하기 위해 콘텐츠 등을 표시하기 위한 표시수단, 이러한 콘텐츠에 대한 사용자의 입력을 획득하기 위한 입력수단을 구비할 수 있다. 이 때 입력수단 및 표시수단은 다양하게 구성될 수 있다. 가령 입력수단은 키보드, 마우스, 트랙볼, 마이크, 버튼, 터치패널 등을 포함할 수 있으나 이에 한정되지 않는다.
본 발명의 일 실시예에서 사용자는 단수일 수도 있고 복수일 수도 있다. 따라서 사용자 단말(200)도 복수일 수도 있고 단수일 수도 있다. 도 1에는 사용자 단말(200)이 단수인 것으로 도시되었으나, 이는 설명의 편의를 위한 것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
음성 데이터가 실시간으로 획득되는 실시예에서 사용자 단말(200)은 단수일 수 있다. 가령 3명이 회의에 참석하여 대화를 하고 있는 상황에서 첫 번째 사용자의 사용자 단말은 실시간으로 음성 데이터를 획득하여 서버(100)로 전송할 수 있다. 서버(100)는 첫 번째 사용자의 사용자 단말로부터 수신된 음성 데이터에 기초하여 화자가 표지된 텍스트를 생성할 수 있다.
음성 데이터가 실시간으로 획득되는 실시예에서 사용자 단말(200)은 복수일 수도 있다. 가령 전술한 예시에서와 마찬가지로 3명이 회의에 참석하여 대화를 하고 있는 상황에서, 세 명의 사용자 단말 모두가 실시간으로 음성 데이터를 획득하여 서버(100)로 전송할 수 있다. 이러한 경우 서버(100)는 세 개의 사용자 단말로부터 수신된 음성 데이터를 이용하여 화자가 표지된 텍스트를 생성할 수도 있다. 이때 서버(100)는 세 개의 사용자 단말로부터 수신된 음성 데이터 내에서 개별 화자의 음성의 음량을 비교하여 개별 텍스트의 화자를 결정할 수도 있다.
본 발명의 일 실시예에 따른 통신망(300)은 시스템의 각 구성 간에 데이터가 송수신 될 수 있는 경로를 제공할 수 있다. 이와 같은 통신망(300)은 가령 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.
본 발명의 일 실시예에 따른 서버(100)는 사용자 단말(200)로부터 수신된 음성 데이터로부터 화자가 표지된 텍스트를 생성할 수 있다.
도 2는 본 발명의 일 실시예에 따른 서버(100)에 구비되는 텍스트 생성 장치(110)의 구성을 개략적으로 도시한 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 텍스트 생성 장치(110)는 통신부(111), 제어부(112) 및 메모리(113)를 포함할 수 있다. 또한 도면에는 도시되지 않았으나, 본 실시예에 따른 텍스트 생성 장치(110)는 입/출력부, 프로그램 저장부 등을 더 포함할 수 있다.
통신부(111)는 텍스트 생성 장치(110)가 단말(200)과 같은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
제어부(112)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.
메모리(113)는 텍스트 생성 장치(110)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 메모리는 자기 저장 매체(Magnetic Storage Media) 또는 플래시 저장 매체(Flash Storage Media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 가령 메모리(113)는 학습된 인공 신경망을 구성하는 파라미터 및/또는 가중치들을 일시적 및/또는 영구적으로 저장할 수 있다.
이하에서는 도 3 내지 도 7에 도시된 예시적인 화면(400, 500, 600, 700, 800)과 도 8에 도시된 흐름도를 함께 참조하여 텍스트 생성 장치(110)의 제어부(112)에 의해 수행되는 화자가 표지된 텍스트 생성 방법을 설명한다.
