KR20220033325A - 음성 인식을 위한 전자장치 및 그 제어방법 - Google Patents

Abstract

본 발명은 전자장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성을 수신하고, 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 사용자 음성이 시작 명령어로서 적합한지 여부를 식별하고, 시작 명령어로서 적합한 것으로 식별되는 사용자 음성을 시작 명령어로서 등록하는 전자장치에 관한 발명이다.

Description

전자장치 및 그 제어방법 {ELECTRONICE DEVICE AND CONTROL METHOD THEREOF}

본 발명은 전자장치 및 그 제어방법에 관한 것으로서, 상세하게는, 전자장치의 음성 인식 기능을 활성화하는 시작 명령어를 등록하는 전자장치 및 그 제어방법에 관한 것이다.

최근 사용자가 임의로 시작 명령어로 등록함으로써, 시작 명령어에 대한 활용성 및 음성 인식 기능에 대한 사용 편의성을 향상시키기 위한 노력이 시도되고 있다. 시작 명령어는 음성 인식 기능을 활성화하는 특정 명령어로서, 시작 명령어에 따라 음성 인식 기능이 활성화되면, 이후에 수신되는 음성 명령에 대하여 음성 인식 기능이 수행되고, 인식 결과에 따른 동작이 수행된다.

임의적 시작 명령어는 그 임의성으로 인해 오인식의 염려가 있으며, 이를 방지하기 위해 등록 과정에서 적합성 검증이 수행된다. 다만, 방대한 데이터를 활용하여 적합성 검증이 수행되는 결과, 자원 효율성 및 검증 신속성이 저하되는 문제가 있다. 또한, 방대하기는 하지만 관련성이 적은 데이터에 기초하여 적합성 검증이 수행되는 결과, 검증 정밀성이 저하되어, 오히려 오인식 방지라는 적합성 검증의 취지가 무색하게 되는 문제도 있다.

따라서, 사용자에 의한 임의적 시작 명령어 등록 과정에서 활용되는 데이터에 대한 최적화를 수행하고, 최적화된 데이터에 기초하여 적합성 검증을 수행함으로써, 앞서 언급한 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시키고, 나아가 시작 명령어에 대한 활용성 및 음성 인식 기능에 대한 사용 편의성을 향상시킬 수 있는 방안이 요청되고 있다.

본 발명의 목적은, 사용자에 의한 임의적 시작 명령어 등록 과정에서 활용되는 데이터에 대한 최적화를 수행하고, 최적화된 데이터에 기초하여 적합성 검증을 수행함으로써, 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시키고, 나아가 시작 명령어에 대한 활용성 및 음성 인식 기능에 대한 사용 편의성을 향상시킬 수 있는 전자장치 및 그 제어방법을 제공하는 것이다.

상기한 본 발명의 목적은, 상기 전자장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성을 수신하고, 상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하고, 상기 시작 명령어로서 적합한 것으로 식별되는 상기 사용자 음성을 상기 시작 명령어로서 등록하는 프로세서를 포함하는 전자장치에 의해 달성될 수 있다.

상기 참조 오디오의 데이터는, 사용자 발화특성 또는 사용자 발화이력 중 적어도 하나에 관한 데이터를 포함한다.

상기 참조 오디오의 데이터는, 상기 사용자의 계정에 기초하여 획득된 데이터를 포함한다.

상기 참조 오디오의 데이터는, 상기 사용자와 관련되어 입력된 텍스트의 데이터를 포함한다.

상기 참조 오디오의 데이터는, 상기 사용자와 관련된 다른 사용자의 데이터를 포함한다.

상기 참조 오디오의 데이터는, 상기 전자장치와 다른 외부장치에 대하여 등록된 시작 명령어의 데이터를 포함한다.

상기 참조 오디오는, 상기 전자장치의 주변에서 획득된 오디오를 포함한다.

상기 프로세서는, 상기 사용자 음성과 상기 참조 오디오 간 오디오 특성의 유사도에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별한다.

상기 프로세서는, 상기 사용자 음성에 포함된 단어의 길이에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별한다.

상기 프로세서는, 상기 참조 오디오를 상기 전자장치의 기능에 따라 복수의 그룹으로 그룹화하고, 상기 사용자 음성에 대응하는 그룹의 참조 오디오에 기초하여 상기 사용자 음성이 상기 시작명령어로서 적합한지 여부를 식별한다.

상기한 본 발명의 목적은, 인터페이스부; 및 상기 인터페이스부를 통해 외부장치로부터 상기 외부장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성에 관한 정보를 수신하고, 상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하고, 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부에 관한 정보를 상기 외부장치로 전송하도록 상기 인터페이스부를 제어하는 프로세서를 포함하는 전자장치에 의해서도 달성될 수 있다.

상기한 본 발명의 목적은, 상기 전자장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성을 수신하는 단계; 상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하는 단계; 및 상기 시작 명령어로서 적합한 것으로 식별되는 상기 사용자 음성을 상기 시작 명령어로서 등록하는 단계를 포함하는 전자장치의 제어방법에 의해서도 달성될 수 있다.

상기 참조 오디오의 데이터는, 사용자 발화특성 또는 사용자 발화이력 중 적어도 하나에 관한 데이터를 포함한다.

상기 참조 오디오의 데이터는, 상기 사용자의 계정에 기초하여 획득된 데이터를 포함한다.

상기 참조 오디오의 데이터는, 상기 사용자와 관련되어 입력된 텍스트의 데이터를 포함한다.

상기 참조 오디오의 데이터는, 상기 사용자와 관련된 다른 사용자의 데이터를 포함한다.

상기 참조 오디오의 데이터는, 상기 전자장치와 다른 외부장치에 대하여 등록된 시작 명령어의 데이터를 포함한다.

상기 참조 오디오는, 상기 전자장치의 주변에서 획득된 오디오를 포함한다.

상기한 본 발명의 목적은, 외부장치로부터 상기 외부장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성에 관한 정보를 수신하는 단계; 상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하는 단계; 및 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부에 관한 정보를 상기 외부장치로 전송하는 단계를 포함하는 전자장치의 제어방법에 의해서도 달성될 수 있다.

상기한 본 발명의 목적은, 컴퓨터가 읽을 수 있는 코드로서, 오디오 출력부를 포함하는 전자장치의 제어방법을 수행하는 코드를 포함하는 컴퓨터 프로그램이 저장된 기록매체에 있어서, 상기 전자장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성을 수신하는 단계; 상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하는 단계; 및 상기 시작 명령어로서 적합한 것으로 식별되는 상기 사용자 음성을 상기 시작 명령어로서 등록하는 단계를 포함하는 것을 특징으로 하는 컴퓨터가 읽을 수 있는 프로그램이 기록된 기록매체에 의해서도 달성될 수 있다.

본 발명에 의하면, 사용자에 의한 임의적 시작 명령어 등록 과정에서 활용되는 데이터에 대한 최적화를 수행하고, 최적화된 데이터에 기초하여 적합성 검증을 수행함으로써, 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시키고, 나아가 시작 명령어에 대한 활용성 및 음성 인식 기능에 대한 사용 편의성을 향상시킬 수 있는 전자장치 및 그 제어방법을 제공한다.

도 1은 본 발명의 일 실시예에 따른 전자장치를 도시한다.
도 2는 도 1의 전자장치 및 서버에 관한 구성의 일 예를 도시한다.
도 3은 도 1의 전자장치에 대한 제어방법의 일 예를 도시한다.
도 4는 도 3의 동작 S32와 관련하여, 사용자 특성에 따른 참조 오디오의 일 예를 도시한다.
도 5는 도 3의 동작 S32와 관련하여, 사용 이력에 따른 참조 오디오의 일 예를 도시한다.
도 6은 도 3의 동작 S32와 관련하여, 다른 사용자에 관한 참조 오디오의 일 예를 도시한다.
도 7은 도 3의 동작 S32와 관련하여, 기 등록된 시작 명령어에 관한 참조 오디오의 일 예를 도시한다.
도 8은 도 3의 동작 S32와 관련하여, 주변 오디오에 따른 참조 오디오의 일 예를 도시한다.
도 9는 도 3의 동작 S32와 관련하여, 참조 오디오를 그룹화하는 일 예를 도시한다.
도 10은 도 3의 동작 S32와 관련하여, 적합성 판단의 일 예를 도시한다.
도 11은 도 3의 동작 S32와 관련하여, 사전 적합성 판단의 일 예를 도시한다.
도 12는 도 3의 동작 S32와 관련하여, 음향 모델에 기초한 적합성 판단의 일 예를 도시한다.
도 13은 도 2의 서버에 대한 제어방법의 일 예를 도시한다.

이하에서는 첨부도면을 참조하여 본 발명에 따른 실시예들에 관해 상세히 설명한다. 이하 실시예들의 설명에서는 첨부된 도면들에 기재된 사항들을 참조하는 바, 각 도면에서 제시된 동일한 참조번호 또는 부호는 실질적으로 동일한 동작을 수행하는 구성요소를 나타낸다. 본 명세서에서의 복수의 구성 중 적어도 하나(at least one)는, 복수의 구성 전부뿐만 아니라, 복수의 구성 중 나머지를 배제한 각 하나 혹은 이들의 조합 모두를 지칭한다.

도 1은 본 발명의 일 실시예에 따른 전자장치를 도시한다.

도 1에 도시된 바와 같이, 전자장치(1)는 TV, 태블릿, 휴대용 미디어 플레이어, 웨어러블 디바이스, 비디오 월, 전자액자 등과 같이 영상표시장치뿐만 아니라, 디스플레이를 구비하지 않는 셋탑박스 등의 영상처리장치, 냉장고, 세탁기 등의 생활가전, 컴퓨터본체와 같은 정보처리장치 등 다양한 종류의 장치로 구현된다. 또한, 전자장치(1)는 인공지능 기능을 탑재한 인공지능(Artificial Intelligence, AI) 스피커, AI 로봇 등으로 구현된다. 전자장치(1)의 종류는 이에 한정되는 것은 아니며, 이하에서는 설명의 편의를 위해 전자장치(1)가 TV로 구현되는 경우를 가정한다.

전자장치(1)는 음성 인식 기능을 수행한다. 전자장치(1)는 사용자(2)로부터 수신된 음성 명령에 대하여 음성 인식 처리를 수행하고, 음성 인식 처리에 대한 인식 결과를 획득하고, 획득된 인식 결과에 대응하는 동작을 수행한다.

음성 인식 처리는 음성 명령을 텍스트 데이터로 변환하는 STT(Speech-to-Text) 처리 과정과, 텍스트 데이터가 나타내는 커맨드를 식별하여, 식별된 커맨드가 지시하는 동작을 수행하는 커맨드 식별 및 수행 과정을 포함한다. 음성 인식 처리는 전자장치(1)에서 모두 실행될 수 있으나, 시스템 부하 및 소요 저장용량을 고려하여, 적어도 일부의 과정은 네트워크를 통해 전자장치(1)와 통신 가능하게 접속되는 적어도 하나의 서버에 의해 수행된다. 일 예로, 적어도 하나의 서버가 STT 처리 과정을 수행하고, 전자장치(1)가 커맨드 식별 및 수행 과정을 수행한다. 또는, 적어도 하나의 서버가 STT 처리 과정과, 커맨드 식별 및 수행 과정을 모두 수행하고, 전자장치(1)는 단지 적어도 하나의 서버로부터 결과를 수신하기만 할 수도 있다.

전자장치(1)는 본체에 마련된 내부 오디오 수신부(26)(도 3을 참조) 또는 본체와 분리된 리모트 컨트롤러(6)를 통해 음성 명령을 수신한다. 리모트 컨트롤러(6)를 활용하는 경우, 리모트 컨트롤러(6)로부터 음성 명령에 대응하는 음성 신호를 전달받고, 전달받은 음성 신호에 대한 음성 인식 처리를 수행한다.

전자장치(1)는 시작 명령어(4)에 기초하여 음성 인식 기능을 활성화한다. 시작 명령어(4)는 음성 인식 기능을 활성화하는 특정 명령어로서, 시작 명령어(4)에 따라 음성 인식 기능이 활성화되면, 앞서 음성 인식 기능의 수행과 관련하여 설명한 바와 같이, 이후에 수신되는 음성 명령에 대하여 음성 인식 기능이 수행되고, 인식 결과에 따른 동작이 수행된다.

전자장치(1)는 음성 인식 기능의 활성화 이전에 사용자(2)의 음성이 수신되면, 사용자(2)의 음성과 시작 명령어(4) 간의 대응 여부에 기초하여 음성 인식 기능을 활성화한다. 전자장치(1)는 사용자(2)의 음성과 시작 명령어(4) 간의 오디오 특성의 비교를 통해 대응 여부를 판단할 수 있다. 오디오 특성은 패턴, 톤, 세기, 빠르기, 주파수, 주기, 진폭 중 적어도 하나를 포함한다. 패턴은 톤, 세기, 빠르기, 주파수, 주기, 진폭 등의 형태를 의미할 수 있다.

시작 명령어(4)는 사용자(2)에 의해 임의로 등록된 것일 수 있다. 이하에서는, 이러한 임의적 시작 명령어(4)가 등록되는 과정에 대해 설명한다. 전자장치(1)는 사용자(2)로부터 사용자 음성(3)을 수신한다. 사용자 음성(3)은 임의 등록 과정의 시작 또는 실행에 대응하여 수신될 수 있다. 앞서 음성 인식 기능의 수행과 관련하여 설명한 바와 같이, 사용자 음성(3)은 내부 오디오 수신부 또는 리모트 컨트롤러(6)를 통해 수신된다. 리모트 컨트롤러(6)를 활용하는 경우, 전자장치(1)는 리모트 컨트롤러(6)로부터 사용자 음성(3)에 대응하는 음성 신호를 수신한다.

전자장치(1)는 사용자 음성(3)에 대하여 시작 명령어(4)으로서의 적합성을 검증한다. 적합성 검증을 위해 사용자(2)에 대응된 참조 오디오(5)를 활용한다. 전자장치(1)는 사용자 음성(3)이 참조 오디오(5)와 오인식 되는지를 판단하고, 이러한 오인식 판단에 기초하여 사용자 음성(3)에 대하여 시작 명령어(4)으로서의 적합성을 검증한다.

참조 오디오(5)는 사용자(2)에 대응된 오디오 데이터 또는 오디오 모델을 포함하며, 여기서, 오디오 모델은 하드웨어/소프트웨어 컴포넌트로 구현될 수 있다.

참조 오디오(5)는 사용자(2)의 고유한 특성과 관련된 오디오를 포함할 수 있다. 일 예로, 사용자(2)의 고유한 특성은 사용자(2)의 발화이력, 발화특성 등을 포함할 수 있다.

참조 오디오(5)는 사용자(2)로부터의 음성에 기초하여 마련될 수 있다. 사용자(2)는 사용자(2) 이외의 다른 사용자를 포함할 수 있다. 일 예로, 사용자(2)의 음성 명령, 사용자(2)의 일상 대화 등에 기초하여 마련될 수 있다.

참조 오디오(5)는 주변으로부터 수신된 오디오에 기초하여 마련될 수 있다. 일 예로, 소음 등 주변으로부터 유입된 오디오에 기초하여 마련될 수 있다.

참조 오디오(5)는 내부 오디오 수신부(26) 또는 리모트 컨트롤러(6)를 통해 수신된 것일 수 있으나, 이에 한정되는 것은 아니므로, 네트워크를 통해 다른 외부장치 또는 서버(8)(도 2를 참조)로부터 수신된 데이터에 기초한 것일 수 있다.

앞서 설명한 바와 같이, 참조 오디오(5)는 사용자(2), 주변환경 등에 따라 적응적 또는 가변적으로 구성되어 적합성 검증을 위해 활용될 수 있다. 다양하게 마련된 참조 오디오(5)를 활용한 적합성 검증 과정에 대해서는 도 4 내지 8을 참조하여 자세히 설명하기로 한다.

참조 오디오(5)는 소정 기준에 따라 그룹화될 수 있다. 일 예로, 사용자(2)로부터의 음성 또는 주변으로부터의 오디오는, 사용자(2) 또는 다른 사용자 별로 분류되어 그룹화될 수 있으며, 사용자(2)로 분류된 참조 오디오(5)는 사용자(2)의 발화이력, 발화특성 등 별로 재차 분류되어 그룹화될 수 있다. 다양한 기준에 따른 참조 오디오(5)의 그룹화에 대해서는 도 9를 참조하여 자세히 설명하기로 한다.

한편, 적합성 검증의 기초가 되는 오인식 판단은, 사용자 음성(3)과 참조 오디오(5) 간의 오디오 특성의 비교를 통해 수행될 수 있다. 오디오 특성은, 앞서 음성 인식 기능의 활성화를 위한 사용자(2)의 음성과 관련하여 설명한 바와 같이, 패턴, 톤, 세기, 빠르기, 주파수, 주기, 진폭 중 적어도 하나를 포함한다. 오인식 판단의 일 예에 대해서는, 도 10을 참조하여 자세히 설명하기로 한다.

전자장치(1)는 오인식 판단에 기초하여 시작 명령어(4)로서 적합성이 인정된 사용자 음성(3)을 시작 명령어(4)로 등록한다. 등록 이후 음성 인식 기능을 활성화하기 위한 사용자(2)의 음성이 수신되면, 수신된 음성 및 등록된 시작 명령어(4) 간의 대응 여부를 판단하고, 사용자(2)의 음성이 등록된 시작 명령어(4)에 대응하면, 음성 인식 기능을 활성화한다.

이와 같이, 전자장치(1)는 시작 명령어(4)의 임의 등록 과정에서 사용자 음성(3)에 대하여 시작 명령어(4)으로서의 적합성을 검증할 수 있으며, 이를 위해 사용자(2)에 대응된 참조 오디오(5), 즉, 사용자(2)에 최적화된 참조 오디오(5)를 활용할 수 있다.

따라서, 사용자 음성(3)과 오인식 가능성이 높은 유효한 참조 오디오(5)에 기초하여 적합성 검증을 수행할 수 있으므로, 오인식 가능성을 고려하지 않은 데이터에 기초하여 적합성 검증을 수행하는 경우에 비해, 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시킬 수 있으며, 시작 명령어(4)에 대한 활용성 및 음성 인식 기능에 대한 사용 편의성을 향상시킬 수 있다.

도 2는 도 1의 전자장치에 관한 구성의 일 예를 도시한다.

이하에서는 도 2를 참조하여, 전자장치(1)의 구성에 관해 자세히 설명한다. 본 실시예서는 전자장치(1)가 TV인 경우에 관해 설명하지만, 전자장치(1)는 다양한 종류의 장치로 구현될 수 있으므로, 본 실시예가 전자장치(1)의 구성을 한정하는 것은 아니다. 전자장치(1)가 TV와 같은 디스플레이장치로 구현되지 않는 경우도 가능하며, 이 경우 전자장치(1)는 디스플레이(24)와 같은 영상 표시를 위한 구성요소들을 포함하지 않을 수 있다. 예를 들면 전자장치(1)가 셋탑박스로 구현되는 경우에, 전자장치(1)는 인터페이스부(21)를 통해 외부의 TV에 영상 신호를 출력한다.

전자장치(1)는 인터페이스부(21)를 포함한다. 인터페이스부(21)는 서버(8), 다른 외부장치 등과 연결하여 데이터를 송수신한다. 다만 이에 한정되는 것은 아니므로, 인터페이스부(21)는 네트워크로 연결된 다양한 장치와 연결한다.

인터페이스부(21)는 유선 인터페이스부를 포함한다. 유선 인터페이스부는 지상파/위성방송 등 방송규격에 따른 방송신호를 수신할 수 있는 안테나가 연결되거나, 케이블 방송 규격에 따른 방송신호를 수신할 수 있는 케이블이 연결될 수 있는 커넥터 또는 포트를 포함한다. 다른 예로서, 전자장치(1)는 방송신호를 수신할 수 있는 안테나를 내장할 수도 있다. 유선 인터페이스부는 HDMI 포트, DisplayPort, DVI 포트, 썬더볼트, 컴포지트(Composite) 비디오, 컴포넌트(Component) 비디오, 슈퍼 비디오(Super Video), SCART 등과 같이, 비디오 및/또는 오디오 전송규격에 따른 커넥터 또는 포트 등을 포함한다. 유선 인터페이스부는 USB 포트 등과 같은 범용 데이터 전송규격에 따른 커넥터 또는 포트 등을 포함한다. 유선 인터페이스부는 광 전송규격에 따라 광케이블이 연결될 수 있는 커넥터 또는 포트 등을 포함한다.

유선 인터페이스부는 내부 오디오 수신부(26) 및 오디오 수신부(26)을 구비한 외부 오디오기기가 연결되며, 오디오기기로부터 오디오신호를 수신 또는 입력할 수 있는 커넥터 또는 포트 등을 포함한다. 유선 인터페이스부는 헤드셋, 이어폰, 외부 스피커 등과 같은 오디오기기가 연결되며, 오디오기기로 오디오신호를 전송 또는 출력할 수 있는 커넥터 또는 포트 등을 포함한다. 유선 인터페이스부는 이더넷 등과 같은 네트워크 전송규격에 따른 커넥터 또는 포트를 포함한다. 일 예로, 유선 인터페이스부는 라우터 또는 게이트웨이에 유선 접속된 랜카드 등으로 구현된다.

유선 인터페이스부는 상기 커넥터 또는 포트를 통해 셋탑박스, 광학미디어 재생장치와 같은 외부기기, 또는 외부 디스플레이장치나, 스피커, 서버(8) 등과 1:1 또는 1:N(N은 자연수) 방식으로 유선 접속됨으로써, 해당 외부기기로부터 비디오/오디오신호를 수신하거나 또는 해당 외부기기에 비디오/오디오신호를 송신한다. 유선 인터페이스부는, 비디오/오디오신호를 각각 별개로 전송하는 커넥터 또는 포트를 포함할 수도 있다.

