KR20220039018A - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
KR20220039018A
KR20220039018A KR1020200121570A KR20200121570A KR20220039018A KR 20220039018 A KR20220039018 A KR 20220039018A KR 1020200121570 A KR1020200121570 A KR 1020200121570A KR 20200121570 A KR20200121570 A KR 20200121570A KR 20220039018 A KR20220039018 A KR 20220039018A
Authority
KR
South Korea
Prior art keywords
voice
lyrics
voice command
electronic device
keyword
Prior art date
Application number
KR1020200121570A
Other languages
English (en)
Inventor
미카엘 준시크
보제나 루카시악
다니엘 트로피미크
자컵 케쥑
로만 프레직
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020200121570A priority Critical patent/KR20220039018A/ko
Priority to PCT/KR2021/011984 priority patent/WO2022059979A1/ko
Publication of KR20220039018A publication Critical patent/KR20220039018A/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
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • 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
    • G06F3/16—Sound input; Sound output
    • 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
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • 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
    • 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
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
    • G—PHYSICS
    • 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
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Hospice & Palliative Care (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Psychiatry (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

전자 장치가 개시된다. 본 개시에 따른 전자 장치는 마이크, 스피커, 메모리 및 프로세서를 포함하고, 프로세서는, 마이크를 통해 사용자의 음성 명령을 획득하고, 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하고, 음성 명령에 기설정된 명령이 포함된 경우, 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하고, 획득된 가사를 바탕으로 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 출력하도록 스피커를 제어한다.