도 3은 본 발명의 일 실시예에 따른 사용자 단말(200)에 텍스트 관리 인터페이스가 표시된 화면(400)을 도시한 도면이다.
도 3을 참조하면, 텍스트 관리 인터페이스는 메뉴 인터페이스(410) 및 선택된 메뉴에 따른 세부 항목이 제공되는 표시 인터페이스(420)를 포함할 수 있다.
사용자는 메뉴 인터페이스(410)에서 개체(411)에 대한 입력을 수행하여 도 3에 도시된 바와 같이 표시 인터페이스(420)에 기 생성된 텍스트 데이터들의 현황이 표시되도록 할 수 있다. 이때 개별 텍스트 데이터의 현황으로써, 순번, 텍스트 데이터의 명칭, 음성 데이터의 생성 위치, 작성자, 작성 일시, 텍스트 데이터의 작성 완료 여부 및 텍스트 데이터의 다운로드를 위한 개체 등이 포함될 수 있다. 다만 상술한 항목들은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니며, 텍스트 데이터에 관한 정보를 나타내는 항목이면 개별 텍스트 데이터의 현황으로써 제한 없이 사용될 수 있다.
한편 사용자는 메뉴 인터페이스(410)에서 개체(412)에 대한 입력을 수행하여 제어부(112)가 음성 데이터로부터 텍스트 데이터를 생성하도록 할 수 있다.
가령 사용자는 "실시간 녹음" 개체에 대한 입력을 수행하여 실시간으로 획득되는 음성 데이터로부터 텍스트 데이터가 생성되도록 할 수 있다.
또한 "동영상 회의록 작성" 개체에 대한 입력을 수행하여 실시간으로 획득되거나 또는 미리 획득되어 저장된 영상 데이터로부터 텍스트 데이터가 생성되도록 할 수도 있다.
물론 "음성 회의록 작성" 개체에 대한 입력을 수행하여 실시간으로 획득되거나 또는 미리 획득되어 저장된 음성 데이터로부터 텍스트 데이터가 생성되도록 할 수도 있다.
도 4는 사용자가 도 3의 메뉴 인터페이스(410)에서 "실시간 녹음" 개체에 대한 입력을 수행하였을 경우 표시되는 화면(500)을 도시한 도면이다.
사용자의 "실시간 녹음"개체에 대한 입력에 따라, 제어부(112)는 실시간으로 음성 데이터 정보 획득 인터페이스(510)가 표시 인터페이스(420)에 표시되도록 할 수 있다. 이때 음성 데이터 정보 획득 인터페이스(510)는 획득되는 음성에 대한 정보를 획득하기 위한 것으로, 예를 들어 회의와 관련된 항목들 각각의 입력을 위한 인터페이스를 포함할 수 있다.
사용자는 회의 참석자를 입력하기 위한 인터페이스(511)에 참석자명을 입력하여 이후 제어부(112)가 음성 데이터로부터 식별된 화자의 명칭을 결정하는데 사용하도록 할 수 있다. 이에 대한 상세한 설명은 후술한다.
본 발명의 일 실시예에 따른 제어부(112)는 사용자의 텍스트 생성 요청을 획득(또는 수신)함에 따라 음성 데이터를 텍스트로 변환하여 제1 텍스트를 생성할 수 있다.(S810)
가령 사용자 단말(200)로부터 실시간으로 녹음되고 있는 음성 데이터가 수신되는 경우, 제어부(112)는 실시간으로 제1 텍스트를 생성할 수 있다. 선택적 실시예에서, 제어부(112)는 실시간으로 전송되는 음성 데이터의 적어도 일부를 누적하여 저장하고, 누적하여 저장된 음성 데이터로부터 제1 텍스트를 생성할 수도 있다.
물론 제어부(112)는 영상 파일 또는 음성 파일 형태로 음성 데이터를 사용자 단말(200)로부터 수신하여, 수신된 파일로부터 제1 텍스트를 생성할 수도 있다.
선택적 실시예에서, 제어부(112)는 동일한 내용을 포함하는(즉 동일한 공간의 동일한 시간대에서 서로 다른 위치에서 획득된) 복수개의 음성 데이터를 수신하고, 수신된 음성 데이터 중 적어도 하나를 이용하여 제1 텍스트를 생성할 수도 있다.
