KR20220090171A - 음성 인식 장치, 프로그램 및 그것의 학습 제어 방법 - Google Patents

Abstract

본 발명은 음성 신호를 인식하고, 인식된 결과에 기초하여 인공지능 학습을 수행할 수 있는 음성 인식 장치 및 그것의 제어 방법에 관한 것이다. 보다 구제척으로 본 발명은, 음성 인식 모델에 기초하여 음성 신호를 인식하여 문자로 변환한 인식 텍스트를 획득하고, 상기 인식 텍스트에 대해 적어도 하나의 보정 작업을 수행한 보정 텍스트를 획득하며, 상기 인식 텍스트와 상기 보정 텍스트에 기초하여 상기 음성 인식 모델을 학습하는 음성 인식 장치 및 그것의 제어 방법에 관한 것이다.

Description

음성 인식 장치, 프로그램 및 그것의 학습 제어 방법{VOICE RECOGNITION DEVICE AND ITS LEARNING CONTROL METHOD}

본 발명은 음성 인식 장치, 프로그램 및 그것의 학습 제어 방법에 관한 것으로, 보다 구체적으로는 음성 인식 모델에 의해서 인식된 텍스트를 가공하여 다시 음성 인식 모델의 학습에 활용할 수 있는 음성 인식 장치, 프로그램 및 그것의 학습 제어 방법에 관한 것이다.

음성 인식 기술은 인간이 의사 소통을 위하여 말하는 음성 언어를 컴퓨터가 해석하여 문자 데이터로 전환하는 기술로서, 편리함을 원하는 사용자들의 요구에 따라 빠르게 발전하고 있다. 최근에는, 뉴럴 네트워크(neural network)를 이용하여 음성 인식을 수행하는 기술이 활발히 연구되고 있다. 뉴럴 네트워크는 인간의 생물학적 신경 세포의 특성을 수학적 표현에 의해 모델링한 모델로서, 인간이 가지고 있는 학습이라는 능력을 모방한 알고리즘을 이용한다. 뉴럴 네트워크는 학습된 결과에 기초하여 학습에 이용되지 않았던 입력 패턴에 대하여 비교적 올바른 출력을 생성할 수 있는 일반화 능력을 가진다. 이러한 일반화 능력이 가지는 장점으로 인하여 뉴럴 네트워크가 음성 인식 기술 분야에 널리 이용되고 있다.

이와 같은 뉴럴 네트워크에 의해서, 특정 작업에 특화되도록 설계된 것을 모델이라고 부른다. 예를 들어 음성 인식을 하기 위하여 생성 및 설계된 뉴럴 네트워크를 음성 인식 모델이라고 부른다.

이러한 모델들은, 다양한 훈련 데이터에 의해서 파라미터를 조정해 나가는 방식으로 학습을 수행할 수 있다. 대표적인 학습으로 지도 학습(supervised learning)이 존재한다. 지도 학습이란, 입력값과 그에 따른 출력값이 있는 데이터를 이용하여 주어진 입력에 맞는 출력을 찾는 학습을 의미하며, 정답을 알고 있는 상태에서 이루어지는 학습을 의미한다. 지도 학습에 주어지는 입력값과 출력값 세트를 훈련 데이터(Training Data)라고 한다.

훈련 데이터는 항상 정답에 대한 출력값을 알아야 하기 때문에, 학습을 하기 위하여 충분한 양의 훈련 데이터를 확보하는 것은 쉽지 않다.

따라서, 지도 학습을 하기 위한 훈련 데이터가 다소 부족할 때에도, 부족한 학습을 보충할 수 있는 음성 인식 장치에 대한 학습 방법에 대한 연구가 요구되는 실정이다.

본 발명이 해결하고자 하는 과제는 음성 인식 관련 모델에 대해 지도 학습에 근접할 수 있는 비지도 학습을 할 수 있는 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 다른 과제는 음성 인식 모델의 인식 결과를 가공하여 다시 음성 인식 모델을 학습하는데 사용할 수 있는 방법을 제공하는 것이다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기 또는 다른 과제를 해결하기 위해 본 발명의 일 측면에 따르면, 음성 인식 장치의 제어 방법에 있어서, 음성 인식 모델에 기초하여 음성 신호를 인식하여 문자로 변환한 인식 텍스트를 획득하는 단계; 상기 인식 텍스트에 대해 적어도 하나의 보정 작업을 수행한 보정 텍스트를 획득하는 단계; 및 상기 인식 텍스트와 상기 보정 텍스트에 기초하여 상기 음성 인식 모델을 학습하는 단계를 포함하는 것을 특징으로 하는, 음성 인식 장치의 제어 방법을 제공한다.

상기 보정 텍스트를 획득하는 단계는, 적어도 하나의 보정 모델에 기초하여 상기 보정 작업이 수행되고, 상기 획득한 인식 텍스트와 상기 획득한 보정 텍스트에 기초하여 상기 적어도 하나의 보정 모델을 학습하는 단계를 더 포함할 수 있다.

상기 적어도 하나의 보정 모델은 문장 분리 모델을 포함하고, 상기 인식 텍스트는 복수의 문장을 포함하며, 상기 적어도 하나의 보정 작업은, 상기 문장 분리 모델에 기초하여 상기 복수의 문장을 적어도 두 개의 문장으로 분리하는 문장 분리 작업을 포함할 수 있다.

상기 음성 신호를 상기 분리된 적어도 두 개의 문장 각각의 시작과 끝 지점에 대응되도록 적어도 두 개의 부분 음성으로 잘라내는 단계; 및 상기 분리된 적어도 두 개의 문장 각각과 상기 잘라낸 적어도 두 개의 부분 음성을 대응시켜 음성 인식 훈련 데이터로 생성하는 단계를 더 포함하고, 상기 음성 인식 모델을 학습하는 단계는, 상기 생성된 음성 인식 훈련 데이터에 기초하여 이루어질 수 있다.

적어도 하나의 보정 모델을 학습하는 단계는, 상기 보정 텍스트와 상기 인식 텍스트에 기초하여 문장 분리 훈련 데이터를 생성시키는 단계; 및 상기 생성된 문장 분리 훈련 데이터에 기초하여 상기 문장 분리 모델을 훈련시키는 단계를 포함할 수 있다.

상기 적어도 하나의 보정 모델은 오인식 교정 모델을 포함하고, 상기 적어도 하나의 보정 작업은, 상기 오인식 교정 모델에 기초하여 상기 인식 텍스트의 오인식을 교정하는 작업을 포함할 수 있다.

적어도 하나의 보정 모델을 학습하는 단계는, 상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 오인식 교정 훈련 데이터를 생성하는 단계; 및 상기 생성된 오인식 교정 훈련 데이터에 기초하여 상기 오인식 교정 모델을 학습하는 단계를 포함할 수 있다.

상기 적어도 하나의 보정 모델은 띄어쓰기 교정 모델을 포함하고, 상기 적어도 하나의 보정 작업은, 상기 띄어쓰기 교정 모델에 기초하여 상기 인식 텍스트의 띄어쓰기를 교정하는 작업을 포함할 수 있다.

