KR20220099003A - 전자 장치 및 이의 제어 방법 - Google Patents
전자 장치 및 이의 제어 방법 Download PDFInfo
- Publication number
- KR20220099003A KR20220099003A KR1020210000983A KR20210000983A KR20220099003A KR 20220099003 A KR20220099003 A KR 20220099003A KR 1020210000983 A KR1020210000983 A KR 1020210000983A KR 20210000983 A KR20210000983 A KR 20210000983A KR 20220099003 A KR20220099003 A KR 20220099003A
- Authority
- KR
- South Korea
- Prior art keywords
- voice
- user
- text
- wake
- verification
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012795 verification Methods 0.000 claims abstract description 155
- 239000013598 vector Substances 0.000 claims abstract description 103
- 238000003062 neural network model Methods 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 30
- 238000011156 evaluation Methods 0.000 description 79
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000007781 pre-processing Methods 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 230000002618 waking effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004704 glottis Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 description 1
- 206010041232 sneezing Diseases 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- 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
- G10L15/32—Multiple recognisers used in sequence or in parallel; Score combination systems therefor, e.g. voting 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
- 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
- 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
- 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
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- 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
- G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
-
- 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
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
-
- 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
- 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
- G10L2015/088—Word spotting
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- User Interface Of Digital Computer (AREA)
- Telephone Function (AREA)
Abstract
전자 장치 및 이의 제어 방법이 제공된다. 본 전자 장치는, 마이크, 회로를 포함하는 통신 인터페이스, 적어도 하나의 인스트럭션을 저장하는 메모리, 및 마이크, 통신 인터페이스와 메모리와 연결되며 전자 장치를 제어하는 프로세서를 포함하며, 프로세서는 마이크를 통해 웨이크-업 음성을 등록하기 위한 사용자 음성을 획득하고, 학습된 신경망 모델에 사용자 음성을 입력하여 사용자 음성에 포함된 텍스트에 대응되는 제1 특징 벡터를 획득하며, 외부 서버로부터 사용자 음성에 포함된 텍스트에 대한 정보를 바탕으로 결정된 검증 데이터 세트를 수신하고, 신경망 모델에 수신된 검증 데이터 세트에 포함된 검증 음성을 입력하여 검증 음성에 대응되는 제2 특징 벡터를 획득하고, 제1 특징 벡터 및 제2 특징 벡터의 유사도를 바탕으로 사용자 음성을 웨이크-업 음성으로 등록할지 여부를 검증할 수 있다.
Description
본 개시는 전자 장치 및 이의 제어 방법에 관한 것으로서, 더욱 상세하게는, 전자 장치를 웨이크-업하기 위한 사용자 음성을 등록하는 전자 장치 및 이의 제어 방법에 관한 것이다.
근래에는 사용자 음성을 통해 전자 장치를 제어하는 기술이 발전되고 있다. 특히, 전자 장치는 웨이크-업 음성을 수신하여 전자 장치를 활성화시키거나 전자 장치의 특정 어플리케이션(예를 들어, 인공지능 어플리케이션)을 활성화시킬 수 있다.
종래의 웨이크-업 음성을 등록하기 위해, 웨이크-업 음성으로 등록하고자 하는 사용자 음성에 포함된 텍스트를 명확히 인식하기 위하여, 전자 장치(100)는 똑같은 단어를 복수회(예를 들어, 5회 이상) 발화하는 절차를 거쳐야만 웨이크-업 음성을 등록할 수 있었다. 이 경우, 똑같은 단어를 복수회 발화하면서 사용자가 어색하거나 불편함을 느끼는 경우가 많기 때문에 사용성이 떨어지는 한계가 존재하였다. 만약, 웨이크-업 음성으로 등록하고자 하는 사용자 음성을 1회만 발화하여 웨이크-업 음성을 등록할 경우, 등록된 텍스트와 유사 텍스트를 포함하는 사용자 음성을 통해 전자 장치(100)가 활성화되는 문제점이 존재할 수 있다.
뿐만 아니라, 사용자가 웨이크-업 음성으로 등록하고자 하는 사용자 음성이 웨이크-업 음성으로 적절하지 않은 경우, 이를 사용자에게 안내할 필요성이 존재할 수 있다
본 개시는 상술한 문제점을 해결하기 위해 안출된 것으로서, 본 개시의 목적은 웨이크-업 음성을 등록하기 위한 사용자의 발화 횟수를 최소한으로 줄이면서 품질 높은 웨이크-업 음성을 등록할 수 있는 전자 장치 및 이의 제어 방법을 제공함에 있다.
본 개시의 일 실시예에 따른 전자 장치는, 전자 장치는, 마이크; 회로를 포함하는 통신 인터페이스; 적어도 하나의 인스트럭션을 저장하는 메모리; 및 상기 마이크, 상기 통신 인터페이스와 상기 메모리와 연결되며 상기 전자 장치를 제어하는 프로세서;를 포함하며, 상기 프로세서는, 상기 마이크를 통해 웨이크-업 음성을 등록하기 위한 사용자 음성을 획득하고, 학습된 신경망 모델에 상기 사용자 음성을 입력하여 상기 사용자 음성에 포함된 텍스트에 대응되는 제1 특징 벡터를 획득하며, 상기 통신 인터페이스를 통해 외부 서버로부터 상기 사용자 음성에 포함된 텍스트에 대한 정보를 바탕으로 결정된 검증 데이터 세트를 수신하고, 상기 신경망 모델에 상기 수신된 검증 데이터 세트에 포함된 검증 음성을 입력하여 상기 검증 음성에 대응되는 제2 특징 벡터를 획득하고, 상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도를 바탕으로 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할지 여부를 검증할 수 있다.
그리고, 상기 프로세서는, 상기 사용자 음성을 음성 인식하여 상기 사용자 음성에 포함된 텍스트에 대한 정보를 획득하고, 상기 통신 인터페이스를 통해 상기 사용자 음성에 포함된 텍스트에 대한 정보를 외부 서버로 전송하며, 상기 검증 음성은, 상기 외부 서버에 저장된 복수의 텍스트의 음소열과 상기 텍스트에 대한 정보에 포함된 음소열이 공통으로 포함하는 음소열 길이를 바탕으로 획득될 수 있다.
또한, 상기 검증 음성은, 상기 외부 서버에 저장된 복수의 텍스트 중 상기 텍스트에 대한 정보에 포함된 음소열과 공통으로 포함하는 음소열 길이가 임계값 이상인 텍스트에 대응되는 음성 데이터일 수 있다.
그리고, 상기 프로세서는, 상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도가 임계값 미만인 경우, 상기 검증 데이터 세트에 포함된 다른 검증 음성을 상기 신경망 모델에 입력하여 상기 다른 검증 음성에 대응되는 제3 특징 벡터를 획득하고, 상기 제1 특징 벡터 및 상기 제3 특징 벡터의 유사도를 비교하며, 상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도가 임계값 이상인 경우, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공할 수 있다.
또한, 상기 프로세서는, 상기 검증 데이터 세트에 포함된 모든 검증 음성에 대응되는 특징 벡터들과 상기 제1 특징 벡터의 유사도가 임계값 미만인 경우, 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할 수 있다.
그리고, 상기 프로세서는, 음성 인식 모델에 상기 사용자 음성을 입력하여 상기 사용자 음성에 포함된 텍스트를 획득하고, 상기 사용자 음성에 포함된 텍스트의 음소의 길이 및 중복 여부 중 적어도 하나를 바탕으로 상기 사용자 음성에 포함된 텍스트를 상기 웨이크-업 음성의 텍스트로 등록할지 여부를 검증할 수 있다.
또한, 상기 프로세서는, 상기 사용자 음성에 포함된 텍스트의 음소의 개수가 제1 임계값 미만이거나 상기 사용자 음성에 포함된 텍스트의 음소가 제2 임계값 이상으로 중복되면, 웨이크-업 음성을 등록하기 위한 다른 텍스트가 포함된 추가 사용자 음성의 발화을 요청하는 안내 메시지를 제공할 수 있다.
그리고, 상기 안내 메시지는, 상기 전자 장치의 사용 히스토리 정보를 바탕으로 결정된 텍스트를 상기 웨이크 업 음성의 텍스트로 추천하는 메시지가 포함될 수 있다.
또한, 상기 프로세서는, 상기 사용자 음성을 학습된 음성 판단 모델에 입력하여 상기 사용자 음성이 특정 텍스트를 발화하는 사용자 음성인지 여부를 나타내는 특징값을 획득하고, 상기 특징값을 바탕으로 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할지 여부를 검증할 수 있다.
상기 프로세서는, 상기 특징값이 임계값 미만이면, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공할 수 있다.
본 개시의 일 실시예에 따른, 전자 장치의 제어 방법은, 웨이크-업 음성을 등록하기 위한 사용자 음성을 획득하는 단계; 학습된 신경망 모델에 상기 사용자 음성을 입력하여 상기 사용자 음성에 포함된 텍스트에 대응되는 제1 특징 벡터를 획득하는 단계; 외부 서버로부터 상기 사용자 음성에 포함된 텍스트에 대한 정보를 바탕으로 결정된 검증 데이터 세트를 수신하는 단계; 상기 신경망 모델에 상기 수신된 검증 데이터 세트에 포함된 검증 음성을 입력하여 상기 검증 음성에 대응되는 제2 특징 벡터를 획득하는 단계; 및 상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도를 바탕으로 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할지 여부를 검증하는 단계;를 포함한다.
그리고, 상기 사용자 음성을 음성 인식하여 상기 사용자 음성에 포함된 텍스트에 대한 정보를 획득하는 단계; 및 상기 사용자 음성에 포함된 텍스트에 대한 정보를 외부 서버로 전송하는 단계;를 포함하고, 상기 검증 음성은, 상기 외부 서버에 저장된 복수의 텍스트의 음소열과 상기 텍스트에 대한 정보에 포함된 음소열이 공통으로 포함하는 음소열 길이를 바탕으로 획득될 수 있다.