선택적 실시예에서, 제어부(112)는 제1 텍스트를 생성함에 있어서 사용자가 미리 입력한 사용자 치환 사전을 참조하여 제1 텍스트를 생성할 수 있다. 가령 사용자는 도 3의 메뉴 인터페이스(410)에서 "사용자 치환 사전" 개체에 대한 입력을 수행하여 사용자 치환 사전을 생성할 수 있다.
사용자는 텍스트 데이터의 생성에 있어서 용어의 일치 등의 목적을 위해서 사용자 치환 사전을 미리 입력해 놓을 수 있다. 가령 사용자는 "머신러닝", "딥러닝", "기계학습"과 같은 텍스트를 모두 "인공지능"으로 수정하고자 하는 경우, 각 단어를 "인공지능"으로 수정할 것을 미리 입력해 놓을 수 있다.
본 발명의 일 실시예에 따른 제어부(112)는 단계 S810에서 생성된 제1 텍스트로부터 하나 이상의 제2 텍스트를 생성하고, 생성된 하나 이상의 제2 텍스트 각각의 화자를 결정할 수 있다.(S820)
먼저 본 발명의 일 실시예에 따른 제어부(112)는 단계 S810에서 생성된 제1 텍스트로부터 하나 이상의 제2 텍스트를 생성할 수 있다. 가령 제어부(112)는 제1 텍스트를 소정의 단위로 구분하여 제2 텍스트를 생성할 수 있다. 이때 소정의 단위는 예를 들어 문장 단위일 수 있다. 다만 이와 같은 단위는 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 제어부(112)는 생성된 하나 이상의 제2 텍스트 각각의 화자를 결정할 수 있다.
가령 제어부(112)는 하나 이상의 제2 텍스트 각각에 대응되는 음성 데이터의 음성 특성에 기초하여 하나 이상의 제2 텍스트 각각의 화자를 결정할 수 있다. 예를 들어 제어부(112)는 전체 음성 데이터에서 특정 제2 텍스트에 대응되는 음성 데이터 구간을 결정하여 추출하고, 추출된 음성 데이터 구간에 포함된 음성의 특성을 확인하여 해당 제2 텍스트의 화자를 결정할 수 있다.
본 발명의 선택적 실시예에서, 제어부(112)는 학습된 인공 신경망을 이용하여 제2 텍스트의 화자를 결정할 수 있다. 이때 인공 신경망은 전체 음성 데이터 및 특정 구간 음성 데이터의 입력에 따라 입력된 특정 구간 음성 데이터의 화자의 식별 정보를 출력하도록 학습된 신경망일 수 있다.
본 발명의 다른 선택적 실시예에서, 인공 신경망은 복수 화자의 샘플 음성과 특정 구간의 음성 데이터의 입력에 따라, 복수 화자의 샘플 음성 각각과 특정 구간의 음성 데이터의 유사도를 출력하도록 학습된 신경망일 수도 있다.
다만 상술한 화자 결정 방법은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 또 다른 선택적 실시예에 따른 제어부(112)는 하나 이상의 제2 텍스트 각각의 내용 및 하나 이상의 제2 텍스트 각각에 선행하거나 후행하는 제2 텍스트의 내용에 기초하여 하나 이상의 제2 텍스트 각각의 화자를 결정할 수도 있다.
가령 특정 제2 텍스트에 선행하는 제2 텍스트가 "다음 기자분 질문 부탁 드립니다"인 경우, 제어부(112)는 해당 특정 제2 텍스트의 화자를 '기자'로 결정할 수 있다. 다만 이와 같은 방식은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 또 다른 선택적 실시예에 따른 제어부(112)는 음성 데이터의 음성 특성 및 제2 텍스트의 내용을 모두 고려하여 하나 이상의 제2 텍스트 각각의 화자를 결정할 수도 있다.
본 발명의 일 실시예에 따른 제어부(112)는 사용자가 도 3의 표시 인터페이스(420)에 표시된 텍스트 데이터의 현황에서 어느 하나의 텍스트 데이터에 대한 항목(421)을 선택한 경우, 선택된 텍스트 데이터를 보다 상세히 확인할 수 있도록 하는 텍스트 데이터 열람 인터페이스를 제공할 수 있다.