유선 인터페이스부는 전자장치(1)에 내장되거나, 동글(Dongle) 또는 모듈(Module) 형태로 구현되어 전자장치(1)의 커넥터에 착탈될 수도 있다.

인터페이스부(21)는 무선 인터페이스부를 포함한다. 무선 인터페이스부는 전자장치(1)의 구현 형태에 대응하여 다양한 방식으로 구현된다. 예를 들면, 무선 인터페이스부는 통신방식으로 RF(Radio Frequency), 지그비(Zigbee), 블루투스(Bluetooth), 와이파이(Wi-Fi), UWB(Ultra-Wideband) 및 NFC(Near Field Communication) 등 무선통신을 사용한다. 무선 인터페이스부는 와이파이 방식에 따라서 AP와 무선통신을 수행하는 무선통신모듈이나, 블루투스 등과 같은 1대 1 다이렉트 무선통신을 수행하는 무선통신모듈 등으로 구현된다.

무선 인터페이스부는 네트워크 상의 서버(8)와 무선 통신함으로써, 서버(8)와의 사이에 데이터 패킷을 송수신한다. 무선 인터페이스부는 적외선 통신규격에 따라 IR(Infrared) 신호를 송신 및/또는 수신할 수 있는 IR송신부 및/또는 IR수신부를 포함한다.

무선 인터페이스부는 IR송신부 및/또는 IR수신부를 통해 리모트 컨트롤러(6) 또는 다른 외부기기로부터 리모트 컨트롤러신호를 수신 또는 입력하거나, 리모트 컨트롤러(6) 또는 다른 외부기기로 리모트 컨트롤러신호를 전송 또는 출력한다. 다른 예로서, 전자장치(1)는 와이파이, 블루투스 등 다른 방식의 무선 인터페이스부를 통해 리모트 컨트롤러(6) 또는 다른 외부기기와 리모트 컨트롤러신호를 송수신한다.

전자장치(1)는 인터페이스부(21)를 통해 수신하는 비디오/오디오신호가 방송신호인 경우, 수신된 방송신호를 채널 별로 튜닝하는 튜너(Tuner)를 더 포함한다.

전자장치(1)는 통신부(22)를 포함한다. 통신부(22)는 서버(8), 다른 외부장치 등과 연결되어 비디오/오디오 신호를 전송한다. 통신부(22)는 설계 방법에 따라 유선 인터페이스부 또는 무선 인터페이스 중 적어도 하나의 구성을 포함하며, 유선 인터페이스부 또는 무선 인터페이스 중 적어도 하나의 기능을 수행한다.

전자장치(1)는 사용자입력부(23)를 포함한다. 사용자입력부(23)는 사용자(2)의 입력을 수행하기 위해 사용자(2)가 조작할 수 있도록 마련된 다양한 종류의 입력 인터페이스 관련 회로를 포함한다. 사용자입력부(23)는 전자장치(1)의 종류에 따라서 여러 가지 형태의 구성이 가능하며, 예를 들면 전자장치(1)의 기계적 또는 전자적 버튼부, 터치패드, 디스플레이(24)에 설치된 터치스크린 등이 있다.

전자장치(1)는 디스플레이(24)를 포함한다. 디스플레이(24)는 화면 상에 영상을 표시할 수 있는 디스플레이 패널을 포함한다. 디스플레이 패널은 액정 방식과 같은 수광 구조 또는 OLED 방식과 같은 자발광 구조로 마련된다. 디스플레이(24)는 디스플레이 패널의 구조에 따라서 부가적인 구성을 추가로 포함할 수 있는데, 예를 들면, 디스플레이 패널이 액정 방식이라면, 디스플레이(24)는 액정 디스플레이 패널과, 광을 공급하는 백라이트유닛과, 액정 디스플레이 패널의 액정을 구동시키는 패널구동기판을 포함한다. 다만, 앞서 설명한 바와 같이, 디스플레이(24)는 전자장치(1)가 셋탑박스 등으로 구현되는 경우 생략된다.

전자장치(1)는 센서부(25)를 포함한다. 센서부(25)는 전자장치(1)의 전방을 센싱하여, 사용자(2) 또는 다른 전자장치의 유무, 움직임 등을 감지한다. 일 예로, 센서부(25)는 이미지 센서로 구현될 수 있으며, 전자장치(1)의 전방을 캡처하여, 캡처된 이미지로부터 사용자(2) 또는 다른 전자장치의 유무, 움직임 등에 관한 정보를 획득한다. 이미지 센서는, CMOS(Complementary Metal Oxide Semiconductor) 또는 CCD(Charge Coupled Device) 방식의 카메라로 구현된다. 센서부(25)는 적외선 센서로 구현될 수 있으며, 전방으로 출력되는 적외선 신호가 반사되어 돌아오는 시간을 측정하여 사용자(2) 또는 다른 전자장치의 유무, 움직임 등에 관한 정보를 획득한다.

전자장치(1)는 오디오 수신부(26)를 포함한다. 오디오 수신부(26)는 다양한 오디오신호를 수신한다. 오디오 수신부(26)는 사용자 음성(3)의 신호뿐만 아니라, 소음 등 주변으로부터 유입된 오디오의 신호를 수신한다. 오디오 수신부(26)는 수집된 오디오신호를 프로세서(7)에 전달한다. 오디오 수신부(26)는 전자장치(1)에 마련된 내부 마이크 또는 본체와 분리된 리모트 컨트롤러(6)에 마련된 외부 마이크로 구현된다. 오디오 수신부(26)가 외부 마이크로 구현되는 경우, 외부 마이크로 수신된 오디오신호는 디지털화 되어 리모트 컨트롤러(6)로부터 인터페이스부(21)를 통해 수신된다.

리모트 컨트롤러(6)는 스마트폰 등을 포함하며, 스마트폰 등에는 리모트 컨트롤러 어플리케이션이 설치된다. 스마트폰 등은 설치된 어플리케이션을 통해 리모트 컨트롤러(6)의 기능, 예컨대, 전자장치(1)를 제어하는 기능을 수행한다. 이러한 리모트 컨트롤러 어플리케이션은 AI 스피커, AI 로봇 등 다양한 외부 장치에 설치된다.

전자장치(1)는 오디오 출력부(27)를 포함한다. 오디오 출력부(27)는 오디오신호에 기초하여 다양한 오디오를 출력한다. 오디오 출력부(27)는 적어도 하나 이상의 스피커로 구현된다. 오디오 출력부(27)는 전자장치(1)에 마련된 내부 스피커 또는 외부에 마련되는 외부 스피커로 구현된다. 오디오 출력부(27)가 외부 스피커로 구현되는 경우, 전자장치(1)는 오디오신호를 외부 스피커로 유선 또는 무선으로 전송한다.

사용자입력부(23), 디스플레이(24), 센서부(25), 오디오 수신부(26), 오디오 출력부(27) 등은 인터페이스부(21)와 별도의 구성으로 기재되었으나, 설계 방법에 따라 인터페이스부(21)에 포함되도록 구성된다.

전자장치(1)는 저장부(28)를 포함한다. 저장부(28)는 디지털화된 데이터를 저장한다. 저장부(28)는 전원의 제공 유무와 무관하게 데이터를 보존할 수 있는 비휘발성 속성의 스토리지(storage)를 포함한다. 스토리지는 플래시메모리(flash-memory), HDD(hard-disc drive), SSD(solid-state drive), ROM(Read Only Memory) 등을 포함한다.

저장부(28)는 프로세서(7)에 의해 처리되기 위한 데이터 등이 로드 되며, 전원이 제공되지 않으면 데이터를 보존할 수 없는 휘발성 속성의 메모리(memory)를 포함한다. 메모리는 버퍼(buffer), 램(RAM; Random Access Memory) 등을 포함한다.

전자장치(1)는 프로세서(7)를 포함한다. 프로세서(7)는 인쇄회로기판 상에 장착되는 CPU, 칩셋, 버퍼, 회로 등으로 구현되는 하나 이상의 하드웨어 프로세서를 포함하며, 설계 방식에 따라서는 SOC(system on chip)로 구현될 수도 있다. 프로세서(7)는 전자장치(1)가 디스플레이장치로 구현되는 경우에 디멀티플렉서, 디코더, 스케일러, 오디오 DSP(Digital Signal Processor), 앰프 등의 다양한 프로세스에 대응하는 모듈들을 포함한다. 여기서, 이러한 모듈들 중 일부 또는 전체가 SOC로 구현된다. 예를 들면, 디멀티플렉서, 디코더, 스케일러 등 영상처리와 관련된 모듈이 영상처리 SOC로 구현되고, 오디오 DSP는 SOC와 별도의 칩셋으로 구현되는 것이 가능하다.

프로세서(7)는 전자장치(1)의 음성 인식 기능을 활성화하는 시작 명령어(4) 등록을 위한 사용자 음성(3)을 수신하고, 사용자 음성(3)과, 사용자(2)에 대응된 참조 오디오(5) 간의 오인식 판단에 기초하여 사용자 음성(3)이 시작 명령어(4)로서 적합한지 여부를 식별하고, 시작 명령어(4)로서 적합한 것으로 식별되는 사용자 음성(3)을 시작 명령어(4)로서 등록한다.

전자장치(1)의 구성은 도 2에 도시된 바에 한정되는 것은 아니므로, 설계 방법에 따라 상기한 구성 중 일부를 제외하거나, 상기한 구성 이외의 구성을 포함한다.

이하에서는 도 2를 참조하여 서버(8)의 구성에 대해 자세히 설명한다. 서버(8)는 서버인터페이스부(31)를 포함한다. 앞서 설명한 바와 같이, 전자장치(1) 및 서버(8)는 인터페이스부(21) 및 서버인터페이스부(31)를 통해 연결되어, 데이터를 송수신한다. 서버인터페이스부(31)는 유선 인터페이스부 및 무선 인터페이스부를 포함한다. 유선 인터페이스부 및 무선 인터페이스부에 대한 설명은 전자장치(1)에서 인터페이스부(21)에 포함된 유선 인터페이스부 및 무선 인터페이스부에 대한 설명과 중복되므로 생략하기로 한다.

서버(8)는 서버통신부(32)를 포함한다. 서버통신부(32)는 전자장치(1), 다른 외부장치 등과 연결되어 비디오/오디오 신호를 전송한다. 서버통신부(32)는 설계 방법에 따라 유선 인터페이스부 또는 무선 인터페이스 중 적어도 하나의 구성을 포함하며, 유선 인터페이스부 또는 무선 인터페이스 중 적어도 하나의 기능을 수행한다.