또한, 상기 검증 음성은, 상기 외부 서버에 저장된 복수의 텍스트 중 상기 텍스트에 대한 정보에 포함된 음소열과 공통으로 포함하는 음소열 길이가 임계값 이상인 텍스트에 대응되는 음성 데이터일 수 있다.
그리고, 상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도가 임계값 미만인 경우, 상기 검증 데이터 세트에 포함된 다른 검증 음성을 상기 신경망 모델에 입력하여 상기 다른 검증 음성에 대응되는 제3 특징 벡터를 획득하고, 상기 제1 특징 벡터 및 상기 제3 특징 벡터의 유사도를 비교하고, 상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도가 임계값 이상인 경우, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공할 수 있다.
또한, 상기 검증 데이터 세트에 포함된 모든 검증 음성에 대응되는 특징 벡터들과 상기 제1 특징 벡터의 유사도가 임계값 미만인 경우, 상기 사용자 음성을 상기 웨이크-업 음성으로 등록하는 단계;를 포함할 수 있다.
그리고, 음성 인식 모델에 상기 사용자 음성을 입력하여 상기 사용자 음성에 포함된 텍스트를 획득하는 단계; 상기 사용자 음성에 포함된 텍스트의 음소의 길이 및 중복 여부 중 적어도 하나를 바탕으로 상기 사용자 음성에 포함된 텍스트를 상기 웨이크-업 음성의 텍스트로 등록할지 여부를 검증하는 단계;를 포함할 수 있다.
또한, 상기 사용자 음성에 포함된 텍스트의 음소의 개수가 제1 임계값 미만이거나 상기 사용자 음성에 포함된 텍스트의 음소가 제2 임계값 이상으로 중복되면, 웨이크-업 음성을 등록하기 위한 다른 텍스트가 포함된 추가 사용자 음성의 발화을 요청하는 안내 메시지를 제공하는 단계;를 포함할 수 있다.
그리고, 상기 안내 메시지는, 상기 전자 장치의 사용 히스토리 정보를 바탕으로 결정된 텍스트를 상기 웨이크 업 음성의 텍스트로 추천하는 메시지가 포함될 수 있다.
또한, 상기 사용자 음성을 학습된 음성 판단 모델에 입력하여 상기 사용자 음성이 특정 텍스트를 발화하는 사용자 음성인지 여부를 나타내는 특징값을 획득하는 단계; 상기 특징값을 바탕으로 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할지 여부를 검증할 수 있다.
그리고, 상기 특징값이 임계값 미만이면, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공하는 단계;를 포함할 수 있다.
상술한 바와 같은 본 개시의 실시예에 따라, 웨이크-업 음성을 등록하기 위한 사용자의 발화 횟수를 최소한으로 줄임으로써 웨이크-업 음성 등록 절차의 편의성이나 사용성을 증가시킬 수 있으며, 품질 높은 웨이크-업 음성을 등록함으로써 음성인식을 통해 전자 장치를 제어할 수 있는 기술의 성능을 향상시킬 수 있게 된다.
도 1a는 웨이크-업 음성을 등록하는 과정을 설명하기 위한 도면,
도 1b는 등록된 웨이크-업 음성을 이용하여 전자 장치를 웨이크-업하는 과정을 설명하기 위한 도면,
도 2는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 간략히 나타내는 블록도,
도 3은 본 개시의 일 실시예에 따른, 텍스트 평가 모듈의 구성을 설명하기 위한 블록도,
도 4는 본 개시의 일 실시예에 따른, 비음성 평가 모듈의 구성을 설명하기 위한 블록도,
도 5는 본 개시의 일 실시예에 따른, 검증 데이터 세트를 획득하는 방법을 설명하기 위한 시퀀스도,
도 6은 본 개시의 일 실시예에 따른, 검증 데이터 세트를 이용하여 사용자 음성을 검증하는 방법을 설명하기 위한 흐름도,
도 7a 내지 도 8은 본 개시의 일 실시예에 따른, 안내 메시지를 도시한 도면들,
도 9는 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도, 그리고,
도 10은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 상세히 도시한 블록도이다.
도 1b는 등록된 웨이크-업 음성을 이용하여 전자 장치를 웨이크-업하는 과정을 설명하기 위한 도면,
도 2는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 간략히 나타내는 블록도,
도 3은 본 개시의 일 실시예에 따른, 텍스트 평가 모듈의 구성을 설명하기 위한 블록도,
도 4는 본 개시의 일 실시예에 따른, 비음성 평가 모듈의 구성을 설명하기 위한 블록도,
도 5는 본 개시의 일 실시예에 따른, 검증 데이터 세트를 획득하는 방법을 설명하기 위한 시퀀스도,
도 6은 본 개시의 일 실시예에 따른, 검증 데이터 세트를 이용하여 사용자 음성을 검증하는 방법을 설명하기 위한 흐름도,
도 7a 내지 도 8은 본 개시의 일 실시예에 따른, 안내 메시지를 도시한 도면들,
도 9는 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도, 그리고,
도 10은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 상세히 도시한 블록도이다.
본 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, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
덧붙여, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.
본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 개시에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다.
대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
실시 예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
한편, 도면에서의 다양한 요소와 영역은 개략적으로 그려진 것이다. 따라서, 본 발명의 기술적 사상은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되지 않는다.
한편, 본 개시의 다양한 실시 예에 따른 전자 장치는 예를 들면, 스마트 폰, 태블릿 PC, 데스크탑 PC, 랩탑 PC 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다.
어떤 실시 예들에서, 전자 장치는 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
한편, 본 개시의 일 실시예에 따른, 웨이크-업 음성이라고 함은 전자 장치(100)를 웨이크-업 동작을 수행하도록하는 사용자 음성일 수 있다. 이때, 웨이크-업이라고 함은 전자 장치(100)를 활성화시키거나, 전자 장치(100)의 특정 어플리케이션이나 특정 기능을 활성화시키기 위한 동작을 의미할 수 있다. 또한, 활성화라고 함은, 전자 장치(100)의 전원이나 어플리케이션이나 기능이 오프된 상태이거나 대기 모드인 상태에서 온된 상태로 전환되는 것을 의미할 수 있다. 또한, 본 개시의 일 실시예에 따른, 웨이크-업 음성은 트리거 음성 등과 같은 다른 용어로 사용될 수 있음은 물론이다.
이하에서는 첨부한 도면을 참고하여 본 개시에 따른 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1a는 웨이크-업 음성을 등록하는 과정을 설명하기 위한 도면이다.
우선, 웨이크-업 음성 등록 모드에 진입하면, 전자 장치(100)는 마이크를 통해 웨이크-업 음성으로 등록하고자 하는 제1 사용자 음성을 수신할 수 있다. 이때, 제1 사용자 음성에는 등록하고자 하는 웨이크-업 음성의 키워드로서 특정 텍스트를 포함할 수 있다.
그리고, 전자 장치(100)는 수신된 제1 사용자 음성에 대해 전처리를 수행할 수 있다(10). 구체적으로, 전자 장치(100)는 노이즈 제거, 음질 향상(Enhancement) 등과 같은 전처리 동작을 수행할 수 있다.
그리고, 전자 장치(100)는 전처리된 제1 사용자 음성에 대한 음성 특징을 추출할 수 있다(20). 구체적으로, 전자 장치(100)는 전처리된 제1 사용자 음성을 시간 차원에서 주파수 차원으로 변환하여 음성 특징을 추출할 수 있다.
그리고, 전자 장치(100)는 주파수 차원으로 변환된 사용자 음성을 제1 신경망 모델(30-1) 및 제2 신경망 모델(30-2) 각각에 입력할 수 있다. 이때, 제1 신경망 모델(예로, 키워드 인식 모델, 음성 인식 모델)은 사용자 음성에 포함된 텍스트에 대응되는 특징 벡터를 획득하도록 학습된 신경망 모델일 수 있으며, 제2 신경망 모델(예로, 화자 인식 모델)은 사용자 음성을 발화한 화자의 목소리가 가지는 고유의 특징(예로, 성문)에 대응되는 특징 벡터를 획득하도록 학습된 신경망 모델일 수 있다.
그리고, 전자 장치(100)는 제1 신경망 모델(30-1)에 출력된 제1 사용자 음성에 포함된 텍스트에 대응되는 특징 벡터를 키워드 특징 벡터(40-1)로 등록할 수 있으며, 제2 신경망 모델(30-2)에 출력된 제1 사용자 음성을 발화한 화자의 목소리 특성에 대응되는 특징 벡터를 화자 특징 벡터(40-2)로 등록하여 제1 사용자 음성을 웨이크-업 음성으로 등록할 수 있다.
특히, 전자 장치(100)는 동일한 텍스트를 포함하는 사용자 음성을 5회 정도발화하도록 사용자에게 안내한 후, 도 1a와 같은 과정을 복수회 거쳐 제1 사용자 음성을 웨이크-업 음성으로 등록할 수 있다.
도 1b는 등록된 웨이크-업 음성을 이용하여 전자 장치를 웨이크-업하는 과정을 설명하기 위한 도면이다.
전자 장치(100)는 마이크를 통해 전자 장치(100)를 웨이크-업하기 위한 제2 사용자 음성을 수신할 수 있다.
그리고, 전자 장치(100)는 수신된 제2 사용자 음성에 대해 전처리를 수행할 수 있으며(10), 전처리된 제2 사용자 음성에 대한 음성 특징을 추출할 수 있다(20).
그리고, 전자 장치(100)는 사용자 음성을 제1 신경망 모델(30-1) 및 제2 신경망 모델(30-2) 각각에 입력할 수 있다.