도 5는 텍스트 데이터 열람 인터페이스가 표시된 화면(600)을 도시한 도면이다.
도 5를 참조하면, 텍스트 데이터 열람 인터페이스는 해당 텍스트 데이터 생성에 사용된 음성 데이터를 재생하기 위한 인터페이스(610)와 하나 이상의 제2 텍스트와 각각의 화자를 표시하는 텍스트 제공 인터페이스(620)를 포함할 수 있다.
본 발명의 일 실시예에서, 제어부(112)는 인터페이스(610)에 대한 사용자의 조작에 따라 인터페이스(620)에 표시되는 내용을 갱신하여 제공할 수 있다. 가령 사용자가 인터페이스(610)에서 재생 버튼에 대한 입력을 수행한 경우, 제어부(112)는 음성 데이터에서 현재 재생되고 있는 부분에 대응되는 부분이 인터페이스(620)에 표시되도록 인터페이스(620)를 자동으로 스크롤 하여 표시할 수 있다.
선택적 실시예에서, 제어부(112)는 음성 데이터에서 현재 재생되고 있는 부분에 대응되는 제2 텍스트를 나머지 제2 텍스트와 다른 표시 방식으로 표시되도록 할 수도 있다.
한편 텍스트 제공 인터페이스(620)에는 제2 텍스트와 화자가 대응되어 표시될 수 있다. 이와 같이 제2 텍스트와 화자를 대응시켜 표시하기 위해, 본 발명의 일 실시예에 따른 제어부(112)는 음성 데이터로부터 식별된 화자와 사용자가 입력한 화자명을 대응시키기 위한 인터페이스를 제공할 수 있다. 가령 본 발명의 일 실시예에 따른 제어부(112)는 사용자가 편집 버튼(630)에 대한 입력을 수행한 경우, 음성 데이터로부터 식별된 화자와 사용자가 입력한 화자명을 대응시키기 위한 인터페이스를 제공할 수 있다.
본 발명의 일 실시예에 따른 제어부(112)는 단계 S820에서 생성된 하나 이상의 제2 텍스트와 각각의 화자를 표시하는 편집 인터페이스를 제공할 수 있다.(S830)
도 6은 본 발명의 일 실시예에 따른 편집 인터페이스가 표시된 화면(700)을 도시한 도면이다.
도 6을 참조하면, 편집 인터페이스는 음성 데이터 정보 표시 인터페이스(710), 음성 데이터의 재생을 제어하기 위한 인터페이스(720), 화자명 입력 인터페이스(730) 및 텍스트 표시 인터페이스(740)를 포함할 수 있다.
본 발명의 일 실시예에 따른 음성 데이터 정보 표시 인터페이스(710)는 음성 데이터와 관련된 정보를 표시하기 위한 것으로, 가령 음성 데이터의 제목, 음성 데이터의 획득 장소, 음성 데이터가 획득된 시간 및 음성 데이터에 음성이 포함된 적어도 둘 이상의 화자의 화자명 각각을 표시하고, 표시된 항목들을 수정하거나 입력하기 위한 인터페이스를 포함할 수 있다.
본 발명의 일 실시예에 따른 음성 데이터의 재생을 제어하기 위한 인터페이스(720)는 사용자의 조작에 따라 음성 데이터의 재생을 시작하거나, 재생을 멈추거나 또는 특정 위치로 이동하여 음성 데이터를 재생하기 위한 것 일 수 있다.
본 발명의 일 실시예에 따른 화자명 입력 인터페이스(730)는 음성 데이터로부터 식별된 화자를 나열하여 표시하고, 나열된 화자의 화자명을 입력하거나 선택하는 인터페이스 일 수 있다.
본 발명의 일 실시예에 따른 텍스트 표시 인터페이스(740)는 하나 이상의 제2 텍스트와 화자명을 대응시켜 표시하는 인터페이스 일 수 있다.
본 발명의 일 실시예에 따른 화자명 입력 인터페이스(730)는 음성 데이터로부터 식별된 화자 각각에 대한 적어도 하나의 후보 화자명을 제공하고, 사용자에 의해 선택된 후보 화자명을 해당 화자의 화자명으로 결정할 수 있다.
이때 음성 데이터로부터 화자가 '식별'되는 것은, 음성 데이터에 포함된 복수의 음성들 중 동일한 음성이 동일한 식별부호(예를 들어 "ID_1")로 식별 되는 것을 의미할 뿐, 화자명이 결정된 것을 의미하는 것은 아닐 수 있다.