Description

전자 장치 및 그 제어 방법{ELECTRONIC APPARATUS AND METHOD FOR CONTROLLING THEREOF}
본 개시는 전자 장치 및 그 제어 방법으로, 보다 상세하게는, 사용자의 음성 명령에 포함된 텍스트를 바탕으로 음성 피드백을 제공하는 전자 장치 및 그 제어 방법에 관한 것이다.
전자 기술의 발달에 힘입어 인공 지능(예로, Bixby)을 탑재한 스마트폰이 사용자의 음성 명령에 응답하여 음성 피드백을 제공하고 있다. 한편, 최근에는 음성 피드백에 엔터테인먼트(entertainment) 요소를 부가하기 위한 일환으로, 음성 명령에 대해 응답하여 랩(rap)과 같은 음악을 음성 피드백으로 제공하는 기술에 대한 연구가 활발히 진행되고 있다.
다만, 종래의 전자 장치는 사용자의 특정 음성 명령(예로, "랩 해줘")이 획득되면, 데이터베이스에 미리 저장된 가사 중 하나의 가사를 랜덤하게 식별하고, 식별된 가사를 바탕으로 음성 피드백을 제공한다. 즉, 종래의 전자 장치는 개발자에 의해 데이터베이스에 미리 저장된 가사를 바탕으로 음성 피드백을 제공할 뿐, 사용자와 관련된 컨텍스트(예로, 감정)가 반영된 음성 피드백을 제공할 수는 없었다.
이에 따라, 사용자와 관련된 컨텍스트 정보를 바탕으로 음성 피드백을 제공하는 기술에 대한 필요성이 대두된다.
본 발명이 해결하고자 하는 일 기술적 과제는, 음성 명령에 포함된 텍스트를 바탕으로 음성 피드백을 제공하는 전자 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 일 실시 예에 따르면, 전자 장치에 있어서, 마이크; 스피커; 적어도 하나의 인스트럭션을 저장하는 메모리; 및 프로세서;를 포함하고, 상기 프로세서는, 상기 마이크를 통해 사용자의 음성 명령을 획득하고, 상기 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하고, 상기 음성 명령에 상기 기설정된 명령이 포함된 경우, 상기 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하고, 상기 획득된 가사를 바탕으로 상기 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 출력하도록 상기 스피커를 제어하는 전자 장치가 제공될 수 있다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 다른 일 실시 예에 따르면, 전자 장치의 제어 방법에 있어서, 사용자의 음성 명령을 획득하는 단계; 상기 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하는 단계; 상기 음성 명령에 상기 기설정된 명령이 포함된 경우, 상기 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하는 단계; 및 상기 획득된 가사를 바탕으로 상기 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 제공하는 단계;를 포함하는 제어 방법이 제공될 수 있다.
본 개시의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이상과 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치는 음성 명령에 포함된 텍스트를 바탕으로 가사를 생성하고, 생성된 가사를 바탕으로 음성 피드백을 제공할 수 있다. 이에 따라, 사용자의 만족감 및 편의성이 향상될 수 있다.
그 외에 본 개시의 실시 예로 인하여 얻을 수 있거나 예측되는 효과에 대해서는 본 개시의 실시 예에 대한 상세한 설명에서 직접적 또는 암시적으로 개시하도록 한다. 예컨대, 본 개시의 실시 예에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
도 1은 본 개시의 일 실시 예에 따른 음성 피드백 제공 방법의 컨셉을 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 3a는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다.
도 3b는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다.
도 3c는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다.
도 3d는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다.
도 4a는 본 개시의 일 실시 예에 따른 음악 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 4b는 본 개시의 다른 일 실시 예에 따른 음악 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 5a는 본 개시의 일 실시 예에 따른 컨텍스트 정보를 이용한 가사 획득 방법을 설명하기 위한 도면이다.
도 5b는 본 개시의 일 실시 예에 따른 컨텍스트 정보를 이용한 가사 획득 방법을 설명하기 위한 도면이다.
도 6은 본 개시의 다른 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 7은 본 개시의 일 실시 예에 따른 제2 음성 피드백의 유형을 결정하는 방법을 설명하기 위한 도면이다.
도 8a는 본 개시의 일 실시 예에 따른 제2 음성 피드백 획득 방법을 설명하기 위한 도면이다.
도 8b는 본 개시의 일 실시 예에 따른 제2 음성 피드백 획득 방법을 설명하기 위한 도면이다.
도 8c는 본 개시의 일 실시 예에 따른 데이터 베이스를 도시한 도면이다.
도 9는 본 개시의 일 실시 예에 따른 데이터 베이스 업데이트 방법을 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 11은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 순서도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.　
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.　그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 개시의 일 실시 예에 따른 음성 피드백 제공 방법의 컨셉을 설명하기 위한 도면이다.
도 1을 참조하면, 전자 장치(100)는 사용자(1)의 음성 명령(11, 12)을 획득할 수 있다. 사용자(1)의 음성 명령(11,12)이 획득되면, 전자 장치(100)는 음성 명령(11, 12)에 기설정된 커맨드가 포함되었는지 여부를 식별할 수 있다. 여기서, 기설정된 커맨드(13)는, 제1 장르(예로, 랩)의 제1 음성 피드백을 요청하는 커맨드를 의미한다. 예를 들어, 기설정된 커맨드(13)는 "랩 해줘(rap for ~)"와 같은 커맨드를 포함할 수 있다.
사용자(1)의 음성 명령에 기설정된 커맨드(13)가 포함된 경우 즉, 제1 음성 명령(11)이 획득된 경우, 전자 장치(100)는 제1 장르의 제1 음성 피드백(21)을 제공할 수 있다. 제1 음성 피드백(21)은, 특정 장르의 음악을 제공하는 피드백을 의미한다. 예를 들어, 제1 음성 피드백(21)은 프리스타일 랩(freestyle rap)이 될 수 있다.
사용자(1)의 음성 명령에 기설정된 커맨드(13)가 포함된 경우 즉, 제2 음성 명령(12)이 획득된 경우, 전자 장치(100)는 제2 장르의 제2 음성 피드백(22)을 제공할 수 있다. 제2 음성 피드백(22)은, 사용자의 음성 명령에 대한 응답 메시지가 음악화(songified)된 음성 피드백을 의미한다. 예를 들어, 제2 음성 피드백(22)은 오늘의 날씨에 대한 응답 메시지와 소정의 반주(instrumental music)가 합성된 음성 피드백일 수 있다.
이와 같이, 전자 장치(100)는 사용자(1)의 음성 명령에 기설정된 커맨드(13)가 포함되었는지 여부를 바탕으로, 제1 음성 피드백(21) 또는 제2 음성 피드백(22)을 제공할 수 있다. 특히, 전자 장치(100)는 사용자(1)에 대한 컨텍스트 정보를 바탕으로 음성 피드백을 제공할 수 있다. 컨텍스트 정보는, 사용자(1)의 감정, 사용자(1)와 관련된 기념일 정보(예로, 사용자의 생일 날짜), 현재 날씨 정보 중 적어도 하나를 포함할 수 있다. 일 예로, 제1 음성 명령(11)이 획득된 경우, 전자 장치(100)는 사용자(1)와 관련된 기념일 정보를 바탕으로 가사를 획득하고, 획득된 가사가 반영된 음악을 출력할 수 있다. 다른 일 예로, 제2 음성 명령(12)이 획득된 경우, 전자 장치(100)는 현재 날씨 정보에 대응되는 반주를 획득하고, 획득된 반주와 함께 음성 메시지를 출력할 수 있다.
한편, 본 개시에 따른 전자 장치(100)는 스마트폰, AI(Artificial Intelligence) 스피커, TV 및 개인정보 단말기(PDA: Personal Digital Assistant) 중 적어도 하나로 구현될 수 있다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다. 구체적으로, 제1 음성 피드백을 제공하는 경우 전자 장치의 구성을 도시한 블록도이다. 도 2를 참조하면, 전자 장치(100)는 마이크(110), 통신 인터페이스(120), 메모리(130), 스피커(140) 및 프로세서(150)를 포함할 수 있다. 프로세서(150)는 음성 인식 모듈(151), 장르 판단 모듈(152), 가사 획득 모듈(153), 컨텍스트 정보 획득 모듈(154), 음악 정보 획득 모듈(155) 및 제1 피드백 획득 모듈(156)을 포함할 수 있다.
음성 인식 모듈(151)은 마이크(110)를 통해 사용자의 음성 명령을 획득할 수 있다. 그리고, 음성 인식 모듈(151)은 획득된 음성 명령을 바탕으로 텍스트를 획득할 수 있다. 예를 들어, 음성 인식 모듈(151)은 획득된 음성 명령을 텍스트로 변환할 수 있다. 즉, 음성 인식 모듈(151)은 STT(Speech To Text) 모듈을 포함할 수 있다.
장르 판단 모듈(152)은 음성 인식 모듈(151)을 통해 획득된 텍스트를 바탕으로 사용자에게 제공할 음성 피드백의 장르(genre)를 판단할 수 있다. 장르 판단 모듈(152)은 획득된 텍스트가 기설정된 커맨드에 대응되는 텍스트(또는, 기설정된 텍스트)를 포함하는 지 여부를 바탕으로 음성 피드백의 장르를 판단할 수 있다. 예를 들어, 획득된 텍스트가 기설정된 텍스트를 포함하면, 장르 판단 모듈(152)은 음성 피드백의 장르를 제1 장르로 판단할 수 있다. 구체적으로, 도 1을 다시 참조하면, 제1 음성 명령(11)에 대응되는 텍스트("Bixby, rap for me")가 기설정된 텍스트("rap for me")를 포함하는 경우, 장르 판단 모듈(152)은 음성 피드백의 장르를 제1 장르로 판단할 수 있다. 반면에, 획득된 텍스트가 기설정된 텍스트를 포함하지 않으면, 장르 판단 모듈(152)은 음성 피드백의 장르를 제2 장르로 판단할 수 있다.
장르 판단 모듈(152)에 따라 음성 피드백의 장르가 제1 장르로 판단되면, 가사 획득 모듈(153)은 제1 음성 피드백의 가사를 획득할 수 있다. 가사 획득 모듈(153)은 음성 인식 모듈(151)을 통해 획득된 텍스트에 포함된 키워드를 바탕으로 가사를 획득할 수 있다. 가사 획득 모듈(153)은 특정 이벤트(또는, 주제)와 관련된 제1 키워드를 획득할 수 있다. 예를 들어, 획득된 텍스트가 "생일 축하 랩 해줘"인 경우, 가사 획득 모듈(153)은 '생일'또는 '생일 축하'를 제1 키워드로 획득할 수 있다. 이 때, 가사 획득 모듈(153)은 통신 인터페이스(120)를 통해 외부 서버로부터 제1 키워드에 대응되는 가사(즉, 생일 축하와 관련된 가사)를 획득할 수 있다. 다만 이는 일 실시 예일 뿐, 가사 획득 모듈(153)은 메모리(130)로부터 가사를 획득할 수 있다. 예로, 메모리(130)에는 적어도 하나의 음악에 대한 멜로디, 가사, 장르, 분위기 등이 저장되어 있을 수 있다. 이 때, 가사 획득 모듈(153)은 메모리(130)에 저장된 가사 중 제1 키워드에 대응되는 가사를 획득할 수도 있다.
한편, 가사 획득 모듈(153)은 획득된 텍스트에 포함된 키워드를 바탕으로 외부 서버로부터 획득된 가사를 변경하여 새로운 가사를 획득할 수 있다. 가사 획득 모듈(153)은 특정 인물을 지칭하는 제2 키워드를 획득할 수 있다. 예를 들어, 획득된 텍스트가 "남동생의 생일 축하를 위한 랩 해줘"인 경우, 가사 획득 모듈(153)은 '생일 축하'를 제 1키워드로, '남동생'을 제2 키워드로 각각 획득할 수 있다. 이 때, 가사 획득 모듈(153)은 제1 키워드(즉, '생일 축하')를 바탕으로 외부 서버로부터 가사를 획득할 수 있다. 그리고, 가사 획득 모듈(153)은 획득된 가사에 포함된 복수의 단어 중 적어도 하나(예로, '당신의')를 제2 키워드(즉, '남동생')로 변경할 수 있다.
또한, 가사 획득 모듈(153)은 제2 키워드에 대응되는 제3 키워드를 바탕으로 획득된 가사를 변경할 수 있다. 예를 들어, 가사 획득 모듈(153)은 제2 키워드가 지칭하는 대상(즉, '남동생')의 이름(예로, 'Jimmy')을 제3 키워드로 획득할 수 있다. 가사 획득 모듈(153)은 메모리(130)에 저장된 연락처 정보 또는 SMS 메시지 내용을 바탕으로 제3 키워드를 획득할 수 있다. 그리고, 가사 획득 모듈(153)은 획득된 가사에 포함된 복수의 단어 중 적어도 하나(예로, '당신의')를 제2 키워드(즉, 'Jimmy')로 변경할 수 있다. 이와 같이, 전자 장치(100)는 획득된 텍스트에 포함된 키워드를 바탕으로 외부 서버로부터 획득된 가사를 변경하여 새로운 가사를 획득할 수 있다. 한편, 상술한 연락처 정보 및 SMS 메시지 내용은 외부 서버에 저장되어 있을 수 있다. 예로, 외부 서버에는 특정 인물의 이름, 별명 및 전화 번호 등을 포함하는 연락처 정보가 저장되어 있을 수 있다. 이 때, 전자 장치(100)는 통신 인터페이스(120)를 통해 외부 서버로부터 연락처 정보를 획득하고, 획득된 연락처 정보를 바탕으로 제3 키워드를 획득할 수 있다. 여기서, 외부 서버는 전자 장치(100)에 설치된 어플리케이션에 대응되는 서버일 수 있다.
한편, 가사 획득 모듈(153)은 외부 서버로부터 획득된 가사에 포함된 단어에 대한 동의어를 획득하고, 획득된 동의어를 바탕으로 획득된 가사를 변경할 수 있다. 구체적으로, 가사 획득 모듈(153)은 외부 서버로부터 획득된 가사에 포함된 복수의 단어 중 제1 단어(예로, 'all')를 식별하고, 제1 단어의 동의어인 제2 단어(예로, 'full')를 획득할 수 있다. 그리고, 가사 획득 모듈(153)은 제1 단어를 제2 단어로 치환하여 새로운 가사를 생성할 수 있다. 한편, 제1 단어에 대한 동의어는, 통신 인터페이스(120)를 통해 외부 서버로부터 획득될 수 있다. 또는, 제1 단어에 대한 동의어는, 메모리(130)에 저장된 사전(dictionary) 정보를 바탕으로 획득될 수 있다. 제1 단어에 대한 동의어가 여러 개인 경우, 통계자료에 근거하여 관련성이 가장 높은 단어가 제2 단어로 식별되거나, 랜덤하게 식별될 수 있다.
한편, 가사 획득 모듈(153)은 사용자와 관련된 컨텍스트 정보를 바탕으로 가사를 획득할 수 있다. 사용자와 관련된 컨텍스트 정보는, 사용자의 목소리 톤, 사용자 발화의 리듬, 사용자의 감정 및 사용자와 관련된 기념일 정보 중 적어도 하나를 포함할 수 있다.
컨텍스트 정보는 컨텍스트 정보 획득 모듈(154)을 통해 획득될 수 있다. 일 예로, 컨텍스트 정보 획득 모듈(154)은 메모리(130) 또는 외부 서버에 저장된 사용자와 관련된 기념일 정보를 획득할 수 있다. 이 때, 가사 획득 모듈(153)은 기념일 정보(예로, 사용자의 생일)를 바탕으로 가사를 획득할 수 있다. 구체적으로, 가사 획득 모듈(153)은 통신 인터페이스(120)를 통해 외부 서버로부터 생일과 관련된 가사를 획득할 수 있다.
다른 일 예로, 컨텍스트 정보 획득 모듈(154)은 마이크(110)를 통해 획득된 음성 명령을 학습된 신경망 모델에 입력하여 사용자의 감정을 획득할 수 있다. 또는, 컨텍스트 정보 획득 모듈(154)은 사용자를 촬상한 이미지를 분석하여 사용자의 감정을 획득할 수 있다. 가사 획득 모듈(153)은 사용자의 감정을 바탕으로 사용자의 감정(예로, 행복)을 바탕으로 가사를 획득할 수 있다. 구체적으로, 가사 획득 모듈(153)은 외부 서버로부터 행복한 분위기의 가사를 획득할 수 있다. 이를 위해, 외부 서버에는 컨텍스트 정보 별 복수의 가사가 저장되어 있을 수 있다.
한편, 가사 획득 모듈(153)은 사용자로부터 입력되는 음악에 대한 정보를 바탕으로 가사를 획득할 수 있다. 여기서, 음악에 대한 정보란, 음악에 대한 오디오 데이터 및 음악의 반주에 대한 오디오 데이터를 포함할 수 있다. 또한, 음악에 대한 정보는 멜로디, 비트, 템포, 화음 및 리듬 중 적어도 하나를 포함할 수 있다. 예를 들어, 가사 획득 모듈(153)은 음악의 템포를 바탕으로 가사를 구성할 텍스트의 개수를 결정할 수 있다.
음악에 대한 정보는 음악 정보 획득 모듈(155)을 통해 획득될 수 있다. 음성 인식 모듈(151)을 통해 사용자의 음성 명령에 대응되는 텍스트(예로, "랩 해줘")가 획득되면, 음악 정보 획득 모듈(155)은 제1 음성 피드백을 구성할 음악에 대한 정보를 요청하기 위한 음성 피드백(예로, "음악을 들려주세요")을 출력하도록 스피커(140)를 제어할 수 있다. 이에 따라, 사용자에 의해 선택된 음악에 대한 오디오 신호가 외부 스피커를 통해 출력되어 마이크(110)를 통해 획득될 수 있다. 음악 정보 획득 모듈(155)은 획득된 신호의 특성(예로, 주파수)와 외부 서버에 저장된 다수의 음악에 대한 오디오 신호의 특성을 비교하여 유사도를 판단할 수 있다. 음악 정보 획득 모듈(155)은 유사도를 바탕으로 외부 서버에 저장된 다수의 음악 중 사용자에 의해 선택된 음악을 인식할 수 있다.
사용자로부터 제공된 음악이 식별되면, 음악 정보 획득 모듈(155)은 음악에 대한 정보를 획득할 수 있다. 특히, 음악 정보 획득 모듈(155)은 식별된 음악에 대응되는 반주의 오디오 데이터를 획득할 수 있다. 예를 들어, 음악 정보 획득 모듈(155)은 노래방(karaoke) 데이터 베이스로부터 반주의 오디오 데이터를 획득할 수 있다. 노래방 데이터 베이스에 반주의 오디오 데이터가 저장되어 있지 않으면, 음악 정보 획득 모듈(155)은 다른 외부 서버(예로, 음원 제공 서버)로부터 식별된 음악에 대한 오디오 데이터를 획득하고, 식별된 음악에 포함된 보컬을 제거하는 작업을 수행하여 반주를 획득할 수 있다.
한편, 음악 정보 획득 모듈(155)은 사용자의 음성 명령에 대응되는 텍스트를 분석하여 음악에 대한 정보를 획득할 수 있다. 예를 들어, 음악 정보를 포함하는 음성 명령에 대한 텍스트(예로, "에미넴의 Venom에 맞춰 랩 해줘")가 획득된 경우, 음악 정보 획득 모듈(155)은 텍스트에 포함된 키워드(즉, '에미넴', 'Venom')를 바탕으로 음악에 대한 정보를 획득할 수 있다. 구체적으로, 음악 정보 획득 모듈(155)은 'Venom'에 대한 반주와 가사를 획득할 수 있다. 이 때, 가사 획득 모듈(153)은 획득된 가사를 바탕으로 새로운 가사를 생성할 수 있다.
제1 피드백 획득 모듈(156)은 가사 획득 모듈(153)을 통해 획득된 가사를 바탕으로 제1 음성 피드백을 생성할 수 있다. 즉, 제1 피드백 획득 모듈(156)은 무반주 랩에 대한 음성 신호를 생성할 수 있다. 이 때, 음성 신호의 특성(예로, 리듬, 템포, 비트 등)은 상술한 컨텍스트 정보를 바탕으로 결정될 수 있다. 예를 들어, 사용자의 감정이 '행복'인 경우, 음성 신호의 템포는 기설정된 값보다 빠르게 결정될 수 있다. 반면, 사용자의 감정이 '슬픔'인 경우, 음성 신호의 템포는 기설정된 값보다 느리게 결정될 수 있다. 한편, 제1 피드백 획득 모듈(156)은 가사에 대한 텍스트를 바탕으로 음성 신호를 생성하기 위해 TTS 모듈(Text-To-Speech module)을 포함할 수 있다.
제1 피드백 획득 모듈(156)은 반주를 포함한 랩에 대한 음성 신호를 생성할 수 있다. 이 때, 제1 피드백 획득 모듈(156)은 가사 획득 모듈(153)을 통해 획득된 가사와 음악 정보 획득 모듈(155)을 통해 획득된 반주에 대한 오디오 신호를 바탕으로 음성 신호를 생성할 수 있다. 제1 피드백 획득 모듈(156)은 가사에 대응되는 제1 음성 신호와 반주에 대응되는 제2 음성 신호를 합성하여 제1 음성 피드백에 대한 음성 신호를 생성할 수 있다. 제1 음성 피드백에 대한 음성 신호가 생성되면, 제1 피드백 획득 모듈(156)은 생성된 음성 신호를 출력하도록 스피커(140)를 제어할 수 있다.
이상에서는 제1 음성 피드백을 제공하기 위한 프로세서(150)의 동작에 대하여 설명하였다. 이하에서는 보다 구체적인 예시를 통해 전자 장치(100)의 동작에 대해 설명하도록 한다. 한편, 도 2에서는 각 모듈(151 내지 156)들을 프로세서(150)의 구성으로 설명하였으나, 이는 일 실시 예에 불과하며, 각 모듈(151 내지 156)들은 메모리(130)에 저장될 수 있다. 이 때, 프로세서(150)는 메모리(130)에 저장된 복수의 모듈(151 내지 156)을 비휘발성 메모리에서 휘발성 메모리로 로딩(loading)하여 복수의 모듈(151 내지 156)의 각 기능들을 실행할 수 있다. 또한, 프로세서(150)의 각 모듈들은 소프트웨어(software)로 구현되거나, 소프트웨어와 하드웨어(hardware)가 결합된 형태로 구현될 수 있다.
도 3a 내지 도 3d는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다. 도 3a를 참조하면, 전자 장치(100)는 사용자(1)의 음성 명령(31)을 획득할 수 있다. 전자 장치(100)는 음성 명령(31)에 기설정된 커맨드(32)가 포함되어 있는지 여부를 식별할 수 있다. 음성 명령(31)에 기설정된 커맨드(32)가 포함된 경우, 전자 장치(100)는 음성 명령(31)에 포함된 키워드(33)를 획득할 수 있다. 그리고, 전자 장치(100)는 키워드(33) 중 적어도 하나를 바탕으로 외부 서버(200)로부터 가사 템플릿(34)을 획득할 수 있다.
구체적으로, 도 3b를 참조하면, 외부 서버(200)에 저장된 데이터 베이스(35)에는 복수의 가사 템플릿들이 각 주제(또는, 테마)별로 분류되어 저장되어 있을 수 있다. 전자 장치(100)는 음성 명령(31)에 포함된 키워드 중 제1 키워드(33-1)를 식별할 수 있다. 전자 장치(100)는 제1 키워드(33-1)의 텍스트를 바탕으로 제1 키워드(33-1)에 대응되는 주제(즉, 'birthday')를 식별할 수 있다. 전자 장치(100)는 식별된 주제에 대응되는 복수의 가사 템플릿 중 제1 가사 템플릿(34-1)을 획득할 수 있다.
그리고, 전자 장치(100)는 제1 가사 템플릿(또는, 제1 가사)(34-1)을 바탕으로 새로운 가사를 생성할 수 있다. 도 3c를 참조하면, 전자 장치(100)는 제2 키워드(33-2)를 바탕으로 제1 가사(34-1)에 포함된 복수의 단어 중 적어도 하나를 변경하여 제2 가사(34-2)를 획득할 수 있다. 예를 들어, 전자 장치(100)는 제1 가사(34-1)에 포함된 'your'를 식별할 수 있다. 그리고, 전자 장치(100)는 식별된 'your'를 제2 키워드(33-2)로 변경하여 제2 가사(34-2)를 획득할 수 있다. 한편, 전자 장치(100)는 신경망 모델을 이용하여 제2 키워드(33-2)로 대체될 단어를 식별할 수 있다. 예를 들어, 전자 장치(100)는 학습된 신경망 모델에 제1 가사(34-1) 및 제2 키워드(33-2)를 입력하여 제2 가사 템플릿(34-1)에 포함된 단어 중 제2 키워드(33-2)에 대응되는 단어를 식별할 수 있다. 여기서, 신경망 모델은 순환 신경망(RNN: Recurrent Neural Network)으로 구현될 수 있다.
한편, 전자 장치(100)는 식별된 단어를 제2 키워드(33-2)가 아닌 제2 키워드(33-2)에 대응되는 다른 키워드로 대체할 수 있다. 도 3d를 참조하면, 전자 장치(100)는 제2 키워드(33-2)를 바탕으로 제3 키워드(33-3)를 획득할 수 있다. 전자 장치(100)는 메모리(1030에 저장된 연락처 정보 또는 SMS 메시지 내용을 바탕으로 제3 키워드(33-3)를 획득할 수 있다. 그리고, 전자 장치(100)는 제1 가사(34-1)에서 식별된 단어('your')를 제3 키워드(33-3)로 변경하여 제3 가사(34-3)를 획득할 수 있다.
한편, 전자 장치(100)는 사용자가 입력한 음악을 바탕으로 가사를 생성할 수 있다. 특히, 전자 장치(100)는 사용자가 입력한 음악에 대한 메타 데이터를 바탕으로 가사를 생성할 수 있다. 여기서, 메타 데이터는 음악에 대한 정보로서, 멜로디, 템포, 리듬 등을 포함할 수 있다. 예를 들어, 전자 장치(100)는 사용자가 입력한 음악의 템포를 바탕으로 가사에 포함된 텍스트 수를 결정할 수 있다.
이하에서는, 전자 장치(100)가 음악 정보를 획득하는 방법에 대해 설명하도록 한다. 도 4a는 본 개시의 일 실시 예에 따른 음악 정보를 획득하는 방법을 설명하기 위한 도면이다. 도 4a를 참조하면, 전자 장치(100)는 사용자(1)의 음성 명령(41)이 획득되면, 전자 장치(100)는 적어도 하나의 음악을 디스플레이(160)에 표시하면서, 사용자의 선택을 요청하는 음성 피드백(42)을 출력할 수 있다. 이 때, 전자 장치(100)는 사용자가 최근에 재생한 음악을 표시하거나, 재생된 횟수가 기 설정된 값보다 큰 음악을 표시할 수 있다. 전자 장치(100)는 제1 음악(43)를 선택하는 사용자(1)의 음성 명령을 획득할 수 있다. 또는, 전자 장치(100)는 제1 음악(43)를 선택하기 위해 디스플레이(160)를 터치하는 사용자(1)의 터치 입력을 획득할 수 있다. 제1 음악(43)가 선택되면, 전자 장치(100)는 제1 음악(43)에 대한 음악 정보(또는 메타 데이터)를 획득할 수 있다.
도 4b는 본 개시의 다른 일 실시 예에 따른 음악 정보를 획득하는 방법을 설명하기 위한 도면이다. 사용자(1)의 음성 명령(41)이 획득되면, 전자 장치(100)는 사용자(1)에게 음악 정보 입력을 요청하는 음성 피드백(42)을 출력할 수 있다. 이에 따라, 사용자(1)는 외부 스피커 장치(300)를 조작하여 음악을 재생시킬 수 있다. 사용자(1)에 의해 선택 및 재생된 음악에 대한 음성 신호(45)가 획득되면, 전자 장치(100)는 음성 신호(45)에 대응되는 음악을 인식할 수 있다. 전자 장치(100)는 음성 신호(45)의 특성(예로, 주파수)과 외부 서버에 저장된 다수의 음악에 대한 오디오 신호의 특성을 비교하여 유사도를 판단할 수 있다. 전자 장치(100)는 유사도를 바탕으로 외부 서버에 저장된 다수의 음악 중 음성 신호(45)에 대응되는 음악을 인식할 수 있다. 그리고, 전자 장치(100)는 인식된 음악에 대응되는 메타 데이터를 획득할 수 있다.
한편, 전자 장치(100)는 컨텍스트 정보를 바탕으로 가사를 획득할 수 있다. 도 5a는 본 개시의 일 실시 예에 따른 컨텍스트 정보를 이용한 가사 획득 방법을 설명하기 위한 도면이다. 도 5a를 참조하면, 전자 장치(100)는 메모리(130)에 저장된 사용자(1)와 관련된 컨텍스트 정보(52)를 획득할 수 있다. 예를 들어, 전자 장치(100)는 사용자(1)의 생일에 대한 정보를 획득할 수 있다. 사용자(1)의 생일에, 음성 명령(51)이 획득되면, 전자 장치(100)는 외부 서버(200)에 저장된 복수의 음악 및 가사 중 생일과 관련된 음악 및 가사를 획득할 수 있다. 그리고, 전자 장치(100)는 획득된 가사에 포함된 단어 중 일부를 사용자에 대한 정보(예로, 사용자의 이름)로 변경하여 새로운 가사를 생성할 수 있다.
도 5b는 본 개시의 다른 일 실시 예에 따른 컨텍스트 정보를 이용한 가사 획득 방법을 설명하기 위한 도면이다. 구체적으로, 도 5b는 사용자의 감정을 바탕으로 가사를 획득하는 방법을 설명하기 위한 도면이다. 사용자(1)의 음성 명령(51)이 획득되면, 전자 장치(100)는 카메라(170)를 통해 사용자를 촬상한 이미지(53)를 획득할 수 있다. 전자 장치(100)는 이미지(53)를 분석하여 사용자의 감정을 획득할 수 있다. 예를 들어, 전자 장치(100)는 이미지에 포함된 오브젝트의 감정을 식별하도록 학습된 신경망 모델에 이미지(53)를 입력하여 사용자(1)의 감정을 획득할 수 있다. 여기서, 신경망 모델은 컨볼루션 신경망(CNN: Convolutional Neural Network)로 구현될 수 있다. 전자 장치(100)는 사용자(1)의 감정을 바탕으로 가사를 획득할 수 있다. 예를 들어, 전자 장치(100)는 사용자(1)의 감정을 바탕으로, 외부 서버에 기저장된 복수의 가사 중 하나를 획득할 수 있다. 이 때, 외부 서버에는, 감정에 따라 분류된 미리 생성된 다수의 가사가 저장되어 있을 수 있다.
도 6은 본 개시의 다른 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다. 구체적으로, 제2 음성 피드백을 제공하는 경우 전자 장치의 구성을 도시한 블록도이다. 도 6을 참조하면, 전자 장치(600)는 마이크(610), 통신 인터페이스(620), 메모리(630), 스피커(640) 및 프로세서(650)를 포함할 수 있다. 한편, 마이크(610), 통신 인터페이스(620), 메모리(630) 및 스피커(640)는 도 2의 마이크(110), 통신 인터페이스(120), 메모리(130) 및 스피커(140)에 각각 대응될 수 있는 바 중복 설명을 생략하도록 한다.
프로세서(650)는 음성 인식 모듈(651), 장르 판단 모듈(652), 응답 메시지 획득 모듈(653), 피드백 유형 결정 모듈(654), 제2 피드백 획득 모듈(655), 음악 정보 획득 모듈(656), 제2 피드백 생성 모듈(657) 및 제2 피드백 저장 모듈(658)을 포함할 수 있다. 음성 인식 모듈(651), 장르 판단 모듈(652)은 도 2의 음성 인식 모듈(151) 및 장르 판단 모듈(152)에 대응될 수 있는 바 중복 설명은 생략하도록 한다.
음성 인식 모듈(651)은 사용자의 음성 명령에 대응되는 텍스트를 획득할 수 있다. 장르 판단 모듈(652)은 음성 인식 모듈(651)을 통해 획득된 텍스트에 기설정된 커맨드(예로, "rap for ~")가 포함되는 지 여부를 판단할 수 있다. 획득된 텍스트에 기설정된 커맨드가 포함되지 않으면, 응답 메시지 획득 모듈(653)은 음성 명령에 대응되는 응답 메시지를 획득할 수 있다. 예를 들어, 현재 날씨를 질문하는 음성 명령이 획득되면, 응답 메시지 획득 모듈(653)은 외부 서버(예로, Bixby 서버)로부터 응답 메시지를 획득할 수 있다.
피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 결정할 수 있다. 제2 음성 피드백의 유형은 음악적 요소가 부가되지 않은 제1 유형(즉, general reply) 및 음악적 요소가 부가된 제2 유형(즉, songified reply)을 포함할 수 있다. 제1 유형에 해당하는 제2 음성 피드백은, 음성 명령에 대한 응답 메시지를 제공하는 음성 피드백을 의미한다. 제2 유형에 해당하는 제2 음성 피드백은, 응답 메시지에 음악적 요소를 부가하여 제공하는 음성 피드백을 의미한다. 제2 유형에 해당하는 제2 음성 피드백은, 응답 메시지를 음악화한 음성 신호를 출력하는 음성 피드백이 될 수 있다. 예를 들어, 제2 유형에 해당하는 제2 음성 피드백은, 유명 곡의 반주에 응답 메시지를 더빙한 음성 피드백일 수 있다.
피드백 유형 결정 모듈(654)은 사용자의 음성 명령이 기설정된 음성 명령에 해당하는 지 여부를 바탕으로 제2 음성 피드백의 유형을 결정할 수 있다. 여기서, 기설정된 음성 명령은 엔터테인먼트적 요소보다는 정보 전달이 우선시되는 상황에 대응되는 음성 명령을 의미한다. 예를 들어, 기설정된 음성 명령은 특정 장소까지의 길 안내를 요청하는 명령 및 현재 시간을 요청하는 명령을 포함할 수 있다.