그리고, 전자 장치(100)는 제1 신경망 모델(30-1)에 출력된 제2 사용자 음성에 포함된 텍스트에 대응되는 특징 벡터와 기등록된 키워드 특징 벡터(40-1)와의 유사도를 비교하며(50-1), 제2 신경망 모델(30-2)에 출력된 제2 사용자 음성을 발화한 화자의 목소리 특성에 대응되는 특징 벡터와 기등록된 화자 특징 벡터(40-2)와의 유사도를 판단할 수 있다(50-2). 이때, 특징 벡터들의 유사도는 특징 벡터들 사이의 거리에 의해 판단될 수 있다. 특히, 특징 벡터들 사이의 거리가 가까울수록 특징 벡터들의 유사도가 높다고 판단될 수 있으며, 특징 벡터들 사이의 거리가 멀수록 특징 벡터들의 유사도가 낮다고 판단될 수 있다.
제2 사용자 음성에 포함된 텍스트에 대응되는 특징 벡터와 기등록된 키워드 특징 벡터(40-1)와의 유사도 및 제2 사용자 음성을 발화한 화자의 목소리 특성에 대응되는 특징 벡터와 기등록된 화자 특징 벡터(40-2)와의 유사도 각각이 임계값 이상인 경우(60), 전자 장치(100)는 제2 사용자 음성을 바탕으로 전자 장치(100)를 웨이크-업할 수 있다.
그러나, 제2 사용자 음성에 포함된 텍스트에 대응되는 특징 벡터와 기등록된 키워드 특징 벡터(40-1)와의 유사도 또는 제2 사용자 음성을 발화한 화자의 목소리 특성에 대응되는 특징 벡터와 기등록된 화자 특징 벡터(40-2)와의 유사도가 임계값 미만인 경우(60), 전자 장치(100)는 획득된 제2 사용자 음성에 따라 전자 장치(100)를 웨이크-업하지 않고, 제2 사용자 음성을 무시할 수 있다.
본 개시의 일 실시예는 도 1a 및 1b에서 설명한 바와 같이, 전자 장치(100)를 웨이크-업하기 위한 동작을 수행하는 웨이크-업 음성을 등록하기 위한 것으로서, 특히, 웨이크-업 음성의 등록 절차를 최소화하면서, 더욱 품질이 높은 웨이크-업 음성을 등록하는 방법에 대한 것이다.
이하에서는 도면을 참조하여 본 개시에 대해 더욱 상세히 설명하기로 한다. 도 2는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 간략히 나타내는 블록도이다.
전자 장치(100)는 마이크(110), 통신 인터페이스(120), 메모리(130) 및 프로세서(140)를 포함한다. 이때, 전자 장치(100)는 스마트 폰으로 구현될 수 있다. 다만, 본 개시에 따른 전자 장치(100)가 특정 유형의 장치에 국한되는 것은 아니며, 태블릿 PC, 노트북 PC, 디지털 TV 등과 같이 다양한 종류의 전자 장치(100)로 구현될 수도 있다.
마이크(110)는 사용자가 발화한 사용자 음성을 수신할 수 있다. 이때, 마이크(110)는 수신된 사용자 음성을 시간에 따른 전압의 변화를 나타내는 전기적 신호로 변환할 수 있다.
이때, 마이크(110)는 전자 장치(100) 내부에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 외부에 위치하여 전기적으로 연결될 수 있다.
통신 인터페이스(120)는 회로를 포함하며, 외부 장치와의 통신을 수행할 수 있다. 구체적으로, 프로세서(140)는 통신 인터페이스(120)를 통해 연결된 외부 장치로부터 각종 데이터 또는 정보를 수신할 수 있으며, 외부 장치로 각종 데이터 또는 정보를 전송할 수도 있다.
통신 인터페이스(120)는 WiFi 모듈, Bluetooth 모듈, 무선 통신 모듈, 및 NFC 모듈 중 적어도 하나를 포함할 수 있다. 구체적으로, WiFi 모듈과 Bluetooth 모듈 각각은 WiFi 방식, Bluetooth 방식으로 통신을 수행할 수 있다. WiFi 모듈이나 Bluetooth 모듈을 이용하는 경우에는 SSID 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다.
또한, 무선 통신 모듈은 IEEE, Zigbee, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), 5G(5th Generation) 등과 같은 다양한 통신 규격에 따라 통신을 수행할 수 있다. 그리고, NFC 모듈은 135kHz, 13.56MHz, 433MHz, 860~960MHz, 2.45GHz 등과 같은 다양한 RF-ID 주파수 대역들 중에서 13.56MHz 대역을 사용하는 NFC(Near Field Communication) 방식으로 통신을 수행할 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 통신 인터페이스(120)는 외부 서버(200)로 웨이크-업 음성으로 동록하고자 하는 사용자 음성에 대응되는 텍스트에 대한 정보를 전송할 수 있으며, 외부 서버(200)로부터 웨이크-업 음성으로 동록하고자 하는 사용자 음성을 바탕으로 획득된 검증 데이터 세트를 수신할 수 있다. 이때, 검증 데이터 세트에는 웨이크-업 음성으로 동록하고자 하는 사용자 음성에 포함된 음소열과 임계값 이상의 공통 음소열을 가지는 적어도 하나의 검증 음성을 포함할 수 있다.
메모리(130)는 전자 장치(100)를 제어하기 위한 인스트럭션을 저장할 수 있다. 인스트럭션은 프로그램 작성 언어에서 프로세서(120)가 직접 실행할 수 있는 하나의 동작 문장(action statement)을 의미하며, 프로그램의 실행 또는 동작에 대한 최소 단위이다.
특히, 메모리(130)는 웨이크-업 음성을 등록하기 위한 모듈이 각종 동작을 수행하기 위해 필요한 데이터를 저장할 수 있다. 웨이크-업 음성을 등록하기 위한 모듈은 전처리 모듈(141), 음성 특징 추출 모듈(142), 텍스트 평가 모듈(143), 비음성 평가 모듈(144), 검증셋 평가 모듈(145), 웨이크-업 음성 등록 모듈(146) 및 메시지 제공 모듈(147)을 포함할 수 있다. 또한, 메모리(130)는 웨이크-업 음성을 등록하기 위한 사용자 음성에 포함된 특정 키워드를 인식하도록 학습된 키워드 인식 모델, 사용자 음성에 대응되는 텍스트를 획득하도록 학습된 음성 인식 모델, 사용자 음성을 발화한 화자의 목소리 특징을 획득하도록 학습된 화자 인식 모델, 사용자 음성이 포함된 오디오에서 음성 구간을 감지하도록 학습된 음성 구간 감지 모델 등을 저장할 수 있다. 또한, 메모리(130)는 사용자가 전자 장치(100)를 사용한 기록(예를 들어, 검색 기록, 실행 기록, 구매 기록 등)을 포함하는 사용 히스토리 DB 등을 저장할 수 있다.
한편, 메모리(130)는 전력 공급이 중단되더라도 저장된 정보를 유지할 수 있는 비휘발성 메모리 및 저장된 정보를 유지하기 위해서는 지속적인 전력 공급이 필요한 휘발성 메모리를 포함할 수 있다. 웨이크-업 음성을 등록하기 위한 모듈이 각종 동작을 수행하기 위한 데이터는 비휘발성 메모리에 저장될 수 있다. 그리고, 키워드 인식 모델(또는 음성 인식 모델), 화자 인식 모델, 음성 구간 감지 모델 등과 같은 다양한 신경망 모델이 역시 비휘발성 메모리에 저장될 수 있다.
프로세서(140)는 메모리(130)와 전기적으로 연결되어 전자 장치(100)의 전반적인 기능 및 동작을 제어할 수 있다.
프로세서(140)는 웨이크-업 음성을 등록하기 위한 사용자 명령이 입력되면, 비휘발성 메모리에 저장되어 있는 웨이크-업 음성을 등록하기 위한 모듈이 각종 동작을 수행하기 위한 데이터를 휘발성 메모리로 로딩(loading)할 수 있다. 그리고, 프로세서(140)는 키워드 인식 모델, 화자 인식 모델, 음성 구간 감지 모델 등과 같은 신경망 모델을 휘발성 메모리로 로딩할 수 있다. 프로세서(140)는 휘발성 메모리로 로딩된 데이터에 기초하여 각종 모듈 및 신경망 모델을 통해 각종 동작을 수행할 수 있다. 여기서, 로딩이란 프로세서(140)가 엑세스할 수 있도록 비휘발성 메모리에 저장된 데이터를 휘발성 메모리에 불러들여 저장하는 동작을 의미한다.
웨이크-업 음성을 등록하기 위한 사용자 명령이 입력되면, 프로세서(140)는 웨이크-업 음성을 등록하기 위한 모드로 진입할 수 있다. 특히, 프로세서(140)는 웨이크-음성의 등록을 안내하기 위한 UI를 제공할 수 있다. UI에는 사용자 음성의 발화를 안내하는 메시지가 포함될 수 있다.
프로세서(140)는 마이크(110)를 통해 웨이크-업 음성으로 등록하고자 하는 사용자 음성을 획득할 수 있다. 웨이크-업 음성으로 등록하고자 하는 사용자 음성에는 전자 장치(100)를 웨이크-업하기 위한 암호와 같은 텍스트인 키워드가 포함될 수 있다.
마이크(110)를 통해 사용자 음성이 획득되면, 프로세서(140)는 전처리 모듈(141)을 통해 획득된 사용자 음성에 대한 전처리 동작을 수행할 수 있다. 구체적으로, 전처리 모듈(141)은 획득된 사용자 음성에 포함된 노이즈를 제거할 수 있으며, 오디오 신호에 포함된 사용자 음성을 명료하게 하기 위한 음질 향상(enhancement) 등과 같은 동작을 수행할 수 있다.
프로세서(140)는 음성 특징 추출 모듈(142)을 통해 전처리된 사용자 음성에 대한 음성 특징을 추출할 수 있다. 이때, 음성 특징을 추출하는 것은 전처리된 사용자 음성을 시간 차원에서 주파수 차원으로 변환하는 것을 의미할 수 있다. 이때, 음성 특징 추출 모듈(142)은 퓨리에 변환(Fourier Transform) 등을 이용하여 시간 차원의 사용자 음성을 주파수 차원으로 변환할 수 있다.