가령 본 발명의 일 실시예에 따른 제어부(112)는 음성 데이터로부터 식별된 화자가 4명인 경우, 도 6에 도시된 바와 같이 4명의 화자가 인식되었음을 표시하고, 개별 화자에 대한 화자명을 선택하기 위한 인터페이스를 제공할 수 있다.
예를 들어 제어부(112)는 첫 번째 화자에 대해서 인터페이스(730)상에 해당 화자의 식별정보(731-1)를 표시하고, 화자명을 선택하기 위한 드롭다운 메뉴(731-2)를 제공할 수 있다. 이때 드롭다운 메뉴(731-2)에서 제공되는 화자명들은 음성 데이터 정보 표시 인터페이스(710)에 입력된 화자명 중 적어도 일부 화자명을 포함할 수 있다.
사용자는 음성 데이터의 청취하거나 또는 텍스트 표시 인터페이스(740)에 표시되는 제2 텍스트의 내용을 참조하여 드롭다운 메뉴(731-2)에 제공되는 화자명들 중 어느 하나의 화자명으로 개별 화자의 화자명을 적절히 선택할 수 있다.
본 발명의 일 실시예에 따른 제어부(112)는 화자명 입력 인터페이스(730)에서 각 화자 별 화자명이 결정됨에 따라, 텍스트 표시 인터페이스(740)에 하나 이상의 제2 텍스트와 결정된 화자명을 대응시켜 표시할 수 있다.
이때 제어부(112)는 하나 이상의 제2 텍스트 각각에 대해 표시된 화자명을 수정 가능한 형태로 제공할 수 있다. 가령 제어부(112)는 제2 텍스트(741)에 대한 화자명을 드롭다운 박스(741-1) 형식으로 제공하여, 사용자의 수정 입력에 따라 하나 이상의 후보 화자명 중 어느 하나의 화자명으로 손쉽게 변경하도록 할 수 있다.
또한 본 발명의 일 실시예에 따른 제어부(112)는 제2 텍스트(741)에 대한 텍스트 편집창(741-2)을 제공하여, 제2 텍스트 상의 오기 등을 빠르게 수정하도록 할 수 있다.
이와 같이 본 발명은 복수의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 자동으로 생성하되, 자동으로 생성됨으로 인해 발생될 수 있는 오류를 손쉽게 수정할 수 있도록 한다.
본 발명의 일 실시예에 따른 제어부(112)는 텍스트 표시 인터페이스(740)에 하나 이상의 제2 텍스트와 결정된 화자명을 대응시켜 표시함에 있어서, 소정의 조건에 따라 하나 이상의 제2 텍스트를 나열하여 표시할 수 있다.
이때 소정의 조건은 가령 화자의 변경에 따라 하나 이상의 제2 텍스트의 표시 방식을 구분하여 표시하는 조건일 수 있다. 이러한 경우 제어부(112)는 하나 이상의 제2 텍스트를 시간의 흐름에 따라 나열하여 표시하되, 화자가 변경되는 시점 전후의 제2 텍스트를 서로 상이한 표시 방식에 따라 표시할 수 있다.
여기서 '표시 방식'은 표시 크기, 표시 모양, 표시 위치, 표시 색상 및 강조 여부 등 표시에 관한 다양한 항목을 포괄하는 개념일 수 있다. 가령 제어부(112)는 화자가 변경될 때 마다 제2 텍스트의 정렬 위치를 변경하여 표시할 수 있다. 예를 들어 화자가 변경될 때 마다 제2 텍스트를 좌측 정렬에서 우측 정렬로 또는 그 반대로 정렬 위치를 변경하여 표시할 수 있다.
한편 소정의 조건은 하나 이상의 제2 텍스트 중 선택된 화자로 표지된 제2 텍스트 만을 표시하는 조건일 수도 있다. 이러한 경우 제어부(112)는 하나 이상의 제2 텍스트를 시간의 흐름에 따라 나열하여 표시하되, 선택된 화자로 표지된 제2 텍스트를 제1 표시 방식(예를 제1 크기로 표시)으로 표시하고, 나머지 화자로 표지된 제2 텍스트를 제2 표시 방식(예를 들어 제1 크기보다 작은 제2 크기로 표시)으로 표시할 수 있다.
본 발명의 일 실시예에 따른 제어부(112)는 적어도 하나의 제2 텍스트와 대응되는 개체들이 시간의 흐름에 따라 배열된 텍스트 블록 맵이 표시되는 네비게이터 인터페이스를 제공할 수 있다.