사용자의 음성 명령이 기설정된 음성 명령에 해당하면, 피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 제1 유형으로 결정할 수 있다. 반면에, 사용자의 음성 명령이 기설정된 음성 명령에 해당하지 않으면, 피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 제2 유형으로 결정할 수 있다. 즉, 사용자가 전자 장치(100)에 대해 길 안내를 요청하는 경우, 전자 장치(100)는 제1 유형의 제2 음성 피드백을 제공할 수 있다. 이에 따라, 사용자의 편의성 및 만족감이 향상될 수 있다.
피드백 유형 결정 모듈(654)은 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하는지 여부를 바탕으로 제2 음성 피드백의 유형을 결정할 수 있다. 여기서, 기설정된 컨텍스트 정보는 사용자에 의해 설정될 수 있으며, 예로는, 사용자가 회사 내에 위치하는 상황에 대한 정보가 될 수 있다.
사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하면, 피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 제1 유형으로 결정할 수 있다. 반면에, 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하지 않으면, 피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 제2 유형으로 결정할 수 있다. 즉, 사용자가 회사 내에 위치하는 상황에서, 전자 장치(100)는 제1 유형에 해당하는 제2 음성 피드백만을 제공할 수 있다.
제2 음성 피드백의 유형이 제1 유형으로 결정되면, 제2 피드백 획득 모듈(655)은 응답 메시지 획득 모듈(653)을 통해 획득된 응답 메시지에 대응되는 음성 신호를 출력하도록 스피커(640)를 제어할 수 있다. 또한, 제2 피드백 획득 모듈(655)은 응답 메시지에 대한 텍스트를 바탕으로 음성 신호를 생성하기 위해 TTS 모듈(Text-To-Speech module)을 포함할 수 있다.
제2 음성 피드백의 유형이 제2 유형으로 결정되면, 제2 피드백 획득 모듈(655)은 제2 유형의 제2 음성 피드백을 획득할 수 있다. 제2 피드백 획득 모듈(655)은 데이터 베이스에 저장된 음악에 대한 오디오 데이터 및 오디오 데이터에 대응되는 음성 신호를 획득할 수 있다. 여기서, 데이터 베이스는 외부 서버에 저장되거나 메모리(630)에 저장될 수 있다. 제2 피드백 획득 모듈(655)은 획득된 음성 신호와 응답 메시지에 대한 음성 신호를 합성하여 제2 유형의 제2 음성 피드백을 획득할 수 있다. 이 때, 획득된 음성 신호가 보컬을 포함한다면, 제2 피드백 획득 모듈(655)은 보컬을 제거하는 작업을 수행할 수 있다. 음성 피드백이 획득되면, 제2 피드백 획득 모듈(655)은 획득된 음성 피드백을 출력하도록 스피커(640)를 제어할 수 있다.
한편, 제2 피드백을 구성하기 위한 음악에 대한 오디오 데이터는 음악 정보 획득 모듈(656)을 통해 획득될 수 있다. 음악 정보 획득 모듈(656)은 컨텍스트 정보를 바탕으로 음악에 대한 오디오 데이터를 획득할 수 있다. 예를 들어, 음악 정보 획득 모듈(656)은 사용자의 감정을 바탕으로 데이터 베이스에 저장된 복수의 음악 중 하나의 음악을 식별하고, 식별된 음악에 대한 오디오 데이터를 획득할 수 있다. 또한, 음악 정보 획득 모듈(656)은 응답 메시지 획득 모듈(653)을 통해 획득된 응답 메시지의 내용을 바탕으로 음악을 식별할 수 있다. 예를 들어, 응답 메시지가 "오늘 날씨는 맑습니다"인 경우, 음악 정보 획득 모듈(656)은 밝은 분위기의 음악을 식별할 수 있다. 반면에, 응답 메시지가 "오늘 날씨는 흐립니다"인 경우, 음악 정보 획득 모듈(656)은 차분한 분위기의 음악을 식별할 수 있다.
한편, 경우에 따라 사용자의 음성 명령이 획득될 때마다 새롭게 음성 피드백을 생성하는 것은 비효율적일 수 있다. 예를 들어, 응답 메시지의 내용이 시간이나 공간에 따라 달라지지 않는 응답 메시지(예로, "메시지 전송이 완료되었습니다")에 대해서는, 제2 피드백 저장 모듈(657)이 음성 피드백에 대한 음성 신호를 데이터 베이스에 미리 저장해놓고, 음성 명령이 획득되면 미리 저장된 음성 신호를 출력함으로써 음성 피드백을 제공할 수 있다.
제2 피드백 저장 모듈(657)은 제2 피드백 획득 모듈(655)을 통해 획득된 제2 음성 피드백에 대한 음성 신호를 데이터 베이스에 저장할 수 있다. 이 때, 제2 피드백 저장 모듈(657)은 출력되는 횟수가 기설정된 횟수보다 큰 제2 음성 피드백을 식별하고, 식별된 제2 음성 피드백에 대한 음성 신호를 선택적으로 데이터 베이스에 저장할 수도 있다. 또는, 제2 피드백 저장 모듈(657)은 응답 메시지와 음악 정보를 매칭하여 데이터 베이스에 저장할 수 있다
제2 피드백 저장 모듈(657)은 데이터 베이스에 저장된 제2 음성 피드백을 업데이트할 수 있다. 예를 들어, 제1 응답 메시지("메시지 전송이 완료되었습니다")와 제1 음악(A music)이 합성된 제2-1 음성 피드백이 데이터 베이스(DB)에 미리 저장되어 있을 수 있다. 이 때, 사용자가 최근에 재생한 제2 음악(B music)이 식별되면, 제2 피드백 저장 모듈(657)은 제2-1 음성 피드백을 삭제하고 제1 응답 메시지와 제2 음악 합성된 제2-2 음성 피드백을 데이터 베이스(DB)에 저장할 수 있다.
도 7은 본 개시의 일 실시 예에 따른 제2 음성 피드백의 유형을 결정하는 방법을 설명하기 위한 도면이다. 전자 장치(600)는 제2 유형의 제2 음성 피드백 제공에 대한 모드가 활성화 되었는지 여부를 식별할 수 있다(S710). 여기서, 제2 유형의 제2 음성 피드백에 대한 모드는 사용자에 의해 활성화되거나 비활성화될 수 있다. 상기 모드가 비활성화된 것으로 식별되면, 전자 장치(600)는 제2 음성 피드백의 유형을 제1 유형으로 식별할 수 있다(S750).
반면에, 상기 모드가 활성화된 것으로 식별되면, 전자 장치(600)는 사용자의 음성 명령이 기설정된 음성 명령에 해당하는 지 여부를 판단할 수 있다(S720). 여기서, 기설정된 음성 명령은 사용자에 의해 설정될 수 있으며, 예로는, 특정 장소까지의 길 안내를 요청하는 명령 및 현재 시간을 요청하는 명령을 포함할 수 있다. 사용자의 음성 명령이 기설정된 음성 명령에 해당한다고 판단되면, 전자 장치(600)는 제2 음성 피드백의 유형을 제1 유형으로 식별할 수 있다(S750).
반면에, 사용자의 음성 명령이 기설정된 음성 명령에 해당하지 않는다고 판단되면, 전자 장치(600)는 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하는지 여부를 판단할 수 있다(S730). 여기서, 기설정된 컨텍스트 정보는, 사용자에 의해 설정될 수 있으며, 예로는, 사용자가 회사와 같은 특정 장소 내에 위치하는 상황에 대한 정보가 될 수 있다. 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당한다고 판단되면, 전자 장치(600)는 제2 음성 피드백의 유형을 제1 유형으로 식별할 수 있다(S750). 반면에, 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하지 않는다고 판단되면, 전자 장치(600)는 제2 음성 피드백의 유형을 제2 유형으로 식별할 수 있다(S740).
이하에서는, 전자 장치(600)가 제2 유형의 제2 음성 피드백을 제공하는 방법에 대하여 보다 상세히 설명하도록 한다. 또한, 설명의 편의상, 이하에서는 제2 유형의 제2 음성 피드백을 제2 음성 피드백 또는 음성 피드백으로 지칭하도록 한다.
도 8a는 본 개시의 일 실시 예에 따른 제2 음성 피드백 획득 방법을 설명하기 위한 도면이다. 전자 장치(600)는 사용자(1)의 음성 명령(81)이 획득되면, 외부 서버(200)로부터 음성 명령(81)에 대응되는 응답 메시지(82)를 획득할 수 있다. 전자 장치(100)는 응답 메시지(82)의 내용을 바탕으로 데이터 베이스(DB)에 저장된 음악(83)을 획득할 수 있다. 예를 들어, 전자 장치(100)는 응답 메시지(82)에 포함된 키워드('sunny')를 바탕으로 음악(83)을 획득할 수 있다.
도 8b를 참조하면, 전자 장치(600)는 응답 메시지(82)에 포함된 키워드('sunny')와 데이터 베이스(DB)에 저장된 복수의 음악에 대한 메타 데이터를 바탕으로 음악(music A)을 식별할 수 있다. 구체적으로, 전자 장치(600)는 키워드('sunny')와 음악의 제목에 포함된 단어 간의 유사도를 판단하고, 유사도가 기설정된 값 이상인 단어가 제목에 포함된 음악(music A)을 식별할 수 있다. 이 때, 식별된 음악이 복수인 경우, 전자 장치(600)는 식별된 복수의 음악 중 전자 장치(600)를 통해 재생된 횟수가 가장 많은 음악을 식별할 수 있다. 또는, 전자 장치(600)는 식별된 복수의 음악 중 가장 최근에 재생된 음악을 식별할 수 있다. 한편, 도 8c에 도시된 바와 같이 데이터 베이스(DB)에는 응답 메시지의 내용과 음악(또는 음악에 대한 메타 데이터)이 매칭되어 저장되어 있을 수 있다. 따라서, 전자 장치(600)는 응답 메시지가 획득되면, 응답 메시지의 내용을 바탕으로 음악을 획득할 수 있다.
도 9는 본 개시의 일 실시 예에 따른 데이터 베이스 업데이트 방법을 설명하기 위한 도면이다. 전자 장치(600)는 데이터 베이스(DB)에 저장된 음성 피드백을 업데이트할 수 있다. 예를 들어, 전자 장치(600)는 사용자가 최근에 재생한 음악이나, 일정 기간 동안 재생한 횟수가 임계값을 초과하는 음악을 바탕으로 음성 피드백을 업데이트할 수 있다. 도 9를 참조하면, 제1 응답 메시지("메시지 전송이 완료되었습니다")와 제1 음악(A music)이 합성된 제2-1 음성 피드백이 데이터 베이스(DB)에 미리 저장되어 있을 수 있다. 이 때, 사용자가 최근에 재생한 제2 음악(B music)이 식별되면, 전자 장치(600)는 제2-1 음성 피드백을 삭제하고 제1 응답 메시지와 제2 음악 합성된 제2-2 음성 피드백을 데이터 베이스에 저장할 수 있다. 이와 같이, 데이터 베이스(DB)에 저장된 음성 피드백을 바탕으로, 전자 장치(600)는 사용자에게 제2 음성 피드백을 제공할 수 있다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
전자 장치(1000)는 마이크(1010), 터치 센서(1020), 스피커(1030), 카메라(1040), 통신 인터페이스(1050), 메모리(1060), 디스플레이(1070) 및 프로세서(1080)를 포함할 수 있다.
마이크(1010)는 사용자의 음성을 입력받기 위한 구성으로서, 전자 장치(1000) 내에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(1000)의 외부에 전자 장치(1000)와 유선 또는 무선으로 연결될 수 있다.
터치 센서(1020)는 사용자의 터치 입력을 획득하기 위한 구성이다. 특히, 터치 센서(1020)는 음악 정보를 입력하기 위한 사용자의 터치 입력을 획득할 수 있다. 한편, 터치 센서(1020)는 디스플레이(1070)와 일체로 구현될 수 있다.
스피커(1030)는 외부로부터 수신된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지 등을 출력하는 구성요소일 수 있다. 특히, 전자 장치(1000)는 사용자에 대한 음성 피드백을 출력하도록 스피커(1030)를 제어할 수 있다.
카메라(1040)는 사용자를 촬상하여 이미지를 획득하기 위한 구성요소이다. 특히, 전자 장치(1000)는 카메라(1040)를 통해 획득된 사용자의 얼굴을 촬상한 이미지를 바탕으로 사용자의 감정에 대한 정보를 획득할 수 있다.
통신 인터페이스(1050)는 적어도 하나의 회로를 포함하며 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 기기와 통신을 수행할 수 있다. 예로, 통신 인터페이스(1050)는 외부 서버(200)와 통신을 수행할 수 있다.
통신 인터페이스(1050)가 외부 서버(200)와 무선 통신 방식으로 통신을 수행하는 경우, 통신 인터페이스(1050)는 와이파이 통신 모듈, 셀룰러 통신모듈, 3G(3세대) 이동통신 모듈, 4G(4세대) 이동통신 모듈, 4세대 LTE(Long Term Evolution) 통신 모듈 중 적어도 하나를 포함할 수 있다.
메모리(1060)는 전자 장치(1000)의 구성요소들의 전반적인 동작을 제어하기 위한 운영체제(OS: Operating System) 및 전자 장치(1000)의 구성요소와 관련된 명령 또는 데이터를 저장할 수 있다. 예를 들어, 메모리(1060)는 음성 피드백의 주제 별 음악에 대한 정보를 저장할 수 있다. 또한, 메모리(1060)는 사용자의 감정을 판단하기 위한 신경망 모델을 저장할 수 있다.
한편, 메모리(1060)는 비휘발성 메모리(ex: 하드 디스크, SSD(Solid state drive), 플래시 메모리), 휘발성 메모리 등으로 구현될 수 있다. 특히, 신경망 모델은 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU, NPU 등)에 의해 실행될 수 있다.
디스플레이(1070)는 사용자의 음악 선택 입력 또는 음악 정보 입력을 가이드하기 위한 UI 엘리먼트를 디스플레이할 수 있다. 특히, 디스플레이(1070)는 터치 센서(1020)와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 등으로 구현될 수 있다.
프로세서(1080)는 전자 장치(1000)의 전반적인 동작을 제어할 수 있다.
예를 들어, 프로세서(1080)는 마이크(1010)를 통해 사용자의 음성 명령을 획득할 수 있다. 그리고, 프로세서(1080)는 음성 명령에 기설정된 명령이 포함되는지 여부를 판단할 수 있다. 이 때, 음성 명령에 기설정된 명령이 포함된 경우, 프로세서(1080)는 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득할 수 있다. 그리고, 프로세서(1080)는 획득된 가사를 바탕으로 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 출력하도록 스피커(1030)를 제어할 수 있다.
프로세서(1080)는 음성 명령에 포함된 적어도 하나의 키워드를 획득하고, 적어도 하나의 키워드를 바탕으로 가사를 획득할 수 있다. 예를 들어, 프로세서(1080)는 특정 이벤트를 지칭하는 제1 키워드 및 특정 인물을 지칭하는 제2 키워드를 획득할 수 있다. 이 때, 프로세서(1080)는 제1 키워드를 바탕으로 가사 템플릿을 획득하고, 가사 템플릿에 포함된 적어도 하나의 단어를 제2 키워드로 변경하여 새로운 가사를 생성할 수 있다.
프로세서(1080)는 사용자와 관련된 컨텍스트 정보를 바탕으로 가사를 획득할 수 있다. 예를 들어, 프로세서(1080)는 메모리(1060)에 저장된 사용자의 기념일 정보를 바탕으로 외부 서버로부터 가사를 획득할 수 있다. 또는, 프로세서(1080)는 메모리(1060)에 저장된 신경망 모델을 이용하여 사용자의 감정에 대한 정보를 획득하고, 획득된 감정에 대한 정보를 바탕으로 외부 서버로부터 가사를 획득할 수 있다.
한편, 프로세서(1080)는 생성된 가사와 멜로디를 합성하여 제1 음성 피드백을 생성할 수 있다. 이 때, 프로세서(1080)는 사용자가 선택한 음악을 바탕으로 제1 음성 피드백을 생성할 수 있다. 예를 들어, 프로세서(1080)는 메모리(1060)에 저장된 음악 리스트를 표시하도록 디스플레이(1070)를 제어할 수 있다. 그리고, 표시된 음악 리스트 중 하나의 음악을 선택하는 사용자의 입력이 획득되면, 프로세서(1080)는 선택된 음악의 멜로디를 획득할 수 있다. 그리고, 프로세서(1080)는 획득된 가사와 획득된 멜로디를 합성하여 제1 음성 피드백을 생성할 수 있다.
또한, 프로세서(1080)는 재생 횟수를 바탕으로 음악을 식별할 수 있다. 예를 들어, 프로세서(1080)는 메모리(1060)에 저장된 음악 리스트 중 재생된 횟수가 가장 큰 음악을 식별할 수 있다. 그리고, 프로세서(1080)는 식별된 음악에 대한 멜로디와 생성된 가사를 합성하여 제1 음성 피드백을 생성할 수 있다.
한편, 음성 명령에 기설정된 명령이 포함되지 않은 경우, 프로세서(1080)는 음성 명령에 대응되는 응답 메시지를 획득하고, 응답 메시지를 바탕으로 제2 장르의 제2 음성 피드백을 출력하도록 스피커(1030)를 제어할 수 있다. 프로세서(1080)는 음성 명령이 기설정된 음성 명령에 대응되는지 여부를 바탕으로 제2 음성 피드백을 생성할 수 있다. 음성 명령이 기설정된 음성 명령에 대응되면, 프로세서(1080)는 멜로디를 포함하지 않는 제1 유형의 제2 음성 피드백을 생성할 수 있다.
반면에, 음성 명령이 기설정된 음성 명령에 대응되지 않으면, 프로세서(1080)는 멜로디를 포함하는 제2 유형의 제2 음성 피드백을 생성할 수 있다. 제2 유형의 제2 음성 피드백을 생성하는 경우, 프로세서(1080)는 획득된 응답 메시지에 대한 음성 신호와 멜로디를 합성하여 제2 유형의 제2 음성 피드백을 생성할 수 있다. 이 때, 프로세서(1080)는 응답 메시지의 내용을 바탕으로 외부 서버에 저장된 멜로디를 획득할 수 있다. 또는, 프로세서(1080)는 사용자와 관련된 컨텍스트 정보를 바탕으로 멜로디를 획득할 수 있다.
한편, 본 개시에 따른 인공지능과 관련된 기능은 프로세서(1080)와 메모리(1060)를 통해 동작된다. 프로세서(1080)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리(1060)에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다.
본 개시에 따른 전자 장치(1000)는 사용자의 감정에 대한 정보를 획득하기 위하여 인공지능 모델을 이용할 수 있다. 프로세서(1080)는 사용자를 촬상한 이미지 또는 사용자의 음성 명령에 대해 전처리 과정을 수행하여 인공지능 모델의 입력으로 사용하는 데에 적합한 형태로 변환할 수 있다. 인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다.
추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론(Knowledge based Reasoning), 최적화 예측(Optimization Prediction), 선호 기반 계획(Preference-based Planning), 추천(Recommendation) 등을 포함한다.
인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), GAN (Generative Adversarial Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
도 11은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 순서도이다. 전자 장치(1000)는 사용자의 음성 명령을 획득할 수 있다(S1110). 전자 장치(1000)는 음성 명령에 기설정된 커맨드가 포함되는지 판단할 수 있다(S1120). 음성 명령에 기설정된 커맨드가 포함되면, 전자 장치(1000)는 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득할 수 있다(S1130). 그리고, 전자 장치(1000)는 획득된 가사를 바탕으로 제1 장르의 제1 음성 피드백을 제공할 수 있다(S1140). 한편, 제1 음성 피드백을 제공하는 방법은, 도 3a 내지 도 5b를 참조하여 상술하였는 바, 그 상세한 설명은 생략하도록 한다.
반면에, 음성 명령에 기설정된 커맨드가 포함되지 않으면, 전자 장치(1000)는 음성 명령에 대응되는 응답 메시지를 획득할 수 있다(S1150). 그리고, 전자 장치(1000)는 음성 명령 및 응답 메시지를 바탕으로 제2 음성 피드백을 제공할 수 있다(S1160). 한편, 제2 음성 피드백을 제공하는 방법은, 도 7 내지 도 9를 참조하여 상술하였는 바, 그 상세한 설명은 생략하도록 한다.
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 처리 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 처리 동작을 특정 기기가 수행하도록 할 수 있다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
한편, 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 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 생성될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
100: 전자 장치 110: 마이크
120: 통신 인터페이스 130: 메모리
140: 스피커 150: 프로세서

Claims (20)

  1. 전자 장치에 있어서,
    마이크;
    스피커;
    적어도 하나의 인스트럭션을 저장하는 메모리; 및
    프로세서;를 포함하고,
    상기 프로세서는,
    상기 마이크를 통해 사용자의 음성 명령을 획득하고,
    상기 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하고,
    상기 음성 명령에 상기 기설정된 명령이 포함된 경우, 상기 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하고,
    상기 획득된 가사를 바탕으로 상기 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 출력하도록 상기 스피커를 제어하는
    전자 장치.
  2. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 명령에 포함된 적어도 하나의 키워드를 획득하고,
    상기 적어도 하나의 키워드를 바탕으로 상기 가사를 획득하는
    전자 장치.
  3. 제2 항에 있어서,
    상기 프로세서는,
    특정 이벤트를 지칭하는 제1 키워드 및 특정 인물을 지칭하는 제2 키워드를 획득하고,
    상기 제1 키워드를 바탕으로 가사 템플릿을 획득하고,
    상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제2 키워드로 변경하는
    전자 장치.
  4. 제3 항에 있어서,
    상기 프로세서는,
    상기 제2 키워드가 획득되면, 상기 전자 장치에 저장된 정보를 바탕으로 상기 제2 키워드에 대응되는 제3 키워드를 획득하고,
    상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제3 키워드로 변경하는
    전자 장치.
  5. 제1 항에 있어서,
    상기 프로세서는,
    상기 통신 인터페이스를 통해 외부 서버로부터 상기 외부 서버에 저장된 복수의 멜로디 중 하나를 획득하고,
    상기 획득된 멜로디와 상기 획득된 가사를 합성하여 상기 제1 음성 피드백을 생성하는
    전자 장치.
  6. 제5 항에 있어서,
    상기 프로세서는,
    상기 복수의 멜로디 중 상기 사용자에 의해 선택된 멜로디, 미리 설정된 멜로디, 상기 전자 장치에 의해 재생된 횟수가 기설정된 값보다 큰 멜로디 및 상기 전자 장치를 통해 현재 재생중인 멜로디 중 적어도 하나를 획득하는
    전자 장치.
  7. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 명령이 획득되면, 학습된 신경망 모델을 이용하여 상기 음성 명령에 대응되는 감정에 대한 정보를 획득하고,
    상기 감정에 대한 정보를 바탕으로 상기 가사를 획득하는
    전자 장치.
  8. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 명령에 상기 기설정된 명령이 포함되지 않은 경우, 상기 음성 명령에 대응되는 응답 메시지를 획득하고,
    상기 응답 메시지를 바탕으로 제2 장르의 제2 음성 피드백을 출력하도록 상기 스피커를 제어하는
    전자 장치.
  9. 제8 항에 있어서,
    상기 프로세서는,
    상기 음성 명령이 기설정된 음성 명령에 대응되는지 여부를 식별하고,
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지와 음악적 요소를 포함한 오디오 데이터가 합성된 상기 제2 음성 피드백을 출력하도록 상기 스피커를 제어하고,
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되면, 상기 오디오 데이터를 포함하지 않는 상기 제2 음성 피드백을 제공하도록 상기 스피커를 제어하는
    전자 장치.
  10. 제9 항에 있어서,
    상기 프로세서는,
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지의 내용을 바탕으로 상기 오디오 데이터를 획득하고,
    상기 오디오 데이터와 상기 응답 메시지를 합성하여 상기 제2 음성 피드백을 생성하는
    전자 장치.
  11. 전자 장치의 제어 방법에 있어서,
    사용자의 음성 명령을 획득하는 단계;
    상기 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하는 단계;
    상기 음성 명령에 상기 기설정된 명령이 포함된 경우, 상기 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하는 단계; 및
    상기 획득된 가사를 바탕으로 상기 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 제공하는 단계;를 포함하는
    제어 방법.
  12. 제11 항에 있어서,
    상기 가사를 획득하는 단계는,
    상기 음성 명령에 포함된 적어도 하나의 키워드를 획득하는 단계, 및
    상기 적어도 하나의 키워드를 바탕으로 상기 가사를 획득하는 단계를 포함하는
    제어 방법.
  13. 제12 항에 있어서,
    상기 적어도 하나의 키워드를 획득하는 단계는,
    특정 이벤트를 지칭하는 제1 키워드 및 특정 인물을 지칭하는 제2 키워드를 획득하고,
    상기 가사를 획득하는 단계는,
    상기 제1 키워드를 바탕으로 가사 템플릿을 획득하고,
    상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제2 키워드로 변경하는
    제어 방법.
  14. 제13 항에 있어서,
    상기 가사를 획득하는 단계는,
    상기 제2 키워드가 획득되면, 상기 전자 장치에 저장된 정보를 바탕으로 상기 제2 키워드에 대응되는 제3 키워드를 획득하고,
    상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제3 키워드로 변경하는
    제어 방법.
  15. 제11 항에 있어서,
    상기 음성 명령이 획득되면, 외부 서버로부터 상기 외부 서버에 저장된 복수의 멜로디 중 하나를 획득하는 단계;를 더 포함하고,
    상기 제1 음성 피드백을 제공하는 단계는,
    상기 획득된 멜로디와 상기 획득된 가사를 합성하여 상기 제1 음성 피드백을 생성하는 단계를 포함하는
    제어 방법.
  16. 제15 항에 있어서,
    상기 적어도 하나의 멜로디를 획득하는 단계는,
    상기 복수의 멜로디 중 상기 사용자에 의해 선택된 멜로디, 미리 설정된 멜로디, 상기 전자 장치에 의해 재생된 횟수가 기설정된 값보다 큰 멜로디 및 상기 전자 장치를 통해 현재 재생중인 멜로디 중 적어도 하나를 획득하는
    제어 방법.
  17. 제11 항에 있어서,
    상기 음성 명령이 획득되면, 학습된 신경망 모델을 이용하여 상기 음성 명령에 대응되는 감정에 대한 정보를 획득하는 단계;를 더 포함하고,
    상기 가사를 획득하는 단계는,
    상기 감정에 대한 정보를 바탕으로 상기 가사를 획득하는
    제어 방법.
  18. 제11 항에 있어서,
    상기 음성 명령에 상기 기설정된 명령이 포함되지 않은 경우, 상기 음성 명령에 대응되는 응답 메시지를 획득하는 단계; 및
    상기 응답 메시지를 바탕으로 제2 장르의 제2 음성 피드백을 제공하는 단계;를 더 포함하는
    제어 방법.
  19. 제18 항에 있어서,
    상기 제2 음성 피드백을 제공하는 단계는,
    상기 음성 명령이 기설정된 음성 명령에 대응되는지 여부를 식별하는 단계,
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지와 음악적 요소를 포함한 오디오 데이터가 합성된 상기 제2 음성 피드백을 제공하는 단계, 및
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되면, 상기 오디오 데이터를 포함하지 않는 상기 제2 음성 피드백을 제공하는 단계를 포함하는
    제어 방법.
  20. 제19 항에 있어서,
    상기 제2 음성 피드백을 제공하는 단계는,
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지의 내용을 바탕으로 상기 오디오 데이터를 획득하는 단계, 및
    상기 오디오 데이터와 상기 응답 메시지를 합성하여 상기 제2 음성 피드백을 생성하는 단계를 포함하는
    제어 방법.
KR1020200121570A 2020-09-21 2020-09-21 전자 장치 및 그 제어 방법 KR20220039018A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200121570A KR20220039018A (ko) 2020-09-21 2020-09-21 전자 장치 및 그 제어 방법
PCT/KR2021/011984 WO2022059979A1 (ko) 2020-09-21 2021-09-06 전자 장치 및 그 제어 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200121570A KR20220039018A (ko) 2020-09-21 2020-09-21 전자 장치 및 그 제어 방법