서버(8)는 서버저장부(33)를 포함한다. 서버저장부(33)는 디지털화된 데이터를 저장한다. 서버저장부(33)는 전원의 제공 유무와 무관하게 데이터를 보존할 수 있는 비휘발성 속성의 스토리지를 포함한다. 스토리지는 플래시메모리, HDD, SSD, ROM 등을 포함한다. 서버저장부(33)는 서버프로세서(9)에 의해 처리되기 위한 데이터 등이 로드 되며, 전원이 제공되지 않으면 데이터를 보존할 수 없는 휘발성 속성의 메모리를 포함한다. 메모리는 버퍼, 램 등을 포함한다.

서버(8)는 서버프로세서(9)를 포함한다. 서버프로세서(9)는 인쇄회로기판 상에 장착되는 CPU, 칩셋, 버퍼, 회로 등으로 구현되는 하나 이상의 하드웨어 프로세서를 포함하며, 설계 방식에 따라서는 SOC(로 구현될 수도 있다.

서버프로세서(9)는 서버인터페이스부(31)를 통해 전자장치(1)로부터 전자장치(1)의 음성 인식 기능을 활성화하는 시작 명령어(4) 등록을 위한 사용자 음성(3)에 관한 정보를 수신하고, 사용자 음성(3)과, 사용자(2)에 대응된 참조 오디오(5) 간의 오인식 판단에 기초하여 사용자 음성(3)이 시작 명령어(4)로서 적합한지 여부를 식별하고, 사용자 음성(3)이 시작 명령어(4)로서 적합한지 여부에 관한 정보를 전자장치(1)로 전송하도록 서버인터페이스부(31)를 제어한다.

서버(8)의 구성은 도 2에 도시된 바에 한정되는 것은 아니므로, 설계 방법에 따라 상기한 구성 중 일부를 제외하거나, 상기한 구성 이외의 구성을 포함한다.

전자장치(1)의 프로세서(7) 또는 서버(8)의 서버프로세서(9)는 상기한 동작들을 위한 데이터 분석, 처리, 및 결과 정보 생성 중 적어도 일부에 대하여, 규칙 기반 또는 인공지능 알고리즘을 이용한 인공지능 기술을 적용함으로써, 인공지능 시스템을 구축한다.

인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이며, 인공지능 알고리즘은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘이다.

인공지능 기술은 기계학습, 신경망 네트워크(Neural Network), 또는 딥러닝 알고리즘 중 적어도 하나를 이용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성된다.

요소기술들은 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.

언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다.

이하에서는 상기한 인공지능 알고리즘을 이용한 인공지능 기술이 전자장치(1)의 프로세서(7)에 의해 구현되는 일 예를 설명한다. 다만, 서버(8)의 서버프로세서(9)에 의해서도 동일한 인공지능 기술이 구현될 수 있음을 밝혀둔다.

프로세서(7)는 학습부 및 인식부의 기능을 함께 수행한다. 학습부는 학습된 신경망 네트워크를 생성하는 기능을 수행하고, 인식부는 학습된 신경망 네트워크를 이용하여 데이터를 인식, 추론, 예측, 추정, 판단하는 기능을 수행한다.

학습부는 신경망 네트워크를 생성하거나 갱신한다. 학습부는 신경망 네트워크를 생성하기 위해서 학습 데이터를 획득한다. 일 예로, 학습부는 학습 데이터를 저장부(28) 또는 서버저장부(33)로부터 획득하거나, 외부로부터 획득한다. 학습 데이터는, 신경망 네트워크의 학습을 위해 이용되는 데이터일 수 있으며, 상기한 동작을 수행한 데이터를 학습데이터로 이용하여 신경망 네트워크를 학습시킬 수 있다.

학습부는 학습 데이터를 이용하여 신경망 네트워크를 학습시키기 전에, 획득된 학습 데이터에 대하여 전처리 작업을 수행하거나, 또는 복수 개의 학습 데이터들 중에서 학습에 이용될 데이터를 선별한다. 일 예로, 학습부는 학습 데이터를 기 설정된 포맷으로 가공하거나, 필터링하거나, 또는 노이즈를 추가/제거하여 학습에 적절한 데이터의 형태로 가공한다. 학습부는 전처리된 학습 데이터를 이용하여 상기한 동작을 수행하도록 설정된 신경망 네트워크를 생성한다.

학습된 신경망 네트워크는, 복수의 신경망 네트워크 또는 레이어들로 구성된다. 복수의 신경망 네트워크의 노드들은 가중치를 가지며, 복수의 신경망 네트워크들은 일 신경망 네트워크의 출력 값이 다른 신경망 네트워크의 입력 값으로 이용되도록 서로 연결된다. 신경망 네트워크의 예로는, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN (Bidirectional Recurrent Deep Neural Network) 및 심층 Q-네트워크 (Deep Q-Networks)과 같은 모델을 포함한다.

한편, 인식부는 상기한 동작을 수행하기 위해, 타겟 데이터를 획득한다. 타겟 데이터는 저장부(28) 또는 서버저장부(33)로부터 획득하거나, 외부로부터 획득한다. 타겟 데이터는 신경망 네트워크의 인식 대상이 되는 데이터일 수 있다. 인식부는 타겟 데이터를 학습된 신경망 네트워크에 적용하기 전에, 획득된 타겟 데이터에 대하여 전처리 작업을 수행하거나, 또는 복수 개의 타겟 데이터들 중에서 인식에 이용될 데이터를 선별한다. 일 예로, 인식부는 타겟 데이터를 기 설정된 포맷으로 가공하거나, 필터링 하거나, 또는 노이즈를 추가/제거하여 인식에 적절한 데이터의 형태로 가공한다. 인식부는 전처리된 타겟 데이터를 신경망 네트워크에 적용함으로써, 신경망 네트워크로부터 출력되는 츨력값을 획득한다. 인식부는 출력값과 함께, 확률값 또는 신뢰도값을 획득한다.

도 3은 도 1의 전자장치에 대한 제어방법의 일 예를 도시한다.

도 3를 참조하여 이하에서 설명하는 각 동작은 전자장치(1)의 프로세서(7)에 의해 실행된다.

프로세서(7)는 전자장치(1)의 음성 인식 기능을 활성화하는 시작 명령어(4) 등록을 위한 사용자 음성(3)을 수신한다(S31).

프로세서(7)는 사용자 음성(3)과, 사용자(2)에 대응된 참조 오디오(5) 간의 오인식 판단에 기초하여 사용자 음성(3)이 시작 명령어(4)로서 적합한지 여부를 식별한다(S32).

프로세서(7)는 시작 명령어(4)로서 적합한 것으로 식별되는 사용자 음성(3)을 시작 명령어(4)로서 등록한다(S33).

이와 같이, 프로세서(7)는 사용자 음성(3)에 대하여 시작 명령어(4)으로서의 적합성을 검증할 수 있으며, 이를 위해 사용자(2)에 대응된 참조 오디오(5)를 활용한다. 즉, 사용자(2)에 최적화된 참조 오디오(5)를 활용할 수 있으므로, 적합성 검증에 있어서, 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시킬 수 있으며, 시작 명령어(4)에 대한 활용성 및 음성 인식 기능에 대한 사용 편의성을 향상시킬 수 있다.

도 4는 도 3의 동작 S32와 관련하여, 사용자 특성에 따른 참조 오디오의 일 예를 도시한다.

프로세서(7)는 사용자(2)의 음성 명령 또는 메뉴 선택에 기초하여 임의 등록 과정을 실행한다. 다만, 이에 한정되는 것은 아니므로, 프로세서(7)는 다양한 방법으로 임의 등록 과정을 실행할 수 있다. 프로세서(6)는 임의 등록 과정이 실행됨을 알리는 실행 영상을 디스플레이(24)에 표시하거나, 실행 오디오를 오디오 출력부(27)를 통해 출력할 수 있다.

프로세서(7)는 사용자(2)로부터 사용자 음성(3)이 수신되면, 사용자(2)의 특성에 따른 참조 오디오(5)를 식별한다. 참조 오디오(5)는 미리 마련되거나, 실시간으로 마련된 것일 수 있으며, 프로세서(7)는 이러한 참조 오디오(5) 중에서 사용자(2)의 특성에 대응하는 참조 오디오(5)를 식별할 수 있다.

프로세서(7)는 사용자(2)의 특성에 따른 참조 오디오(5)를 식별하기 위해 사용자(2)를 먼저 식별할 수 있다. 프로세서(7)는 센서부(25)를 통해 획득된 이미지에 기초하여 사용자(2)를 식별하거나, 사용자 음성(3)의 억양, 발음, 패턴, 톤, 세기, 빠르기, 주파수, 주기, 진폭 중 적어도 하나에 기초하여 사용자(2)를 식별할 수 있다. 패턴은 톤, 세기, 빠르기, 주파수, 주기, 진폭 등의 형태를 의미할 수 있다.

사용자(2)의 특성은 사용자(2)의 발화이력, 발화특성 등을 포함한다. 다만, 사용자(2)의 특성이 사용자(2)의 발화이력, 발화특성 등에 한정되는 것을 아니므로, 사용자(2)의 특성은 사용자(2)의 고유성을 나타내는 다양한 특성을 포함한다.

이하에서는, 설명의 편의를 위해 사용자(2)가 시작 명령어(4)를 임의로 등록하기 위해 사용자 음성(3) "스타터(STARTER)"라고 발화한 경우를 가정하고, 사용자(2)의 발화이력에 기초한 참조 오디오(5)를 활용하여 적합성 검증을 수행하는 일 예에 대해 설명한다.

사용자(2)의 발화이력의 경우, 프로세서(7)는 사용자(2)가 이전에 발화한 음성에 대응하는 오디오를 참조 오디오(5)로서 식별한다. 일 예로, 사용자(2)가 이전에 발화한 음성이 "스타트(START)", "스타일(STYLE)", "스타일리스트(STYLIST)", "스타킹(STOCKING)" 등인 경우, 프로세서(7)는 "스타트" 등의 오디오를 참조 오디오(5)로 식별한다. 다만 "스타트" 등은 설명의 편의를 위한 것이므로, 발화이력에 따라 다양한 참조 오디오(5)가 식별될 수 있다.

프로세서(7)는 발화이력에 따른 참조 오디오(5)를 식별함에 있어서, 발화빈도 등도 함께 고려할 수 있다. 일 예로, "스타트" 등은 사용자(2)가 이전에 발화한 음성 중 발화빈도가 높은 음성일 수 있다.

프로세서(7)는 사용자 음성(3) "스타터"와, 발화이력에 따른 참조 오디오(5) "스타트" 등 간의 오인식 판단을 수행한다. 오인식은, 사용자 음성(3) "스타터" 및 발화이력에 따른 참조 오디오(5) "스타트" 등 간의 오인식 가능성에 대한 판단으로서, 예컨대, 사용자 음성(3) "스타터"가 발화이력에 따른 참조 오디오(5) "스타트" 등으로 인식되거나, 반대로, 참조 오디오(5) "스타일"이 사용자 음성(3) 스타터"로 인식되는지에 기초하여 판단될 수 있다.