도 7은 본 발명의 일 실시예에 따른 네비게이터 인터페이스(810)가 표시된 화면(800)을 도시한 도면이다.
본 발명의 일 실시예에서, 네비게이터 인터페이스(810)는 다양한 화면에서 팝업 윈도우 또는 오버레이 형식으로 제공될 수 있다. 가령 영역(820)에는 도 6에 표시된 인터페이스들(710, 720, 730, 740)이 표시되고, 인터페이스(740)에 대한 스크롤 입력에 따라 네비게이터 인터페이스(810)가 오버레이 형식으로 제공될 수 있다.
한편 네비게이터 인터페이스(810)상에 표시되는 개체들은 하나 이상의 제2 텍스트와 대응되는 개체일 수 있다. 가령 개체(811)는 화자 1에 대한 27개의 연속하는 제2 텍스트에 대응되는 개체일 수 있다.
이와 같이 본 발명의 일 실시예에 따른 제어부(112)는 네비게이터 인터페이스(810)상에 텍스트 블록 맵을 표시함에 있어서, 동일한 화자의 연속되는 제2 텍스트를 하나의 개체로써 표시하고, 서로 다른 화자의 개체를 서로 다른 표시 형식으로 표시할 수 있다.
또한 본 발명의 일 실시예에 따른 제어부(112)는 텍스트 블록 맵 상의 개체들 중 어느 하나의 개체의 선택에 따라 텍스트 표시 인터페이스(740)에 선택된 개체와 대응되는 하나 이상의 제2 텍스트를 화자명과 함께 표시할 수 있다.
선택적 실시예에서, 제어부(112)는 네비게이터 인터페이스(810)상에 개체를 표시함에 있어서, 각 개체에 대응되는 제2 텍스트의 수에 비례하여 개체의 크기를 조절하여 표시할 수 있다. 바꾸어말하면 제어부(112)는 더 많은 제2 텍스트에 대응되는 개체일수록 더 크게 표시할 수 있다.
또 다른 선택적 실시예에서, 제어부(112)는 텍스트 표시 인터페이스(740)에 표시되고 있는 부분을 네비게이터 인터페이스(810)상에 인디케이터(812)로 표시할 수도 있다.
이로써 본 발명은 사용자가 생성된 제2 텍스트를 쉽게 검토할 수 있도록 하며, 특히 블록 단위로 제2 텍스트를 검토할 수 있도록 하여 검토의 편의성을 향상시킬 수 있다.
본 발명의 일 실시예에 따른 제어부(112)는 단계 S830에서 제공된 편집 인터페이스에서 편집된 하나 이상의 제2 텍스트를 포함하는 텍스트 데이터를 사용자에 제공할 수 있다.(S840)
가령 제어부(112)는 도 5에 도시된 인터페이스(620)와 같은 형식으로 텍스트 데이터를 제공할 수도 있고, 도 3에서 텍스트 데이터 파일 다운로드 요청에 따라 텍스트 데이터를 제공할 수도 있다. 다만 이와 같은 방식들은 예시적인것으로 본 발명의 사상이 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따른 제어부(112)는 생성된 텍스트 데이터를 제3 서비스로 전송하기 위한 인터페이스(또는 버튼)(도 5의 640)을 제공할 수 있다. 가령 사용자는 인터페이스(640)에 대한 입력을 수행함으로써 생성된 텍스트 데이터에 대한 공증 절차를 진행할 수도 있고, 생성된 텍스트 데이터를 제3 자에게 공유할 수도 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 컴퓨터로 실행 가능한 프로그램을 저장하는 것일 수 있다. 매체의 예시로는, 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 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 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 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 서버
110: 텍스트 생성 장치
111: 통신부
112: 제어부
113: 메모리
200: 사용자 단말
300: 통신망