Publications (1)

Publication Number Publication Date
KR20220039018A true KR20220039018A (ko) 2022-03-29

Family

ID=80776286

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200121570A KR20220039018A (ko) 2020-09-21 2020-09-21 전자 장치 및 그 제어 방법

Country Status (2)

Country Link
KR (1) KR20220039018A (ko)
WO (1) WO2022059979A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114842847A (zh) * 2022-04-27 2022-08-02 中国第一汽车股份有限公司 一种车载用语音控制方法以及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101890303B1 (ko) * 2010-10-21 2018-08-22 삼성전자주식회사 가창 음성 생성 방법 및 그에 따른 장치
KR102038171B1 (ko) * 2012-03-29 2019-10-29 스뮬, 인코포레이티드 타겟 운율 또는 리듬이 있는 노래, 랩 또는 다른 가청 표현으로의 스피치 자동 변환
KR101965880B1 (ko) * 2017-03-30 2019-04-04 엘지전자 주식회사 음성 인식 방법
KR102225918B1 (ko) * 2018-08-13 2021-03-11 엘지전자 주식회사 인공 지능 기기
JP6800199B2 (ja) * 2018-11-08 2020-12-16 スカパーＪｓａｔ株式会社 カラオケ装置、カラオケ装置の制御方法、およびプログラム

Also Published As

Publication number Publication date
WO2022059979A1 (ko) 2022-03-24

Similar Documents

Publication Publication Date Title
US11580964B2 (en) Electronic apparatus and control method thereof
JP6639285B2 (ja) 声質嗜好学習装置、声質嗜好学習方法及びプログラム
JP7298115B2 (ja) プログラム、情報処理方法、及び電子機器
US20240021189A1 (en) Configurable neural speech synthesis
CN109741724B (zh) 制作歌曲的方法、装置及智能音响
JP2019028106A (ja) 情報処理方法およびプログラム
KR20230052298A (ko) 음악 생성기에 대한 비교 트레이닝
US20220238089A1 (en) Performance analysis method and performance analysis device
KR20210043894A (ko) 전자 장치 및 이의 문장 제공 방법
US20240105160A1 (en) Method and system for generating synthesis voice using style tag represented by natural language
US11335325B2 (en) Electronic device and controlling method of electronic device
KR20220165666A (ko) 자연어로 표현된 스타일 태그를 이용한 합성 음성 생성 방법 및 시스템
US11886817B2 (en) Electronic apparatus and method for controlling thereof
KR20220039018A (ko) 전자 장치 및 그 제어 방법
CN113407275A (zh) 音频编辑方法、装置、设备及可读存储介质
US10403304B1 (en) Neural networks for identifying the potential of digitized audio to induce frisson in listeners
JP2017097332A (ja) 音声合成装置および音声合成方法
US11749270B2 (en) Output apparatus, output method and non-transitory computer-readable recording medium
JP6289950B2 (ja) 読み上げ装置、読み上げ方法及びプログラム
KR20220089537A (ko) 전자 장치 및 이의 제어 방법
TW202213152A (zh) 用於音訊辨識的模型建構方法
US20190019497A1 (en) Expressive control of text-to-speech content
US20230419932A1 (en) Information processing device and control method thereof
TWI836255B (zh) 透過歌聲轉換設計個人化虛擬歌手的方法及裝置
KR102677052B1 (ko) 보이스 어시스턴트 서비스를 제공하는 시스템 및 방법