프로세서(140)는 텍스트 평가 모듈(143)을 이용하여 주파수 차원으로 변환된 사용자 음성에 포함된 텍스트를 평가하여 사용자 음성을 웨이크-업 음성으로 등록할지 여부를 검증할 수 있다.
텍스트 평가 모듈(143)은 도 3에 도시된 바와 같이, 음소 길이 평가 모듈(310), 음소 중복 평가 모듈(320) 및 대명사 평가 모듈(330)이 포함될 수 있다.
구체적으로, 텍스트 평가 모듈(143)은 음성 인식 모델(미도시)을 통해 사용자 음성에 대한 음성 인식을 수행하여 사용자 음성에 포함된 텍스트에 대한 정보를 획득할 수 있다. 이때, 텍스트에 대한 정보는 텍스트에 포함된 음소에 대한 정보일 수 있다.
음소 길이 평가 모듈(310)은 텍스트에 포함된 음소의 길이를 바탕으로 사용자 음성을 웨이크-업 음성으로 등록될 수 있을지 검증할 수 있다. 이때, 음소 길이 평가 모듈(310)은 텍스트에 포함된 음소의 길이가 임계값 이하인지 여부를 식별하여 사용자 음성을 웨이크-업 음성으로 등록될 수 있을지 검증할 수 있다. 예를 들어, 사용자 음성이 "차"인 경우, 텍스트 평가 모듈(143)은 사용자 음성에 대한 음소로 "JA"를 획득할 수 있으며, 음소 길이 평가 모듈(310)은 음소의 개수가 임계값(예로, 2개)이하인 것으로 판단하여 사용자 음성이 웨이크-업 음성으로 등록되기 적합하지 않음을 판단할 수 있다.
음소 중복 평가 모듈(320)은 텍스트에 포함된 음소의 중복 여부를 바탕으로 사용자 음성을 웨이크-업 음성으로 등록될 수 있을지 검증할 수 있다. 이때, 음소 중복 평가 모듈(320)은 텍스트에 포함된 음소의 중복 횟수가 임계값 이상인지여부를 식별하여 사용자 음성을 웨이크-업 음성으로 등록될 수 있을지 검증할 수 있다. 예를 들어, 사용자 음성이 "야야야"인 경우, 텍스트 평가 모듈(143)은 사용자 음성에 대한 음소로 "JA JA JA"를 획득할 수 있으며, 음소 중복 평가 모듈(310)은 음소가 임계값(예를 들어, 3회)으로 중복된 것으로 판단하여 사용자 음성이 웨이크-업 음성으로 등록되기 적합하지 않음을 판단할 수 있다.
대명사 평가 모듈(330)은 텍스트에 대명사가 포함되었는지 여부를 바탕으로 사용자 음성을 웨이크-업 음성으로 등록될 수 있을지 검증할 수 있다. 예를 들어, 사용자 음성이 "그거"인 경우, 대명사 평가 모듈(330)은 사용자 음성에 대명사가 포함되어 있음을 판단하여 사용자 음성이 웨이크-업 음성으로 등록되기 적합하지 않음을 판단할 수 있다.
한편, 상술한 실시예에서 텍스트 평가 모듈(143)은 음소의 길이, 중복 여부 및 대명사 포함 여부 등을 바탕으로 사용자 음성이 웨이크-업 음성으로 등록되기 적합한 것으로 판단하였으나, 이는 일 실시예에 불과할 뿐, 텍스트 평가 모듈(143)은 텍스트의 다른 특성(예를 들어, 텍스트의 길이가 임계값 이상인 경우 등)을 바탕으로 사용자 음성이 웨이크-업 음성으로 등록되기 적합한 것으로 판단할 수 있다.
다시 도 2에 대해 설명하면, 프로세서(140)는 비음성 평가 모듈(144)을 통해 사용자 음성이 특정 텍스트를 발화하는 사용자 음성인지 여부를 판단할 수 있다. 즉, 비음성 평가 모듈(144)은 마이크(110)를 통해 획득된 사용자 음성이 사람의 목소리가 아니거나 재채기, 함성 등과 같이 텍스트를 발화하려는 의도가 아닌 목소리인지 여부를 판단하여 사용자 음성을 웨이크-업 음성으로 등록할지 여부를 검증할 수 있다.
구체적으로, 비음성 평가 모듈(144)은 도 4에 도시된 바와 같이, 음성 구간 감지 모듈(410) 및 음성 평가 모듈(420)을 포함할 수 있다. 이때, 음성 구간 감지 모듈(410)은 학습된 음성 구간 감지 모델을 통해 사용자 음성에 비음성이 포함되었는지 여부를 판단할 수 있다. 구체적으로, 음성 구간 감지 모델(Voice activity detection model)은 음성과 비음성에 대한 학습 데이터를 이용하여 학습된 신경망 모델로서, 사용자 음성에 음성 구간이 포함되었는지 여부를 나타내는 특징값을 획득할 수 있다. 음성 평가 모듈(420)은 음성 구간 감지 모듈(410)을 통해 획득된 특징값을 바탕으로 사용자 음성에 비음성이 포함되어 있음을 판단할 수 있다. 구체적으로, 음성 구간 감지 모듈(410)을 통해 획득된 특징값이 임계값 미만인 경우, 음성 평가 모듈(420)은 사용자 음성에 음성 구간 이외에 비음성이 포함되어 있음을 판단할 수 있으며, 음성 구간 감지 모듈(410)을 통해 획득된 특징값이 임계값 이상인 경우, 음성 평가 모듈(420)은 사용자 음성에 비음성이 포함되지 않음을 판단할 수 있다.
한편, 상술한 실시예에서는 비음성 평가 모듈(144)이 음성 구간 감지 모델을 이용하여 사용자 음성에 비음성이 포함되어 있는지 여부를 검증하였으나, 이는 일 실시예에 불과할 뿐, 다른 방법을 이용하여 사용자 음성에 비음성이 포함되어 있는지 여부를 검증할 수 있다. 예를 들어, 비음성 평가 모듈(144)은 음성의 특성과 관련된 특징(예를 들어, zero crossing rate, spectral entropy 등)을 모델링하고, 사용자 음성에 모델링된 특징이 출현하였는지 여부를 바탕으로 사용자 음성에 음성 구간이 검출되었는지 여부를 판단할 수 있다. 즉, 사용자 음성에 음성 구간 이외의 비음성 구간이 검출되면, 비음성 평가 모듈(144)은 사용자 음성에 비음성이 포함되어 있음을 판단하여 사용자 음성을 웨이크-업 음성으로 등록하지 않는 것으로 판단할 수 있다.
다시 도 2에 대해 설명하면, 프로세서(140)는 검증셋 평가 모듈(145)을 통해 사용자 음성에 포함된 텍스트와 유사한 텍스트가 전자 장치(100)를 웨이크-업하는지 여부를 검증할 수 있다.
구체적으로, 검증셋 평가 모듈(145)은 사용자 음성에 포함된 텍스트를 바탕으로 사용자 음성을 검증하기 위한 검증 데이터 세트를 획득할 수 있다. 이에 대해서는 도 5를 참조하여 설명하기로 한다.
우선, 전자 장치(100)는 사용자 음성에 포함된 텍스트를 획득할 수 있다(S510). 이때, 전자 장치(100)는 음성 인식 모델에 사용자 음성을 입력하여 사용자 음성에 포함된 텍스트를 획득할 수 있다.
그리고, 전자 장치(100)는 획득된 텍스트를 음소열로 변환할 수 있다(S520). 이때, 음소는 단어의 의미를 구별 짓는 최소의 소리 단위로서, 음소열은 단어에 포함된 음소를 순차적으로 나열한 것을 의미한다.
전자 장치(100)는 텍스트에 대한 정보로서, 음소열 정보를 서버(200)로 전송할 수 있다(S530). 이때, 전자 장치(100)는 음소열 정보 이외에 다른 텍스트에 대한 정보를 함께 전송할 수 있다.
서버(200)는 최대 공통 음소열을 바탕으로 검증 데이터 세트를 획득할 수 있다(S540). 구체적으로, 서버(200)는 서버(200)에 저장된 복수의 텍스트의 음소열과 음소열 정보에 포함된 음소열이 공통으로 포함하는 음소열 길이를 바탕으로 검증 데이터 세트를 획득할 수 있다. 즉, 서버(200)는 서버(200)에 저장된 복수의 텍스트 중 전자 장치(100)로부터 수신된 음소열 정보에 포함된 음소열과 공통으로 포함하는 음소열 길이가 임계값 이상인 텍스트를 식별할 수 있다. 그리고, 서버(200)는 식별된 텍스트에 대응되는 음성 데이터를 검증 음성으로 식별하고, 식별된 적어도 하나의 검증 음성을 포함하는 검증 데이터 세트를 획득할 수 있다.
예를 들어, 사용자 음성이 "할리 갈리"인 경우, 사용자 음성에 대응되는 음소열은 (HH AA L R IY K AA L R IY)일 수 있다. 그리고, 서버(200)는 사용자 음성에 대응되는 음소열과 공통으로 포함하는 음소열 길이가 임계값 (예를 들어, 5개) 이상인 텍스트인 할리 건담(HH AA L R IY K AX NN R AA M)에 대한 음성 데이터, 할리스(HH AA L R IY SS)에 대한 음성 데이터 등을 검증 음성으로 획득할 수 있다.
서버(200)는 획득된 검증 데이터 세트를 전자 장치(100)로 전송할 수 있다.
그리고, 전자 장치(100)는 검증 데이터 세트를 이용하여 사용자 음성을 검증할 수 있다(S560). 전자 장치(100)의 검증셋 평가 모듈(145)이 검증 데이터 세트를 이용하여 사용자 음성을 검증하는 방법은 도 6에서 설명하기로 한다.
한편, 상술한 실시예에서는 사용자 음성에 포함된 텍스트와 유사한 텍스트를 획득하기 위해 최대 공통 음소열을 이용하는 것을 설명하였으나, 이는 일 실시예에 불과할 뿐, 다른 방법으로 사용자 음성에 포함된 텍스트와 유사한 텍스트를 획득할 수 있다.
도 6은 본 개시의 일 실시예에 따른, 전자 장치(100)가 검증셋 평가 모듈(145)을 통해 검증 데이터 세트를 이용하여 사용자 음성을 검증하는 방법을 설명하기 위한 흐름도이다.
검증셋 평가 모듈(145)은 서버(200)로부터 수신한 검증 데이터 세트 중 검증 음성을 선택할 수 있다(S610). 이때, 검증셋 평가 모듈(145)은 검증 데이터 세트 중 사용자 음성의 텍스트와 유사도가 가장 높은(예를 들어, 공통 음소열을 가장 많이 포함하는) 텍스트에 대응되는 검증 음성을 선택할 수 있다.
이때, 검증셋 평가 모듈(145)은 전처리 모듈(141)을 통해 획득된 검증 음성에 대해 전처리를 수행할 수 있으며, 음성 특징 추출 모듈(142)을 통해 전처리된 검증 음성에 대한 음성 특징을 추출할 수 있다. 다만, 서버(100)로부터 수신된 검증 음성이 전처리 과정과 음성 추출 과정을 거친 음성 데이터인 경우, 전처리 과정과 음성 추출 과정은 생략될 수 있음은 물론이다.
검증셋 평가 모듈(145)은 신경망 모델에 선택된 검증 음성을 입력하여 선택된 검증 음성에 대응되는 특징 벡터를 획득할 수 있다(S620). 이때, 신경망 모델은 사용자 음성이 특정 텍스트를 포함하는지 여부를 감지하도록 학습된 키워드 인식 모델 또는 사용자 음성에 포함된 텍스트를 획득하도록 학습된 음성 인식 모델 중 하나일 수 있다.
검증셋 평가 모듈(145)은 선택된 검증 음성에 대응되는 특징 벡터와 사용자 음성에 대응되는 특징 벡터와의 유사도를 비교할 수 있다(S630). 구체적으로, 검증셋 평가 모듈(145)은 S620 단계에서 획득된 특징 벡터와 사용자가 발화한 사용자 음성을 신경망 모델이 입력하여 획득된 특징 벡터 사이의 유사도를 비교할 수 있다. 이때, 검증셋 평가 모듈(145)은 두 특징 벡터 사이의 코사인 거리(cosine distance)를 바탕으로 유사도를 계산할 수 있다.
검증셋 평가 모듈(145)은 유사도가 임계값 이상인지 여부를 판단할 수 있다(S640). 구체적으로, 선택된 검증 음성의 특징 벡터와 사용자 음성의 특징 벡터 사이의 유사도가 낮은 경우, 유사 키워드를 포함하는 사용자 음성이 발화할 때 웨이크-업 동작을 수행하기 위한 키워드에 대한 오인식 가능성이 낮으므로, 전자 장치(100)는 사용자 음성의 등록 가능성을 높게 평가할 수 있으며, 선택된 검증 음성의 특징 벡터와 사용자 음성의 특징 벡터 사이의 유사도가 높은 경우, 유사 키워드를 포함하는 사용자 음성이 발화할 때 웨이크-업 동작을 수행하기 위한 키워드에 대한 오인식 가능성이 높으므로, 검증셋 평가 모듈(145)은 사용자 음성의 등록 가능성을 낮게 평가할 수 있
유사도가 임계값 미만인 경우(S640-N), 검증셋 평가 모듈(145)은 모든 검증 음성에 대해 평가가 수행되었는지 여부를 판단할 수 있다(S650).
모든 검증 음성에 대해 평가가 수행되지 않은 경우(S650-Y), 검증셋 평가 모듈(145)은 다음 검증 음성을 선택하여 S610 단계 내지 S640 단계를 반복적으로 수행할 수 있다. 모든 검증 음성에 대해 평가가 수행된 경우(S650-N), 검증셋 평가 모듈(145)은 해당 사용자 음성을 웨이크-업 음성으로 등록할 수 있다(S660).
다만, 유사도가 임계값 이상인 경우(S640-Y), 검증셋 평가 모듈(145)은 안내 메시지를 제공할 수 있다. 이때, 안내 메시지에는 동일한 텍스트를 포함하는 사용자 음성을 추가적으로 발화하도록 안내하는 메시지가 포함될 수 있다. 즉, 사용자 음성의 발음이 부정확하거나 사용자 음성이 외부 요인으로 뭉게진 경우, 유사 키워드에 의해 오인식 가능이 높으므로, 사용자의 추가 발화를 요구하는 안내 메시지를 제공할 수 있다.
즉, 도 6과 같은 검증 데이터 세트를 이용하는 내부 검증을 통해 사용자 음성을 검증함으로써, 최초 발화한 사용자 음성이 명확한 경우, 1회의 발화만으로 사용자 음성을 등록함으로써, 웨이크-업 음성을 등록할 때 최소 횟수로 사용자 음성을 발화하여 사용자 음성을 웨이크-업 음성으로 등록할 수 있다.
다시 도 2에 대해 설명하면, 프로세서(140)는 웨이크-업 음성 등록 모듈(146)을 통해 사용자 음성을 웨이크-업 음성으로 등록할 수 있다. 이때, 웨이크-업 음성 등록 모듈(146)은 텍스트 평가 모듈(143), 비음성 평가 모듈(144), 검증셋 평가 모듈(145)의 검증 결과를 바탕으로 사용자 음성을 웨이크-업 음성으로 등록할 수 있다. 즉, 텍스트 평가 모듈(143)의 검증 결과, 비음성 평가 모듈(144)의 검증 결과, 검증셋 평가 모듈(145)의 검증 결과가 모두 사용자 음성을 웨이크-업 음성으로 등록하는 것으로 검증된 경우, 웨이크-업 음성 등록 모듈(146)은 사용자 음성을 웨이크-업 음성으로 등록하여 제1 신경망 모델(30-1)(예로, 키워드 인식 모델 또는 음성 인식 모델)에 의해 획득된 특징 벡터와 제2 신경망 모델(30-2)(화자 인힉 모델)에 의해 획득된 특징 벡터를 메모리(130)에 저장할 수 있다.
이때, 웨이크-업 음성 등록 모듈(146)은 텍스트 평가 모듈(143), 비음성 평가 모듈(144), 검증셋 평가 모듈(145)의 검증 결과를 순차적으로 획득할 수 있으나, 이는 일 실시예에 불과할 뿐, 텍스트 평가 모듈(143), 비음성 평가 모듈(144), 검증셋 평가 모듈(145)의 검증 결과를 순서와 관계없이 병렬적으로 획득할 수 있다.
메시지 제공 모듈(147)은 텍스트 평가 모듈(143), 비음성 평가 모듈(144), 검증셋 평가 모듈(145)의 검증 결과를 바탕으로 안내 메시지를 제공할 수 있다. 즉, 텍스트 평가 모듈(143), 비음성 평가 모듈(144), 검증셋 평가 모듈(145)의 검증 결과 중 하나의 검증 결과가 부적합하다고 판단되면, 메시지 제공 모듈(147)은 부적합하다고 판단된 모듈에 대응되는 안내 메시지를 제공할 수 있다.
구체적으로, 텍스트 평가 모듈(143)의 검증 결과가 부적합하다고 판단되면, 메시지 제공 모듈(147)은 부적합 이유 및 대체 텍스트를 안내하는 안내 메시지를 제공할 수 있다. 이때, 대체 텍스트는 사용 히스토리 DB를 바탕으로 결정될 수 있다. 즉, 대체 텍스트는 사용자 히스토리 DB를 바탕으로 사용자가 자주 사용하는 텍스트, 사용자가 관심있는 분야의 텍스트 등으로 결정될 수 있다. 예를 들어, 사용자가 "야야야"를 웨이크-업 음성으로 등록하고자 하는 경우, 메시지 제공 모듈(147)은 도 7a에 도시된 바와 같이, 사용자 음성이 중복됨을 안내하고, 대체 텍스트를 안내하는 안내 메시지(710)를 제공할 수 있다. 이때, 대체 텍스트로 결정된 "철수야"는 사용자 음성에 포함된 텍스트인 "야야야"와 일부 음소가 중복되면서 사용자가 자주 사용하는 텍스트일 수 있다. 다른 예로, 사용자가 "차"를 웨이크-업 음성으로 등록하고자 하는 경우, 메시지 제공 모듈(147)은 도 7b에 도시된 바와 같이, 사용자 음성이 짧음을 안내하고 대체 텍스트를 안내하는 안내 메시지(720)를 제공할 수 있다. 이때, 대체 텍스트로 결정된 "자동차"는 사용자 음성에 포함된 텍스트인 "차"와 일부 음소가 중복되면서, 사용자가 관심있어 하는 분야와 관련된 텍스트일 수 있다. 또 다른 예로, 사용자가 "그거"를 웨이크-업 음성으로 등록하고자 하는 경우, 메시지 제고오 모듈(147)은 도 7c에 도시된 바와 같이, 사용자 음성에 대명사가 포함되었음을 안내하고, 대체 텍스트를 안내하는 안내 메시지(730)를 제공할 수 있다. 이때, 대체 텍스트로 결정된 "갤럭시"는 사용자가 자주 사용하는 텍스트일 수 있다.
비음성 평가 모듈(144) 및 검증셋 평가 모듈(145) 중 하나의 검증 결과가 부적합하다고 판단된 경우, 메시지 제공 모듈(147)은 사용자 음성에 포함된 텍스트와 동일한 텍스트를 포함하는 추가 사용자 음성을 요구하는 안내 메시지를 제공할 수 있다. 예를 들어, 메시지 제공 모듈(147)은 도 8에 도시된 바와 같이, 추가 사용자 음성을 요구하는 안내 메시지(810)를 제공할 수 있다. 다만, 비음성 평가 모듈(144) 및 검증셋 평가 모듈(145)의 검증 결과과 임계 횟수 이상(예를 들어, 5회) 부적합하다고 판단된 경우, 메시지 제공 모듈(147)은 다른 텍스트를 포함하는 사용자 음성을 요구하는 안내 메시지를 제공할 수 있다.
도 9는 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도이다. 한편, 도 9는 전자 장치(100)가 웨이크-업 음성을 등록하는 모드에 진입한 이후의 동작을 설명하는 도면이다.
우선, 전자 장치(100)는 사용자 음성을 획득할 수 있다(S910). 이때, 사용자 음성은 마이크(110)를 통해 수신할 수 있으나, 이는 일 실시예에 불과할 뿐, 외부로부터 수신될 수 있으며, 사용자 음성에는 사용자가 웨이크-업 음성으로 등록하고자 하는 텍스트를 포함할 수 있다.
전자 장치(100)는 획득된 사용자 음성을 전처리할 수 있다(S920). 구체적으로, 전자 장치(100)는 사용자 음성에 대한 노이즈 제거, 음질 향상 등과 같은 전처리를 수행할 수 있다.
전자 장치(100)는 전처리된 사용자 음성에 대한 음성 특징을 추출할 수 있다(S930). 구체적으로, 전자 장치(100)는 퓨리에 변환을 통해 시간 차원의 음성데이터를 주파수 파원의 사용자 음성 데이터로 변환하여 음성 특징을 추출할 수 있다.
전자 장치(100)는 사용자 음성에 포함된 텍스트를 검증할 수 있다(S940). 구체적으로, 전자 장치(100)는 도 2 및 도 3에서 설명한 바와 같이, 텍스트 평가 모듈(143)을 통해 사용자 음성에 포함된 텍스트가 웨이크-업 음성의 텍스트로 등록해도 될지 여부에 대해 검증할 수 있다.
텍스트 검증 결과 적합하다고 판단되면(S950-N), 전자 장치(100)는 사용자 음성에 비음성이 포함되었는지 여부를 검증할 수 있다(S960). 구체적으로, 전자 장치(100)는 도 2 및 도 4에서 설명한 바와 같이, 비음성 평가 모듈(144)을 통해 사용자 음성에 비음성이 포함되었는지 여부를 검증할 수 있다.
비음성 검증 결과 적합하다고 판단되면(S970-N), 전자 장치(100)는 검증 데이터 세트를 이용하여 사용자 음성을 검증할 수 있다(S980). 구체적으로, 전자 장치(100)는 도 2, 도 5 및 도 6에서 설명한 바와 같이, 검증셋 평가 모듈(145)을 통해 검증 데이터 세트를 획득하고, 검증 데이터 세트에 포함된 검증 음성을 이용하여 사용자 음성을 검증할 수 있다.
검증 데이터 세트를 이용한 검증 결과 적합하다고 판단되면(S990-N), 전자 장치(100)는 사용자 음성을 웨이크-업 음성으로 등록할 수 있다(S991).
그러나, 텍스트 검증 결과 부적합하다고 판단되면(S950-Y), 전자 장치(100)는 안내 메시지를 제공할 수 있다(S993). 이때, 전자 장치(100)는 도 7a 내지 도 7c에 도시된 바와 같이, 부적합 이유 및 대체 텍스트를 포함하는 안내 메시지를 제공할 수 있다.
비음성 검증 결과 부적합하다고 판단되거나(S970-Y), 검증 데이터 세트를 이용한 검증 결과 부적합하다고 판단되면(S990-Y), 전자 장치(100)는 안내 메시지를 제공할 수 있다(S993). 이때, 전자 장치(100)는 도 8에 도시된 바와 같이, 사용자 음성에 대한 추가 발화를 안내하는 안내 메시지를 제공할 수 있다.
한편 도 9에서는 텍스트 검증(S940), 비음성 검증(S960), 검증 데이터 세트를 이용한 검증(S980)이 순차적으로 수행되는 것을 설명하였으나, 이는 일 실시예에 불과할 뿐, 텍스트 검증(S940), 비음성 검증(S960), 검증 데이터 세트를 이용한 검증(S980)이 병렬적으로 수행될 수 있다.
도 10은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 상세히 도시한 블록도이다. 도 10에 도시된 바와 같이, 본 개시에 따른 전자 장치(1000)는 디스플레이(1010), 스피커(1020), 카메라(1030), 메모리(1040), 통신 인터페이스(1050), 입력 인터페이스(1060), 센서(1070) 및 프로세서(1080)를 포함할 수 있다. 그러나, 이와 같은 구성은 예시적인 것으로서, 본 개시를 실시함에 있어 이와 같은 구성에 더하여 새로운 구성이 추가되거나 일부 구성이 생략될 수 있음을 물론이다. 한편, 통신 인터페이스(1050), 메모리(1040) 및 프로세서(1080)는 도 1에서 설명한 통ㅅ신 인터페이스(120), 메모리(130) 및 프로세서(140)와 동일한 구성이므로, 중복되는 설명은 생략한다.
디스플레이(1010)는 외부로부터 획득된 영상 또는 카메라(1030)를 통해 촬영된 영상을 디스플레이할 수 있다. 또한, 디스플레이(1010)는 웨이크-업 음성을 등록하기 위한 UI 화면을 표시할 수 있으며, 사용자 음성에 대한 검증 결과로 부적합을 안내하기 위한 안내 메시지를 표시할 수 있다.
한편, 디스플레이(1010)는 LCD(Liquid Crystal Display Panel), OLED(Organic Light Emitting Diodes) 등으로 구현될 수 있으며, 또한 디스플레이(1010)는 경우에 따라 플렉서블 디스플레이, 투명 디스플레이 등으로 구현되는 것도 가능하다. 다만, 본 개시에 따른 디스플레이(1010)가 특정한 종류에 한정되는 것은 아니다.
스피커(1020)는 음성 메시지를 출력할 수 있다. 특히, 스피커(1020)는 전자 장치(1000) 내부에 포함될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(1000)와 전기적으로 연결되어 외부에 위치할 수 있다. 이때, 스피커(1020)는 사용자 음성 검증 결과를 안내하는 음성 메시지를 출력할 수 있다.
카메라(1030)는 이미지를 촬영할 수 있다. 특히, 카메라(1030)는 사용자를 포함하는 이미지를 촬영할 수 있다. 이때, 이미지는 정지 영상 또는 동영상일 수 있다. 또한, 카메라(1030)는 서로 상이한 복수의 렌즈를 포함할 수 있다. 여기서, 복수의 렌즈가 서로 상이하다는 것은 복수의 렌즈 각각의 화각(Field of View, FOV)이 서로 상이한 경우 및 복수의 렌즈 각각이 배치된 위치가 상이한 경우 등을 포함할 수 있다.
입력 인터페이스(1060)는 회로를 포함하며, 프로세서(1080)는 입력 인터페이스(1060)를 통해 전자 장치(1000)의 동작을 제어하기 위한 사용자 명령을 수신할 수 있다. 구체적으로, 입력 인터페이스(1060)는 터치 스크린으로서 디스플레이(1010)를 포함할 수 있으나, 이는 일 실시예에 불과한 뿐, 버튼, 마이크(110) 및 리모컨 신호 수신부(미도시) 등과 같은 구성을 포함할 수 있다.
센서(1070)는 전자 장치(1000)와 관련된 다양한 정보를 획득할 수 있다. 특히, 센서(1070)는 전자 장치(1000)의 위치 정보를 획득할 수 있는 GPS를 포함할 수 있으며, 전자 장치(1000)를 사용하는 사용자의 생체 정보를 획득하기 위한 생체 센서(예로, 심박수 센서, PPG 센서 등), 전자 장치(1000)의 움직임을 감지하기 위한 움직임 센서 등과 같은 다양한 센서를 포함할 수 있다.
프로세서(1080)는 도 10에 도시된 구성인 디스플레이(1010), 스피커(1020), 카메라(1030), 메모리(1040), 통신 인터페이스(1050), 입력 인터페이스(1060), 센서(1070)와 전기적으로 연결되어 전자 장치(1000)의 전반적인 기능 및 동작을 제어할 수 있다.
구체적으로, 프로세서(1080)는 웨이크-업 음성으로 등록하고자 하는 사용자 음성을 검증 데이터 세트를 이용하여 검증할 수 있다. 구체적으로, 프로세서(1080)는 마이크(110)를 통해 웨이크-업 음성을 등록하기 위한 사용자 음성을 획득하고, 학습된 신경망 모델(예를 들어, 키워드 인식 모델)에 사용자 음성을 입력하여 사용자 음성에 포함된 텍스트에 대응되는 제1 특징 벡터를 획득하며, 통신 인터페이스(1050)를 통해 외부 서버(200)로부터 사용자 음성에 포함된 텍스트에 대한 정보를 바탕으로 결정된 검증 데이터 세트를 수신하고, 신경망 모델에 수신된 검증 데이터 세트에 포함된 검증 음성을 입력하여 검증 음성에 대응되는 제2 특징 벡터를 획득하고, 제1 특징 벡터 및 제2 특징 벡터의 유사도를 바탕으로 사용자 음성을 웨이크-업 음성으로 등록할지 여부를 검증할 수 있다.
구체적으로, 프로세서(1080)는 사용자 음성을 음성 인식하여 사용자 음성에 포함된 텍스트에 대한 정보를 획득하고, 통신 인터페이스(1050)를 통해 사용자 음성에 포함된 텍스트에 대한 정보를 외부 서버(200)로 전송할 수 있다. 이때, 외부 서버(200)는 외부 서버(200)에 저장된 복수의 텍스트의 음소열과 텍스트에 대한 정보에 포함된 음소열이 공통으로 포함하는 음소열 길이를 바탕으로 검증 음성을 획득할 수 있다. 검증 음성은 외부 서버(200)에 저장된 복수의 텍스트 중 텍스트에 대한 정보에 포함된 음소열과 공통으로 포함하는 음소열 길이가 임계값 이상인 텍스트에 대응되는 음성 데이터일 수 있다.
제1 특징 벡터 및 제2 특징 벡터의 유사도가 임계값 미만인 경우, 프로세서(1080)는 검증 데이터 세트에 포함된 다른 검증 음성을 신경망 모델에 입력하여 다른 검증 음성에 대응되는 제3 특징 벡터를 획득하고, 제1 특징 벡터 및 제3 특징 벡터의 유사도를 비교하여 사용자 음성에 대한 검증을 수행할 수 있다. 그러나, 제1 특징 벡터 및 제2 특징 벡터의 유사도가 임계값 이상인 경우, 프로세서(1080)는 도 8에 도시된 바와 같이, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공할 수 있다.
프로세서(1080)는 검증 데이터 세트에 포함된 모든 검증 음성에 대응되는 특징 벡터들과 제1 특징 벡터의 유사도가 임계값 미만인 경우, 사용자 음성을 웨이크-업 음성으로 등록할 수 있다.
또한, 프로세서(1080)는 사용자 음성에 포함된 텍스트에 대한 검증을 수행할 수 있다. 구체적으로, 프로세서(1080)는 음성 인식 모델에 사용자 음성을 입력하여 사용자 음성에 포함된 텍스트를 획득하고, 사용자 음성에 포함된 텍스트의 음소의 길이 및 중복 여부 중 적어도 하나를 바탕으로 사용자 음성에 포함된 텍스트를 웨이크-업 음성의 텍스트로 등록할지 여부를 검증할 수 있다. 즉, 사용자 음성에 포함된 텍스트의 음소의 개수가 제1 임계값 미만이거나 사용자 음성에 포함된 텍스트의 음소가 제2 임계값 이상으로 중복되면, 프로세서(1080)는 도 7a 내지 도 7c에 도시된 바와 같은, 웨이크-업 음성을 등록하기 위한 다른 텍스트가 포함된 추가 사용자 음성의 발화을 요청하는 안내 메시지를 제공할 수 있다. 이때, 안내 메시지는 전자 장치의 사용 히스토리 정보를 바탕으로 결정된 텍스트를 웨이크 업 음성의 텍스트로 추천하는 메시지가 포함될 수 있다.
또한, 프로세서(1080)는 사용자 음성에 비음성이 포함되었는지 여부에 대해 검증을 수행할 수 있다. 구체적으로, 프로세서(1080)는 사용자 음성을 학습된 음성 판단 모델에 입력하여 사용자 음성이 특정 텍스트를 발화하는 사용자 음성인지 여부를 나타내는 특징값을 획득하고, 특징값을 바탕으로 사용자 음성을 웨이크-업 음성으로 등록할지 여부를 검증할 수 있다. 이때, 특징값이 임계값 미만이면, 프로세서(1080)는 도 8에 도시된 바와 같이, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공할 수 있다.
상술한 바와 같은 본 개시의 실시예에 따라, 웨이크-업 음성을 등록하기 위한 사용자의 발화 횟수를 최소한으로 줄임으로써 웨이크-업 음성 등록 절차의 편의성이나 사용성을 증가시킬 수 있으며, 품질 높은 웨이크-업 음성을 등록함으로써 음성인식을 통해 전자 장치를 제어할 수 있는 기술의 성능을 향상시킬 수 있게 된다.
본 개시에 따른 인공지능과 관련된 기능은 프로세서(1080)와 메모리(1040)를 통해 동작된다. 프로세서(1080)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU(Central Processing Unit), AP(Application Processor), DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU(Graphic Processing Unit), VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU(Neural Processing Unit)와 같은 인공지능 전용 프로세서일 수 있다.
하나 또는 복수의 프로세서(1080)는, 메모리(1040)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.
한편, 이상에서 상술한 바와 같은 신경망 모델에 관련된 기능은 메모리 및 프로세서를 통해 수행될 수 있다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP 등과 같은 범용 프로세서, GPU. VPU 등과 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 비휘발성 메모리 및 휘발성 메모리에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 기 정의된 동작 규칙 또는 인공 지능 모델은 학습을 통해 만들어진 것을 특징으로 한다.
여기서, 학습을 통해 만들어진다는 것은, 다수의 학습 데이터들에 학습 알고리즘을 적용함으로써, 원하는 특성의 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공 지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버/시스템을 통해 이루어 질 수도 있다.
인공 지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 각 레이어는 복수의 가중치(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치의 연산을 통해 레이어의 연산을 수행한다. 신경망의 예로는, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network), GAN(Generative Adversarial Networks) 및 심층 Q-네트워크 (Deep Q-Networks)이 있으며, 본 개시에서의 신경망은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
학습 알고리즘은, 다수의 학습 데이터들을 이용하여 소정의 대상 기기(예컨대, 로봇)을 훈련시켜 소정의 대상 기기 스스로 결정을 내리거나 예측을 할 수 있도록 하는 방법이다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으며, 본 개시에서의 학습 알고리즘은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
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 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 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.
이상에서 상술한 바와 같은 본 개시의 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다.
다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
한편, 본 개시에서 사용된 용어 "부" 또는 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "부" 또는 "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 개시의 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다.
상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 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 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
110: 마이크
120: 통신 인터페이스
130: 메모리 140: 프로세서
130: 메모리 140: 프로세서
Claims (20)
- 전자 장치에 있어서,
마이크;
회로를 포함하는 통신 인터페이스;
적어도 하나의 인스트럭션을 저장하는 메모리; 및
상기 마이크, 상기 통신 인터페이스와 상기 메모리와 연결되며 상기 전자 장치를 제어하는 프로세서;를 포함하며,
상기 프로세서는,
상기 마이크를 통해 웨이크-업 음성을 등록하기 위한 사용자 음성을 획득하고,
학습된 신경망 모델에 상기 사용자 음성을 입력하여 상기 사용자 음성에 포함된 텍스트에 대응되는 제1 특징 벡터를 획득하며,
상기 통신 인터페이스를 통해 외부 서버로부터 상기 사용자 음성에 포함된 텍스트에 대한 정보를 바탕으로 결정된 검증 데이터 세트를 수신하고,
상기 신경망 모델에 상기 수신된 검증 데이터 세트에 포함된 검증 음성을 입력하여 상기 검증 음성에 대응되는 제2 특징 벡터를 획득하고,
상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도를 바탕으로 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할지 여부를 검증하는 전자 장치. - 제1항에 있어서,
상기 프로세서는,
상기 사용자 음성을 음성 인식하여 상기 사용자 음성에 포함된 텍스트에 대한 정보를 획득하고,
상기 통신 인터페이스를 통해 상기 사용자 음성에 포함된 텍스트에 대한 정보를 외부 서버로 전송하며,
상기 검증 음성은,
상기 외부 서버에 저장된 복수의 텍스트의 음소열과 상기 텍스트에 대한 정보에 포함된 음소열이 공통으로 포함하는 음소열 길이를 바탕으로 획득되는 전자 장치 - 제2항에 있어서,
상기 검증 음성은,
상기 외부 서버에 저장된 복수의 텍스트 중 상기 텍스트에 대한 정보에 포함된 음소열과 공통으로 포함하는 음소열 길이가 임계값 이상인 텍스트에 대응되는 음성 데이터인 전자 장치. - 제2항에 있어서,
상기 프로세서는,
상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도가 임계값 미만인 경우, 상기 검증 데이터 세트에 포함된 다른 검증 음성을 상기 신경망 모델에 입력하여 상기 다른 검증 음성에 대응되는 제3 특징 벡터를 획득하고, 상기 제1 특징 벡터 및 상기 제3 특징 벡터의 유사도를 비교하며,
상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도가 임계값 이상인 경우, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공하는 전자 장치. - 제4항에 있어서,
상기 프로세서는,
상기 검증 데이터 세트에 포함된 모든 검증 음성에 대응되는 특징 벡터들과 상기 제1 특징 벡터의 유사도가 임계값 미만인 경우, 상기 사용자 음성을 상기 웨이크-업 음성으로 등록하는 전자 장치. - 제1항에 있어서,
상기 프로세서는,
음성 인식 모델에 상기 사용자 음성을 입력하여 상기 사용자 음성에 포함된 텍스트를 획득하고,
상기 사용자 음성에 포함된 텍스트의 음소의 길이 및 중복 여부 중 적어도 하나를 바탕으로 상기 사용자 음성에 포함된 텍스트를 상기 웨이크-업 음성의 텍스트로 등록할지 여부를 검증하는 전자 장치. - 제6항에 있어서,
상기 프로세서는,
상기 사용자 음성에 포함된 텍스트의 음소의 개수가 제1 임계값 미만이거나 상기 사용자 음성에 포함된 텍스트의 음소가 제2 임계값 이상으로 중복되면, 웨이크-업 음성을 등록하기 위한 다른 텍스트가 포함된 추가 사용자 음성의 발화을 요청하는 안내 메시지를 제공하는 전자 장치. - 제7항에 있어서,
상기 안내 메시지는,
상기 전자 장치의 사용 히스토리 정보를 바탕으로 결정된 텍스트를 상기 웨이크 업 음성의 텍스트로 추천하는 메시지가 포함된 전자 장치. - 제1항에 있어서,
상기 프로세서는,
상기 사용자 음성을 학습된 음성 판단 모델에 입력하여 상기 사용자 음성이 특정 텍스트를 발화하는 사용자 음성인지 여부를 나타내는 특징값을 획득하고,
상기 특징값을 바탕으로 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할지 여부를 검증하는 전자 장치. - 제9항에 있어서,
상기 프로세서는,
상기 특징값이 임계값 미만이면, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공하는 전자 장치. - 전자 장치의 제어 방법에 있어서,
웨이크-업 음성을 등록하기 위한 사용자 음성을 획득하는 단계;