Claims (11)

  1. 적어도 둘 이상의 화자의 음성을 포함하는 음성 데이터로부터 화자가 표지된 텍스트를 생성하는 방법에 있어서,
    상기 음성 데이터를 텍스트로 변환하여 제1 텍스트를 생성하는 단계;
    상기 제1 텍스트를 소정의 단위로 구분한 하나 이상의 제2 텍스트 각각의 화자를 결정하는 단계; 및
    상기 하나 이상의 제2 텍스트와 각각의 화자를 표시하는 편집 인터페이스를 제공하는 단계;를 포함하는, 화자가 표지된 텍스트 생성 방법.
  2. 청구항 1에 있어서
    상기 편집 인터페이스는
    상기 화자를 결정하는 단계에서 식별된 화자를 나열하여 표시하고, 나열된 화자의 화자명을 입력하거나 선택하기 위한 화자명 입력 인터페이스 및
    상기 하나 이상의 제2 텍스트와 상기 화자명을 대응시켜 표시하는 텍스트 표시 인터페이스를 포함하는, 화자가 표지된 텍스트 생성 방법.
  3. 청구항 2에 있어서
    상기 편집 인터페이스는
    상기 음성 데이터에 대한 정보를 표시하는 음성 데이터 정보 표시 인터페이스를 더 포함하고,
    상기 음성 데이터 정보 표시 인터페이스는
    상기 음성 데이터의 제목, 상기 음성 데이터의 획득 장소, 상기 음성 데이터가 획득된 시간 및 상기 음성 데이터에 음성이 포함된 적어도 둘 이상의 화자의 화자명 각각을 표시하고, 표시된 항목들을 수정하거나 입력하기 위한 인터페이스를 포함하는, 화자가 표지된 텍스트 생성 방법.
  4. 청구항 3에 있어서
    상기 화자명 입력 인터페이스는
    상기 식별된 화자 각각에 대한 적어도 하나의 후보 화자명을 제공하고, 선택된 후보 화자명을 해당 화자의 화자명으로 결정하고,
    상기 적어도 하나의 후보 화자명은 상기 음성 데이터 정보 표시 인터페이스에 입력된 화자명 중 적어도 일부인, 화자가 표지된 텍스트 생성 방법.
  5. 청구항 4에 있어서
    상기 텍스트 표시 인터페이스는
    상기 화자명 입력 인터페이스에서 결정된 화자명을 참조하여 상기 하나 이상의 제2 텍스트와 상기 화자명을 대응시켜 표시하되, 상기 하나 이상의 제2 텍스트 각각에 대해 표시된 화자명에 대한 수정 입력에 따라 하나 이상의 후보 화자명을 추가로 제공하고,
    상기 하나 이상의 후보 화자명은 상기 음성 데이터 정보 표시 인터페이스에 입력된 화자명 중 적어도 일부인, 화자가 표지된 텍스트 생성 방법.
  6. 청구항 2에 있어서
    상기 텍스트 표시 인터페이스는
    소정의 조건에 따라 상기 하나 이상의 제2 텍스트를 나열하여 표시하는, 화자가 표지된 텍스트 생성 방법.
  7. 청구항 6에 있어서
    상기 소정의 조건은
    화자의 변경에 따라 상기 하나 이상의 제2 텍스트의 표시 방식을 구분하여 표시하는 조건이고,
    상기 텍스트 표시 인터페이스는
    상기 하나 이상의 제2 텍스트를 시간의 흐름에 따라 나열하여 표시하되, 화자가 변경되는 시점 전후의 제2 텍스트를 서로 상이한 표시 방식에 따라 표시하는, 화자가 표지된 텍스트 생성 방법.
  8. 청구항 6에 있어서
    상기 소정의 조건은
    상기 하나 이상의 제2 텍스트 중 선택된 화자로 표지된 제2 텍스트 만을 표시하는 조건이고,
    상기 텍스트 표시 인터페이스는
    상기 하나 이상의 제2 텍스트를 시간의 흐름에 따라 나열하여 표시하되, 상기 선택된 화자로 표지된 제2 텍스트를 제1 표시 방식으로 표시하고, 나머지 화자로 표지된 제2 텍스트를 제2 표시 방식으로 표시하는, 화자가 표지된 텍스트 생성 방법.
  9. 청구항 1에 있어서
    상기 편집 인터페이스는
    적어도 하나의 제2 텍스트와 대응되는 개체들이 시간의 흐름에 따라 배열된 텍스트 블록 맵이 표시되는 네비게이터 인터페이스를 포함하는, 화자가 표지된 텍스트 생성 방법.
  10. 청구항 9에 있어서
    상기 네비게이터 인터페이스는
    상기 텍스트 블록 맵을 표시함에 있어서, 동일한 화자의 연속되는 제2 텍스트를 하나의 개체로써 표시하고, 서로 다른 화자의 개체를 서로 다른 표시 형식으로 표시하는, 화자가 표지된 텍스트 생성 방법.
  11. 청구항 9에 있어서
    하나 이상의 제2 텍스트와 화자명을 대응시켜 표시하는 텍스트 표시 인터페이스에는 상기 텍스트 블록 맵 상의 상기 개체들 중 어느 하나의 개체의 선택에 따라 상기 선택된 개체와 대응되는 제2 텍스트가 표시되는, 화자가 표지된 텍스트 생성 방법.
KR1020200073155A 2020-06-16 2020-06-16 화자가 표지된 텍스트 생성 방법 KR102377038B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020200073155A KR102377038B1 (ko) 2020-06-16 2020-06-16 화자가 표지된 텍스트 생성 방법
PCT/KR2020/012416 WO2021256614A1 (ko) 2020-06-16 2020-09-15 화자가 표지된 텍스트 생성 방법
EP20800774.0A EP3951775A4 (en) 2020-06-16 2020-09-15 PROCEDURE FOR GENERATION OF SPEAKER MARKED TEXT
US17/405,722 US20210390958A1 (en) 2020-06-16 2021-08-18 Method of generating speaker-labeled text
KR1020220032895A KR20220040445A (ko) 2020-06-16 2022-03-16 화자가 표지된 텍스트 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200073155A KR102377038B1 (ko) 2020-06-16 2020-06-16 화자가 표지된 텍스트 생성 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220032895A Division KR20220040445A (ko) 2020-06-16 2022-03-16 화자가 표지된 텍스트 생성 방법