적어도 하나의 보정 모델을 학습하는 단계는, 상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 띄어쓰기 교정 훈련 데이터를 생성하는 단계; 및 상기 생성된 띄어쓰기 교정 훈련 데이터에 기초하여 상기 띄어쓰기 교정 모델을 학습하는 단계를 포함할 수 있다.

상기 적어도 하나의 보정 모델은 사족 제거 모델을 포함하고, 상기 적어도 하나의 보정 작업은, 상기 사족 제거 모델에 기초하여 상기 인식 텍스트에서 사족을 제거하는 작업을 포함할 수 있다.

적어도 하나의 보정 모델을 학습하는 단계는, 상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 사족 제거 훈련 데이터를 생성하는 단계; 및 상기 생성된 사족 제거 훈련 데이터에 기초하여 상기 사족 제거 모델을 학습하는 단계를 포함할 수 있다.

상기 또는 다른 과제를 해결하기 위해 본 발명의 다른 측면에 따르면, 명령어들을 저장하는 메모리; 및 상기 저장된 명령어들을 실행하도록 설정된 프로세서를 포함하고, 상기 프로세서는: 음성 인식 모델에 기초하여 음성 신호를 인식하여 문자로 변환한 인식 텍스트를 획득하고, 상기 인식 텍스트에 대해 적어도 하나의 보정 작업을 수행한 보정 텍스트를 획득하며, 상기 인식 텍스트와 상기 보정 텍스트에 기초하여 상기 음성 인식 모델을 학습하는 것을 특징으로 하는, 음성 인식 장치를 제공한다.

상기 프로세서는, 적어도 하나의 보정 모델에 기초하여 상기 보정 작업을 수행하고, 상기 획득한 인식 텍스트와 상기 획득한 보정 텍스트에 기초하여 상기 적어도 하나의 보정 모델을 학습할 수 있다.

상기 적어도 하나의 보정 모델은 문장 분리 모델을 포함하고, 상기 인식 텍스트는 복수의 문장을 포함하며, 상기 적어도 하나의 보정 작업은, 상기 문장 분리 모델에 기초하여 상기 복수의 문장을 적어도 두 개의 문장으로 분리하는 문장 분리 작업을 포함할 수 있다.

상기 프로세서는, 상기 음성 신호를 상기 분리된 적어도 두 개의 문장 각각의 시작과 끝 지점에 대응되도록 적어도 두 개의 부분 음성으로 잘라내고, 상기 분리된 적어도 두 개의 문장 각각과 상기 잘라낸 적어도 두 개의 부분 음성을 대응시켜 음성 인식 훈련 데이터로 생성하며, 상기 생성된 음성 인식 훈련 데이터에 기초하여 상기 음성 인식 모델에 대한 학습을 수행할 수 있다.

상기 프로세서는 상기 보정 텍스트와 상기 인식 텍스트에 기초하여 문장 분리 훈련 데이터를 생성시키고, 상기 생성된 문장 분리 훈련 데이터에 기초하여 상기 문장 분리 모델을 훈련시킬 수 있다.

상기 적어도 하나의 보정 모델은 오인식 교정 모델을 포함하고, 상기 적어도 하나의 보정 작업은, 상기 오인식 교정 모델에 기초하여 상기 인식 텍스트의 오인식을 교정하는 작업을 포함할 수 있다.

상기 프로세서는, 상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 오인식 교정 훈련 데이터를 생성하고, 상기 생성된 오인식 교정 훈련 데이터에 기초하여 상기 오인식 교정 모델을 학습할 수 있다.

상기 적어도 하나의 보정 모델은 띄어쓰기 교정 모델을 포함하고, 상기 적어도 하나의 보정 작업은, 상기 띄어쓰기 교정 모델에 기초하여 상기 인식 텍스트의 띄어쓰기를 교정하는 작업을 포함할 수 있다.

상기 프로세서는, 상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 띄어쓰기 교정 훈련 데이터를 생성하고, 상기 생성된 띄어쓰기 교정 훈련 데이터에 기초하여 상기 띄어쓰기 교정 모델을 학습할 수 있다.

상기 적어도 하나의 보정 모델은 사족 제거 모델을 포함하고, 상기 적어도 하나의 보정 작업은, 상기 사족 제거 모델에 기초하여 상기 인식 텍스트에서 사족을 제거하는 작업을 포함할 수 있다.

상기 프로세서는, 상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 사족 제거 훈련 데이터를 생성하고, 상기 생성된 사족 제거 훈련 데이터에 기초하여 상기 사족 제거 모델을 학습할 수 있다.

본 발명에 따른 음성 인식 장치, 프로그램 및 그것의 제어 방법의 효과에 대해 설명하면 다음과 같다.

본 발명의 실시 예들 중 적어도 하나에 의하면, 음성 인식 모델에 기초하여 인식된 텍스트를 가공한 후 음성 인식 모델을 다시 학습시킬 수 있다는 장점이 있다.

또한, 본 발명의 실시 예들 중 적어도 하나에 의하면, 음성 인식과 관련된 인공지능 모델에 대해서 비지도 학습을 수행하면서도 지도 학습을 하는 경우와 유사한 학습 효과를 얻을 수 있다는 장점이 있다.

본 발명의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 발명의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 발명의 바람직한 실시 예와 같은 특정 실시 예는 단지 예시로 주어진 것으로 이해되어야 한다.

도 1은 일 실시예에 따른 음성 인식 장치(100)의 음성 인식 과정을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 음성 인식 장치(100)의 제어 순서도를 도시한다.
도 3은 본 발명의 일실시예에 따른 음성 인식 모델(110)의 개념을 설명하는 도면이다.
도 4는 본 발명의 일실시예에 따른 문장 분리 모델(121, Sentence Boundary Detection Model)이 문장 분리 작업을 수행하는 개념도를 도시한다.
도 5는 본 발명의 일실시예에 따른 오인식 교정 모델(122, Spell Correction Model)이 오인식 교정 작업을 수행하는 개념도를 도시한다.
도 6은 본 발명의 일실시예에 따른 띄어쓰기 교정 모델(123, Word Spacing Model)이 띄어쓰기 교정 작업을 수행하는 개념도를 도시한다.
도 7은 본 발명의 일실시예에 따른 사족 제거 모델(124, disfluency Model)이 사족 제거 작업을 수행하는 개념도를 도시한다.
도 8은 본 발명의 일실시예에 따른 보정 작업부(120)의 후보정 작업 결과를 도시하는 도면이다.
도 9는 본 발명의 일실시예에 따라 음성 신호(101) 및 보정 텍스트(801)에 기초하여 음성 인식 모델(110)을 학습하기 위한 음성 인식 훈련 데이터(810-1 ~ 810-3)를 생성하는 개념도를 도시한다.
도 10은 본 발명의 일실시예에 따라 보정 텍스트(801)를 이용하여 문장 분리 모델(121)을 학습하는 개념도를 도시한다.
도 11은 본 발명의 일실시예에 따라 보정 텍스트(801)를 이용하여 오인식 교정 모델(122)을 학습하는 개념도를 도시한다.
도 12는 본 발명의 일실시예에 따라 보정 텍스트(801)를 이용하여 띄어쓰기 교정 모델(123)을 학습하는 개념도를 도시한다.
도 13은 본 발명의 일실시예에 따라 보정 텍스트(801)를 이용하여 사족 제거 모델(123)을 학습하는 개념도를 도시한다.
도 14는 일 실시예에 따른 음성 인식 장치(100)의 구성을 도시한 도면이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

도 1은 일 실시예에 따른 음성 인식 장치(100)의 음성 인식 과정을 설명하기 위한 도면이다. 음성 인식 장치(100)는 음성 인식을 수행하는 장치로서, 음성 인식 장치(100)에 입력된 음성 신호(101)를 인식하여 음성 인식 결과(102)를 출력한다. 음성 인식은 음성 신호에 포함된 언어 정보를 이에 대응되는 텍스트 정보로 변환하는 과정이다. 음성 인식 장치(100)는 입력된 음성 신호를 분석하여 음성 신호에 포함된 언어 정보가 어떠한 텍스트 정보를 나타내는지를 추정할 수 있다.