프로세서(7)는 오인식 판단 결과에 따라 오인식 가능성이 있다고 판단되면, 사용자 음성(3) "스타터"가 시작 명령어(4)로서 부적합한 것으로 식별한다. 일 예로, 사용자 음성(3) "스타터"가 발화이력에 따른 참조 오디오(5) "스타트" 등으로 인식되거나, 반대로, 참조 오디오(5) "스타트" 등이 사용자 음성(3) "스타터"로 인식되면, 프로세서(7)는 사용자 음성(3) "스타터"가 시작 명령어(4)로서 부적합한 것으로 식별하고, 사용자 음성(3) "스타터"를 시작 명령어(4)로 등록하지 않는다.

반면에, 사용자 음성(3) "쉐퍼톤(shepperton)"이 수신된 경우라면, 이에 대해서는 발화이력에 기초한 참조 오디오(5)와의 오인식 가능성이 없다고 판단할 수 있다. 일 예로, 사용자 음성(3) "쉐퍼톤"이 발화이력에 따른 참조 오디오(5) "스타트" 등으로 인식되지 않거나, 반대로, 참조 오디오(5) "스타트" 등이 사용자 음성(3) "쉐퍼톤"으로 인식되지 않는 것으로 식별할 수 있다. 프로세서(7)는 사용자 음성(3) "쉐퍼톤"이 시작 명령어(4)로서 적합한 것으로 식별하고, 사용자 음성(3) "쉐퍼톤"을 시작 명령어(4)로 등록한다.

이하에서는, 사용자(2)가 시작 명령어(4)를 등록하기 위해 사용자 음성(3) "쉐쥴링(SCHEDULING)"이라고 발화한 경우를 가정하고, 사용자(2)의 발화특성에 기초한 참조 오디오(5)를 활용하여 적합성 검증을 수행하는 일 예에 대해 설명한다.

사용자(2)의 발화특성은 국가 또는 지역 간의 고유한 발음 경향, 억양, 사투리, 톤, 세기, 빠르기 등의 유무를 포함한다. 일 예로, 프로세서(7)는 사용자(2) 또는 사용자 음성(3)에 기초하여 사용자(2)가 영국식 발음 경향을 가지는 것으로 식별되면, 영국식 발음 경향을 나타내는 오디오를 참조 오디오(5)로서 식별한다. 프로세서(7)는 미국식 발음과 차이를 보이는, 영국식 발음의 "스케쥴(SCHEDULE)" 등에 대한 오디오를 참조 오디오(5)로서 식별할 수 있다. 다만, "스케쥴" 등은 설명의 편의를 위한 것이므로, 타국의 영어 발음과 차이를 보이는, 영국식 발음의 다양한 참조 오디오(5)가 식별될 수 있다.

프로세서(7)는 사용자 음성(3) "쉐쥴링"과, 발음특성에 따른 참조 오디오(5) "스케쥴" 등 간의 오인식 판단을 수행한다. 오인식은 앞서 설명한 바와 같이, 사용자 음성(3) "쉐쥴링" 및 참조 오디오(5) "스케쥴" 등 간의 오인식 가능성에 대한 판단으로서, 예컨대, 사용자 음성(3) "쉐쥴링" 및 참조 오디오(5) "스케쥴" 등으로 인식되거나, 반대의 경우로 인식되는지 여부에 기초하여 판단될 수 있다.

프로세서(7)는 오인식 판단 결과에 따라 오인식 가능성이 있다고 판단되면, 사용자 음성(3) "쉐쥴링"가 시작 명령어(4)로서 부적합한 것으로 식별하고, 시작 명령어(4)로 등록하지 않는다.

반면에, 사용자 음성(3) "쉐퍼톤"이 수신된 경우라면, 이에 대해서는 오인식 가능성이 없다고 판단할 수 있다. 일 예로, 사용자 음성(3) "쉐퍼톤"이 영국식 발음의 "스케쥴" 등으로 인식되지 않거나, 반대의 경우로 인식되지 않는 것으로 식별할 수 있다. 프로세서(7)는 사용자 음성(3) "쉐퍼톤"이 시작 명령어(4)로서 적합한 것으로 식별하고, 사용자 음성(3) "쉐퍼톤"을 시작 명령어(4)로 등록한다.

이와 같이, 프로세서(7)는 사용자(2)의 발화이력, 발화특성 등과 같이 사용자(2)의 고유한 특성에 최적화된 참조 오디오(5)를 활용할 수 있으므로, 사용자(2)의 고유한 특성과 무관한 데이터에 기초하여 적합성 검증을 수행하는 경우에 비해, 자원 효율성, 검증 신속성 및 검증 정밀성을 더욱 향상시킬 수 있다.

도 5는 도 3의 동작 S32와 관련하여, 사용 이력에 따른 참조 오디오의 일 예를 도시한다.

참조 오디오(5)는 사용 이력에 기초하여 마련된 것일 수 있다. 사용 이력은 사용자(2)뿐만 아니라 다른 사용자에 의한 사용 이력도 포함하지만, 이하에서는 설명의 편의를 위해 사용자(2)의 사용 이력을 중심으로 설명한다.

사용 이력은 전자장치(1)에 입력된 데이터에 관한 이력을 포함한다. 전자장치(1)는 하나로 구성될 수도 있지만, 도 1에서 설명한 바와 같이, 복수의 전자장치(1) 또는 다른 외부장치로 구성될 수 있으며, 이들은 네트워크를 통해 연결된 IoT(Internet of Things) 기기를 포함할 수 있다.

입력 데이터에 대한 입력 방식에는 제한이 없으므로, 입력 데이터는 각각의 장치에서 마이크 등과 같은 오디오 수신부(26)를 통해 입력되거나, 키보드 등과 같은 입력장치를 통해 입력될 수 있다. 또한, 각각의 장치에 미리 저장된 것일 수 있다.

입력 데이터의 종류에는 제한이 없으므로, 입력 데이터는 음성 데이터 또는 텍스트 데이터 중 적어도 하나를 포함할 수 있다. 일 예로, 프로세서(7)는 전자장치(1)에 입력된 음성 데이터에 기초한 오디오를 참조 오디오(5)로 식별하거나, 다른 외부장치에 입력된 음성 데이터 또는 텍스트 데이터 중 적어도 하나에 기초한 오디오를 참조 오디오(5)로 식별할 수 있다.

입력 데이터는 사용자(2)의 계정에 기초한 것일 수 있다. 사용자(2)의 계정에 기초한 입력 데이터는, 예컨대, 사용자(2)의 계정으로 로그인된 상태에서 복수의 전자장치(1) 다른 외부장치 등을 통해 입력된 데이터를 포함할 수 있다.

프로세서(7)는 사용자 음성(3)에 대한 시작 명령어(4)로서의 적합성 검증을 수행함에 있어서, 앞서 설명한 사용 이력에 기초하여 마련된 참조 오디오(5)를 활용할 수 있다.

일 예로, 프로세서(7)는 사용자(2)로부터 시작 명령어(4)로 등록하기 위한 사용자 음성(3) "스타터"가 수신되면, 사용자 음성(3) "스타터"와 사용 이력에 기초한 참조 오디오(5) 간의 오인식 판단을 수행한다. 오인식는, 사용자 음성(3) "스타터"가 사용 이력에 기초한 참조 오디오(5)로 인식되거나, 반대의 경우로 인식되는지 여부에 기초하여 판단될 수 있다.

프로세서(7)는 오인식 판단 결과에 따라 오인식 가능성이 있다고 판단되면, 사용자 음성(3) "스타터"가 시작 명령어(4)로서 부적합한 것으로 식별하고, 사용자 음성(3) "스타터"를 시작 명령어(4)로 등록하지 않는다.

이와 같이, 프로세서(7)는 사용 이력에 기초한 참조 오디오(5)를 활용할 수 있으므로, 사용 이력과 무관한 데이터에 기초하여 적합성 검증을 수행하는 경우에 비해, 자원 효율성, 검증 신속성 및 검증 정밀성을 더욱 향상시킬 수 있다.

도 6은 도 3의 동작 S32와 관련하여, 다른 사용자에 관한 참조 오디오의 일 예를 도시한다.

프로세서(7)는 사용자(2)와 관련된 다른 사용자를 식별한다. 다른 사용자는, 사용자(2)와 일정한 관계가 있는 사용자를 포함한다. 일 예로, 다른 사용자는, 사용자(2)의 가족, 친구 등을 포함한다. 다만, 이하에서는 설명의 편의를 위해 다른 사용자가 사용자(2)의 가족의 일 구성원인 경우를 가정하여, 가족 구성원의 데이터에 기초한 오디오를 참조 오디오(5)로 활용하는 일 예에 대해 설명한다.

도 6에 도시된 바와 같이, 프로세서(7)는 시작 명령어(4)로 등록하기 위한 사용자 음성(3)을 수신하면, 사용자(2)와 관련된 가족 구성원1에 관한 데이터를 식별한다. 가족 구성원1에 관한 데이터는, 앞서 도 4를 참조하여 설명한 바와 같이, 발화이력, 발화특성 등과 같이 가족 구성원1의 고유한 특성을 나타내는 데이터를 포함하며, 도 5를 참조하여 설명한 바와 같이, 전자장치(1) 또는 외부장치에 대한 가족 구성원1의 사용 이력 또는 계정에 기초한 데이터를 포함할 수 있다. 가족 구성원1에 의해 입력된 데이터라면, 음성 데이터 또는 텍스트 데이터 중 적어도 하나를 포함할 수 있다.

프로세서(7)는 사용자 음성(3)에 대한 시작 명령어(4)로서의 적합성 검증을 수행함에 있어서, 가족 구성원1에 관한 데이터에 기초한 오디오를 참조 오디오(5)로 활용할 수 있다. 일 예로, 프로세서(7)는 사용자(2)로부터 시작 명령어(4)로 등록하기 위한 사용자 음성(3) "스타터"가 수신되면, 사용자 음성(3) "스타터"와 가족 구성원1에 관한 데이터에 기초한 참조 오디오(5) 간의 오인식 판단을 수행한다.

가족 구성원1 이외에 사용자(2)와 관련된 가족 구성원2가 있는 경우, 프로세서(7)는 가족 구성원1에 관한 데이터에 기초한 오디오뿐만 아니라, 가족 구성원2에 관한 데이터에 기초한 오디오를 참조 오디오(5)로 활용할 수 있다.

이와 같이, 프로세서(7)는 사용자(2)와 관계가 있는 다른 사용자에 관한 데이터에 기초한 참조 오디오(5)를 활용할 수 있으므로, 사용자(2)와 무관한 다른 사용자의 데이터에 기초하여 적합성 검증을 수행하는 경우에 비해, 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시킬 수 있다.

도 7은 도 3의 동작 S32와 관련하여, 기 등록된 시작 명령어에 관한 참조 오디오의 일 예를 도시한다.

프로세서(7)는 전자장치(1)에 기 등록된 시작 명령어를 참조 오디오(5)로 활용할 수 있다. 전자장치(1)에 기 등록된 시작 명령어는 사용자(2) 또는 사용자(2)와 관련된 다른 사용자에 대응하여 등록된 것일 수 있다. 사용자(2)에 대응하는 시작 명령어a, 사용자(2)의 가족 구성원1에 대응하는 시작 명령어b, 가족 구성원2에 대응하는 시작 명령어c 등이 전자장치(1)에 기 등록된 시작 명령어인 경우를 가정하면, 프로세서(7)는 전자장치(1)의 시작 명령어(4)로 등록하기 위한 사용자 음성(3)과, 기 등록된 시작 명령어a, 시작 명령어b, 시작 명령어c 등 간의 오인식 판단에 기초하여 사용자 음성(3)에 대한 시작 명령어(4)로서의 적합성 검증을 수행할 수 있다.

프로세서(7)는 사용자 음성(3)이 기 등록된 시작 명령어a, 시작 명령어b, 시작 명령어c 등 중 어느 하나로 인식되면, 사용자 음성(3)이 시작 명령어(4)로서 부적합한 것으로 식별하고, 사용자 음성(3)을 시작 명령어(4)로 등록하지 않을 수 있다.

반면에, 사용자 음성(3)이 기 등록된 시작 명령어a, 시작 명령어b, 시작 명령어c 등 중 어느 하나로 인식되지 않으면, 사용자 음성(3)이 시작 명령어(4)로서 적합한 것으로 식별하고, 사용자 음성(3)을 시작 명령어(4)로 등록할 수 있다.

다만, 전자장치(1)에 기 등록된 시작 명령어는 사용자(2) 또는 다른 사용자에 대응하는 등록된 것에 한정되지 않으므로, 전자장치(1)에 기 등록된 시작 명령어라면, 어느 것이든 포함할 수 있다.

한편, 기 등록된 시작 명령어는 전자장치(1) 또는 다른 외부장치에 기 등록된 시작 명령어를 포함한다. 외부장치는, 앞서 도 5를 참조하여 설명한 바와 같이, 네트워크 기반의 IoT 장치를 포함할 수 있다. 설명의 편의를 위해 전자장치(1)가 TV인 반면에, 외부장치1은 노트북이고, 노트북의 기 등록된 시작 명령어1이 "스피드"인 경우를 가정한다. 프로세서(7)는 TV의 시작 명령어(4)로 등록하기 위한 사용자 음성(3) "스타터"가 수신되면, 노트북의 기 등록된 시작 명령어1 "스피드"에 기초한 오디오를 참조 오디오(5)로 식별한다.

프로세서(7)는 노트북의 기 등록된 시작 명령어1 "스피드"에 기초한 오디오를 참조 오디오(5)로 활용하여, 사용자 음성(3) "스타터"에 대한 시작 명령어(4)로서의 적합성 검증을 수행할 수 있다. 이를 위해, 프로세서(7)는 사용자 음성(3) "스타터"와 노트북의 기 등록된 시작 명령어1 "스피드"에 기초한 참조 오디오(5) 간의 오인식 판단을 수행하고, 오인식 판단 결과에 따라 사용자 음성(3) "스타터"가 TV의 시작 명령어(4)로 등록 가능한지를 결정할 수 있다.

외부장치가 복수인 경우, 프로세서(7)는 복수의 외부장치 중 시작 명령어가 등록된 적어도 하나의 외부장치를 식별할 수 있으며, 적어도 하나의 외부장치에 기 등록된 시작 명령어를 참조 오디오(5)로 활용할 수 있다.

이와 같이, 프로세서(7)는 외부장치의 시작 명령어에 기초한 참조 오디오(5)를 활용할 수 있으므로, 외부장치의 시작 명령어와 무관한 데이터에 기초하여 적합성 검증을 수행하는 경우에 비해, 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시킬 수 있다.

도 8은 도 3의 동작 S32와 관련하여, 주변 오디오에 따른 참조 오디오의 일 예를 도시한다.

참조 오디오(5)는 주변 오디오에 기초하여 정의될 수 있다. 주변 오디오는 전자장치(1)의 주변으로부터 유입된 오디오를 포함할 수 있다. 주변 오디오는 내부 오디오 수신부(26) 또는 리모트 컨트롤러(6)를 통해 수신된 것일 수 있다.

이하에서는 도 8을 참조하여, 주변 오디오에 기초한 참조 오디오(5)의 일 예에 대해 설명한다.

주변 오디오는 출력 오디오를 포함한다. 출력 오디오는 디스플레이(24)에 표시된 영상에 대응하는 오디오 신호에 기초하여 출력된 오디오를 포함한다. 영상은 다양한 종류의 컨텐츠에 대한 영상을 포함할 수 있다. 다만, 이에 한정되는 것은 아니므로, 출력 오디오는 임의의 오디오 신호에 기초하여 출력된 오디오를 포함할 수 있다.

주변 오디오는 소음을 포함한다. 소음은 전자장치(1)의 주변에서 발생하는 다양한 종류의 소음을 포함한다. 일 예로, 바람 소리 등과 같은 자연 소음뿐만 아니라, 층간 소음, 가전제품 작동 소리와 같은 인공 소음을 포함할 수 있다.

주변 오디오는 일상 대화를 포함한다. 일상 대화는 전자장치(1)의 주변에서 사용자(2) 또는 사용자와 관련 있는, 예컨대, 가족으로부터의 음성, 잡담, 전화 통화 등을 포함한다.

프로세서(7)는 상기한 주변 오디오를 참조 오디오(5)로 식별하고, 앞서 설명한 바와 같이, 식별된 참조 오디오(5)에 기초하여 적합성 검증을 수행할 수 있다.

전자장치(1)가 공사장 소음, 예컨대, "쿵쿵쿵"에 노출된 환경에서, 시작 명령어 등록을 위한 사용자 음성(3) "스타터"가 수신된 경우를 가정하면, 프로세서(7)는 공사장 소음 "쿵쿵쿵"을 참조 오디오(5)로 식별하고, 사용자 음성(3) "스타터"와 공사장 소음 "쿵쿵쿵" 간의 오인식 여부를 판단할 수 있다.

앞서 도 1을 참조하여 설명한 바와 같이, 오인식 판단은 오디오 특성의 비교에 기초할 수 있으므로, 프로세서(7)는 사용자 음성(3) "스타터"와 공사장 소음 "쿵쿵쿵" 간의 오디오 특성이 유사하여, 양 자간에 오인식 가능성이 있다고 판단할 수 있다. 프로세서(7)는 공사장 소음 "쿵쿵쿵"에 노출된 환경에서 사용자 음성(3) "스타터"는 시작 명령어(4)로서 적합하지 않다고 판단하고, 시작 명령어(4)로 등록하지 않을 수 있다. 반면에, 프로세서(7)는 사용자 음성(3) "스타터"와 공사장 소음 "쿵쿵쿵" 간의 오디오 특성이 유사하지 않다면, 공사장 소음 "쿵쿵쿵"에 노출된 환경일지라도, 사용자 음성(3) "스타터"는 시작 명령어(4)로서 적합하여, 시작 명령어(4)로 등록할 수 있다.

이와 같이, 프로세서(7)는 주변 오디오에 기초한 참조 오디오(5)를 활용할 수 있으므로, 주변 오디오를 고려하지 않은 적합성 검증에 비해, 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시킬 수 있다.

도 9는 도 3의 동작 S32와 관련하여, 참조 오디오를 그룹화하는 일 예를 도시한다.

프로세서(7)는 참조 오디오(5) 또는 참조 오디오(5)의 기초가 되는 참조 데이터를 획득하고, 사용자 음성(3)에 대한 시작 명령어(4)로서의 적합성 검증을 위해 참조 오디오(5)를 활용할 수 있음은, 앞서 도 4 내지 8을 참조하여 설명한 바와 같다. 이하에서는, 참조 오디오(5) 또는 참조 데이터를 보다 효율적으로 관리함으로써, 참조 오디오(5)에 대한 활용성을 향상시킬 수 있는 방안에 대해 설명한다.

프로세서(7)는 획득된 참조 데이터를 복수의 그룹으로 그룹화한다. 그룹화 기준은 사용자 기준, 장치 기준, 기능 기준 등을 포함하나, 이에 한정되는 것은 아니므로, 다양한 기준에 따라 참조 오디오(5)를 그룹화할 수 있다.

사용자 기준에 따라 그룹화하는 경우를 예로 들면, 프로세서(7)는 획득된 데이터가 사용자(2)와 관련된 것인지 식별한다. 프로세서(7)는 획득된 데이터가 사용자(2)에 관한 것이면, 획득된 데이터를 사용자(2)에 대응하는 참조 오디오(5)의 데이터로 그룹화할 수 있다.

사용자(2)에 대응하는 참조 오디오(5)의 데이터로 그룹화된 데이터는, 사용자 기준보다 하위 기준에 따라 재차 그룹화될 수 있다. 일 예로, 앞서 도 4를 참조하여 설명한 바와 같이, 사용자(1)의 특성, 예컨대, 발음이력, 발음특성 별로 재차 그룹화될 수 있다.

또한, 사용자(2)의 발음특성에 대응하는 참조 오디오(5)의 데이터로 그룹화된 데이터는, 보다 하위 기준인 영국식 발음 경향, 미국식 발음 경향 별로 그룹화될 수 있다.

이와 같이, 프로세서(7)는 획득된 데이터를 사용자(2)에 대응하도록 그룹화하고, 사용자(2)로부터 시작 명령어(4)로 등록하기 위한 사용자 음성(3)이 수신되면, 사용자(2)에 대응하는 참조 오디오(5)를 식별하고, 식별된 참조 오디오(5)에 기초하여 사용자 음성(3)에 대한 적합성 검증을 수행한다. 일 예로, 도 4에서 설명한 바와 같이, 식별된 사용자(2)가 영국식 발음 경향을 가지고 있는 것으로 식별되면, 그룹화된 참조 오디오(5)의 데이터에 기초하여 사용자 음성(3) "쉐쥴링"과 영국식 발음 경향을 나타내는 "스케쥴" 간의 오인식 판단을 수행한다.

다른 예로, 장치 기준에 따라 그룹화하는 경우, 프로세서(7)는 획득된 데이터가 전자장치(1) 또는 다른 외부장치에 관한 것인지 식별한다. 일 예로, 프로세서(7)는 획득된 데이터가 TV(1)에 관한 것이면, 획득된 데이터를 TV(1)에 대응하는 참조 오디오(5)의 데이터로 그룹화하고, 다른 외부장치에 관한 것이면, 획득된 데이터를 에어컨에 대응하는 참조 오디오(5)의 데이터로 그룹화할 수 있다.

시작 명령어(5)는 장치 별로 등록될 수 있으며, 일 예로, 사용자(2)가 TV(1)와 관련된 시작 명령어(4)를 등록하고자 하는 경우, 프로세서(7)는 TV(1)에 대응하는 참조 오디오(5)를 식별하고, 식별된 참조 오디오(5)에 기초하여 사용자 음성(3)에 대한 적합성 검증을 수행한다.

또 다른 예로, 기능 기준에 따라 그룹화하는 경우, 프로세서(7)는 획득된 데이터가 전자장치(1)의 어느 기능에 관한 것인지 식별한다. 일 예로, 프로세서(7)는 획득된 데이터가 TV(1)의 파워온 기능에 관한 것이면, 획득된 데이터를 TV(1)의 파워온 기능에 대응하는 참조 오디오(5)의 데이터로 그룹화하고, 검색 기능에 관한 것이면, 획득된 데이터를 검색 기능에 대응하는 참조 오디오(5)의 데이터로 그룹화할 수 있다.

시작 명령어(5)는 기능 별로 등록될 수 있으며, 일 예로, 사용자(2)가 TV(1)의 파워온 기능과 관련된 시작 명령어(4)를 등록하고자 하는 경우, 프로세서(7)는 TV(1)의 파워온 기능에 대응하는 참조 오디오(5)를 식별하고, 식별된 참조 오디오(5)에 기초하여 사용자 음성(3)에 대한 적합성 검증을 수행한다.

이와 같이, 프로세서(7)는 획득된 데이터를 소정 그룹화 기준에 따라 그룹화하고, 필요에 따라 그룹화된 데이터에 기초하여 참조 오디오(5)를 활용할 수 있으므로, 적합성 검증에 있어서, 자원 효율성, 검증 신속성 및 검증 정밀성을 더욱 향상시킬 수 있다.

도 10은 도 3의 동작 S32와 관련하여, 적합성 판단의 일 예를 도시한다.

앞서 도 1을 참조하여 설명한 바와 같이, 프로세서(7)는 적합성 검증을 위해 사용자 음성(3)과 참조 오디오(5) 간의 오디오 특성의 비교를 수행할 수 있다. 오디오 특성은 패턴, 톤, 세기, 빠르기, 주파수, 주기, 진폭 중 적어도 하나를 포함할 수 있으나, 이하에서는 설명의 편의를 위해 진폭에 기초하여 오인식 여부를 판단하는 과정에 대해 설명한다.

도 10에 도시된 바와 같이, 프로세서(7)는 사용자 음성(3)의 진폭(93) 및 사용자(2)와 관련되어 정의된 참조 오디오(5)의 참조 진폭(95)을 식별한다. 프로세서(7)는 진폭(93) 및 참조 진폭(95) 간의 유사도를 비교할 수 있다. 일 예로, 진폭(93) 및 참조 진폭(95) 간의 최고값, 최저값, 평균값 등을 비교함으로써, 상호 간의 유사도를 비교할 수 있다.

프로세서(7)는 필요에 따라 유사도에 따라 점수를 부여할 수 있으며, 유사도에 따른 점수가 소정 문턱값 이하이면, 상호 간의 오인식 가능성이 없는 것으로 식별하고, 사용자 음성(3)에 대한 시작 명령어(4)로서의 적합성을 인정할 수 있다. 반면에, 유사도에 따른 점수가 소정 문턱값 초과이면, 상호 간의 오인식 가능성이 있는 것으로 식별하고, 사용자 음성(3)에 대한 시작 명령어(4)로서의 적합성을 부정할 수 있다.

이와 같이, 프로세서(7)는 오디오 특성 간의 유사도에 기초하여 사용자 음성(3)에 대한 시작 명령어(4)로서의 적합성 여부를 식별할 수 있으므로, 적합성 검증에 있어서, 검증 신속성 및 검증 정밀성을 더욱 향상시킬 수 있다.

도 11은 도 3의 동작 S32와 관련하여, 사전 적합성 판단의 일 예를 도시한다.

프로세서(7)는 사용자 음성(3)에 대해 사전 적합성 검증을 수행한다. 앞서 설명한 적합성 검증은 사용자 음성(3)과 대비되는 참조 오디오(5)를 활용하는 반면에, 사전 적합성 검증은 참조 오디오(5)를 활용하지 않고, 사전 적합성 기준을 활용하는 점에서 차이가 있다.

사전 적합성 기준은, 사용자 음성(3)에 대한 단어 길이 등을 포함할 수 있다. 이하에서는, 단어 길이를 예로 들어 사전 적합성 검증의 일 예를 설명한다.

프로세서(7)는 시작 명령어(4)로 등록하기 위한 사용자 음성(3)이 수신되면, 사용자 음성(3)의 단어 길이를 식별한다. 사용자 음성(3)의 인식 및 단어 길이의 식별은 ASR (Automatic Speech Recognition) 엔진이 이용될 수 있다. 사용자 음성(3)은, 도 5를 참조하여 설명한 바와 같이, 내부 오디오 수신부(26) 또는 리모트 컨트롤러(6)를 통해 입력될 수 있다. 사용자 음성(3)은 음성 데이터뿐만 아니라, 텍스트 데이터로 입력될 수 있다.

프로세서(7)는 사용자 음성(3)의 단어 길이가 소정 길이 이하인 경우, 시작 명령어(4)로서의 적합성을 부정할 수 있다. 이러한 측면에서, 사전 적합성 기준은, 시작 명령어(4)로서의 최소한의 기준을 의미할 수 있다. 다만, 사전 적합성 기준은, 단어 길이에 한정되는 것은 아니므로, 설계 방법에 따라 음성 크기 등 다양한 기준을 포함하도록 마련될 수 있다.

프로세서(7)는 사전 적합성 기준을 만족하지 못한 경우, 사용자 음성(3)을 재차 요구하는 사용자 인터페이스(User Interface)(102)를 표시할 수 있다. 다만, 이러한 요구는 UI(102) 표시에 한정되는 것은 아니므로, 오디오 출력부(27)를 통해 사용자 음성(3)을 재차 요구하는 오디오를 출력할 수 있다.

프로세서(7)는 사전 적합성 기준을 만족하는 경우, 사용자 음성(3)에 기초한 음향 모델(acoustic model)을 생성할 수 있다. 프로세서(7)는 사전 적합성 기준을 만족한 음향 모델에 대하여, 앞서 설명한 참조 오디오(5)와의 비교를 통해 최종적으로 시작 명령어(4)로서 유효한지를 식별할 수 있다. 음향 모델에 기초하여 적합성 검증에 대해서는 도 12를 참조하여 좀더 자세히 설명하기로 한다.

한편, 사용자 음성(3)을 재차 요구하는 UI(102) 표시 등은 사전 적합성 기준을 만족하지 못한 경우에 한정되지 않으므로, 음향 모델에 대한 시작 명령어(4)로서의 적합성이 부정된 경우에도 적용될 수 있다.

오인식 판단은, 도 7을 참조하여 설명한 바와 같이, 기존에 시작 명령어(4)로서의 적합성이 인정된 음향 모델과의 오인식 판단도 포함하며, 만일, 기존의 음향 모델과 오인식 가능성으로 인해 상호 충돌되는 경우, 기존의 음향 모델을 삭제하거나, 새로운 음향 모델로 업데이트 할지를 요구하는 UI(102)를 표시할 수 있다. 이와 같이, 프로세서(7)는 간단한 절차를 통해 사용자 음성(3)에 대한 사전 적합성 검증을 수행할 수 있으므로, 적합성 검증에 있어서, 자원 효율성을 더욱 향상시킬 수 있다.

도 12는 도 3의 동작 S32와 관련하여, 음향 모델에 기초한 적합성 판단의 일 예를 도시한다.

도 12를 참조하여 이하에서 설명하는 각 동작은 전자장치(1)의 프로세서(7)에 의해 실행된다. 또한, 도 3을 참조하여 설명된 각 동작과 중복되는 설명은 생략하고, 상이한 부분 위주로 설명한다.

프로세서(7)는 전자장치(1)의 시작 명령어(4) 등록을 위한 사용자 텍스트를 수신할 수 있다(S121). 일 예로, 사용자(2)로부터 키보드 등과 같은 입력장치를 통해 사용자 텍스트 "스타터"를 수신할 수 있다.

프로세서(7)는 시작 명령어(4) 등록을 위한 사용자 음성(3)을 수신할 수 있다(S122). 일 예로, 프로세서(7)는 사용자 음성(3) "스타터"가 수신되면, 사용자 음성(3) "스타터" 및 동작 S121에서 입력된 사용자 텍스트 "스타터"에 기초하여, 앞서 도 11을 참조하여 설명한 바와 같이, 사전 적합성 검증을 수행할 수 있다.

프로세서(7)는 사전 적합성 검증의 정밀성을 위해 사용자(2)로 하여금 사용자 음성(3) "스타터"를 소정 횟수 이상 발화하도록 할 수 있다. 일 예로, UI(102)를 통해 소정 횟수 이상 사용자 음성(3)을 발화할 것을 요청할 수 있다.

프로세서(7)는 음향 모델을 생성할 수 있다(S123). 음향 모델은 사전 적합성 검증을 통과한 사용자 음성(3)에 기초하여 생성될 수 있다. 음향 모델은 사용자 음성(3)에 대응하는 하드웨어/소프트웨어 컴포넌트로 구현될 수 있다.

프로세서(7)는 검증 엔진을 통해 음향 모델에 대응하는 사용자 음성(3)의 오인식 횟수 식별한다(S124). 검증 엔진은, 앞서 설명한 바와 같이, 다양하게 구성될 수 있는 참조 오디오(5)에 기초하도록 구성될 수 있으며, 하드웨어/소프트웨어 컴포넌트로 구현될 수 있다. 일 예로, 전자장치(1)에 기 등록된 시작 명령어가 있는 경우, 검증 엔진은 기 등록된 시작 명령어에 기초한 음향 모델을 탑재할 수 있다.

오인식 여부는, 음향 모델이 검증 엔진을 통과하는지 여부, 즉, 음향 모델에 대응하는 사용자 음성(3)과 검증 엔진에 대응하는 참조 오디오(5) 간의 오디오 특성의 비교에 기초하여 식별될 수 있다.

오인식 횟수가 소정 문턱값 이하이면(S125), 프로세서(7)는 음향 모델에 대응하는 사용자 음성(3)의 적합성을 인정하고, 사용자 음성(3)를 시작 명령어(4)로 등록할 수 있다(S126). 일 예로, 음향 모델이 검증 엔진을 통과하지 못하는 횟수가 소정 문턱값 이하이거나, 음향 모델에 대응하는 사용자 음성(3)과 검증 엔진에 대응하는 참조 오디오(5) 간의 오디오 특성의 비교 결과, 상호 간에 오인식 가능성이 있다고 식별된 횟수가 소정 문턱값 이하이면, 사용자 음성(3)의 적합성을 인정할 수 있다.

반면에, 오인식 횟수가 소정 문턱값 초과이면, 프로세서(7)는 사용자 음성(3)의 적합성을 부정하고, 사용자 음성(3)를 시작 명령어(4)로 등록하지 않을 수 있다. 일 예로, 음향 모델이 검증 엔진을 통과하지 못하는 횟수가 소정 문턱값 초과이거나, 음향 모델에 대응하는 사용자 음성(3)과 검증 엔진에 대응하는 참조 오디오(5) 간의 오디오 특성의 비교 결과, 상호 간에 오인식 가능성이 있다고 식별된 횟수가 소정 문턱값 초과이면, 사용자 음성(3)의 적합성을 부정할 수 있다.

한편, 음향 모델에 대한 적합성 검증은 네트워크 기반의 IoT 장치 간에도 적용될 수 있다. 설명의 편의를 위해, 외부장치가 전자장치(1)와 함께 IoT 네트워크를 구성하고, 외부장치에 대응하는 음향 모델이 존재하는 경우를 가정한다.

프로세서(7)는 전자장치(1)의 시작 명령어(4)로 등록하기 위한 사용자 음성(3)이 수신되면, 외부장치의 음향 모델에 기초하여 검증 엔진을 설정할 수 있다. 일 예로, 외부장치의 음향 모델이 외부장치에 기 등록된 시작 명령어인 경우, 검증 엔진은 외부장치에 기 등록된 시작 명령어에 관한 참조 오디오(5)에 기초하도록 구성될 수 있다.

프로세서(7)는 외부장치의 음향 모델에 기초한 검증 엔진을 활용하여, 앞서 동작 S123에 따라 전자장치(1)에 대하여 생성된 음향 모델에 대한 적합성 검증을 수행할 수 있다. 즉, 전자장치(1)의 음향 모델에 대응하는 사용자 음성(3)의 오인식 횟수를 식별할 수 있다(S124).

프로세서(7)는 오인식 횟수가 소정 문턱값 이하이면(S125), 전자장치(1)의 음향 모델에 대응하는 사용자 음성(3)의 적합성을 인정하고, 사용자 음성(3)를 시작 명령어(4)로 등록할 수 있다(S126). 반면에, 오인식 횟수가 소정 문턱값 초과이면, 전자장치(1)의 음향 모델에 대응하는 사용자 음성(3)의 적합성을 부정하고, 사용자 음성(3)를 시작 명령어(4)로 등록하지 않을 수 있다.

이와 같이, 프로세서(7)는 검증 엔진을 활용하여 음향 모델에 대응하는 사용자 음성(3)의 오인식 횟수를 식별하고, 오인식 횟수에 기초하여 적합성 검증을 수행할 수 있으므로, 검증 정밀성을 더욱 향상시킬 수 있다.

도 13은 도 2의 서버에 대한 제어방법의 일 예를 도시한다.

이하에서 설명하는 각 동작은 서버(8)의 서버프로세서(9)에 의해 실행된다.

도 13에 도시된 바와 같이, 서버프로세서(9)는 전자장치(1)의 음성 인식 기능을 활성화하는 시작 명령어(4) 등록을 위한 사용자 음성(3)에 관한 정보를 수신한다(S131).

서버프로세서(9)는 사용자 음성(3)과, 사용자(2)에 대응된 참조 오디오(5) 간의 오인식 판단에 기초하여 사용자 음성(3)이 시작 명령어(4)로서 적합한지 여부를 식별한다(S132).

서버프로세서(9)는 사용자 음성(3)이 시작 명령어(4)로서 적합한지 여부에 관한 정보를 전자장치(1)로 전송한다(S133).

전자장치(1)는 서버(8)로부터 수신된 정보에 기초하여 적합성이 인정된 사용자 음성(3)을 시작 명령어(4)로 등록하고, 등록 이후 사용자 음성(3)이 수신되면, 음성 인식 기능을 활성화한다.

한편, 도 3을 참조하여 설명한 프로세서(7)에 각 동작 또는 도 13를 참조하여 설명한 서버프로세서(9)의 각 동작은, 설계 방법에 따라 어느 하나의 프로세서에만 실행되거나, 일부 동작을 나눠서 수행할 수 있다. 예컨대, 전자장치(1) 또는 서버(8)의 자원 상태, 네트워크 상태, 사용자 음성(3)과 대비되는 참조 오디오(5)의 용량 등을 고려하여, 프로세서(7) 또는 서버프로세서(9)가 수행할 동작이 결정될 수 있다.

이와 같이, 서버프로세서(9)는 시작 명령어(4)의 임의 등록 과정에서 사용자 음성(3)에 대하여 시작 명령어(4)으로서의 적합성을 검증할 수 있으며, 이를 위해 사용자(2)에 대응된 참조 오디오(5), 즉, 사용자(2)에 최적화된 참조 오디오(5)를 활용할 수 있다. 따라서, 자원 효율성, 검증 신속성 및 검증 정밀성을 향상시킬 수 있으며, 시작 명령어(4)에 대한 활용성 및 음성 인식 기능에 대한 사용 편의성을 향상시킬 수 있다.

본 문서에 개시된 다양한 실시예들은 전자장치(1)와 같은 기기(Machine)가 읽을 수 있는 저장 매체(Storage Medium)에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어로서 구현된다. 일 예로, 전자장치(1)의 프로세서(7)는 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행한다. 이것은 전자장치(1)와 같은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함한다. 기기로 읽을 수 있는 저장매체는, 비일시적(Non-transitory) 저장매체의 형태로 제공된다. 여기서, ‘비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(예컨대, 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 일 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함한다.

일 예로, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(Computer Program Product)에 포함되어 제공된다. 본 개시에 의한 컴퓨터 프로그램 제품은, 앞서 언급된 바와 같은, 프로세서에 의해 실행되는 소프트웨어의 명령어들을 포함한다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래된다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예컨대, CD-ROM)의 형태로 배포되거나, 또는 어플리케이션 스토어(예컨대, 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예컨대, 스마트폰들) 간에 직접, 온라인으로 배포(예컨대, 다운로드 또는 업로드)된다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성된다.

이상, 바람직한 실시예를 통하여 본 발명에 관하여 상세히 설명하였으나, 본 발명은 이에 한정되는 것은 아니며 특허청구범위 내에서 다양하게 실시된다.

1: 전자장치
8: 서버

Claims (20)

1. 전자장치에 있어서,
   상기 전자장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성을 수신하고,
   상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하고,
   상기 시작 명령어로서 적합한 것으로 식별되는 상기 사용자 음성을 상기 시작 명령어로서 등록하는 프로세서를 포함하는 전자장치.
2. 제1항에 있어서,
   상기 참조 오디오의 데이터는, 사용자 발화특성 또는 사용자 발화이력 중 적어도 하나에 관한 데이터를 포함하는 전자장치.
3. 제1항에 있어서,
   상기 참조 오디오의 데이터는, 상기 사용자의 계정에 기초하여 획득된 데이터를 포함하는 전자장치.
4. 제1항에 있어서,
   상기 참조 오디오의 데이터는, 상기 사용자와 관련되어 입력된 텍스트의 데이터를 포함하는 전자장치.
5. 제1항에 있어서,
   상기 참조 오디오의 데이터는, 상기 사용자와 관련된 다른 사용자의 데이터를 포함하는 전자장치.
6. 제1항에 있어서,
   상기 참조 오디오의 데이터는, 상기 전자장치와 다른 외부장치에 대하여 등록된 시작 명령어의 데이터를 포함하는 전자장치.
7. 제1항에 있어서,
   상기 참조 오디오는, 상기 전자장치의 주변에서 획득된 오디오를 포함하는 전자장치.
8. 제1항에 있어서,
   상기 프로세서는, 상기 사용자 음성과 상기 참조 오디오 간 오디오 특성의 유사도에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하는 전자장치.
9. 제1항에 있어서,
   상기 프로세서는, 상기 사용자 음성에 포함된 단어의 길이에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하는 전자장치.
10. 제1항에 있어서,
    상기 프로세서는, 상기 참조 오디오를 상기 전자장치의 기능에 따라 복수의 그룹으로 그룹화하고, 상기 사용자 음성에 대응하는 그룹의 참조 오디오에 기초하여 상기 사용자 음성이 상기 시작명령어로서 적합한지 여부를 식별하는 전자장치.
11. 전자장치에 있어서,
    인터페이스부; 및
    상기 인터페이스부를 통해 외부장치로부터 상기 외부장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성에 관한 정보를 수신하고,
    상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하고,
    상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부에 관한 정보를 상기 외부장치로 전송하도록 상기 인터페이스부를 제어하는 프로세서
    를 포함하는 전자장치.
12. 전자장치의 제어방법에 있어서,
    상기 전자장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성을 수신하는 단계;
    상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하는 단계; 및
    상기 시작 명령어로서 적합한 것으로 식별되는 상기 사용자 음성을 상기 시작 명령어로서 등록하는 단계를 포함하는 전자장치의 제어방법.
13. 제12항에 있어서,
    상기 참조 오디오의 데이터는, 사용자 발화특성 또는 사용자 발화이력 중 적어도 하나에 관한 데이터를 포함하는 전자장치의 제어방법.
14. 제12항에 있어서,
    상기 참조 오디오의 데이터는, 상기 사용자의 계정에 기초하여 획득된 데이터를 포함하는 전자장치의 제어방법.
15. 제12항에 있어서,
    상기 참조 오디오의 데이터는, 상기 사용자와 관련되어 입력된 텍스트의 데이터를 포함하는 전자장치의 제어방법.
16. 제12항에 있어서,
    상기 참조 오디오의 데이터는, 상기 사용자와 관련된 다른 사용자의 데이터를 포함하는 전자장치의 제어방법.
17. 제12항에 있어서,
    상기 참조 오디오의 데이터는, 상기 전자장치와 다른 외부장치에 대하여 등록된 시작 명령어의 데이터를 포함하는 전자장치의 제어방법.
18. 제12항에 있어서,
    상기 참조 오디오는, 상기 전자장치의 주변에서 획득된 오디오를 포함하는 전자장치의 제어방법.
19. 전자장치의 제어방법에 있어서,
    외부장치로부터 상기 외부장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성에 관한 정보를 수신하는 단계;
    상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하는 단계; 및
    상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부에 관한 정보를 상기 외부장치로 전송하는 단계를 포함하는 전자장치의 제어방법.
20. 컴퓨터가 읽을 수 있는 코드로서, 오디오 출력부를 포함하는 전자장치의 제어방법을 수행하는 코드를 포함하는 컴퓨터 프로그램이 저장된 기록매체에 있어서, 상기 전자장치의 제어방법은,
    상기 전자장치의 음성 인식 기능을 활성화하는 시작 명령어 등록을 위한 사용자 음성을 수신하는 단계;
    상기 사용자 음성과, 사용자에 대응된 참조 오디오 간의 오인식 판단에 기초하여 상기 사용자 음성이 상기 시작 명령어로서 적합한지 여부를 식별하는 단계; 및
    상기 시작 명령어로서 적합한 것으로 식별되는 상기 사용자 음성을 상기 시작 명령어로서 등록하는 단계를 포함하는 것을 특징으로 하는 컴퓨터가 읽을 수 있는 프로그램이 기록된 기록매체.

Images