학습된 신경망 모델에 상기 사용자 음성을 입력하여 상기 사용자 음성에 포함된 텍스트에 대응되는 제1 특징 벡터를 획득하는 단계;
외부 서버로부터 상기 사용자 음성에 포함된 텍스트에 대한 정보를 바탕으로 결정된 검증 데이터 세트를 수신하는 단계;
상기 신경망 모델에 상기 수신된 검증 데이터 세트에 포함된 검증 음성을 입력하여 상기 검증 음성에 대응되는 제2 특징 벡터를 획득하는 단계; 및
상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도를 바탕으로 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할지 여부를 검증하는 단계;를 포함하는 제어 방법. - 제11항에 있어서,
상기 사용자 음성을 음성 인식하여 상기 사용자 음성에 포함된 텍스트에 대한 정보를 획득하는 단계; 및
상기 사용자 음성에 포함된 텍스트에 대한 정보를 외부 서버로 전송하는 단계;를 포함하고,
상기 검증 음성은,
상기 외부 서버에 저장된 복수의 텍스트의 음소열과 상기 텍스트에 대한 정보에 포함된 음소열이 공통으로 포함하는 음소열 길이를 바탕으로 획득되는 제어 방법. - 제12항에 있어서,
상기 검증 음성은,
상기 외부 서버에 저장된 복수의 텍스트 중 상기 텍스트에 대한 정보에 포함된 음소열과 공통으로 포함하는 음소열 길이가 임계값 이상인 텍스트에 대응되는 음성 데이터인 제어 방법. - 제12항에 있어서,
상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도가 임계값 미만인 경우, 상기 검증 데이터 세트에 포함된 다른 검증 음성을 상기 신경망 모델에 입력하여 상기 다른 검증 음성에 대응되는 제3 특징 벡터를 획득하고, 상기 제1 특징 벡터 및 상기 제3 특징 벡터의 유사도를 비교하고,
상기 제1 특징 벡터 및 상기 제2 특징 벡터의 유사도가 임계값 이상인 경우, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공하는 제어 방법. - 제14항에 있어서,
상기 검증 데이터 세트에 포함된 모든 검증 음성에 대응되는 특징 벡터들과 상기 제1 특징 벡터의 유사도가 임계값 미만인 경우, 상기 사용자 음성을 상기 웨이크-업 음성으로 등록하는 단계;를 포함하는 제어 방법. - 제11항에 있어서,
음성 인식 모델에 상기 사용자 음성을 입력하여 상기 사용자 음성에 포함된 텍스트를 획득하는 단계;
상기 사용자 음성에 포함된 텍스트의 음소의 길이 및 중복 여부 중 적어도 하나를 바탕으로 상기 사용자 음성에 포함된 텍스트를 상기 웨이크-업 음성의 텍스트로 등록할지 여부를 검증하는 단계;를 포함하는 제어 방법. - 제16항에 있어서,
상기 사용자 음성에 포함된 텍스트의 음소의 개수가 제1 임계값 미만이거나 상기 사용자 음성에 포함된 텍스트의 음소가 제2 임계값 이상으로 중복되면, 웨이크-업 음성을 등록하기 위한 다른 텍스트가 포함된 추가 사용자 음성의 발화을 요청하는 안내 메시지를 제공하는 단계;를 포함하는 제어 방법. - 제17항에 있어서,
상기 안내 메시지는,
상기 전자 장치의 사용 히스토리 정보를 바탕으로 결정된 텍스트를 상기 웨이크 업 음성의 텍스트로 추천하는 메시지가 포함된 제어 방법. - 제11항에 있어서,
상기 사용자 음성을 학습된 음성 판단 모델에 입력하여 상기 사용자 음성이 인간의 목소리인지 여부를 나타내는 특징값을 획득하는 단계;
상기 특징값을 바탕으로 상기 사용자 음성을 상기 웨이크-업 음성으로 등록할지 여부를 검증하는 제어 방법. - 제19항에 있어서,
상기 특징값이 임계값 미만이면, 웨이크-업 음성을 등록하기 위한 추가 사용자 음성을 요청하는 안내 메시지를 제공하는 단계;를 포함하는 제어 방법.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210000983A KR20220099003A (ko) | 2021-01-05 | 2021-01-05 | 전자 장치 및 이의 제어 방법 |
| CN202180081721.8A CN116686046A (zh) | 2021-01-05 | 2021-09-17 | 电子设备及其控制方法 |
| PCT/KR2021/012883 WO2022149688A1 (ko) | 2021-01-05 | 2021-09-17 | 전자 장치 및 이의 제어 방법 |
| EP21917850.6A EP4207188A4 (en) | 2021-01-05 | 2021-09-17 | ELECTRONIC DEVICE AND ITS CONTROL METHOD |
| US17/944,401 US20230017927A1 (en) | 2021-01-05 | 2022-09-14 | Electronic apparatus and method for controlling thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210000983A KR20220099003A (ko) | 2021-01-05 | 2021-01-05 | 전자 장치 및 이의 제어 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220099003A true KR20220099003A (ko) | 2022-07-12 |
Family
ID=82357965
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210000983A KR20220099003A (ko) | 2021-01-05 | 2021-01-05 | 전자 장치 및 이의 제어 방법 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230017927A1 (ko) |
| EP (1) | EP4207188A4 (ko) |
| KR (1) | KR20220099003A (ko) |
| CN (1) | CN116686046A (ko) |
| WO (1) | WO2022149688A1 (ko) |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9959861B2 (en) * | 2016-09-30 | 2018-05-01 | Robert Bosch Gmbh | System and method for speech recognition |
| KR102623272B1 (ko) * | 2016-10-12 | 2024-01-11 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
| US10504511B2 (en) * | 2017-07-24 | 2019-12-10 | Midea Group Co., Ltd. | Customizable wake-up voice commands |
| JP6844472B2 (ja) * | 2017-08-24 | 2021-03-17 | トヨタ自動車株式会社 | 情報処理装置 |
| KR102033218B1 (ko) * | 2017-09-18 | 2019-10-16 | 주식회사 시그널비젼 | 음성 인식 방법 및 그 장치 |
| CN108335696A (zh) * | 2018-02-09 | 2018-07-27 | 百度在线网络技术（北京）有限公司 | 语音唤醒方法和装置 |
| KR20200023088A (ko) * | 2018-08-24 | 2020-03-04 | 삼성전자주식회사 | 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법 |
| KR102061206B1 (ko) * | 2019-05-30 | 2019-12-31 | 네이버 주식회사 | 키워드 오인식을 방지하는 음성 제어 장치 및 이의 동작 방법 |
-
2021
- 2021-01-05 KR KR1020210000983A patent/KR20220099003A/ko active Search and Examination
- 2021-09-17 WO PCT/KR2021/012883 patent/WO2022149688A1/ko active Application Filing
- 2021-09-17 CN CN202180081721.8A patent/CN116686046A/zh active Pending
- 2021-09-17 EP EP21917850.6A patent/EP4207188A4/en active Pending
-
2022
- 2022-09-14 US US17/944,401 patent/US20230017927A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN116686046A (zh) | 2023-09-01 |
| EP4207188A1 (en) | 2023-07-05 |
| US20230017927A1 (en) | 2023-01-19 |
| WO2022149688A1 (ko) | 2022-07-14 |
| EP4207188A4 (en) | 2024-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10923130B2 (en) | Electronic device and method of performing function of electronic device | |
| US11854527B2 (en) | Electronic device and method of controlling speech recognition by electronic device | |
| KR102411766B1 (ko) | 음성 인식 서비스를 활성화하는 방법 및 이를 구현한 전자 장치 | |
| US11238871B2 (en) | Electronic device and control method thereof | |
| CN112074900B (zh) | 用于自然语言处理的音频分析 | |
| KR102590914B1 (ko) | 전자 장치 및 이의 제어 방법 | |
| KR102531654B1 (ko) | 음성 입력 인증 디바이스 및 그 방법 | |
| KR20190074012A (ko) | 복수 화자의 음성 신호 처리 방법 및 그에 따른 전자 장치 | |
| US20200135212A1 (en) | Speech recognition method and apparatus in environment including plurality of apparatuses | |
| KR102563817B1 (ko) | 사용자 음성 입력 처리 방법 및 이를 지원하는 전자 장치 | |
| KR20190105182A (ko) | 전자 장치 및 그 제어 방법 | |
| US11830501B2 (en) | Electronic device and operation method for performing speech recognition | |
| US20200053219A1 (en) | Electronic device for performing task including call in response to user utterance and operation method thereof | |
| KR20210042523A (ko) | 전자 장치 및 이의 제어 방법 | |
| KR20200051462A (ko) | 전자 장치 및 그 동작방법 | |
| KR20200033707A (ko) | 전자 장치, 및 이의 학습 데이터 제공 또는 획득 방법 | |
| US11942089B2 (en) | Electronic apparatus for recognizing voice and method of controlling the same | |
| KR20200047311A (ko) | 복수의 장치들이 있는 환경에서의 음성 인식 방법 및 장치 | |
| US20220270605A1 (en) | Electronic apparatus and assistant service providing method thereof | |
| KR20220099003A (ko) | 전자 장치 및 이의 제어 방법 | |
| KR20220033325A (ko) | 음성 인식을 위한 전자장치 및 그 제어방법 | |
| KR20210030160A (ko) | 전자 장치 및 이의 제어 방법 | |
| US20230095334A1 (en) | Electronic device and control method thereof | |
| KR20200021400A (ko) | 음성 인식을 수행하는 전자 장치 및 그 동작 방법 | |
| KR20210094727A (ko) | 전자 장치 및 이의 제어 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |