KR20220040875A - 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법 - Google Patents

음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20220040875A
KR20220040875A KR1020200124135A KR20200124135A KR20220040875A KR 20220040875 A KR20220040875 A KR 20220040875A KR 1020200124135 A KR1020200124135 A KR 1020200124135A KR 20200124135 A KR20200124135 A KR 20200124135A KR 20220040875 A KR20220040875 A KR 20220040875A
Authority
KR
South Korea
Prior art keywords
voice
processor
user
electronic device
speaker
Prior art date
Application number
KR1020200124135A
Other languages
English (en)
Inventor
정재훈
수카냐 소노왈
한규춘
강신재
이상호
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 KR1020200124135A priority Critical patent/KR20220040875A/ko
Priority to EP21872907.7A priority patent/EP4195202A4/en
Priority to PCT/KR2021/012962 priority patent/WO2022065879A1/ko
Publication of KR20220040875A publication Critical patent/KR20220040875A/ko
Priority to US17/861,389 priority patent/US20220343921A1/en

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
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/04—Training, enrolment or model building
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/1633—Constructional details or arrangements of portable computers not specific to the type of enclosures covered by groups G06F1/1615 - G06F1/1626
    • G06F1/1684—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • 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
    • G10L15/04—Segmentation; Word boundary detection
    • 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
    • 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
    • G10L17/06—Decision making techniques; Pattern matching strategies
    • G10L17/12—Score normalisation
    • 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
    • G10L17/06—Decision making techniques; Pattern matching strategies
    • G10L17/14—Use of phonemic categorisation or speech recognition prior to speaker recognition or verification
    • 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
    • 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
    • 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
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/227—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of the speaker; Human-factor methodology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 발명의 다양한 실시 예들에 따른 전자 장치는, 마이크로폰, 적어도 하나의 센서, 등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 저장하는 메모리 및 상기 마이크로폰, 상기 적어도 하나의 센서 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 마이크로폰을 통해 발화 음성이 수신되면, 상기 발화 음성 수신 시점 전후 지정된 기간 내에 상기 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하고, 상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료되면, 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트할 수 있다.

Description

음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법{ELECTRONIC DEVICE FOR TRAINING SPEAKER VERIFICATION OF REGISTERED USER FOR SPEECH RECOGNITION SERVICE AND METHOD THEREOF}
본 발명의 다양한 실시 예들은, 음성 인식 서비스를 제공하기 위한 등록 사용자에 대한 화자 인증을 학습하는 장치 및 그의 동작 방법에 관한 것이다.
최근 음성 인식 기능을 제공하는 전자 장치가 점점 늘어나고 있는 추세이다. 사용자의 발화를 인식한 전자 장치는 전자 장치에 내장된 기능(예: 전자 장치에 설치된 어플리케이션)을 실행함으로써 사용자에게 음성 인식 서비스를 제공할 수 있을 뿐만 아니라, 다양한 제3 서비스 제공자들(3rd party service provider)을 통해 관련 서비스를 제공할 수도 있다.
보안이 요구되는 개인용 전자 장치의 경우 등록된 사용자에 국한하여 음성 인식 서비스를 제공하기 위해 사용자에 대한 등록 절차를 제공하고 있다.
음성 인식 서비스 제공을 위한 사용자 등록 절차를 간소화하여 사용자 불편을 줄이면서도 등록 사용자에 대한 음성 인증의 정확도를 높여야 할 필요성이 있다. 예를 들어, 사용자 등록을 위한 음성 입력 절차를 간소화하면서도 등록된 사용자의 음성을 정확히 인증하기 위해 사용자의 음성 데이터를 보다 많이 확보하여 화자 인증 모델을 훈련해야 할 필요성이 있다.
본 발명의 다양한 실시 예들에 따른 전자 장치는, 마이크로폰, 적어도 하나의 센서, 등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 저장하는 메모리 및 상기 마이크로폰, 상기 적어도 하나의 센서 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함할 수 있다. 상기 적어도 하나의 프로세서는, 상기 마이크로폰을 통해 발화 음성이 수신되면, 상기 발화 음성 수신 시점 전후 지정된 기간 내에 상기 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하고, 상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료되면, 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트할 수 있다.
본 발명의 다양한 실시 예들에 따른 등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 저장하는 메모리를 포함하는 전자 장치의 방법은, 발화 음성을 수신하는 동작; 상기 발화 음성 수신 시점 전후 지정된 기간 내에 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하는 동작; 및 상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료된 것으로 확인되면, 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트하는 동작을 포함할 수 있다.
본 발명의 다양한 실시 예들에 따른 전자 장치는, 마이크로폰, 적어도 하나의 센서, 적어도 하나의 서버와 통신하기 위한 통신 모듈, 메모리 및 상기 마이크로폰, 상기 적어도 하나의 센서, 상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 프로세서는, 상기 마이크로폰을 통해 발화 음성이 수신되면, 상기 발화 음성 수신 시점 전후 지정된 기간 내에 상기 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하고, 상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료되면, 상기 발화 음성을 사용하여 상기 적어도 하나의 서버와 통신을 통해, 등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 업데이트하도록 할 수 있다.
본 발명의 다양한 실시 예들에 따른 전자 장치 및 그의 동작 방법은, 음성 인식 서비스를 위해 등록된 사용자의 음성 데이터를 효과적으로 확보하여 화자 인증 모델을 훈련할 수 있다.
본 발명의 다양한 실시 예들에 따른 전자 장치 및 그의 동작 방법은, 사용자 등록을 위한 음성 입력 절차를 간소화하여 사용자의 불편을 줄일 수 있으며, 등록된 사용자를 인증하기 위한 사용자의 음성 데이터를 보다 많이 확보하여 화자 인증 모델을 업데이트함으로써 화자 인증 정확도를 높일 수 있다.
도 1은 본 발명의 다양한 실시 예들에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 2는 본 발명의 다양한 실시 예들에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 3은 본 발명의 다양한 실시 예들에 따른, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 4는 본 발명의 다양한 실시 예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 5는 본 발명의 다양한 실시 예들에 따른, 전자 장치의 블록도이다.
도 6 내지 도 8은 본 발명의 다양한 실시 예들에 따른 전자 장치의 동작을 설명하기 위한 흐름도이다.
도 9a 내지 도 9d는 본 발명의 다양한 실시 예들에 따른 음성 인식 서비스 호출을 위한 사용자 등록 동작을 설명하기 위한 도면이다
도 10a 및 도 10b는 본 발명의 다양한 실시 예들에 따른 전자 장치의 등록 사용자 음성 획득을 위한 동작의 예를 설명하기 위한 도면이다.
도 11a 및 도 11b는 본 발명의 다양한 실시 예들에 따른 전자 장치의 등록 사용자 음성 획득을 위한 다른 동작의 예를 설명하기 위한 도면이다.
도 12는 본 발명의 다양한 실시 예들에 따른 전자 장치의 등록 사용자 음성 획득을 위한 또다른 동작의 예를 설명하기 위한 도면이다.
도 1은 본 발명의 다양한 실시 예들에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 1을 참조하면, 일 실시예의 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 및 서비스 서버(300)를 포함할 수 있다.
일 실시 예의 사용자 단말(100)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(100)은 통신 인터페이스(110), 마이크(120), 스피커(130), 디스플레이(140), 메모리(150), 또는 프로세서(160)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 인터페이스(110)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(120)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(130)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이(140)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(140)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 유저 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예의 메모리(150)는 클라이언트 모듈(151), SDK(software development kit)(153), 및 복수의 앱들(155)을 저장할 수 있다. 상기 클라이언트 모듈(151), 및 SDK(153)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(151) 또는 SDK(153)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(150)는 상기 복수의 앱들(155)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(155)은 제1 앱(155_1), 제2 앱(155_3)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(155) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(155)은 프로세서(160)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(160)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(160)는 통신 인터페이스(110), 마이크(120), 스피커(130), 및 디스플레이(140)와 전기적으로 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예의 프로세서(160)는 또한 상기 메모리(150)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(160)는 클라이언트 모듈(151) 또는 SDK(153) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(160)는, 예를 들어, SDK(153)를 통해 복수의 앱(155)의 동작을 제어할 수 있다. 클라이언트 모듈(151) 또는 SDK(153)의 동작으로 설명된 이하의 동작은 프로세서(160)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(151)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 마이크(120)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(151)은 수신된 음성 입력을 지능형 서버(200)로 송신할 수 있다. 클라이언트 모듈(151)은 수신된 음성 입력과 함께, 사용자 단말(100)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(151)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지능형 서버(200)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(151)은 상기 수신된 결과를 디스플레이(140)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(151)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(151)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(140)에 표시할 수 있다. 클라이언트 모듈(151)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(100)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(151)은 지능형 서버(200)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(151)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(151)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시 예의 지능형 서버(200)는 통신 망을 통해 사용자 단말(100)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(200)는 생성된 플랜에 따른 결과를 사용자 단말(100)로 송신하거나, 생성된 플랜을 사용자 단말(100)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(200)는 프론트 엔드(front end)(210), 자연어 플랫폼(natural language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.
일 실시 예의 프론트 엔드(210)는 사용자 단말(100)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 음성 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227)또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(221)은 사용자 단말(100)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(100)에서도 구현가능 할 수 있다.
상기 캡슐 데이터베이스(230)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자 단말(100)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(230)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(230) 은 사용자 단말(100) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 사용자 단말(100)로 송신할 수 있다. 이에 따라, 사용자 단말(100)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(280)을 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(300)는 사용자 단말(100)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(300)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(200)에 제공할 수 있다.
위에 기술된 통합 지능 시스템(10)에서, 상기 사용자 단말(100)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 사용자 단말(100)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(100)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(100)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(100)이 지능형 서버(200) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(120)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(110)를 이용하여 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(200)는 사용자 단말(100)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(100)은, 통신 인터페이스(110)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(100)은 상기 스피커(130)를 이용하여 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(140)를 이용하여 사용자 단말(100) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 2는 본 발명의 다양한 실시 예들에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(200)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(230))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(401), capsule(B)(404))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: capsule(A)(401))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(또는 컨텐트 제공자(content provider)(예: CP 1(402) 또는 CP 2 (403))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.
상기, 자연어 플랫폼(220)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(225)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (410) 의 동작들(4011,4013) 과 컨셉들(4012,4014) 및 캡슐 B(404)의 동작(4041) 과 컨셉(4042) 를 이용하여 플랜(407)을 생성할 수 있다.
도 3은 본 발명의 다양한 실시 예들에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(100)은 지능형 서버(200)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 310 화면에서, 사용자 단말(100)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(100)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이(140)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(100)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 320 화면에서, 사용자 단말(100)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.
도 4는, 다양한 실시예들에 따른, 네트워크 환경(500) 내의 전자 장치(501)의 블록도이다. 도 4를 참조하면, 네트워크 환경(500)에서 전자 장치(501)는 제 1 네트워크(598)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(502)와 통신하거나, 또는 제 2 네트워크(599)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(504) 또는 서버(508)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(501)는 서버(508)를 통하여 전자 장치(504)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(501)는 프로세서(520), 메모리(530), 입력 모듈(550), 음향 출력 모듈(555), 디스플레이 모듈(560), 오디오 모듈(570), 센서 모듈(576), 인터페이스(577), 연결 단자(578), 햅틱 모듈(579), 카메라 모듈(580), 전력 관리 모듈(588), 배터리(589), 통신 모듈(590), 가입자 식별 모듈(596), 또는 안테나 모듈(597)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(501)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(578))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(576), 카메라 모듈(580), 또는 안테나 모듈(597))은 하나의 구성요소(예: 디스플레이 모듈(560))로 통합될 수 있다.
프로세서(520)는, 예를 들면, 소프트웨어(예: 프로그램(540))를 실행하여 프로세서(520)에 연결된 전자 장치(501)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(520)는 다른 구성요소(예: 센서 모듈(576) 또는 통신 모듈(590))로부터 수신된 명령 또는 데이터를 휘발성 메모리(532)에 저장하고, 휘발성 메모리(532)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(534)에 저장할 수 있다. 일실시예에 따르면, 프로세서(520)는 메인 프로세서(521)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(523)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(501)가 메인 프로세서(521) 및 보조 프로세서(523)를 포함하는 경우, 보조 프로세서(523)는 메인 프로세서(521)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(523)는 메인 프로세서(521)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(523)는, 예를 들면, 메인 프로세서(521)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(521)를 대신하여, 또는 메인 프로세서(521)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(521)와 함께, 전자 장치(501)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(560), 센서 모듈(576), 또는 통신 모듈(590))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(523)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(580) 또는 통신 모듈(590))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(523)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(501) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(508))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(530)는, 전자 장치(501)의 적어도 하나의 구성요소(예: 프로세서(520) 또는 센서 모듈(576))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(540)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(530)는, 휘발성 메모리(532) 또는 비휘발성 메모리(534)를 포함할 수 있다.
프로그램(540)은 메모리(530)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(542), 미들 웨어(544) 또는 어플리케이션(546)을 포함할 수 있다.
입력 모듈(550)은, 전자 장치(501)의 구성요소(예: 프로세서(520))에 사용될 명령 또는 데이터를 전자 장치(501)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(550)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(555)은 음향 신호를 전자 장치(501)의 외부로 출력할 수 있다. 음향 출력 모듈(555)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(560)은 전자 장치(501)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(560)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(560)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(570)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(570)은, 입력 모듈(550)을 통해 소리를 획득하거나, 음향 출력 모듈(555), 또는 전자 장치(501)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(502))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(576)은 전자 장치(501)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(576)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(577)는 전자 장치(501)가 외부 전자 장치(예: 전자 장치(502))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(577)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(578)는, 그를 통해서 전자 장치(501)가 외부 전자 장치(예: 전자 장치(502))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(578)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(579)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(579)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(580)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(580)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(588)은 전자 장치(501)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(588)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(589)는 전자 장치(501)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(589)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(590)은 전자 장치(501)와 외부 전자 장치(예: 전자 장치(502), 전자 장치(504), 또는 서버(508)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(590)은 프로세서(520)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(590)은 무선 통신 모듈(592)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(594)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(598)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(599)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(504)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(592)은 가입자 식별 모듈(596)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(598) 또는 제 2 네트워크(599)와 같은 통신 네트워크 내에서 전자 장치(501)를 확인 또는 인증할 수 있다.
무선 통신 모듈(592)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(592)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(592)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(592)은 전자 장치(501), 외부 전자 장치(예: 전자 장치(504)) 또는 네트워크 시스템(예: 제 2 네트워크(599))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(592)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(597)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(597)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(597)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(598) 또는 제 2 네트워크(599)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(590)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(590)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(597)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(597)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(599)에 연결된 서버(508)를 통해서 전자 장치(501)와 외부의 전자 장치(504)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(502, 또는 504) 각각은 전자 장치(501)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(501)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(502, 504, 또는 508) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(501)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(501)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(501)로 전달할 수 있다. 전자 장치(501)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(501)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(504)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(508)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(504) 또는 서버(508)는 제 2 네트워크(599) 내에 포함될 수 있다. 전자 장치(501)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(501)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(536) 또는 외장 메모리(538))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(540))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(501))의 프로세서(예: 프로세서(520))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 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 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 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 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 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.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 5는 본 발명의 다양한 실시 예들에 따른, 전자 장치의 블록도이다.
도 5를 참조하면, 전자 장치(501)는 적어도 하나의 프로세서(예: 어플리케이션 프로세서(521) 및 보조 프로세서(523)), 메모리(530), 입력 모듈(550), 음향 출력 모듈(555), 오디오 모듈(570), 센서 모듈(576) 및 카메라 모듈(580)을 포함할 수 있다. 도 5에 도시된 전자 장치(501)의 구성 요소들은 일 예로서 도시된 구성 요소들은 일부가 변형되거나 삭제 또는 추가될 수 있다. 다양한 실시 예들에 따른, 전자 장치(501)는 도 4의 전자 장치(501)를 포함할 수 있다. 다양한 실시 예들에 따른, 전자 장치(501)는 도 1의 사용자 단말(100)을 포함할 수 있다. 예를 들면, 전자 장치(501)는 도시된 구성 요소 외에도 도 4의 전자 장치(501)의 구성 요소의 전부 또는 일부를 포함할 수 있다. 예를 들면, 전자 장치(501)는 도 1의 사용자 단말(100)의 구성 요소의 전부 또는 일부를 포함할 수 있다. 다양한 실시 예들에 따르면, 전자 장치(501)는 도 1의 지능형 서버(200)의 구성 요소의 일부를 포함할 수 있다. 다양한 실시 예들에 따르면, 전자 장치(501)는 도 1의 지능형 서버(200)와 통신하며 단독 또는 공동으로 다양한 실시예에 따른 동작들을 수행할 수 있다. 이하, 도 1 내지 도 5를 참조하여, 도 5의 전자 장치(501)에 대해 상세히 설명한다.
어플리케이션 프로세서(521)(이하, 프로세서(521)로 혼용함)는, 예를 들면, 메모리(530)에 저장된 데이터에 기초하여 어플리케이션을 실행하고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(521)는 다른 구성요소(예: 센서 모듈(576) 또는 입력 모듈(550))로부터 수신된 명령 또는 데이터를 처리할 수 있다.
일실시예에 따르면, 프로세서(521)는 음성 서비스 수행을 위한 음성 인식 모델 및/또는 화자 인증 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 예를 들면, 프로세서(521)는 음성 서비스 에이전트(524), 화자 인증 훈련 모듈(525), 제1 음성 인식 모듈(526) 및 화자 인증 모듈(527)을 포함할 수 있다. 음성 인식 모델 및/또는 화자 인증 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 전자 장치(501) 자체에서 수행될 수 있고, 별도의 서버(예: 도 4의 서버(508))를 통해 수행될 수도 있다.
일실시예에 따르면, 상기 음성 서비스 에이전트(524), 화자 인증 훈련 모듈(525), 제 1 음성 인식 모듈(526) 및 화자 인증 모듈(527)은 기기(machine)(예: 전자 장치(501))에 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(536) 또는 외장 메모리(538))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(540))로서 구현될 수도 있다. 예를 들면, 기기(예: 전자 장치(501))의 프로세서(예: 프로세서(520))는, 상기 저장 매체에 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 호출된 명령에 따라 상기 기기의 구성요소들을 구동함으로써 상기 모듈들의 적어도 하나의 기능을 수행하도록 할 수 있다.
일실시예에 따르면, 프로세서(521)는 상기 음성 서비스 에이전트(524), 화자 인증 훈련 모듈(525), 제 1 음성 인식 모듈(526) 및 화자 인증 모듈(527)을 구현하는 하드웨어 구조의 적어도 일부를 포함하고, 상기 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 호출된 명령에 따라 상기 하드웨어 구조를 구동함으로써 상기 모듈들의 적어도 하나의 기능을 수행하도록 할 수 있다.
프로세서(521)는 음성 서비스 에이전트(524)를 통해 음성 기반 서비스를 제공할 수 있다. 일실시예에 따라, 음성 서비스 에이전트(524)는 입력 모듈(550)의 마이크를 통해 수신되는 사용자 발화에 따른 음성 신호에 대응하는 응답을 음향 출력 모듈(555)을 통해 사용자에게 제공할 수 있다. 일실시예에 따라 음성신호를 처리하고 응답을 생성하는 일련의 동작 중 적어도 일부는 전자 장치(501)의 음성 인식 모듈(526) 또는 음성 서비스 에이전트(524)에서 수행할 수 있다. 일실시예에 따라 음성신호를 처리하고 응답을 생성하는 일련의 동작 중 적어도 일부는 서버(508)에서 수행할 수 있다. 예를 들어, 서버(508)는 도 1의 지능형 서버(200)를 포함하거나, 지능형 서버(200)와는 별도의 서버로서 구현될 수 있다. 예를 들어, 음성 신호를 처리하고 응답을 생성하는 일련의 동작들은 음성을 텍스트로 변환하는 동작(automatic speech recognition: ASR), 텍스트에서 대응되는 의도(intent)와 관련 파라미터(parameters, slots)를 추출하는 동작, 의도에 대응하는 플랜(plan)에 따라 수행되는 동작(action 또는 action sequence)을 포함할 수 있다.
프로세서(521)는 제1 음성 인식 모듈(526)을 통해 음성 신호를 처리하고 음성 인식 알고리즘을 이용하여 음성 신호를 텍스트로 변환할 수 있다. 일실시예에 따라 제1 음성 인식 모듈(526)은 한정된 개수의 단어를 인식할 수 있도록 구현될 수 있다. 일실시예에 따라 제1 음성 인식 모듈(526)에 의해 인식될 수 있는 단어는 미리 지정되어 예를 들면 메모리(530)에 저장될 수 있다. 일실시예에 따라 제1 음성 인식 모듈(526)은 서버(508)를 통해 보다 많은 개수의 단어를 인식할 수 있다. 일실시예에 따라, 제1 음성 인식 모듈(526)은 음성 인식 동작에 필요한 데이터를 메모리(530)에 저장할 수 있다. 일실시예에 따라, 제1 음성 인식 모듈(526)은 HMM(hidden Markov model) 기반의 음성인식 알고리즘을 수행할 수 있다. 예를 들면, 제1 음성 인식 모듈(526)은 음성 인식 모델로서 Markov model에 필요한 상태 초기 확률(state initial probability), 상태 천이 확률(state transition probability), 및/또는 관찰 확률(observation probability)과 같은 정보를 사용하여 음성 인식 알고리즘을 수행할 수 있다. 일실시예에 따라, 제1 음성 인식 모듈(526)은 신경망(neural network) 기반의 알고리즘을 사용할 수 있다. 예를 들면, 제1 음성 인식 모듈(526)은 음성 인식 모델로서 신경망 모델에 필요한 계층(layer), 노드(node) 형태와 구조, 노드(node)별 가중치, 네트워크(network) 연결 정보, 활성 기능(activation function) 과 같은 정보를 사용하여 음성인식 알고리즘을 수행할 수 있다. 일실시예에 따라, 제1 음성 인식 모듈(526)은 두 종류의 음성 인식 모델의 조합에 기반하여 인식 알고리즘을 수행할 수 있다. 예를 들어, 제1 음성 인식 모듈(526)은 HMM과 신경망의 혼종 모델(hybrid model)을 이용할 수 있다.
프로세서(521)는 화자 인증 모듈(527)을 통해, 입력된 음성에 대한 화자 인증을 수행할 수 있다. 일실시예에 따른 화자 인증(speaker verification)은 화자 종속 음성 인증일 수 있다. 예를 들면, 화자 인증은 등록된 사용자에 대한 음성 특징 정보에 기초하여 수행될 수 있다. 예를 들면, 화자 인증은 메모리(530)에 저장된 화자 인증 모델(537)에 기초하여 수행될 수 있다. 예를 들면, 화자 인증은 화자 인증 모델(537)에 의해 학습된 등록된 사용자에 대한 음성 특징 정보를, 입력된 음성의 특징 정보와 비교하여 수행될 수 있다. 예를 들면, 화자 인증은 화자 인증 모델(537)에 의해 학습된 등록된 사용자에 대한 음성 특징 정보를, 입력된 음성의 특징 정보와 비교하여 화자 인증 점수를 산출하고 이에 기초하여 수행될 수 있다. 예를 들면 입력된 음성의 특징 정보는 입력된 음성에 대한 음성 신호의 주파수 특성, 음성의 길이, 크기, 음소 개수 또는 음소 길이와 같은 다양한 속성 정보를 포함할 수 있다.
일실시예에 따라, 화자 인증 모듈(527)은 입력된 음성에 대해 부가적인 정보를 참조하여 화자 인증을 수행할 수 있다. 예를 들어, 음성 입력 전후 설정된 시간 내에 전자 장치(501)에서 예를 들면 생체 인식과 같은 사용자 인증이 수행된 경우 상기 입력된 음성을 등록된 사용자의 음성인 것으로 결정할 수 있다.
일실시예에 따라, 화자 인증 훈련 모듈(525)은 사용자가 자신의 음성을 등록하는 과정에서 입력한 사용자 음성에 대한 특징 정보에 기초하여 화자 인증 모델(537)을 생성하고 메모리(530)에 저장할 수 있다. 예를 들면, 화자 인증 모델(537)은 GMM-UBM(Gaussian Mixture Model - Universal Background Model) 모델을 MLLR(maximum likelihood linear regression)이나 MAP(maximum a posteriori) 방법으로 학습하여 생성될 수 있다. 예를 들면, 화자 인증 모델(537)은 화자에 해당하는 특징 벡터(I-vector)를 사용하여 생성될 수 있다. 예를 들면, 화자 인증 모델(537)은 신경 망(Neural network) 모델과 같은 통계 모델을 사용하여 생성될 수 있다. 예를 들면, 화자 인증 모델(537)은 동적 시간 신축(DTW; Dynamic Time Warping), 벡터 양자화(VQ; Vector Quantization)와 같은 인식 알고리즘을 사용하여 생성되는 음성 신호의 특징 벡터열을 사용하여 생성될 수 있다. 화자 인증 모델(537)은 상술한 모델 외에도 다양한 인식 모델을 포함할 수 있으며, 이들은 인식하고자 하는 음성을 대표할 수 있는 정보에 기초하여 생성될 수 있다. 예를 들어, 화자 인증 모델(537)은 음성의 속성 정보를 포함할 수 있다. 예를 들어, 속성 정보는 음성 신호의 주파수 특성, 음성의 길이, 크기, 음소 개수 또는 음소 길이 중 적어도 하나를 포함할 수 있다.
일실시예에 따라, 화자 인증 모듈(527)이 화자 인증 모델(537)에 기초하여, 사용자 등록 이후 발화에 따라 입력된 음성을 분석하고 이에 따라 등록된 사용자의 음성인 것으로 결정되면, 화자 인증 훈련 모듈(525)은 입력된 음성에 기초하여 화자 인증 모델(537)을 훈련하여 업데이트 시킬 수 있다. 예를 들면, 화자 인증 훈련 모듈(525)은 기존의 음성 정보에 추가로 입력된 음성을 포함시켜 상술한 다양한 방법 중 하나 또는 그 이상의 방식을 사용하여 화자 인증 모델(537)을 학습시킬 수 있다.
일실시예에 따라, 프로세서(521)는 음성 입력 전후 설정된 시간 내에 전자 장치(501)에서 예를 들면 생체 인식과 같은 사용자 인증이 수행된 경우, 해당 입력 음성의 특징 정보에 대해, 등록된 사용자에 대한 음성 특징 정보를 입력된 음성의 특징 정보와 비교하고, 비교 결과 유사도에 따라 가중치를 적용하여 화자 인증 훈련 모듈(525)을 학습시켜 업데이트하도록 할 수 있다.
보조 프로세서(523)는 어플리케이션 프로세서(521)에 비하여 상대적으로 낮은 전력 소모량을 갖는 프로세서일 수 있다. 보조 프로세서(523)는 전자 장치(501)가 유휴(idle) 상태에 있더라도 계속적으로 전력을 공급받으면서 지정된 기능을 수행하도록 설정될 수 있다. 보조 프로세서(523)는, 예를 들면, 어플리케이션 프로세서(521)가 인액티브(예: 슬립) 상태에 있는 동안 어플리케이션 프로세서(521)를 대신하여, 전자 장치(501)의 구성요소들 중 적어도 하나의 구성요소(예: 오디오 모듈(570), 센서 모듈(576), 또는 카메라 모듈(580))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다.
일실시예에 따라, 보조 프로세서(523)는 제2 음성 인식 모듈(528)을 통해, 입력된 음성을 인식할 수 있다. 보조 프로세서(523)에 포함되는 제2 음성 인식 모듈(528)은 저전력으로 동작할 수 있는 간단한 형태의 음성 인식 알고리즘을 이용하여 음성 인식을 수행할 수 있다. 예를 들면 저전력 프로세서인 보조 프로세서(523)에 구현되는 제2 음성 인식 모듈(528)은 지정된 단어(예: 호출어(wakeup word))를 인식할 수 있도록 구현될 수 있다. 이 경우, 지정된 단어에 대한 음성 인식 모델을 이용하도록 설정될 수 있다. 예를 들면 어플리케이션 프로세서(521)가 슬립 상태에 있는 동안 오디오 모듈(570)을 통해 음성 신호가 입력되고, 입력된 음성 신호에 대응하여 제2 음성 인식 모듈(528)을 통해 기설정된 호출어(예: 하이 빅스비)가 인식되면, 보조 프로세서(523)는 프로세서(521)를 활성화시키는 웨이크 업(wake up) 신호를 전달할 수 있다. 예를 들면, 보조 프로세서(523)는 웨이크 업 신호를 이용하여 프로세서(521)를 인액티브 상태에서 액티브 상태로 상태 변경시킬 수 있다. 예를 들면, 프로세서(521)는 음성 서비스 에이전트(524)를 활성화하여 전자 장치(501)의 음성 서비스 기능을 제공할 수 있다. 예를 들면, 프로세서(521)는 전자 장치(501)의 음성 서비스 기능을 제공하기 전에 화자 인증 모듈(527)을 통해 상기 호출어가 등록된 사용자의 음성인지 확인할 수 있으며, 등록된 사용자의 음성이 아닌 경우 음성 서비스 에이전트(524)를 활성화하지 않거나 음성 서비스 기능 제공을 중단할 수 있다.
일실시예에 따라, 프로세서(521)가 액티브 상태에 있는 경우 사용자 발화가 발생하여 마이크(예: 도 1의 마이크(120) 또는 도 4 및 도 5의 입력 모듈(550))를 통해 수신되고 오디오 모듈(570)을 통해 처리되어 음성 신호가 입력되면, 입력된 음성 신호에 대응하여 제1 음성 인식 모듈(526)을 통해 기설정된 호출어가 인식될 수 있다. 제1 음성 인식 모듈(526)을 통해 기설정된 호출어가 인식되면, 화자 인증 모듈(527)은 인식된 호출어가 등록된 사용자의 음성인지 여부를 확인할 수 있다. 예를 들면, 인식된 호출어가 등록된 사용자의 음성이 아닌 경우, 프로세서(521)는 음성 서비스 에이전트(524)를 활성화하지 않거나 음성 서비스 기능 제공을 중단할 수 있다. 예를 들면, 인식된 호출어가 등록된 사용자의 음성인 경우 프로세서(521)는 음성 서비스 에이전트(524)를 활성화하여 음성 서비스 기능을 제공할 수 있다. 예를 들면, 인식된 호출어가 등록된 사용자의 음성인 경우 프로세서(521)는 화자 인증 훈련 모듈(525)을 통해 해당 호출어 음성을 사용하여 화자 인증 모델(537)을 학습시켜 업데이트하도록 할 수 있다.
도 5의 어플리케이션 프로세서(521)와 보조 프로세서(523)의 구성은 예시적인 것으로서, 어플리케이션 프로세서(521)와 보조 프로세서(523)는 하나의 프로세서(520)
로 구현될 수 있다.
메모리(530)는, 전자 장치(501)의 적어도 하나의 구성요소(예: 프로세서(521), 보조 프로세서(523) 또는 센서 모듈(576))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 도 1의 제1 앱(155-1), 제2 앱(155-2), 도 4의 프로그램(540)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(530)는, 상술한 바와 같이 다양한 실시예에 따른 화자 인증을 위한 화자 인증 모델(537)을 포함할 수 있다.
입력 모듈(550)은, 전자 장치(501)의 구성요소(예: 프로세서(521 또는 523))에 사용될 명령 또는 데이터를 전자 장치(501)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(550)은, 예를 들면, 마이크 또는 터치 입력 장치(예: 터치 패널, 또는 터치 스크린)를 포함할 수 있다.
음향 출력 모듈(555)은 음향 신호를 전자 장치(501)의 외부로 출력할 수 있다. 음향 출력 모듈(555)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다.
오디오 모듈(570)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(570)은, 입력 모듈(550)을 통해 소리를 획득하거나, 음향 출력 모듈(555), 또는 전자 장치(501)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 도 4의 전자 장치(502))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(576)은 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(576)은, 예를 들면, 지문 센서(576-1) 또는 홍채 센서(576-3)와 같은 생체 센서를 포함할 수 있다. 지문 센서(576-1) 또는 홍채 센서(576-3)는 생체 센서의 일 예로서, 추가적으로 센서 모듈(576)은 예를 들면 비접촉 정맥 센서와 같은 다양한 생체 센서를 포함할 수 있다.
일 실시예에 따라, 적어도 하나의 센서 중 일부 센서 예를 들면, 지문 센서(576-1)는 전자 장치(501)의 입력 모듈(550)에 포함될 수 있다. 일 실시예에 따라, 입력 모듈(550)은 홈 버튼, 전자 장치(501)의 사이드 버튼(예: 지능형 에이전트 기능 실행과 관련하여 배치된 물리 버튼 또는 키 또는 입력부), 및/또는 디스플레이(예: 도 1의 디스플레이(140) 또는 도 4의 디스플레이 모듈(560))의 적어도 일정 영역(예: 아이콘 영역)을 포함할 수 있고, 지문 센서가 상기 홈 버튼, 사이드 버튼 또는 디스플레이(140)의 적어도 일정 영역에 포함될 수 있다. 사용자가 홈 버튼을 누르거나 지능형 에이전트 기능 또는 음성 명령 기능 실행과 관련하여 할당된 사이드 버튼을 누르거나 디스플레이(140)의 일정 영역을 터치하는 경우 지문 인식 기능이 수행될 수 있다.
일 실시예에 따라, 홍채 센서(576-3)는 지정된 파장대의 광을 출력하는 발광부와 지정된 파장대의 광을 수광하고 홍채를 인식하는 수광부를 포함할 수 있다.
일실시예에 따라, 오디오 모듈(570)을 통한 음성 입력 전후 설정된 시간 내에 전자 장치(501)에서 예를 들면 지문 센서(576-1) 또는 홍채 센서(576-3)와 같은 생체 센서를 통해 사용자 생체 인증이 수행된 경우, 프로세서(521)는 상기 입력된 음성을 등록된 사용자의 음성인 것으로 결정할 수 있다.
카메라 모듈(580)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(580)은 특정 상황(예: 입력 모듈(550)을 통해 호출어 수신)에서 활성화되어 이미지(예: 사용자의 얼굴 또는 생체 특징 이미지)를 촬상함으로써 생체 센서로 동작할 수 있다.
도 6은 본 발명의 다양한 실시 예들에 따른 전자 장치의 동작을 설명하기 위한 흐름도이다.
일 실시예에 따라, 601 동작 내지 607 동작에서 적어도 하나가 생략되거나, 일부 동작들의 순서가 바뀌거나, 다른 동작이 추가될 수 있다.
도 6을 참조하면, 전자 장치(예: 도 1의 사용자 단말(100) 또는 도 4 및 도 5의 전자 장치(501))의 하나 이상의 프로세서(예: 도 1의 프로세서(160) 또는 도 4 및 도 5의 프로세서(520, 521 또는 523))는, 동작 601에서 전자 장치에 입력되는 음성을 인식할 수 있다. 예를 들면, 프로세서는 전자 장치로 입력되는 음성 신호를 처리하고 음성 인식 알고리즘을 이용하여 음성 신호를 텍스트로 변환할 수 있다. 예를 들면, 프로세서는 전자 장치로 입력되는 음성 신호가 지정된 호출어에 해당하는 경우 음성 인식 서비스를 위한 어플리케이션을 실행할 수 있다.
일실시예에 따라, 프로세서는 동작 603에서, 입력된 음성 신호의 화자를 인증할 수 있다. 예를 들면 프로세서는 음성 신호에 대해 메모리(예: 도 5의 메모리(530))에 저장된 화자 인증 모델(예: 도 5의 화자 인증 모델(537))에 기초하여 화자를 인증할 수 있다. 예를 들면, 프로세서는 등록된 사용자에 대한 음성 특징 정보를 입력된 음성의 특징 정보와 비교하여 화자 인증을 수행할 수 있다.
예를 들면 프로세서는 음성 신호에 대해 화자 인증 모델에 기초하여 화자 인증 점수를 산출할 수 있다. 예를 들면, 화자 인증 점수는 화자 인증 모델에 따른 화자 특징 유사도에 기초하여 산출될 수 있다.
예를 들면, 화자 특징 유사도는, 기존 화자 인증 모델에 따른 등록된 사용자의 화자 특징과 새로 입력된 음성 신호의 화자 특징의 유사한 정도에 대한 척도로서 학습 모델에 따라 산출될 수 있다.
예를 들면 화자 특징의 유사도는, GMM-UBM 방식 모델에서는 LRT(Likelihood Ratio Test)을 사용하여 산출될 수 있으며, template matching 방식 모델에서는 Euclidian distance나 Cosine Distance를 사용하여 산출될 수 있다. 예를 들면, 신경회로망 또는 HMM 모델에서는 화자 특징 벡터들의 거리를 사용하여 산출될 수 있다. 예를 들면, 화자 특징 유사도는 복수의 학습 모델에 기초하여 각각의 학습 모델에 따른 화자 특징 변환 함수 F에 기초하여 산출될 수 있다. 예를 들면 각각의 학습 모델에 따른 화자 특징 변환 함수 F는 선형 함수 또는 비선형 함수 일 수 있다.
예를 들면, 등록된 사용자에 대한 화자 인증 모델에 대한 추가 학습 또는 업데이트가 미리 설정되어 있는 경우, 프로세서는 전자 장치로 입력되는 음성 신호의 인식에 따라, 인식된 음성 신호에 대해 화자 인증 동작을 수행하도록 할 수 있다.
예를 들면, 프로세서는 전자 장치로 입력되는 음성 신호가 지정된 호출어로 인식되면 인식된 호출어에 대해 화자 인증 동작을 수행하도록 할 수 있다.
일실시예에 따라, 프로세서는 동작 605에서, 입력된 음성 신호의 화자가 등록된 사용자인지 여부를 결정할 수 있다.
예를 들면, 프로세서는 동작 603의 화자 인증 결과에 기초하여 입력된 음성 신호의 화자가 등록된 사용자인 것으로 결정할 수 있다. 예를 들면, 프로세서는 동작 603의 화자 인증 결과에 기초하여 입력된 음성 신호의 화자 인증 점수가 설정된 문턱값 보다 높은 경우 입력된 음성 신호의 화자가 등록된 사용자인 것으로 결정할 수 있다.
일실시예에 따라, 프로세서는 다른 인증 이벤트 발생 유무에 따라 상기 입력 음성 신호의 화자를 등록된 사용자로 결정할 수 있다. 예를 들어, 프로세서는 상기 입력 음성 신호의 입력 시점을 기준으로 전후 지정된 기간 내(예: 전후 10초 기간)에 등록된 사용자에 대한 다른 방식의 사용자 인증이 수행된 경우 상기 입력 음성 신호의 화자를 등록된 사용자로 결정할 수 있다. 예를 들면, 다른 방식의 사용자 인증은 사용자의 지문 인식, 홍채 인식, 정맥 인식 또는 얼굴 인식을 포함하는 생체 인식에 의한 인증 방식일 수 있다.
일실시예에 따라, 프로세서는 상기 입력 음성 신호에 대한 화자 인증 결과 및 상기 다른 인증 이벤트 발생 유무에 기초하여 화자가 등록된 사용자인지 결정할 수 있다.
일실시예에 따라, 프로세서는 화자의 입력된 음성 신호가 등록된 사용자의 음성이 아닌 경우(동작 605에서, '아니오'인 경우), 음성 인식 서비스를 위한 어플리케이션을 종료할 수 있다.
일실시예에 따라, 화자가 등록된 사용자인 것으로 결정되면, 프로세서는 동작 607에서 상기 입력 음성 신호에 기초하여 화자 인증 모델을 훈련하여 업데이트할 수 있다. 예를 들면, 화자 인증 모델 훈련은, 기존 화자 인증 모델에 대해, 새로 입력된 음성의 화자 특징 유사도에 기초하여 수행될 수 있다. 예를 들면, 화자 인증 모델 훈련은, 기존 화자 인증 모델에 대해, 새로 입력된 음성의 화자 특징 유사도에 기초한 가중치를 적용하여 수행될 수 있다. 예를 들면, 유사도에 기초한 가중치는 유사도가 증가하면 선형적으로 또는 비선형적으로 증가하는 함수를 적용하여 산출될 수 있다.
일 실시예에 따라, 화자 특징 유사도에 기초한 가중치는, GMM-UBM 방식 모델에서는 LRT(Likelihood Ratio Test)에 대해 함수 g를 적용한 값으로 산출될 수 있으며, template matching 방식 모델에서는 Euclidian distance나 Cosine Distance에 대해 함수 g를 적용한 값으로 산출될 수 있다. 예를 들면, 신경회로망 또는 HMM 모델에서는 화자 특징 벡터들의 거리에 대해 함수 g를 적용한 값으로 산출될 수 있다. 예를 들면, 화자 특징 유사도에 기초한 가중치는, 복수의 학습 모델에 기초하여 각각의 학습 모델에 따른 화자 특징 변환 함수 F에 대해 함수 g를 적용한 값으로 산출될 수 있다.
일실시예에 따라, 대표 화자 특징 점수 S1은, 학습 음성들의 화자 특징들에 대해 각각 가중치를 적용하여 다음의 수학식1에 따라 산출될 수 있다.
Figure pat00001
여기서, F는 가중치가 곱해진 학습 음성들의 화자 특징들을 대표 화자 특징으로 변환하는 함수이며,
Figure pat00002
는 i번째 학습 음성 화자 특징이며,
Figure pat00003
는 i 번째 학습 음성 화자 특징에 대응하여 적용되는 가중치에 해당할 수 있다.
일실시예에 따라, 각각의 학습 음성들의 화자 특징들에 대해 적용되는 가중치는 다음의 수학식 2에 따라 산출될 수 있다.
Figure pat00004
여기서, g는 유사도와 가중치 간의 관계 함수이며,
Figure pat00005
는 등록된 화자 특징과 i번째 학습 음성 화자 특징의 유사도에 해당할 수 있다. 함수 g는 선형 함수, 비선형 함수가 적용될 수 있다.
일실시예에 따라, 각각의 학습 음성 화자 특징에 대해 유사도 점수를 산출한 후 전체 학습 음성 화자 특징에 대한 대표 유사도 점수 S2를 다음의 수학식3에 따라 산출할 수 있다.
Figure pat00006
여기서, F는 가중치가 곱해진 학습 음성들의 화자 특징들의 유사도를 대표 화자 특징 유사도로 변환하는 함수이며,
Figure pat00007
는 i번째 학습 음성 화자 특징이며,
Figure pat00008
는 현재 학습하고자 하는 음성 화자 특징, S(
Figure pat00009
,
Figure pat00010
)는 유사도 계산 함수 S에 의해 산출된 i번째 학습 음성 화자 특징과 현재 학습 음성 화자 특징의 유사도,
Figure pat00011
는 i 번째 학습 음성 화자 특징에 대응하여 적용되는 가중치에 해당할 수 있다.
도 7은 본 발명의 다양한 실시 예들에 따른 전자 장치의 동작을 설명하기 위한 흐름도이다.
도 7을 참조하면, 전자 장치(예: 도 1의 사용자 단말(100) 또는 도 4 및 도 5의 전자 장치(501))의 하나 이상의 프로세서(예: 도 1의 프로세서(160) 또는 도 4 및 도 5의 프로세서(520, 521 또는 523))는, 동작 701에서 전자 장치에 입력되는 음성을 인식할 수 있다. 일실시예에 따라 전자 장치에 입력되는 음성은 기설정된 지정된 내용의 음성(예: 호출어)인 경우로 한정될 수 있다. 일실시예에 따라 전자 장치에 입력되는 음성은 기설정된 지정된 내용의 음성으로 한정되지 않을 수 있다.
일실시예에 따라, 프로세서는 동작 703에서 상기 입력 음성 신호의 입력 시점을 기준으로 전후 지정된 기간 내(예: 전후 10초 기간)에 다른 방식의 사용자 인증이 수행되었는지 결정할 수 있다. 예를 들면, 다른 방식의 사용자 인증은 사용자의 지문 인식, 홍채 인식 또는 얼굴 인식을 포함하는 생체 인식에 의한 인증 방식일 수 있다.
일실시예에 따라, 프로세서는 동작 703에서 상기 입력 음성 신호의 입력 시점을 기준으로 전후 지정된 기간 내에 다른 방식의 사용자 인증이 수행되지 않은 것으로 결정되면, 화자 인증 모델 훈련 동작을 종료할 수 있다.
일실시예에 따라, 상기 입력 음성 신호의 입력 시점을 기준으로 전후 지정된 기간 내에 다른 방식의 사용자 인증이 수행된 경우, 프로세서는 동작 705에서 상기 입력 음성 신호에 대한 화자 인증 점수를 산출하고 산출된 화자 인증 점수가 지정된 문턱 값보다 큰지 여부를 결정할 수 있다. 예를 들면 화자 인증 점수에 대한 지정된 문턱 값은 학습 모델에 따라 상이하게 설정될 수 있다. 예를 들면 화자 인증 점수는 상술한 수학식들에 기초하여 산출될 수 있다. 예를 들면 화자 인증 점수가 0에서 10까지의 척도로 설정되는 경우 문턱 값은 학습 데이터 및/또는 학습 모델의 특징에 따라 예를 들면 상위 6 또는 7로 설정될 수 있다.
일실시예에 따라, 상기 화자 인증 점수가 문턱 값보다 큰 경우, 프로세서는 동작 707에서, 입력된 음성 신호를 사용하여 화자 인증 모델을 훈련시켜 업데이트할 수 있다. 예를 들면, 프로세서는 입력된 음성 신호에 대한 화자 특징을 추출하고 이에 대해 상술한 수학식들에 기초하여 산출된 가중치를 적용하여 화자 인증 모델을 업데이트할 수 있다.
일실시예에 따라, 프로세서는 동작 705에서 상기 화자 인증 점수가 문턱 값보다 크지 않은 경우, 화자 인증 모델 훈련 동작을 종료할 수 있다.
도 8은 본 발명의 다양한 실시 예들에 따른 전자 장치의 동작을 설명하기 위한 흐름도이다.
도 8을 참조하면, 전자 장치(예: 도 1의 사용자 단말(100) 또는 도 4 및 도 5의 전자 장치(501))의 하나 이상의 프로세서(예: 도 1의 프로세서(160) 또는 도 4 및 도 5의 프로세서(520, 521 또는 523))는, 동작 801에서 전자 장치에 입력되는 음성을 인식할 수 있다.
일실시예에 따라, 프로세서는 동작 803에서 상기 입력 음성 신호의 입력 시점을 기준으로 전후 지정된 기간 내(예: 전후 10초 기간)에 다른 방식의 사용자 인증이 수행되었는지 결정할 수 있다. 예를 들면, 다른 방식의 사용자 인증은 사용자의 지문 인식, 홍채 인식 또는 얼굴 인식을 포함하는 생체 인식에 의한 인증 방식일 수 있다.
일실시예에 따라, 상기 입력 음성 신호의 입력 시점을 기준으로 전후 지정된 기간 내에 다른 방식의 사용자 인증이 수행된 경우, 프로세서는 동작 805에서 상기 입력 음성 신호에 대한 화자 인증 점수를 산출하고 동작 807에서 산출된 화자 인증 점수가 지정된 조건을 만족하는지 여부를 결정할 수 있다. 예를 들면 화자 인증 점수에 대한 지정된 조건은 화자 인증 점수가 최소한으로 요구되는 문턱 값 보다 큰 조건일 수 있다.
일실시예에 따라, 상기 화자 인증 점수가 지정된 조건을 만족하는 경우, 프로세서는 동작 809에서, 입력된 음성 신호에 대해 적용할 가중치를 산출할 수 있다. 예를 들면, 가중치는 화자 인증 모델에 기초하여 산출될 수 잇다. 예를 들면, 가중치는 기존 화자 인증 모델에 대해, 새로 입력된 음성의 화자 특징 유사도에 따른 함수로서 산출될 수 있다. 예를 들면 가중치 산출을 위한 함수는 화자 인증 모델에 따른 유사도에 대한 선형 또는 비선형 함수일 수 있다.
일실시예에 따라, 프로세서는 동작 811에서, 입력된 음성 신호에 대해 산출된 가중치를 적용하여 화자 인증 모델을 훈련시켜 업데이트할 수 있다. 예를 들면, 프로세서는 입력된 음성 신호에 대한 화자 특징을 추출하고 이에 대해 상술한 수학식들에 기초하여 산출된 가중치를 적용하여 화자 인증 모델을 업데이트할 수 있다.
일실시예에 따라, 동작 803에서 생체 인증이 수행되지 않은 것으로 결정된 경우, 프로세서는 동작 813에서 사용자에게 생체 인증을 수행할 것을 요청할 수 있다. 예를 들면 프로세서는 생체 인증을 수행할 것을 요청하는 안내를 전자 장치의 음향 출력 모듈(예: 도 5의 음향 출력 모듈(555))을 통해 음성으로 출력하거나 디스플레이(예: 도 4의 디스플레이 모듈(560)) 화면을 통해 텍스트 및/또는 이미지로 출력할 수 있다.
도 9a 내지 도 9d는 본 발명의 다양한 실시 예들에 따른 음성 인식 서비스 호출을 위한 사용자 등록 동작을 설명하기 위한 도면이다
도 9a를 참조하면, 전자 장치(예: 도 1 또는 도 3의 사용자 단말(100) 또는 도 4 및 도 5의 전자 장치(501))의 하나 이상의 프로세서(예: 도 1의 프로세서(160) 또는 도 4 및 도 5의 프로세서(520, 521 또는 523))는, 사용자가 음성 인식 서비스 호출을 위한 사용자 호출 명령 등록 메뉴를 선택하면, 디스플레이(예: 도 1의 디스플레이(140) 또는 도 4의 디스플레이 모듈(560))를 통해 호출 명령 등록을 위한 안내(901)를 디스플레이 할 수 있다. 사용자는 예를 들면 디스플레이 화면 상에 표시된 시작 아이콘(903)을 선택하여 사용자 호출 명령 등록 동작을 시작할 수 있다. 사용자가 보류 아이콘(902)을 선택하면 디스플레이된 등록 메뉴는 해제되고 이전 화면 또는 홈 화면으로 전환할 수 있다.
도 9b를 참조하면, 사용자가 호출 명령 등록 동작을 시작하면, 프로세서는 디스플레이를 통해 호출 명령 입력을 위한 안내(905)를 텍스트 및/또는 이미지를 통해 표시할 수 있다.
도 9c를 참조하면, 사용자가 호출 명령 입력을 위한 발화를 생성하여 전자 장치의 마이크(예: 도 1의 마이크(120) 또는 도 4의 입력 모듈(550))를 통해 수신되면, 수신된 호출어(예: 안녕 빅스비)를 지정된 횟수만큼 추가로 발화할 것을 요청하는 안내(907)를 출력할 수 있다.
도 9d를 참조하면, 사용자가 호출 명령 등록 동작을 완료하면, 프로세서는 사용자 선택에 따라 또는 자동으로, 호출 명령 추가 학습 여부에 대해 질의하는 안내(909)를 출력할 수 있다. 예를 들면 사용자는 예/아니오 버튼 (910/911)을 통해 호출 명령 추가 학습 사용 여부에 대해 선택할 수 있다.
일실시예에 따라, 사용자가 호출 명령 추가 학습 사용 기능을 선택하면, 프로세서는 도 1 내지 도 8을 참조하여 상술한 바와 같이 화자 인증 모델 업데이트를 위한 등록 사용자 음성 인증 학습 동작을 수행할 수 있다.
도 10a 및 도10b는 본 발명의 다양한 실시 예들에 따른 전자 장치의 등록 사용자 음성 획득을 위한 동작의 예를 설명하기 위한 도면이다.
도 10a를 참조하면, 전자 장치(예: 도 1 또는 도 3의 사용자 단말(100) 또는 도 4 및 도 5의 전자 장치(501))의 마이크(예: 도 1의 마이크(120) 또는 도 4의 입력 모듈(550))를 통해, 사용자는 음성 서비스 호출 명령(예: 하이 빅스비)을 발화하고 지정된 명령어(예: 커피 주문해줘) 음성을 입력할 수 있다. 하나 이상의 프로세서(예: 도 1의 프로세서(160) 또는 도 4 및 도 5의 프로세서(520, 521 또는 523))는, 사용자 호출 명령에 대해 음성 인식을 수행하고, 음성 서비스 에이전트(예: 도 5의 음성 서비스 에이전트(524))를 활성화하여 사용자 입력의 지정된 명령어에 대한 음성 인식을 통해 명령어를 구성하는 텍스트를 분석하도록 할 수 있다. 프로세서는 입력된 사용자의 지정된 명령어에 대응하는 태스크(task)를 수행하기 위한 플랜(plan)(예: 커피 주문을 위한 결재 앱 실행)을 생성할 수 있다.
도 10b를 참조하면, 예를 들면 프로세서는 상술한 예에서 커피 주문이라는 텍스트 분석에 따라, 현재 사용자가 위치하는 장소(예: 카페)를 확인하고 해당 카페에서 커피 주문을 위한 앱을 실행하여 사용자에게 커피 메뉴 중 하나를 선택하도록 하고 선택에 따라 결재 앱을 실행하여 생체 정보를 입력하도록 안내(1001)(예: 지문 정보를 입력하도록 유도하기 위한 지문 아이콘 출력)를 출력하는 플랜에 따라 태스크를 수행할 수 있다. 다른 예에서 프로세서는 커피 주문 앱과 결재 앱을 실행하되, 사용자가 주로 주문하는 커피 종류에 대해 주문할 것인지를 묻는 안내 음성 출력(예: 아이스 아메리카노 주문하시겠습니까?)을 통해 사용자 의사를 확인한 후, 결재 앱을 통해 생체 정보를 입력하도록 안내(1001)를 출력하도록 하는 플랜을 실행할 수 있다.
일실시예에 따라, 프로세서는 사용자의 음성 서비스 호출 명령인 호출어 하이 빅스비 수신 후 지정된 시간 내에 결재 앱을 통해 사용자 생체 정보가 입력되어 사용자가 인증되면, 도 1 내지 도 8을 참조하여 상술한 바와 같이 상기 수신된 호출어를 사용하여 화자 인증 모델 업데이트를 위한 등록 사용자 음성 인증 학습 동작을 수행할 수 있다. 예를 들면, 사용자 발화 수신 시점으로부터 지정된 시간은, 사용자가 발화 시점 이후 결재 앱을 통해 생체 정보를 입력하기까지 통상 소요되는 시간으로 설정될 수 있다.
일실시예에 따라, 프로세서는 사용자의 발화 음성인 상기 지정된 명령어(예: 커피 주문해줘) 수신 후 지정된 시간 내에 결재 앱을 통해 사용자 생체 정보가 입력되어 사용자가 인증되면, 도 1 내지 도 8을 참조하여 상술한 바와 같이 상기 수신된 특정 명령어를 사용하여 화자 인증 모델 업데이트를 위한 등록 사용자 음성 인증 학습 동작을 수행할 수 있다.
도 11a 및 도 11b는 본 발명의 다양한 실시 예들에 따른 전자 장치의 등록 사용자 음성 획득을 위한 다른 동작의 예를 설명하기 위한 도면이다. 이하, 도 11a 및 11b를 참조하여, 사용자 발화 수신 시, 생체 인증을 포함하는 사용자 인증을 요청하여 상기 사용자 발화가 등록된 사용자의 음성임을 확인하는 예를 설명한다.
도 11a를 참조하면, 전자 장치(예: 도 1 또는 도 3의 사용자 단말(100) 또는 도 4 및 도 5의 전자 장치(501))의 마이크(예: 도 1의 마이크(120) 또는 도 4의 입력 모듈(550))를 통해, 사용자는 음성 서비스 호출 명령(예: 하이 빅스비)을 발화할 수 있다. 예를 들면 전자 장치는 대기 상태로 메인 프로세서(예: 도 4 또는 도 5의 어플리케이션 프로세서(521))가 인액티브(예: 슬립) 상태에 있을 수 있다. 예를 들면 메인 프로세서가 인액티브 상태로 전자 장치가 대기 상태에서 전자 장치의 화면은 도 11a에 도시된 바와 같이 주전력이 오프되어 화면이 꺼진 상태에서 저전력 구동 가능한 저전력 디스플레이(always on display, AOD)(예: 시계 화면) 화면이 표시될 수 있다.
일실시예에 따라, 어플리케이션 프로세서가 슬립 상태에 있는 동안 사용자의 음성 서비스 호출 명령이 수신됨에 따라 저전력 프로세서(예: 도 4 또는 도 5의 보조 프로세서(523))는 수신된 사용자 발화에 대해 음성 인식을 수행하고 음성 서비스 호출 명령임이 인식되면, 어플리케이션 프로세서가 활성화되도록 웨이크 업(wake up) 신호를 전달할 수 있다.
일실시예에 따라, 저전력 프로세서는 웨이크 업 신호를 어플리케이션 프로세서로 전달하기 전에, 예를 들면 도 11b에 도시된 바와 같이 전자 장치의 인액티브(예: 락 스크린 모드) 상태를 해제할 것을 요청하는 안내(1101) 및/또는 도 11C에 도시된 바와 같이 사용자의 지문 입력을 통한 인증을 안내하는 아이콘(1103)을 출력하여 사용자 인증을 유도할 수 있다. 예를 들면 저전력 프로세서는 수신된 사용자 발화에 대한 화자 인증 점수를 산출하고 산출된 점수가 상대적으로 높게 지정된 문턱 값 이하인 경우 사용자 인증 안내를 출력하여 사용자 인증을 유도할 수 있다. 예를 들면 저전력 프로세서는 수신된 사용자 발화 이후 지정된 기간 내에 사용자가 락 해제를 위한 사용자 인증을 수행하지 않는 경우에 상기 사용자 인증 안내를 출력할 수 있다.
일실시예에 따라, 사용자가 전자 장치의 락 해제를 위한 생체 인증, 비밀 번호, 또는 패턴과 같은 다양한 방식으로 사용자 인증을 수행하면, 저전력 프로세서로부터 수신되는 웨이크 업 신호에 따라 어플리케이션 프로세서가 활성화될 수 있다.
일실시예에 따라, 어플리케이션 프로세서가 슬립 상태에 있는 동안 사용자의 음성 서비스 호출 명령이 수신됨에 따라 저전력 프로세서는 수신된 사용자 발화에 대해 음성 인식을 수행하고 음성 서비스 호출 명령임이 인식되면, 어플리케이션 프로세서가 활성화되도록 웨이크 업 신호를 전달할 수 있다. 이에 따라 어플리케이션 프로세서가, 예를 들면 도 11C에 도시된 바와 같이 사용자의 지문 입력을 통한 인증을 안내하는 아이콘(1103)을 출력하여 사용자 인증을 유도할 수 있다.
일실시예에 따라, 어플리케이션 프로세서는 상기 사용자 발화에 대응하여 출력된 사용자 인증 요청에 따라 사용자 인증이 성공하면, 도 1 내지 도 8을 참조하여 상술한 바와 같이 상기 수신된 사용자 발화 음성을 사용하여 화자 인증 모델 업데이트를 위한 등록 사용자 음성 인증 학습 동작을 수행할 수 있다.
도 12는 본 발명의 다양한 실시 예들에 따른 전자 장치의 등록 사용자 음성 획득을 위한 또다른 동작의 예를 설명하기 위한 도면이다.
도 12를 참조하면, 전자 장치(예: 도 1 또는 도 3의 사용자 단말(100) 또는 도 4 및 도 5의 전자 장치(501))가 예를 들면 차량(1201) 내부에 거치되어 있을 수 있다.
일실시예에 따라 전자 장치의 마이크(예: 도 1의 마이크(120) 또는 도 4의 입력 모듈(550))를 통해, 사용자는 음성 서비스 호출 명령(예: 하이 빅스비)을 발화하거나 지정된 명령어를 발화할 수 있다.
일실시예에 따라, 하나 이상의 프로세서(예: 도 1의 프로세서(160) 또는 도 4 및 도 5의 프로세서(520, 521 또는 523))는, 수신된 호출 명령 또는 지정된 명령어에 대해 음성 인식을 수행하고, 음성 서비스 에이전트(예: 도 5의 음성 서비스 에이전트(524))를 활성화하여 수신된 호출 명령 또는 지정된 명령어에 대한 음성 인식을 통해 명령어를 구성하는 텍스트를 분석하도록 할 수 있다.
일실시예에 따라, 프로세서는 수신된 사용자 발화 시점 전후 지정된 시간 내에 전자 장치를 통해 사용자 얼굴 인식이 수행되어 사용자가 인증된 경우 해당 발화가 등록된 사용자에 의한 것으로 결정할 수 있다. 일실시예에 따라, 프로세서는 상기 사용자 발화가 등록된 사용자에 의한 것으로 결정되면, 도 1 내지 도 8을 참조하여 상술한 바와 같이 상기 수신된 사용자 발화 음성을 사용하여 화자 인증 모델 업데이트를 위한 등록 사용자 음성 인증 학습 동작을 수행할 수 있다.
도 9a 내지 도 12에서 개시되는 전자 장치(예: 도 1 또는 도 3의 사용자 단말(100) 또는 도 4 및 도 5의 전자 장치(501))는 바형(bar type) 또는 평판형(plate type)의 외관을 가지고 있지만, 본 발명이 이에 한정되지 않는다. 예를 들어, 도시된 전자 장치는 롤러블 전자 장치나 폴더블 전자 장치의 일부일 수 있다. "롤러블 전자 장치(rollable electronic device)"는, 디스플레이(예: 도 1의 디스플레이(140))의 굽힘 변형이 가능해, 적어도 일부분이 말아지거나(wound or rolled) 하우징(미도시)의 내부로 수납될 수 있는 전자 장치를 의미할 수 있다. 사용자의 필요에 따라, 롤러블 전자 장치는 디스플레이를 펼침으로써 또는 디스플레이의 더 넓은 면적을 외부로 노출시킴으로써 화면 표시 영역을 확장하여 사용할 수 있다. "폴더블 전자 장치(foldable electronic device)"는 디스플레이의 서로 다른 두 영역을 마주보게 또는 서로 반대 방향을 향하는(opposite to) 방향으로 폴딩 가능한 전자 장치를 의미할 수 있다.
일 실시예에 따라, 전자 장치는 마이크로폰, 적어도 하나의 센서, 등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 저장하는 메모리 및 상기 마이크로폰, 상기 적어도 하나의 센서 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함할 수 있다. 상기 적어도 하나의 프로세서는, 상기 마이크로폰을 통해 발화 음성이 수신되면, 상기 발화 음성 수신 시점 전후 지정된 기간 내에 상기 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하고, 상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료되면, 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트할 수 있다.
일 실시예에 따라, 상기 적어도 하나의 프로세서는, 상기 발화 음성에 대한 음성 인식을 수행하여 상기 발화 음성이 음성 서비스 에이전트 실행을 위한 호출 명령에 해당하는지 결정하고, 상기 호출 명령에 해당하는 경우 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트할 수 있다.
일실시예에 따라, 상기 적어도 하나의 프로세서는, 상기 화자 인증 모델에 기초하여 상기 발화 음성에 대한 화자 인증 점수를 산출할 수 있다.
일 실시예에 따라, 상기 적어도 하나의 프로세서는, 상기 발화 음성에 대한 화자 인증 점수가 지정된 문턱 값 이상인 경우 상기 발화 음성을 사용하여 상기 화자 인증 모델을 업데이트하도록 할 수 있다.
일 실시예에 따라, 상기 적어도 하나의 프로세서는, 상기 등록된 사용자에 대한 음성 특징 정보를 상기 발화 음성의 특징 정보와 비교하여 유사도에 따라 지정된 가중치를 적용하고, 상기 가중치가 적용된 상기 발화 음성을 사용하여 상기 화자 인증 모델을 업데이트하도록 할 수 있다.
일 실시예에 따라, 상기 가중치는, 상기 유사도 증가에 따라 증가하는 함수를 적용하여 산출될 수 있다.
일 실시예에 따라, 상기 적어도 하나의 프로세서는, 상기 지정된 기간 내에 상기 사용자 인증 정보가 수신되지 않는 경우, 상기 사용자 인증 정보의 입력에 대한 안내를 출력할 수 있다.
일 실시예에 따라, 상기 적어도 하나의 센서는 지문 인식을 위한 지문 센서, 홍채 인식을 위한 홍채 인식 센서, 및 얼굴 인식을 위한 이미지 센서 중 적어도 하나를 포함할 수 있다.
일 실시예에 따라, 상기 적어도 하나의 프로세서는, 어플리케이션 프로세서 및 상기 어플리케이션 프로세서가 비활성 상태일 때 동작하는 저전력 프로세서를 포함하고, 상기 어플리케이션 프로세서가 비활성 상태일 때 상기 발화 음성이 수신되면, 상기 저전력 프로세서는 상기 발화 음성이 음성 서비스 에이전트 실행을 위한 호출 명령에 해당하는지 결정하고, 상기 호출 명령에 해당하면 상기 어플리케이션 프로세서로 하여금 활성 상태로 전환하여 상기 사용자 인증 정보 수신을 확인하도록 할 수 있다.
일 실시예에 따라, 상기 어플리케이션 프로세서는, 상기 호출 명령에 해당하면 음성 서비스 에이전트를 실행하여 음성 서비스를 제공하도록 할 수 있다.
일 실시예에 따라, 상기 프로세서는, 상기 마이크로폰을 통해 발화 음성이 수신되면, 상기 발화 음성 수신 시점 전후 지정된 기간 내에 상기 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하고, 상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료되면, 상기 발화 음성을 사용하여 상기 적어도 하나의 서버와 통신을 통해, 등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 업데이트 하도록 할 수 있다.
일 실시예에 따라, 상기 적어도 하나의 프로세서는, 상기 발화 음성에 대한 음성 인식을 수행하여 상기 발화 음성이 음성 서비스 에이전트 실행을 위한 호출 명령에 해당하는지 결정하고, 상기 호출 명령에 해당하는 경우 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트하도록 할 수 있다.
일 실시예에 따라, 상기 적어도 하나의 프로세서는, 상기 화자 인증 모델에 기초하여 상기 발화 음성에 대한 화자 인증 점수를 산출하고, 상기 발화 음성에 대한 화자 인증 점수가 지정된 문턱 값 이상인 경우 상기 발화 음성을 사용하여 상기 화자 인증 모델을 업데이트하도록 할 수 있다.

Claims (20)

  1. 전자 장치에 있어서,
    마이크로폰;
    적어도 하나의 센서;
    등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 저장하는 메모리; 및
    상기 마이크로폰, 상기 적어도 하나의 센서 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는,
    상기 마이크로폰을 통해 발화 음성이 수신되면, 상기 발화 음성 수신 시점 전후 지정된 기간 내에 상기 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하고,
    상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료되면, 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트하는 전자 장치.
  2. 제 1항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 발화 음성에 대한 음성 인식을 수행하여 상기 발화 음성이 음성 서비스 에이전트 실행을 위한 호출 명령에 해당하는지 결정하고, 상기 호출 명령에 해당하는 경우 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트하는 전자 장치.
  3. 제 1항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 화자 인증 모델에 기초하여 상기 발화 음성에 대한 화자 인증 점수를 산출하는 전자 장치.
  4. 제 3항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 발화 음성에 대한 화자 인증 점수가 지정된 문턱 값 이상인 경우 상기 발화 음성을 사용하여 상기 화자 인증 모델을 업데이트하도록 하는 전자 장치.
  5. 제 1항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 등록된 사용자에 대한 음성 특징 정보를 상기 발화 음성의 특징 정보와 비교하여 유사도에 따라 지정된 가중치를 적용하고, 상기 가중치가 적용된 상기 발화 음성을 사용하여 상기 화자 인증 모델을 업데이트하도록 하는 전자 장치.
  6. 제 5항에 있어서,
    상기 가중치는, 상기 유사도 증가에 따라 증가하는 함수를 적용하여 산출되는 전자 장치.
  7. 제 1항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 지정된 기간 내에 상기 사용자 인증 정보가 수신되지 않는 경우, 상기 사용자 인증 정보의 입력에 대한 안내를 출력하는 전자 장치.
  8. 제 1항에 있어서,
    상기 적어도 하나의 센서는 지문 인식을 위한 지문 센서, 홍채 인식을 위한 홍채 인식 센서, 및 얼굴 인식을 위한 이미지 센서 중 적어도 하나를 포함하는 전자 장치.
  9. 제 1항에 있어서,
    상기 적어도 하나의 프로세서는, 어플리케이션 프로세서 및 상기 어플리케이션 프로세서가 비활성 상태일 때 동작하는 저전력 프로세서를 포함하고,
    상기 어플리케이션 프로세서가 비활성 상태일 때 상기 발화 음성이 수신되면, 상기 저전력 프로세서는 상기 발화 음성이 음성 서비스 에이전트 실행을 위한 호출 명령에 해당하는지 결정하고, 상기 호출 명령에 해당하면 상기 어플리케이션 프로세서로 하여금 활성 상태로 전환하여 상기 사용자 인증 정보 수신을 확인하도록 하는 전자 장치.
  10. 제 9항에 있어서,
    상기 어플리케이션 프로세서는, 상기 호출 명령에 해당하면 음성 서비스 에이전트를 실행하여 음성 서비스를 제공하도록 하는 전자 장치.
  11. 등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 저장하는 메모리를 포함하는 전자 장치의 방법에 있어서,
    발화 음성을 수신하는 동작;
    상기 발화 음성 수신 시점 전후 지정된 기간 내에 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하는 동작; 및
    상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료된 것으로 확인되면, 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트하는 동작을 포함하는 방법
  12. 제 11항에 있어서,
    상기 발화 음성에 대한 음성 인식을 수행하여 상기 발화 음성이 음성 서비스 에이전트 실행을 위한 호출 명령에 해당하는지 결정하는 동작을 더 포함하고,
    상기 화자 인증 모델 업데이트 동작은, 상기 호출 명령에 해당하는 경우 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트하는 방법.
  13. 제 11항에 있어서,
    상기 화자 인증 모델에 기초하여 상기 발화 음성에 대한 화자 인증 점수를 산출하는 동작을 더 포함하는 방법.
  14. 제 13항에 있어서,
    상기 화자 인증 모델 업데이터 동작은, 상기 발화 음성에 대한 화자 인증 점수가 지정된 문턱 값 이상인 경우 상기 발화 음성을 사용하여 상기 화자 인증 모델을 업데이트하는 방법.
  15. 제 11항에 있어서,
    상기 등록된 사용자에 대한 음성 특징 정보를 상기 발화 음성의 특징 정보와 비교하여 유사도에 따라 지정된 가중치를 적용하는 동작;을 더 포함하고,
    상기 화자 인증 모델 업데이트 동작은, 상기 가중치가 적용된 상기 발화 음성을 사용하여 상기 화자 인증 모델을 업데이트하는 방법.
  16. 제 15항에 있어서,
    상기 가중치는, 상기 유사도 증가에 따라 증가하는 함수를 적용하여 산출되는 방법.
  17. 제 11항에 있어서,
    상기 지정된 기간 내에 상기 사용자 인증 정보가 수신되지 않는 경우, 상기 사용자 인증 정보의 입력에 대한 안내를 출력하는 동작을 더 포함하는 방법.
  18. 전자 장치에 있어서,
    마이크로폰;
    적어도 하나의 센서;
    적어도 하나의 서버와 통신하기 위한 통신 모듈;
    메모리; 및
    상기 마이크로폰, 상기 적어도 하나의 센서, 상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 프로세서는,
    상기 마이크로폰을 통해 발화 음성이 수신되면, 상기 발화 음성 수신 시점 전후 지정된 기간 내에 상기 적어도 하나의 센서를 통해 사용자 인증 정보가 수신되는지 확인하고,
    상기 사용자 인증 정보에 따라 상기 사용자 인증이 완료되면, 상기 발화 음성을 사용하여 상기 적어도 하나의 서버와 통신을 통해, 등록된 사용자의 음성을 인증하기 위한 화자 인증 모델을 업데이트하도록 하는 전자 장치.
  19. 제 18항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 발화 음성에 대한 음성 인식을 수행하여 상기 발화 음성이 음성 서비스 에이전트 실행을 위한 호출 명령에 해당하는지 결정하고, 상기 호출 명령에 해당하는 경우 상기 발화 음성에 기초하여 상기 화자 인증 모델을 업데이트하도록 하는 전자 장치.
  20. 제 18항에 있어서,
    상기 적어도 하나의 프로세서는, 상기 화자 인증 모델에 기초하여 상기 발화 음성에 대한 화자 인증 점수를 산출하고, 상기 발화 음성에 대한 화자 인증 점수가 지정된 문턱 값 이상인 경우 상기 발화 음성을 사용하여 상기 화자 인증 모델을 업데이트하도록 하는 전자 장치.
KR1020200124135A 2020-09-24 2020-09-24 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법 KR20220040875A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020200124135A KR20220040875A (ko) 2020-09-24 2020-09-24 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법
EP21872907.7A EP4195202A4 (en) 2020-09-24 2021-09-23 APPARATUS FOR LEARNING SPEAKER AUTHENTICATION OF A REGISTERED USER FOR A VOICE RECOGNITION SERVICE AND METHOD FOR OPERATION THEREOF
PCT/KR2021/012962 WO2022065879A1 (ko) 2020-09-24 2021-09-23 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법
US17/861,389 US20220343921A1 (en) 2020-09-24 2022-07-11 Device for training speaker verification of registered user for speech recognition service and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200124135A KR20220040875A (ko) 2020-09-24 2020-09-24 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20220040875A true KR20220040875A (ko) 2022-03-31

Family

ID=80845896

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200124135A KR20220040875A (ko) 2020-09-24 2020-09-24 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법

Country Status (4)

Country Link
US (1) US20220343921A1 (ko)
EP (1) EP4195202A4 (ko)
KR (1) KR20220040875A (ko)
WO (1) WO2022065879A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11929078B2 (en) * 2021-02-23 2024-03-12 Intuit, Inc. Method and system for user voice identification using ensembled deep learning algorithms

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9262612B2 (en) * 2011-03-21 2016-02-16 Apple Inc. Device access using voice authentication
US9633652B2 (en) * 2012-11-30 2017-04-25 Stmicroelectronics Asia Pacific Pte Ltd. Methods, systems, and circuits for speaker dependent voice recognition with a single lexicon
US9865266B2 (en) * 2013-02-25 2018-01-09 Nuance Communications, Inc. Method and apparatus for automated speaker parameters adaptation in a deployed speaker verification system
US9343068B2 (en) * 2013-09-16 2016-05-17 Qualcomm Incorporated Method and apparatus for controlling access to applications having different security levels
US9548979B1 (en) * 2014-09-19 2017-01-17 United Services Automobile Association (Usaa) Systems and methods for authentication program enrollment
KR102346302B1 (ko) * 2015-02-16 2022-01-03 삼성전자 주식회사 전자 장치 및 음성 인식 기능 운용 방법
US9978374B2 (en) * 2015-09-04 2018-05-22 Google Llc Neural networks for speaker verification
GB2551209B (en) * 2016-06-06 2019-12-04 Cirrus Logic Int Semiconductor Ltd Voice user interface
US20180107813A1 (en) * 2016-10-18 2018-04-19 Plantronics, Inc. User Authentication Persistence
CN107978311B (zh) * 2017-11-24 2020-08-25 腾讯科技（深圳）有限公司 一种语音数据处理方法、装置以及语音交互设备
US10789959B2 (en) * 2018-03-02 2020-09-29 Apple Inc. Training speaker recognition models for digital assistants
KR102595184B1 (ko) * 2018-05-25 2023-10-30 삼성전자주식회사 전자 장치, 전자 장치의 제어 방법 및 컴퓨터 판독 가능 매체
US11238294B2 (en) * 2018-10-08 2022-02-01 Google Llc Enrollment with an automated assistant
KR20200100332A (ko) * 2019-02-18 2020-08-26 주식회사 케이티 화자 모델을 업데이트하는 음성 인식 장치, 방법 및 컴퓨터 프로그램
EP3977257A1 (en) * 2019-05-31 2022-04-06 Google LLC Dynamically assigning multi-modality circumstantial data to assistant action requests for correlating with subsequent requests
US11743719B2 (en) * 2019-10-07 2023-08-29 Denso Corporation System and method for authenticating an occupant of a vehicle
US11361770B2 (en) * 2020-06-30 2022-06-14 Microsoft Technology Licensing, Llc Detecting user identity in shared audio source contexts

Also Published As

Publication number Publication date
EP4195202A1 (en) 2023-06-14
US20220343921A1 (en) 2022-10-27
WO2022065879A1 (ko) 2022-03-31
EP4195202A4 (en) 2024-01-24

Similar Documents

Publication Publication Date Title
US20220254369A1 (en) Electronic device supporting improved voice activity detection
KR20200023088A (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
KR20220011979A (ko) 언어 모델 및 이를 포함하는 전자 장치
KR20220005348A (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
EP4220628A1 (en) Electronic device for supporting service for artificial intelligent agent that talks with user
US20220343921A1 (en) Device for training speaker verification of registered user for speech recognition service and method thereof
US20210217406A1 (en) Voice recognition service operating method and electronic device supporting same
KR20220086265A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220118818A (ko) 전자 장치 및 전자 장치의 동작 방법
US20230267929A1 (en) Electronic device and utterance processing method thereof
US11893976B2 (en) Electronic device and operation method thereof
EP4383252A1 (en) Electronic device and utterance processing method thereof
US20240127793A1 (en) Electronic device speech recognition method thereof
US20220028381A1 (en) Electronic device and operation method thereof
US20240071363A1 (en) Electronic device and method of controlling text-to-speech (tts) rate
US20220328043A1 (en) Electronic device for processing user utterance and control method thereof
US20230088601A1 (en) Method for processing incomplete continuous utterance and server and electronic device for performing the method
US20230335112A1 (en) Electronic device and method of generating text-to-speech model for prosody control of the electronic device
US20240161744A1 (en) Electronic devices and methods of handling user utterances
KR20220005228A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220129312A (ko) 전자 장치 및 전자 장치의 개인화 음성 모델 생성 방법
KR20240026811A (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
KR20220115453A (ko) 음성 구간 인식의 향상을 지원하는 전자 장치
KR20220072480A (ko) 사용자 발화를 처리하는 전자 장치 및 그 작동 방법
KR20220136750A (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법

Legal Events

Date Code Title Description
A201 Request for examination