본 발명의 일 실시예에 따르면, 음성 인식 장치(100)는 모바일 폰, 셀룰러 폰, 스마트 폰, 퍼스널 컴퓨터, 랩탑, 노트북, 넷북 또는 태블릿, 휴대 정보 단말기(personal digital assistant; PDA), 디지털 카메라, 게임 콘솔, MP3 플레이어, 퍼스널 멀티미디어 플레이어(personal multimedia player; PMP), 전자 북(E-Book), 네비게이션, 디스크 플레이어, 셋톱박스, 가정용 전자기기(home appliance), 통신 장치, 디스플레이 장치, 또는 다른 전자기기에 내장되거나 또는 이것들과 상호 동작할 수 있다. 또한, 음성 인식 장치(100)는 스마트 가전 기기, 지능형 차량, 자율 주행 장치, 스마트 홈 환경, 스마트 빌딩 환경, 스마트 오피스 환경, 스마트 전자 보안 시스템 등에 내장되거나 또는 이것들과 상호 동작할 수 있다. 또한, 음성 인식 장치(100)는 사용자의 신체에 착용되는 웨어러블 기기(wearable device)에 포함되어 동작하거나 이것과 상호 동작할 수 있다. 웨어러블 기기는 예를 들어, 반지, 시계, 안경, 팔찌, 벨트, 밴드, 목걸이, 귀걸이, 헬멧 또는 옷의 형태를 가질 수 있다.

구체적으로 음성 인식 장치(100)는, 음성 인식 모델(110), 음성 인식 모델 학습부(111), 보정 작업부(120) 및 보정 모델 학습부(125)를 포함하도록 구성될 수 있다. 도 1에 도시된 구성요소들은 음성 인식 장치(100)를 구현하는데 있어서 필수적인 것은 아니어서, 본 명세서 상에서 설명되는 음성 인식 장치(100)는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.

음성 인식 모델(110)은 음성 신호(101)를 인식하여 텍스트로 변환시키고, 보정 작업부(120)로 전달한다. 음성 인식 모델(110)이 변환한 텍스트는, 부정확한 발음, 잡음이나 기타 오류로 인하여 음성 인식 결과가 다소 부정확할 수 있다. 그렇기 때문에 본 발명의 일실시예에서는 음성 인식 모델(110)이 변환한 텍스트를 바로 음성 인식 결과(102)로 출력하는 것이 아니라, 보정 작업부(120)를 통한 후보정 작업을 거치도록 제안한다.

보정 작업부(120)는 음성 인식 모델(110)이 변환한 텍스트에 대하여 후보정 처리를 한 후, 음성 인식 결과(102)로 출력한다.

보정 작업부(120)는, 적어도 하나의 보정 모델에 기초하여 보정 작업을 수행할 수 있다. 적어도 하나의 보정 모델은, 문장 분리 모델(121), 오인식 교정 모델(122), 띄어쓰기 교정 모델(123) 및 사족 제거 모델(124) 중 적어도 하나를 포함하도록 구성될 수 있다. 각 모델의 기능에 대해서는, 이하 도 4 내지 도 7을 참조하여 자세히 후술한다.

음성 인식 모델 학습부(111)는 음성 인식 모델(110)에 대한 학습하기 위한 구성이다. 그리고 보정 모델 학습부(125)는 문장 분리 모델(121), 오인식 교정 모델(122), 띄어쓰기 교정 모델(123) 및 사족 제거 모델(124) 중 적어도 하나를 학습하기 위한 구성이다.

도 2는 본 발명의 일실시예에 따른 음성 인식 장치(100)의 제어 순서도를 도시한다. 도 3은 본 발명의 일실시예에 따른 음성 인식 모델(110)의 개념을 설명하는 도면이다.

음성 인식 모델(110)은 음성 신호(101)를 수신(S201)하면, 수신된 음성 신호(101)를 인식 텍스트(301)로 변환(S202)시킨다. 이때 음성 신호는 마이크와 같은 음성 입력부를 통하여 수신될 수도 있지만, 기녹음되어 있는 음성 신호를 데이터 형태로 입력 받을 수도 있을 것이다.

음성 인식 모델(110)은 음성 신호(101)로부터 특징을 추출하고, 추출된 특징에 기반하여 음성을 인식한다. 예를 들어 음성 인식 모델(110)는 음성 신호(101)로부터 스펙트로그램(spectrogram)을 획득하고, 스펙트로그램으로부터 음성 신호(101)의 주파수 특징을 추출할 수 있다. 음성 인식 모델(110)는 음성 신호(101)를 푸리에 변환(Fourier transform)을 이용한 스펙트럼 분석 결과를 시간-주파수에 대해 표현하면 스펙트로그램을 획득할 수 있다. 음성 인식 모델(110)는 푸리에 변환을 통해 음성 신호(101)의 기본 주파수(fundamental frequency)를 계산하고, 기본 주파수의 자연수배(1, 2, 3, ... 배)에 해당하는 주파수의 진폭 값을 계산하여 주파수 값을 x 축에, 진폭 값을 y 축에 나타내 스펙트럼을 생성할 수 있다. 스펙트로그램은 생성된 스펙트럼에서 진폭 값이 클수록 빈(bin)의 크기를 크게 하고, 진폭 값이 작을수록 빈의 크기를 작게 나타내 각각의 주파수 위치에 대해 진폭 값의 크기를 연속으로 표시한 것이다. 음성 인식 모델(110)는 스펙트로그램에 나타난 주파수 특징 정보를 음성 신호(101)의 특징으로서 추출할 수 있다.

음성 신호(101)로부터 특징을 추출하는 방법은 위 실시예에 한정되지 아니하며, 음성 신호(101)의 특징을 추출하기 위해 다양한 방법이 이용될 수 있다. 예를 들어, 음성 인식 모델(110)는 음성 인식(101)을 위해 인간의 귀가 가지는 비선형적인 주파수 특징을 이용한 MFCC(Mel Frequency Cepstral Coefficients)의 특징 값을 이용할 수도 있다. MFCC의 특징 값은 (1) 시간 윈도우에 기반하여 음성 신호를 음성 프레임 단위로 분할 (2) FFT(Fast Fourier Transform)을 이용하여 음성 프레임을 주파수 영역으로 변환 (3) 필터뱅크(Filter bank)를 이용하여 음성 프레임을 여러 주파수 대역의 신호로 나눔 (4) 각 주파수 대역의 신호의 에너지를 계산 (5) 계산된 에너지에 DCT(Discrete Cosine Transform)를 적용의 과정을 통해 획득될 수 있다.

음성 신호를 인식하여 문자로 변환하기 위한 음성 인식 모델(110)로서, 음향 모델과 언어 모델이 이용될 수 있다.

음향 모델은 음성 신호로부터 추출된 특징에 기초하여 음성 신호를 음소(phoneme) 단위로 인식하는데 이용된다. 음성 인식 모델(110)은 음향 모델에 의해 획득된 음소 단위의 인식 결과에 기초하여 음성 신호(101)가 나타내는 단어들을 추정할 수 있다.

언어 모델은 단어들 사이의 연결 관계에 기초한 확률 정보를 획득하는데 이용된다. 언어 모델은 언어 모델에 입력된 단어에 연결될 다음 단어에 대한 확률 정보를 제공한다. 예를 들어, 언어 모델에 "this"의 단어가 입력되는 경우, 언어 모델은 "this" 다음에 "is" 또는 "was"가 연결될 확률 정보를 제공할 수 있다. 일 실시예에서, 음성 인식 장치(100)는 언어 모델에 의해 확률 정보에 기초하여 가장 확률이 높은 단어들 간의 연결 관계를 선택하고, 선택 결과를 인식 텍스트(301)로서 출력할 수 있다.

위와 같은 음향 모델 및 언어 모델로서 뉴럴 네트워크가 이용될 수 있다. 뉴럴 네트워크는 많은 수의 인공 뉴런(또는, 노드)들을 이용하여 생물학적인 시스템의 계산 능력을 모방하는 소프트웨어나 하드웨어로 구현된 인식 모델이다. 뉴럴 네트워크는 인공 뉴런들을 통해 인간의 인지 작용이나 학습 과정을 수행할 수 있다. 일 예시에서, 음향 모델 및 언어 모델이 Bi-LSTM(Bidirectional LSTM)이나, 콘벌루셔널 뉴럴 네트워크(convolutional neural network; CNN)로 구현될 수 있으나, 이는 하나의 예시일 뿐 다양한 음성 인식 기술이 음성 인식 모델(110)에 적용될 수 있을 것이다.

음성 인식 모델(110)은 음성 인식 모델 학습부(111)에 의해서 '음성'과 '정답 텍스트'를 이용하여 지도 학습될 수 있다. 이때 지도 학습이란, 입력값과 그에 따른 출력값이 있는 데이터를 이용하여 주어진 입력에 맞는 출력을 찾는 학습을 의미하며, 정답을 알고 있는 상태에서 이루어지는 학습을 의미한다. 지도 학습에 주어지는 입력값과 출력값 세트를 훈련 데이터(Training Data)라고 한다. 즉, 상술한 '음성'과 '정답 텍스트'는 각각 입력값과 출력값으로서, 음성 인식 모델(110)의 지도 학습을 위한 훈련 데이터로 사용될 수 있다.

상기 훈련 데이터가 많으면 많을 수록 음성 인식 모델(110)에 대해서 더 많은 지도 학습을 수행하여, 음성 인식 모델(110)의 정확도를 높일 수 있다. 하지만 많은 양의 훈련 데이터를 확보하는 것은 어렵기 때문에, 본 발명에서는 지도 학습에 준하는 비지도 학습을 제안한다.

다시 도 2로 복귀하면, 음성 인식 모델(110)의 출력인 인식 텍스트(301)에 보정을 수행(S203)하고 보정 텍스트를 획득할 수 있다.

음성 인식 모델(110)의 음성 인식 결과인 인식 텍스트(301)는, 정확하지 않을 수 있기 때문에 후보정 작업이 요구된다. 왜냐하면 음성 발화자가 정확하게 발음하지 않은 경우도 있겠지만, 음성 인식 모델의 인식 정확도가 낮을 수도 있기 때문이다. 도 3에 도시된 예시에서의 인식 텍스트(301) 역시, 오인식, 띄어쓰기 오류 및 오탈자가 존재한다는 것을 확인할 수 있다.

이하에서는 보정 작업부(120)의 후보정 작업에 대해서 설명한다.

후보정 작업은 1) 문장 분리 작업, 2) 오인식 교정 작업 3) 띄어쓰기 교정 작업 및 4) 사족 제거 작업 중 적어도 하나를 포함할 수 있다. 상기 작업들은 순차적으로 진행될 수도 있으며, 일부 작업들은 동시에 진행될 수도 있을 것이다. 이하에서 설명되는 작업의 순서는 설명을 하기 위한 순서에 불과할 뿐, 이러한 작업의 순서가 본 발명을 한정하는 것은 아니다. 이를 위해 보정 작업부(120)는, 문장 분리 모델(121), 오인식 교정 모델(122), 띄어쓰기 교정 모델(123) 및 사족 제거 모델(124) 중 적어도 하나를 포함하도록 구성될 수 있다.

- 문장 분리 작업

도 4는 본 발명의 일실시예에 따른 문장 분리 모델(121, Sentence Boundary Detection Model)이 문장 분리 작업을 수행하는 개념도를 도시한다.

본 발명의 일실시예에서 음성 신호(101)는 복수 개의 발화 문장을 포함하도록 구성될 수 있다. 이런 음성 신호(101)를 인식하여 변환시킨 인식 텍스트(301) 역시 복수 개의 문장이 포함될 수 있을 것이다. 문장 분리 모델(121)은 복수 개의 문장이 포함된 텍스트 데이터(400)를 입력으로 수신하면, 이를 적어도 하나의 문장(401-1 ~ 401-3)으로 분리시킨다.

일예시에서, 문장 분리 모델(121)은 SVM(Support Vector Machine)으로 구현될 수 있으나, 이는 하나의 예시일 뿐 다양한 분류 기술이 문장 분리 모델(121)에 적용될 수 있을 것이다.

보정 모델 학습부(125)는 '문장이 분리되지 않은 텍스트'와 '문장이 분리된 텍스트'를 이용하여 문장 분리 모델(121)을 지도 학습할 수 있다. 보정 모델 학습부(125) '문장이 분리된 텍스트'만 입력되더라도, '문장이 분리된 텍스트'의 문장 구분을 모두 제거하여 '문장이 분리되지 않은 텍스트'를 스스로 만들어 문장 분리 모델(121)을 학습 시킬 수도 있다. 즉, '문장이 분리되지 않은 텍스트'와 '문장이 분리된 텍스트'는 각각 입력값과 출력값으로서, 문장 분리 모델(121)의 지도 학습을 위한 훈련 데이터로 사용될 수 있다.

보정 모델 학습부(125)는 문장 경계를 구분할 수 있는 특징(feature)을 추출하고 추출된 특징을 이용하여 학습을 수행한다. 이때 문장을 구분할 수 있는 특징으로는 문장 경계 주변의 음절 정보, 품사 정보, 기호 유무 등이 있다.

- 오인식 교정 작업

도 5는 본 발명의 일실시예에 따른 오인식 교정 모델(122, Spell Correction Model)이 오인식 교정 작업을 수행하는 개념도를 도시한다.

오인식 교정 모델(122)은 오인식(또는 오타 포함)이 포함된 텍스트 데이터(500)를 입력으로 수신하면, 오인식이 교정된 오인식 교정 데이터(501)를 출력한다.

일예시에서, 오인식 교정 모델(122)은 Seq2Seq 및 Attention 모델로 구현될 수 있으나, 이는 하나의 예시일 뿐 다양한 교정 기술이 오인식 교정 모델(122)에 적용될 수 있을 것이다.

보정 모델 학습부(125)는 '오인식이 포함된 텍스트'와 '오인식이 교정된 텍스트'를 이용하여 오인식 교정 모델(122)을 지도 학습할 수 있다. '오인식이 포함된 텍스트'와 '오인식이 교정된 텍스트'는 각각 입력값과 출력값으로서, 오인식 교정 모델(122)의 지도 학습을 위한 훈련 데이터로 사용될 수 있다.

보정 모델 학습부(125)는 '오인식이 포함된 텍스트'와 '오인식이 교정된 텍스트'를 쌍으로(훈련 데이터로서) 입력 받아 오인식 주변 문맥(Context) 정보를 학습할 수 있다. 문맥 정보는 교정이 필요한 부분을 기준으로 주변 입력의 특징(feature)에 관한 것이다. 예를 들어, 교정이 필요한 부분인 '끈김'의 앞 어절인 '전혀'와, 뒤 어절인 '없이'에 대한 특징에 관한 것이 문맥 정보일 것이다.

- 띄어쓰기 교정 작업

도 6은 본 발명의 일실시예에 따른 띄어쓰기 교정 모델(123, Word Spacing Model)이 띄어쓰기 교정 작업을 수행하는 개념도를 도시한다.

띄어쓰기 교정 모델(123)은 띄어쓰기가 되어 있지 않은 텍스트 데이터(600)를 입력으로 수신하면, 띄어쓰기가 교정된 띄어쓰기 교정 데이터(601)를 출력한다.

일 예시에서, 띄어쓰기 교정 모델(123)은 LSTM 모델로 구현될 수 있으나, 이는 하나의 예시일 뿐 다른 형태의 교정 기술이 띄어쓰기 교정 모델(123)에 적용될 수 있을 것이다.

보정 모델 학습부(125)는 '띄어쓰기가 되어 있지 않은 텍스트'와 '띄어쓰기가 교정된 텍스트'를 사용하여 띄어쓰기 교정 모델(123)을 학습할 수 있다.

보정 모델 학습부(125)는 '띄어쓰기가 교정된 텍스트'만 입력되더라도, '띄어쓰기가 교정된 텍스트'의 공백을 모두 제거하여 '띄어쓰기가 되어 있지 않은 텍스트'를 스스로 만들어 띄어쓰기 교정 모델(123)을 학습 시킬 수도 있다. 즉, ' 띄어쓰기가 되어 있지 않은 텍스트'와 '띄어쓰기가 교정된 텍스트'는 각각 입력값과 출력값으로서, 띄어쓰기 교정 모델(123)의 지도 학습을 위한 훈련 데이터로 사용될 수 있다.

보정 모델 학습부(125)는 ' 띄어쓰기가 되어 있지 않은 텍스트'와 ' 띄어쓰기가 교정된 텍스트' 데이터 쌍을 훈련 데이터 입력으로 하여 공백이 삽입되어야 하는 경우를 1로, 그렇지 않은 경우를 0으로 분류(classification)하는 방식으로 모델을 학습할 수 있다.

- 사족 제거 작업

도 7은 본 발명의 일실시예에 따른 사족 제거 모델(124, disfluency Model)이 사족 제거 작업을 수행하는 개념도를 도시한다. 본 발명의 일실시예에 따른 사족이란, 발화자가 발화를 하는 도중 "음.." 이나 "어.." 등 발화하고자 하는 내용과 무관하게 내뱉는 말을 의미할 수 있다. 이러한 사족은 실제 발화하고자 하는 내용과 무관하기 때문에, 음성 인식 결과(102)에 반영할 필요가 없어 삭제하는 것이다.

사족 제거 모델(124)은 사족이 포함된 텍스트 데이터(700)를 입력으로 수신하면, 사족이 제거된 사족 제거 데이터(701)를 출력한다.

일 예시에서, 사족 제거 모델(124)은 "Transformer 모델"로 구현될 수 있으나, 이는 하나의 예시일 뿐 다른 형태의 사족 제거 기술이 사족 제거 모델(124)에 적용될 수 있을 것이다.

보정 모델 학습부(125)는 '사족이 제거되지 않은 텍스트(텍스트 원본)'와 '사족이 제거된 텍스트(텍스트 보정본)'를 사용하여 사족 제거 모델(124)에 대한 학습을 수행할 수 있다. 즉, '사족이 제거되지 않은 텍스트'와 '사족이 제거된 텍스트'는 각각 입력값과 출력값으로서, 사족 제거 모델(124)의 지도 학습을 위한 훈련 데이터로 사용될 수 있다. 이때 '사족이 제거된 텍스트'는 사족 제거 출력 정보(예를 들어 도 7에 도시된 사족 제거 출력 정보 "음(B-<FD>)")가 포함되어 있는 정보일 수 있다. 보정 모델 학습부(125) '사족이 제거된 텍스트'만 입력되더라도, '사족이 제거된 텍스트'의 사족 제거 출력 정보를 모두 제거하여 '사족이 제거되지 않은 텍스트'를 스스로 만들어 문장 분리 모델(121)을 학습 시킬 수도 있다.

보정 모델 학습부(125)는 '사족이 제거되지 않은 텍스트(텍스트 원본)', 사족의 종류와 '사족이 제거된 텍스트' 데이터 쌍을 훈련 데이터 입력 지도 학습이 수행될 수 있다.

도 8은 본 발명의 일실시예에 따른 보정 작업부(120)의 후보정 작업 결과를 도시하는 도면이다.

도 8에 도시된 바와 같이, 인식 텍스트(301)가 보정 작업부(120)에 의해서 보정 텍스트(801)로 출력된다. 보정 텍스트(801)는 적어도 하나의 문장(801-1 ~ 801-3)을 포함하도록 구성될 수 있다. 또한, 상술한 후보정 작업에 의해서 띄어쓰기 교정, 사족 제거 및 오인식 교정이 수행되어 있을 수 있다.

본 발명의 일실시예에서는 상술한 보정 텍스트(801)를 이용하여 지도 학습을 수행하도록 제안한다. 여러 단계의 보정 작업을 거치면서 충분히 정제된 정보이기 때문에 정답에 가까운 데이터라고 가정할 수 있을 것이다.

이를 위해서 본 발명의 일실시예에 따른 음성 인식 장치(100)는, 음성 신호(101)와 보정 텍스트(801)를 정렬(S204)시키고, 정렬된 결과에 기초하여 음성 인식 모델(110)에 대한 학습을 수행(S205)하도록 제안한다. 또한 음성 인식 장치(100)는, 인식 텍스트(301)와 보정 텍스트(801)를 정렬(S206)시키고, 정렬된 결과에 기초하여 보정 작업부(120)의 모델들에 대한 학습을 수행(S207)하도록 제안한다.

도 9는 본 발명의 일실시예에 따라 음성 신호(101) 및 보정 텍스트(801)에 기초하여 음성 인식 모델(110)을 학습하기 위한 음성 인식 훈련 데이터(810-1 ~ 810-3)를 생성하는 개념도를 도시한다.

음성 인식 모델 학습부(111)는 음성 신호(101) 및 보정 텍스트(801)를 입력 받고, 음성 인식 모델(110)에 대한 학습을 수행할 수 있다.

보다 구체적으로, 음성 인식 모델 학습부(111)는 음성 신호(101) 중에서 보정 텍스트(801)에 포함되어 있는 제 1 문장(801-1)에 대응하는 제 1 부분 음성(110-1)을 잘라낼 수 있다. 음성 인식 모델 학습부(111)는 잘라낸 제 1 부분 음성(110-1)과 제 1 문장(801-1) 쌍을 훈련 데이터로 형성시킨다. 이와 같이 제 1 부분 음성(110-1)으로 잘라내고, 잘라낸 제 1 부분 음성(110-1)과 제 1 문장(801-1)을 제 1 훈련 데이터(810-1) 쌍으로 형성하는 작업을 정렬이라고 부르기로 한다. 즉, 음성 인식 모델 학습부(111)에서의 정렬이란, 상기 음성 신호(101) 중에서 정렬 대상 문장의 시작과 끝이 일치되도록 잘라내어 훈련 데이터로 형성하는 것을 의미할 것이다.

마찬가지로 음성 인식 모델 학습부(111)는 제 2 부분 음성(110-2)과 제 2 문장(801-2)를 정렬하고, 제 3 부분 음성(110-3)과 제 3 문장(801-3)을 정렬하여 각각 제 2 및 제 3 훈련 데이터(810-2, 810-3)을 생성할 수 있다.

음성 인식 모델 학습부(111)는 제 1 내지 제 3 훈련 데이터(810-1)의 입력값과 출력값으로 지도 학습에 사용될 수 있다.

상기 제 1 ~ 제 3 부분 음성(110-1 ~ 110-3)은, 사족 부분이 제거될 뿐만 아니라 발화자가 말을 하고 있지 않은 기간에 대한 음성이 제거되기 때문에, 훈련 데이터로 사용하기 보다 적합하도록 가공되었다고 볼 수 있을 것이다. 그렇기 때문에 실질적으로 완벽한 정답으로 지도 학습 하는 것은 아니지만, 지도 학습에 '가까운' 훈련이 될 수 있음은 자명하다.

도 9와 함께 설명한 실시예에서는, 문장 단위로 정렬이 이루어졌지만, 이에 한정되지 않고 단어 단위나 어절 단위로도 정렬이 이루어져 훈련 데이터로 활용될 수도 있을 것이다. 또한 문장 단위 학습, 단어 단위 학습 및 어절 단위 학습 중 적어도 두 가지가 함께 조합되어 실시될 수도 있을 것이다.

더 나아가 본 발명에서는 음성 인식 모델(101)에 대한 훈련과 마찬가지의 취지로, 보정 작업부(120)의 모델(121 ~ 124)에 대한 학습을 하도록 제안한다. 보정 작업부(120)의 훈련 시에는, 인식 텍스트(301)와 보정 텍스트(801) 간에 정렬이 수행될 수 있을 것이다.

도 10은 본 발명의 일실시예에 따라 보정 텍스트(801)를 이용하여 문장 분리 모델(121)을 훈련하는 개념도를 도시한다.

도시된 도면에서와 같이, 보정 모델 학습부(125)는 '문장이 분리되지 않은 텍스트(1001)'와 '문장이 분리된 텍스트(1002)'를 하나의 훈련 데이터(1003)로 문장 분리 모델(121)에 대한 학습을 수행할 수 있다. 이때 '문장이 분리되지 않은 텍스트(1001)'는 상술한 인식 텍스트(301)일 수도 있지만, '문장이 분리된 텍스트(1002)'에서 문장 구분이 제거되어 생성된 텍스트일 수도 있을 것이다.

도 11은 본 발명의 일실시예에 따라 보정 텍스트(801)를 이용하여 오인식 교정 모델(122)을 훈련하는 개념도를 도시한다.

보정 모델 학습부(125)는 상술한 인식 텍스트(301)와 보정 텍스트(801)를 문장 단위(또는 단어 단위)로 정렬시키고, 정렬시킨 결과에 기초하여 오인식 교정 모델(122)을 학습시킬 수 있을 것이다.

보정 모델 학습부(125)는 '오인식이 포함된 텍스트'와 '오인식이 교정된 텍스트'를 이용하여 오인식 교정 모델(122)을 지도 학습할 수 있다.

이를 위해 보정 모델 학습부(125)는 제 1 문장(801-1)에 대응되는 제 1 부분 텍스트(301-1)를 상기 인식 텍스트(301)에서 잘라낼 수 있다. 그리고 보정 모델 학습부(125)는 잘라낸 제 1 부분 텍스트(301-1)와 제 1 문장(801-1) 쌍을 오인식 교정 훈련 데이터(1103-1)로 형성시킨다. 음성 인식 모델(101) 훈련에서와 마찬가지로, 제 1 부분 텍스트(301-1)로 잘라내고, 잘라낸 제 1 부분 텍스트(301-1)와 제 1 문장(801-1)을 제 1 훈련 데이터(810-1) 쌍으로 형성하는 작업을 정렬이라고 부르기로 한다. 즉, 보정 모델 학습부(125)에서의 정렬이란, 상기 인식 텍스트(301) 중에서 정렬 대상 문장의 시작과 끝이 일치되도록 잘라내어 훈련 데이터로 형성하는 것을 의미할 것이다.

마찬가지로 보정 모델 학습부(125)는 제 2 부분 텍스트(301-2)와 제 2 문장(801-2)을, 그리고 제 3 부분 텍스트(301-3)와 제 3 문장(801-3)을 각각 제 2 및 제 3 오인식 교정 훈련 데이터(1103-2, 1103-3)로 형성시킬 수 있다.

보정 모델 학습부(125)는 정렬에 의해서 생성된 제 1 내지 제 3 오인식 교정 훈련 데이터(1103-1 ~ 1103-3)를 이용하여 오인식 교정 모델(122)을 학습시킬 수 있을 것이다.

도 12는 본 발명의 일실시예에 따라 보정 텍스트(801)를 이용하여 띄어쓰기 교정 모델(123)을 훈련하는 개념도를 도시한다.

보정 모델 학습부(125)는 상술한 인식 텍스트(301)와 보정 텍스트(801)를 문장 단위(또는 단어 단위)로 정렬시키고, 정렬시킨 결과에 기초하여 띄어쓰기 교정 모델(123)을 학습시킬 수 있을 것이다. 보정 모델 학습부(125)는 '띄어쓰기가 되어 있지 않은 텍스트'와 '띄어쓰기가 교정된 텍스트'를 이용하여 띄어쓰기 교정 모델(123)을 지도 학습할 수 있다. 이때 '띄어쓰기가 되어 있지 않은 텍스트'는 상술한 인식 텍스트(301)에서 분리한 텍스트 부분일 수도 있지만, '띄어쓰기가 교정된 텍스트'에서 공백이 제거되어 생성된 텍스트일 수도 있을 것이다.

이를 위해 보정 모델 학습부(125)는 상술한 제 1 부분 텍스트(301-1)와 제 1 문장(801-1)을, 제 2 부분 텍스트(301-2)와 제 2 문장(801-2)을, 그리고 제 3 부분 텍스트(301-3)와 제 3 문장(801-3)을 각각 정렬하여 제 1 내지 제 3 띄어쓰기 교정 훈련 데이터(1103-1 ~ 1103-3)로 형성시킬 수 있을 것이다.

보정 모델 학습부(125)는 정렬에 의해서 생성된 제 1 내지 제 3 띄어쓰기 교정 훈련 데이터(1103-1 ~ 1103-3)를 이용하여 띄어쓰기 교정 모델(123)을 학습시킬 수 있을 것이다.

도 13은 본 발명의 일실시예에 따라 보정 텍스트(801)를 이용하여 사족 제거 모델(123)을 훈련하는 개념도를 도시한다.

보정 모델 학습부(125)는 상술한 인식 텍스트(301)와 보정 텍스트(801)를 문장 단위(또는 단어 단위)로 정렬시키고, 정렬시킨 결과에 기초하여 사족 제거 모델(123)을 학습시킬 수 있을 것이다. 보정 모델 학습부(125)는 '사족이 제거되지 않은 텍스트'와 '사족이 제거된 텍스트'를 이용하여 사족 제거 모델(123)을 지도 학습할 수 있다. 이때 '사족이 제거되지 않은 텍스트'는 상술한 인식 텍스트(301)에서 분리한 텍스트 부분일 수도 있지만, '사족이 제거된 텍스트'에서 사족 제거 출력 정보가 삭제된 텍스트일 수도 있을 것이다.

이를 위해 보정 모델 학습부(125)는 상술한 제 1 부분 텍스트(301-1)와 제 1 문장(801-1)을, 제 2 부분 텍스트(301-2)와 제 2 문장(801-2)을, 그리고 제 3 부분 텍스트(301-3)와 제 3 문장(801-3)을 각각 정렬하여 제 1 내지 제 3 사족 제거 훈련 데이터(1103-1 ~ 1103-3)로 형성시킬 수 있을 것이다.

보정 모델 학습부(125)는 정렬에 의해서 생성된 제 1 내지 제 3 사족 제거 훈련 데이터(1103-1 ~ 1103-3)를 이용하여 사족 제거 모델(123)을 학습시킬 수 있을 것이다.

상술한 음성 인식 모델 학습부(111)와 보정 모델 학습부(125)의 각 훈련은 순차적으로 이루어질 수도 있고, 동시에 이루어질 수도 있으며, 훈련의 순서가 본 발명을 한정하는 것은 아니다.

도 14는 일 실시예에 따른 음성 인식 장치(100)의 구성을 도시한 도면이다.

도 14를 참조하면, 음성 인식 장치(100)는 메모리(192) 및 프로세서(191)를 포함한다. 메모리(192)는 프로세서(191)에 의해 실행 가능한 하나 이상의 명령어를 저장한다. 프로세서(191)는 메모리(192)에 저장된 하나 이상의 명령어를 실행한다. 프로세서(191)는 명령어를 실행하는 것에 의해 도 1 내지 도 13과 관련하여 위에서 설명된 하나 이상의 동작을 실행할 수 있다. 프로세서(191)는 명령어에 따라 뉴럴 네트워크 기반의 음성 인식 모델을 이용하여 음성 신호를 인식한다. 뉴럴 네트워크의 구조 및 동작에 대해서는 위에서 설명된 내용이 참조로서 여기에 포함될 수 있다. 또한 도 1과 함께 상술한 본 발명의 구성은 프로세서(191)에 의해서 실행되는 명령어에 의해서 구현되는 구성일 수 있을 것이다.

이상으로 본 발명에 따른 음성 인식 장치 및 그것의 제어 방법의 실시예를 설시하였으나 이는 적어도 하나의 실시예로서 설명되는 것이며, 이에 의하여 본 발명의 기술적 사상과 그 구성 및 작용이 제한되지는 아니하는 것으로, 본 발명의 기술적 사상의 범위가 도면 또는 도면을 참조한 설명에 의해 한정／제한되지는 아니하는 것이다. 또한 본 발명에서 제시된 발명의 개념과 실시예가 본 발명의 동일 목적을 수행하기 위하여 다른 구조로 수정하거나 설계하기 위한 기초로써 본 발명이 속하는 기술분야의 통상의 지식을 가진 자에 의해 사용되어질 수 있을 것인데, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자에 의한 수정 또는 변경된 등가 구조는 청구범위에서 기술되는 본 발명의 기술적 범위에 구속되는 것으로서, 청구범위에서 기술한 발명의 사상이나 범위를 벗어나지 않는 한도 내에서 다양한 변화, 치환 및 변경이 가능한 것이다.

Claims (23)

1. 음성 인식 장치의 제어 방법에 있어서,
   음성 인식 모델에 기초하여 음성 신호를 인식하여 문자로 변환한 인식 텍스트를 획득하는 단계;
   상기 인식 텍스트에 대해 적어도 하나의 보정 작업을 수행한 보정 텍스트를 획득하는 단계; 및
   상기 인식 텍스트와 상기 보정 텍스트에 기초하여 상기 음성 인식 모델을 학습하는 단계를 포함하는 것을 특징으로 하는,
   음성 인식 장치의 제어 방법.
2. 제 1 항에 있어서,
   상기 보정 텍스트를 획득하는 단계는, 적어도 하나의 보정 모델에 기초하여 상기 보정 작업이 수행되고,
   상기 획득한 인식 텍스트와 상기 획득한 보정 텍스트에 기초하여 상기 적어도 하나의 보정 모델을 학습하는 단계를 더 포함하는,
   음성 인식 장치의 제어 방법.
3. 제 2 항에 있어서,
   상기 적어도 하나의 보정 모델은 문장 분리 모델을 포함하고,
   상기 인식 텍스트는 복수의 문장을 포함하며,
   상기 적어도 하나의 보정 작업은, 상기 문장 분리 모델에 기초하여 상기 복수의 문장을 적어도 두 개의 문장으로 분리하는 문장 분리 작업을 포함하는 것을 특징으로 하는,
   음성 인식 장치의 제어 방법.
4. 제 3 항에 있어서,
   상기 음성 신호를 상기 분리된 적어도 두 개의 문장 각각의 시작과 끝 지점에 대응되도록 적어도 두 개의 부분 음성으로 잘라내는 단계; 및
   상기 분리된 적어도 두 개의 문장 각각과 상기 잘라낸 적어도 두 개의 부분 음성을 대응시켜 음성 인식 훈련 데이터로 생성하는 단계를 더 포함하고,
   상기 음성 인식 모델을 학습하는 단계는, 상기 생성된 음성 인식 훈련 데이터에 기초하여 이루어지는 것을 특징으로 하는,
   음성 인식 장치의 제어 방법.
5. 제 3 항에 있어서, 적어도 하나의 보정 모델을 학습하는 단계는,
   상기 보정 텍스트와 상기 인식 텍스트에 기초하여 문장 분리 훈련 데이터를 생성시키는 단계; 및
   상기 생성된 문장 분리 훈련 데이터에 기초하여 상기 문장 분리 모델을 훈련시키는 단계를 포함하는 것을 특징으로 하는,
   음성 인식 장치의 제어 방법.
6. 제 2 항에 있어서,
   상기 적어도 하나의 보정 모델은 오인식 교정 모델을 포함하고,
   상기 적어도 하나의 보정 작업은, 상기 오인식 교정 모델에 기초하여 상기 인식 텍스트의 오인식을 교정하는 작업을 포함하는 것을 특징으로 하는,
   음성 인식 장치의 제어 방법.
7. 제 6 항에 있어서, 적어도 하나의 보정 모델을 학습하는 단계는,
   상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 오인식 교정 훈련 데이터를 생성하는 단계; 및
   상기 생성된 오인식 교정 훈련 데이터에 기초하여 상기 오인식 교정 모델을 학습하는 단계를 포함하는 것을 특징으로 하는,
   음성 인식 장치의 제어 방법.
8. 제 2 항에 있어서,
   상기 적어도 하나의 보정 모델은 띄어쓰기 교정 모델을 포함하고,
   상기 적어도 하나의 보정 작업은, 상기 띄어쓰기 교정 모델에 기초하여 상기 인식 텍스트의 띄어쓰기를 교정하는 작업을 포함하는 것을 특징으로 하는,
   음성 인식 장치의 제어 방법.
9. 제 8 항에 있어서, 적어도 하나의 보정 모델을 학습하는 단계는,
   상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 띄어쓰기 교정 훈련 데이터를 생성하는 단계; 및
   상기 생성된 띄어쓰기 교정 훈련 데이터에 기초하여 상기 띄어쓰기 교정 모델을 학습하는 단계를 포함하는 것을 특징으로 하는,
   음성 인식 장치의 제어 방법.
10. 제 2 항에 있어서,
    상기 적어도 하나의 보정 모델은 사족 제거 모델을 포함하고,
    상기 적어도 하나의 보정 작업은, 상기 사족 제거 모델에 기초하여 상기 인식 텍스트에서 사족을 제거하는 작업을 포함하는 것을 특징으로 하는,
    음성 인식 장치의 제어 방법.
11. 제 10 항에 있어서, 적어도 하나의 보정 모델을 학습하는 단계는,
    상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 사족 제거 훈련 데이터를 생성하는 단계; 및
    상기 생성된 사족 제거 훈련 데이터에 기초하여 상기 사족 제거 모델을 학습하는 단계를 포함하는 것을 특징으로 하는,
    음성 인식 장치의 제어 방법.
12. 음성 인식 장치에 있어서,
    명령어들을 저장하는 메모리; 및
    상기 저장된 명령어들을 실행하도록 설정된 프로세서를 포함하고, 상기 프로세서는:
    음성 인식 모델에 기초하여 음성 신호를 인식하여 문자로 변환한 인식 텍스트를 획득하고,
    상기 인식 텍스트에 대해 적어도 하나의 보정 작업을 수행한 보정 텍스트를 획득하며,
    상기 인식 텍스트와 상기 보정 텍스트에 기초하여 상기 음성 인식 모델을 학습하는 것을 특징으로 하는,
    음성 인식 장치.
13. 제 12 항에 있어서, 상기 프로세서는,
    적어도 하나의 보정 모델에 기초하여 상기 보정 작업을 수행하고,
    상기 획득한 인식 텍스트와 상기 획득한 보정 텍스트에 기초하여 상기 적어도 하나의 보정 모델을 학습하는 것을 특징으로 하는,
    음성 인식 장치.
14. 제 13 항에 있어서,
    상기 적어도 하나의 보정 모델은 문장 분리 모델을 포함하고,
    상기 인식 텍스트는 복수의 문장을 포함하며,
    상기 적어도 하나의 보정 작업은, 상기 문장 분리 모델에 기초하여 상기 복수의 문장을 적어도 두 개의 문장으로 분리하는 문장 분리 작업을 포함하는 것을 특징으로 하는,
    음성 인식 장치.
15. 제 14 항에 있어서, 상기 프로세서는,
    상기 음성 신호를 상기 분리된 적어도 두 개의 문장 각각의 시작과 끝 지점에 대응되도록 적어도 두 개의 부분 음성으로 잘라내고,
    상기 분리된 적어도 두 개의 문장 각각과 상기 잘라낸 적어도 두 개의 부분 음성을 대응시켜 음성 인식 훈련 데이터로 생성하며,
    상기 생성된 음성 인식 훈련 데이터에 기초하여 상기 음성 인식 모델에 대한 학습을 수행하는 것을 특징으로 하는,
    음성 인식 장치.
16. 제 14 항에 있어서, 상기 프로세서는
    상기 보정 텍스트와 상기 인식 텍스트에 기초하여 문장 분리 훈련 데이터를 생성시키고,
    상기 생성된 문장 분리 훈련 데이터에 기초하여 상기 문장 분리 모델을 훈련시키는 것을 특징으로 하는,
    음성 인식 장치.
17. 제 13 항에 있어서,
    상기 적어도 하나의 보정 모델은 오인식 교정 모델을 포함하고,
    상기 적어도 하나의 보정 작업은, 상기 오인식 교정 모델에 기초하여 상기 인식 텍스트의 오인식을 교정하는 작업을 포함하는 것을 특징으로 하는,
    음성 인식 장치.
18. 제 17 항에 있어서, 상기 프로세서는,
    상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 오인식 교정 훈련 데이터를 생성하고,
    상기 생성된 오인식 교정 훈련 데이터에 기초하여 상기 오인식 교정 모델을 학습하는 것을 특징으로 하는,
    음성 인식 장치.
19. 제 13 항에 있어서,
    상기 적어도 하나의 보정 모델은 띄어쓰기 교정 모델을 포함하고,
    상기 적어도 하나의 보정 작업은, 상기 띄어쓰기 교정 모델에 기초하여 상기 인식 텍스트의 띄어쓰기를 교정하는 작업을 포함하는 것을 특징으로 하는,
    음성 인식 장치.
20. 제 19 항에 있어서, 상기 프로세서는,
    상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 띄어쓰기 교정 훈련 데이터를 생성하고,
    상기 생성된 띄어쓰기 교정 훈련 데이터에 기초하여 상기 띄어쓰기 교정 모델을 학습하는 것을 특징으로 하는,
    음성 인식 장치.
21. 제 13 항에 있어서,
    상기 적어도 하나의 보정 모델은 사족 제거 모델을 포함하고,
    상기 적어도 하나의 보정 작업은, 상기 사족 제거 모델에 기초하여 상기 인식 텍스트에서 사족을 제거하는 작업을 포함하는 것을 특징으로 하는,
    음성 인식 장치.
22. 제 21 항에 있어서, 상기 프로세서는,
    상기 보정 텍스트와 상기 인식 텍스트를 문장 단위, 단어 단위 및 어절 단위 중 하나로 정렬하여 사족 제거 훈련 데이터를 생성하고,
    상기 생성된 사족 제거 훈련 데이터에 기초하여 상기 사족 제거 모델을 학습하는 것을 특징으로 하는,
    음성 인식 장치.
23. 하드웨어와 결합되어 제 1 항 내지 제 11 항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.

Images