Publications (2)

Publication Number Publication Date
KR20210155866A true KR20210155866A (ko) 2021-12-24
KR102377038B1 KR102377038B1 (ko) 2022-03-23

Family

ID=79176183

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020200073155A KR102377038B1 (ko) 2020-06-16 2020-06-16 화자가 표지된 텍스트 생성 방법
KR1020220032895A KR20220040445A (ko) 2020-06-16 2022-03-16 화자가 표지된 텍스트 생성 방법

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220032895A KR20220040445A (ko) 2020-06-16 2022-03-16 화자가 표지된 텍스트 생성 방법

Country Status (2)

Country Link
KR (2) KR102377038B1 (ko)
WO (1) WO2021256614A1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130124863A (ko) * 2012-05-07 2013-11-15 엘지전자 주식회사 음성 파일과 관련된 텍스트의 표시 방법 및 이를 구현한 전자기기
KR20190143116A (ko) * 2018-06-20 2019-12-30 주식회사 샤우터 대화 자동 저장 장치 및 방법
KR20200011198A (ko) * 2018-07-24 2020-02-03 주식회사 리턴제로 대화형 메시지 구현 방법, 장치 및 프로그램

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000352995A (ja) * 1999-06-14 2000-12-19 Canon Inc 会議音声処理方法および記録装置、情報記憶媒体
US8898054B2 (en) * 2011-10-21 2014-11-25 Blackberry Limited Determining and conveying contextual information for real time text
KR20150024188A (ko) * 2013-08-26 2015-03-06 삼성전자주식회사 음성 데이터에 대응하는 문자 데이터를 변경하는 방법 및 이를 위한 전자 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130124863A (ko) * 2012-05-07 2013-11-15 엘지전자 주식회사 음성 파일과 관련된 텍스트의 표시 방법 및 이를 구현한 전자기기
KR20190143116A (ko) * 2018-06-20 2019-12-30 주식회사 샤우터 대화 자동 저장 장치 및 방법
KR20200011198A (ko) * 2018-07-24 2020-02-03 주식회사 리턴제로 대화형 메시지 구현 방법, 장치 및 프로그램

Also Published As

Publication number Publication date
KR102377038B1 (ko) 2022-03-23
KR20220040445A (ko) 2022-03-30
WO2021256614A1 (ko) 2021-12-23

Similar Documents

Publication Publication Date Title
EP2146322A1 (en) Method and apparatus for producing animation
CN102256049A (zh) 自动化故事生成
JP6535998B2 (ja) 音声学習装置および制御プログラム
JP5949843B2 (ja) 情報処理装置、情報処理装置の制御方法、およびプログラム
US20140028780A1 (en) Producing content to provide a conversational video experience
CN114023301A (zh) 音频编辑方法、电子设备及存储介质
CN111125384A (zh) 一种多媒体答案生成方法、装置、终端设备以及存储介质
US20210390958A1 (en) Method of generating speaker-labeled text
KR20220089367A (ko) 회의록 작성 시스템
JP2013125056A (ja) 語学教材カスタマイズシステム、語学教材カスタマイズ方法、及びプログラム
KR102377038B1 (ko) 화자가 표지된 텍스트 생성 방법
JP2001272990A (ja) 対話記録編集装置
JP2020161140A (ja) 人工知能モデルを利用したイメージ編集方法及びその装置
US20210383813A1 (en) Storage medium, editing support method, and editing support device
KR102530669B1 (ko) 앱과 웹의 연동을 통해 음성 파일에 대한 메모를 작성하는 방법, 시스템, 및 컴퓨터 판독가능한 기록 매체
CN113988010A (zh) 一种乐谱编辑方法、装置、设备及计算机可读存储介质
KR100884826B1 (ko) 페이지 인덱스를 이용한 반복 학습 단말기, 시스템 및 방법
KR20230058953A (ko) 회의록 작성 시스템
JP2020052262A (ja) 修正候補提示方法、修正候補提示プログラムおよび情報処理装置
JP7166370B2 (ja) 音声記録のための音声認識率を向上させる方法、システム、およびコンピュータ読み取り可能な記録媒体
KR102353797B1 (ko) 영상 컨텐츠에 대한 합성음 실시간 생성에 기반한 컨텐츠 편집 지원 방법 및 시스템
WO2023238650A1 (ja) 変換装置および変換方法
KR102488623B1 (ko) 영상 컨텐츠에 대한 합성음 실시간 생성에 기반한 컨텐츠 편집 지원 방법 및 시스템
US11907677B1 (en) Immutable universal language assistive translation and interpretation system that verifies and validates translations and interpretations by smart contract and blockchain technology
KR102616058B1 (ko) 음성 기록을 시각화하여 재연하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant