KR20220118109A - 스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법 - Google Patents

스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20220118109A
KR20220118109A KR1020210021842A KR20210021842A KR20220118109A KR 20220118109 A KR20220118109 A KR 20220118109A KR 1020210021842 A KR1020210021842 A KR 1020210021842A KR 20210021842 A KR20210021842 A KR 20210021842A KR 20220118109 A KR20220118109 A KR 20220118109A
Authority
KR
South Korea
Prior art keywords
electronic device
voice
user
speaker
keyword
Prior art date
Application number
KR1020210021842A
Other languages
English (en)
Inventor
우경구
신호선
이철민
김태구
이영우
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 KR1020210021842A priority Critical patent/KR20220118109A/ko
Priority to PCT/KR2022/001151 priority patent/WO2022177186A1/ko
Priority to US17/666,900 priority patent/US20220261218A1/en
Publication of KR20220118109A publication Critical patent/KR20220118109A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • 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
    • G10L15/04—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
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • 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
    • G10L15/18—Speech classification or search using natural language modelling
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Telephone Function (AREA)

Abstract

다양한 실예들에 따르면, 전자 장치로서, 통신 회로, 복수의 마이크들, 스피커, 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 통신 회로를 통해 외부 전자 장치로부터 수신된 데이터를 기반으로, 상기 스피커를 통해 오디오를 출력하고, 상기 복수의 마이크들 중 적어도 일부를 통해 수신되는 지정된 키워드를 포함하는 발화를 식별하고, 상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 스피커를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 복수의 마이크들의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 전자 장치의 사용자의 음성과 상기 전자 장치의 사용자와는 다른 타인의 음성을 제공하기 위한 동작을 수행하도록 설정된, 전자 장치가 제공될 수 있다. 그 밖의 다양한 실시예가 가능하다.

Description

스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법{ELECTRONIC DEVICE INCLUDING SPEKER AND MICHROPHONE AND METHOD FOR THEREOF}
본 문서에 개시된 다양한 실시예는 전자 장치에 관한 것으로서, 예를 들면, 스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법에 관한 것이다.
현대를 살아가는 많은 사람들에게 휴대용 디지털 통신기기들은 하나의 필수 요소가 되었다. 소비자들은 휴대용 디지털 통신기기들을 이용하여 언제 어디서나 자신이 원하는 다양한 고품질의 서비스를 제공받고 싶어한다.
휴대용 디지털 통신기기들 중에는 소비자들의 귀에 착용 가능한 물리적 구조를 가지며, 음악과 같은 오디오를 제공하는 기능을 수행하는 이어폰과 같은 오디오 출력 기기가 있다.
오디오 출력 기기는 유선으로 소비자들의 단말로부터 오디오 데이터를 전달받아 오디오를 제공할 수 있으나, 근래에는 단말과 무선으로 통신 연결을 설정하여 오디오를 제공 가능한 무선 오디오 출력 기기에 대한 수요가 증대되고 있다. 수요가 증대되고 있는 오디오 출력 기기의 사용 편의성을 향상시키기 위한 기술의 구현이 요구되는 시점이다.
오디오 출력 기기는 한 쌍으로 구비되며, 각각의 오디오 출력 기기들은 사용자 단말로부터 수신된 오디오 데이터에 기반하여 스피커를 통해 오디오를 출력할 수 있다. 또, 오디오 출력 기기들 각각은 마이크를 통해 수신되는 주변(또는, 배경) 노이즈를 획득하고 주변(또는, 배경) 노이즈를 상쇄하기 위한 안티 노이즈를 스피커를 통해 출력함으로써, 사용자는 한 쌍의 오디오 출력 기기로부터 제공되는 오디오만을 청취하고 주변에서 발생되는 다른 화자들의 발화를 청취할 수 없게 된다. 예를 들어, 사용자는 오디오 출력 기기를 통해 오디오를 청취하는 중에 주변의 다른 화자가 사용자와 대화하기 위해 사용자를 부르는 발화를 들을 수 없게 된다. 이에 따라, 사용자의 오디오 출력 기기의 사용 편의성이 현저해질 수 있다.
다양한 실시예들에 따르면, 전자 장치 및 그 동작 방법은 지정된 키워드를 포함하는 음성(또는, 발화)가 마이크를 통해 수신되는 경우, 스피커를 통한 오디오의 출력(예: 오디오 데이터에 기반한 미디어 출력, 안티-노이즈 출력, 및 주변 소리 출력)을 제어함으로써 사용자가 전자 장치(예: 오디오 출력 기기)를 착용한 상태에서 타인의 음성을 청취 가능하도록 하여 전자 장치의 사용 편의성을 증대시킬 수 있다. 또 다양한 실시예들에 따르면, 전자 장치 및 그 동작 방법은 전자 장치의 사용자 및 사용자에 의해 선택된 화자에 대한 스피커 임베딩들을 기반으로 생성된 음성 모델을 이용하여, 사용자와 선택된 화자의 음성을 획득하여 제공함으로써 사용자가 전자 장치(예: 오디오 출력 기기)를 착용한 상태에서 타인과의 대화에 더 집중할 수 있도록 할 수 있다.
다양한 실예들에 따르면, 전자 장치로서, 통신 회로, 복수의 마이크들, 스피커, 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 통신 회로를 통해 외부 전자 장치로부터 수신된 데이터를 기반으로, 상기 스피커를 통해 오디오를 출력하고, 상기 복수의 마이크들 중 적어도 일부를 통해 수신되는 지정된 키워드를 포함하는 발화를 식별하고, 상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 스피커를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 복수의 마이크들의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 전자 장치의 사용자의 음성과 상기 전자 장치의 사용자와는 다른 타인의 음성을 제공하기 위한 동작을 수행하도록 설정된, 전자 장치가 제공될 수 있다.
다양한 실예들에 따르면, 전자 장치의 동작 방법으로서, 상기 통신 회로를 통해 외부 전자 장치로부터 수신된 데이터를 기반으로, 상기 스피커를 통해 오디오를 출력하는 단계, 상기 복수의 마이크들 중 적어도 일부를 통해 수신되는 지정된 키워드를 포함하는 발화를 식별하는 단계, 및 상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 스피커를 통해 출력되는 상기 오디오의 볼륨을 감소(또는, 뮤트(mute))시키고, 상기 복수의 마이크들의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 전자 장치의 사용자의 음성과 상기 전자 장치의 사용자와 다른 타인의 음성을 제공하기 위한 동작을 수행하는 단계를 포함하는, 동작 방법이 제공될 수 있다.
다양한 실시예들에 따르면, 전자 장치로서, 통신 회로, 복수의 마이크들, 스피커, 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 통신 회로를 이용하여 수신된 데이터를 기반으로, 오디오를 상기 스피커를 통해 출력하고, 상기 복수의 마이크들 중 적어도 일부를 통해 상기 전자 장치의 사용자의 제 1 발화가 지정된 제 1 시간 동안 수신되는 경우, 상기 오디오의 볼륨을 감소시키고, 상기 복수의 마이크들 중 적어도 일부를 통해 지정된 키워드를 포함하는 제 2 발화가 수신되는 경우, 상기 제 2 발화의 수신 이후 상기 제 1 시간 보다 짧은 제 2 시간 동안 상기 사용자의 제 3 발화를 수신함에 기반하여 상기 오디오의 볼륨을 감소시키도록 설정된, 전자 장치가 제공될 수 있다.
다양한 실시예들에 따른, 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 실시예들에 따르면, 지정된 키워드를 포함하는 음성(또는, 발화)가 마이크를 통해 수신되는 경우, 스피커를 통한 오디오의 출력(예: 오디오 데이터에 기반한 미디어 출력, 안티-노이즈 및 주변 소리 출력)을 제어함으로써 사용자가 전자 장치(예: 오디오 출력 기기)를 착용한 상태에서 타인의 음성을 청취 가능하도록 하여 전자 장치의 사용 편의성을 증대시키는 전자 장치 및 그 동작 방법이 제공될 수 있다.
또 다양한 실시예들에 따르면, 전자 장치의 사용자 및 사용자에 의해 선택된 화자에 대한 스피커 임베딩들을 기반으로 생성된 음성 모델을 이용하여, 사용자와 선택된 화자의 음성을 획득하여 제공함으로써 사용자가 전자 장치(예: 오디오 출력 기기)를 착용한 상태에서 타인과의 대화에 더 집중할 수 있도록 하는 전자 장치 및 그 동작 방법이 제공될 수 있다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 3는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도 4는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도 5는 다양한 실시예들에 따른 웨어러블 장치, 전자 장치, 및 지능형 서버의 일 예를 나타내는 도면이다.
도 6a는 다양한 실시예들에 따른 웨어러블(wearable) 장치, 전자 장치, 및 지능형 서버 각각의 구성의 일 예를 설명하기 위한 도면이다.
도 6b는 다양한 실시예들에 따른 전자 장치, 사용자 단말, 및 지능형 서버 각각의 구성의 다른 예를 설명하기 위한 도면이다.
도 6c는 다양한 실시예들에 따른 음성 특징 생성 모듈의 동작의 일 예를 설명하기 위한 도면이다.
도 6d는 다양한 실시예들에 따른 음성 모델 생성 모듈의 동작의 일 예를 설명하기 위한 도면이다.
도 7은 다양한 실시예들에 따른 웨어러블 장치의 동작의 일 예를 설명하기 위한 흐름도이다.
도 8은 다양한 실시예들에 따른 웨어러블 장치의 키워드 식별에 따라서, 웨어러블 장치의 모드를 대화 모드로 설정하는 동작의 예를 설명하기 위한 도면이다.
도 9는 다양한 실시예들에 따른 웨어러블 장치에 포함된 모듈들의 동작을 설명하기 위한 도면이다.
도 10a는 다양한 실시예들에 따른 웨어러블 장치 또는 전자 장치에 등록되는 키워드들의 일 예를 설명하기 위한 도면이다.
도 10b는 다양한 실시예들에 따른 웨어러블 장치 또는 전자 장치에 등록되는 키워드들의 다른 예를 설명하기 위한 도면이다.
도 11은 다양한 실시예들에 따른 웨어러블 장치의 동작의 일 예를 설명하기 위한 흐름도이다.
도 12는 다양한 실시예들에 따른 웨어러블 장치의 지정된 조건의 만족 여부를 식별하는 동작의 일 예를 설명하기 위한 도면이다.
도 13a는 다양한 실시예들에 따른 웨어러블 장치에 포함된 모듈들의 동작을 설명하기 위한 도면이다.
도 13b는 다양한 실시예들에 따른 웨어러블 장치의 사용자의 발화를 식별하는 동작의 일 예를 설명하기 위한 도면이다.
도 14는 다양한 실시예들에 따른 웨어러블 장치의 동작의 일 예를 설명하기 위한 흐름도(1400)이다.
도 15a는 다양한 실시예들에 따른 웨어러블 장치의 지정된 조건의 만족 여부를 식별하는 동작의 일 예를 설명하기 위한 도면이다.
도 15b는 다양한 실시예들에 따른 웨어러블 장치에 포함된 모듈들의 동작을 설명하기 위한 도면이다.
도 16은 다양한 실시예들에 따른 웨어러블 장치의 사용자의 발화를 식별하는 동작의 일 예를 설명하기 위한 도면이다.
도 17은 다양한 실시예들에 따른 웨어러블 장치의 동작의 일 예를 설명하기 위한 흐름도이다.
도 18a는 다양한 실시예들에 따른 웨어러블 장치의 음성 모델을 생성하는 동작의 일 예를 설명하기 위한 도면이다.
도 18b는 다양한 실시예들에 따른 웨어러블 장치의 음성 모델을 생성하는 동작의 다른 예를 설명하기 위한 도면이다.
도 19a는 다양한 실시예들에 따른 웨어러블 장치의 음성 모델을 생성하는 동작 및 음성 모델에 기반하여 선택된 화자들의 음성을 제공하는 동작의 일 예를 설명하기 위한 도면이다.
도 19b는 다양한 실시예들에 따른 웨어러블 장치의 음성 모델에 기반하여 선택된 화자들의 음성을 제공하는 동작의 일 예를 설명하기 위한 도면이다.
도 20은 다양한 실시예들에 따른 웨어러블 장치의 선택된 화자들의 음성을 제공하는 동작의 일 예를 설명하기 위한 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)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(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(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(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(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, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))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(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)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(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)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(176)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. 일 실시예에서, 상기 센서 모듈(176)은 기재된 센서들 이외에 진동을 기반으로 사용자의 발화 여부를 판단하기 위한 센서들을 더 포함할 수 있으며, 일 예로 상술한 가속도 센서 뿐만 아니라 모션 센서, 진동 감지 센서(예: vibration pickup unit), 골 전도 센서(예: bone conduction microphone)와 같은 센서들을 더 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)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(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(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(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(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(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(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(104)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(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)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(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)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(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)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(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)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(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)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(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)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(101)로 전달할 수 있다. 전자 장치(101)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(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)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, 전자 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(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))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 2는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 2를 참조하면, 일 실시예의 통합 지능화 시스템(10)은 사용자 단말(290), 지능형 서버(200), 및 서비스 서버(300)를 포함할 수 있다.
일 실시 예의 사용자 단말(290)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, 전자 장치, HMD, 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(290)은 통신 인터페이스(291), 마이크(295), 스피커(294), 디스플레이(293), 메모리(299), 또는 프로세서(292)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 인터페이스(291)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(295)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(294)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이(293)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(293)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예의 메모리(299)는 클라이언트 모듈(298), SDK(software development kit)(297), 및 복수의 앱들(296)을 저장할 수 있다. 상기 클라이언트 모듈(298), 및 SDK(297)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(298) 또는 SDK(297)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(299)는 상기 복수의 앱들(296)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(296)은 제1 앱(296_1), 제2 앱(296_3)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(296) 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(296)은 프로세서(292)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(292)는 사용자 단말(290)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(292)는 통신 인터페이스(291), 마이크(295), 스피커(294), 및 디스플레이(293)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예의 프로세서(292)는 또한 상기 메모리(299)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(292)는 클라이언트 모듈(298) 또는 SDK(297) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(292)는, 예를 들어, SDK(297)를 통해 복수의 앱(296)의 동작을 제어할 수 있다. 클라이언트 모듈(298) 또는 SDK(297)의 동작으로 설명된 이하의 동작은 프로세서(292)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(298)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(298)은 마이크(295)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(298)은 수신된 음성 입력을 지능형 서버(200)로 송신할 수 있다. 클라이언트 모듈(298)은 수신된 음성 입력과 함께, 사용자 단말(290)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(298)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(298)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(298)은 상기 수신된 결과를 디스플레이(293)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(298)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(298)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(293)에 표시할 수 있다. 클라이언트 모듈(298)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(290)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(298)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(298)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(298)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(298)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(298)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(298)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(290)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(neual 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(290)로 송신하거나, 생성된 플랜을 사용자 단말(290)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(290)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(290)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(200)는 프론트 엔드(front end)(210), 자연어 플랫폼(natual 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(290)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(290)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 플랜를 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(290)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(290)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 등록 하는 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(290) 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(290)로 송신할 수 있다. 이에 따라, 사용자 단말(290)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(290)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(290)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(290)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(290)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(290)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(290)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(290)이 지능형 서버(200) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(295)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(291)를 이용하여 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(200)는 사용자 단말(290)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(290)은, 통신 인터페이스(291)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(290)은 상기 스피커(294)를 이용하여 사용자 단말(290) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(293)를 이용하여 사용자 단말(290) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 2는 다양한 실시 예에 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(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)을 이용하여 플랜(407)을 생성할 수 있다.
도 3는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(290)은 지능형 서버(200)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 310 화면에서, 사용자 단말(290)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(290)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(290)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이(293)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(290)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(290)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(290)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(290)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(290)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이에 표시할 수 있다.
이하에서는 다양한 실시예들에 따른 전자 장치(501), 사용자 단말(503), 및 지능형 서버(505)의 예에 대해서 설명한다.
도 5는 다양한 실시예들에 따른 전자 장치(501), 사용자 단말(503), 및 지능형 서버(505)의 일 예를 나타내는 도면이다. 이하에서는, 도 5를 참조하여 전자 장치(501), 사용자 단말(503), 및 지능형 서버(505)의 각각에 대해서 설명한다.
다양한 실시예들에 따르면 전자 장치(501)는 도 5에 도시된 바와 같이 사용자의 신체 일부(예: 귀)에 착용 가능한 다양한 종류(예: 커널형 또는 오픈형)의 물리적 구조를 가지는 하우징을 포함하며, 사용자에게 오디오(또는 사운드)를 제공하는 기능을 수행하는 전자 장치(501)일 수 있다. 상기 전자 장치(501)의 하우징 내부 또는 외부에 배치되는 구성들에 대해서는 도 6a에서 후술한다. 상기 전자 장치(501)는 사용자 단말(503)과 통신 연결을 설정(또는, 형성)하고, 사용자 단말(503)로부터 다양한 종류의 데이터를 수신하고, 또는 사용자 단말(503)로 다양한 종류의 데이터를 송신할 수 있다. 예를 들어, 상기 통신 연결은 Bluetooth, 및 Wi-Fi direct와 같은 직접 통신 연결을 설정하는 통신 방식에 의해 설정될 수 있으나, 이에 제한되지 않고 AP(access point)를 이용하는 통신 방식(예: Wi-Fi 통신) 또는 기지국(base station)을 이용하는 셀룰러 통신을 이용하는 통신 연결 방식(예: 3G, 4G/LTE, 5G)에 의해 설정될 수도 있다. 일 실시예에서, 전자 장치(501)는 상기 설정된 통신 연결을 통해서 사용자 단말(503)로부터 오디오 데이터를 수신하고, 수신된 오디오 데이터를 기반으로 스피커(621)를 통해 오디오를 출력할 수 있다. 또 일 실시예에서, 전자 장치(501)는 적어도 하나의 마이크(620)를 통해서 주변으로부터(또는, 외부로부터) 사운드를 수신하고, 상기 설정된 통신 연결을 통해서 수신된 사운드에 대한 정보를 사용자 단말(503)로 송신할 수 있다. 한편 기재 및/또는 도시된 바에 제한되지 않고, 상기 전자 장치(501)는 귀에 착용 가능하거나 및/또는 오디오를 제공 가능한 다양한 종류의 장치가 될 수 있다. 예를 들어, 상기 전자 장치(501)는 유선 이어폰, 유/무선 헤드 셋, 넥-밴드 이어폰, 및 헤드 마운티드 디스플레이(head mounted display, HMD)를 포함할 수 있다.
다양한 실시예들에 따르면 사용자 단말(503)은 전자 장치(501)의 동작을 제어할 수 있다. 예를 들어, 사용자 단말(503)은 상술한 전자 장치(501)와 사용자 단말(503) 사이에 설정된 통신 연결을 통해서 다양한 종류의 데이터(예: 오디오 데이터)와 함께 다양한 종류의 데이터를 처리하도록 유발하는 인스트럭션들(instructions)(예: 오디오 데이터를 재생하도록 유발하는 인스트럭션들)을 전자 장치(501)로 송신하고, 전자 장치(501)가 지정된 동작을 수행하도록 제어(예: 오디오 데이터를 출력하도록 제어)할 수 있다. 일 예로, 사용자 단말(503)은 다양한 종류의 어플리케이션(예: 음악 재생 어플리케이션, 비디오 재생 어플리케이션과 같은 미디어 재생 어플리케이션)의 실행 및/또는 구동에 기반하여 전자 장치(501)로 재생될 오디오에 대한 오디오 데이터를 전송할 수 있다. 또 예를 들어, 사용자 단말(503)은 도 2 내지 도 4에서 전술한 바와 같이, 지능형 서버(505)를 이용하여 다양한 인텔리전트 서비스(예: 음성 인식 서비스)를 제공할 수 있다. 일 실시예에서, 사용자 단말(503)은 전자 장치(501)에 의해 획득된 사용자의 발화 또는 음성 입력을 전자 장치(501)로부터 수신하는 경우, 수신된 사용자 발화 또는 음성 입력을 지능형 서버(505)로 전달하여 처리되도록 하고 지능형 서버(505)로부터 수신되는 결과 정보를 수신할 수 있다. 사용자 단말(503)은 수신된 결과 정보에 기반하여 사용자 단말(503)에서 자체적으로 음성 인식 서비스를 제공하거나, 또는 전자 장치(501)로 결과 정보를 전달하여 전자 장치(501)를 통해 음성 인식 서비스를 제공할 수 있다. 한편 기재 및/또는 도시된 바에 제한되지 않고 전자 장치(501)와 지능형 서버(505)가 직접 통신 연결될 수도 있다. 사용자 단말(503)은 도 1에서 상술한 전자 장치(101) 및/또는 도 2 내지 도 4에서 상술한 사용자 단말(290)과 같이 구현될 수 있으므로, 상술한 바 이외에 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 지능형 서버(505)는 음성 인식 서비스를 제공하도록 구현된 서버일 수 있다. 지능형 서버(505)는 도 2 내지 도 4에서 상술한 지능형 서버(225)와 같이 구현될 수 있으므로 중복되는 설명은 생략한다.
이하에서는, 다양한 실시예들에 따른 전자 장치(501), 사용자 단말(503), 및 지능형 서버(505) 각각의 구성의 예에 대해서 설명한다.
도 6a는 다양한 실시예들에 따른 전자 장치(501), 사용자 단말(503), 및 지능형 서버(505) 각각의 구성의 일 예를 설명하기 위한 도면이다. 다만 도 6a에 도시되는 구성들에 제한되지 않고, 전자 장치(501), 사용자 단말(503), 및 지능형 서버(505) 각각은 도 6a에 도시되는 구성들 보다 더 많은 구성들 또는 더 적은 구성들을 포함하도록 구현될 수 있다. 이하에서는 도 6b 내지 도 6d를 참조하여, 도 6a에 대해서 더 설명한다.
도 6b는 다양한 실시예들에 따른 전자 장치(501), 사용자 단말(503), 및 지능형 서버(505) 각각의 구성의 다른 예를 설명하기 위한 도면이다. 도 6c는 다양한 실시예들에 따른 음성 특징 생성 모듈(611)의 동작의 일 예를 설명하기 위한 도면이다. 도 6d는 다양한 실시예들에 따른 음성 모델 생성 모듈(612)의 동작의 일 예를 설명하기 위한 도면이다.
다양한 실시예들에 따르면, 도 6a를 참조하면, 전자 장치(501)는 마이크(620), 스피커(621), 제 1 통신 회로(622), 센서(623), 제 1 메모리(624), 및 음성 특징 생성 모듈(611), 음성 모델 생성 모듈(612), 키워드 검출 모듈(613), 화자 식별 모듈(614), 스피커 출력 제어 모듈(615), 및 사운드 제공 모듈(616)을 포함하는 제 1 프로세서(610)를 포함하고, 사용자 단말(503)은 제 2 통신 회로(640), 제 2 메모리(641), 및 키워드 관리 모듈(631)을 포함하는 제 2 프로세서(630)를 포함하고, 지능형 서버(505)는 제 3 통신 회로(660), 데이터 베이스(661) 및 자연어 처리 모듈(651)을 포함하는 제 3 프로세서(650)를 포함할 수 있다. 이하에서는 장치들 각각에 포함된 구성들에 대해서 설명한다.
한편 이하에서, 전자 장치(501), 사용자 단말(503), 또는 지능형 서버(505)의 프로세서(예: 제 1 내지 제 3 프로세서(610, 630, 650))에 포함되는 모듈들은(예: 음성 특징 생성 모듈(611), 음성 모델 생성 모듈(612), 키워드 검출 모듈(613), 화자 식별 모듈(614), 스피커 출력 제어 모듈(615), 사운드 제공 모듈(616), 키워드 관리 모듈(631), 자연어 처리 모듈(651))의 적어도 일부는 소프트웨어, 펌웨어, 하드웨어, 또는 이들 중 적어도 둘 이상의 조합으로 구현(예를 들어, 실행)될 수 있다. 예를 들어, 상기 모듈들은 상기 각 장치들의 프로세서에 의해 실행 가능한 어플리케이션(application), 프로그램(program), 컴퓨터 코드(computer code), 인스트럭션들(instructions), 루틴(routine), 내지는 프로세스(process)의 형태로 구현될 수 있다. 상기 모듈들이 각 장치들의 프로세서(예: 제 1 내지 제 3 프로세서(610, 630, 650))에 의해 실행되는 경우, 상기 모듈들은 상기 각 장치들의 프로세서가 상기 모듈과 연관된 동작(또는, 모듈이 제공 가능한 기능)을 수행하도록 야기할 수 있다. 또는 기재 및/또는 도시된 바에 제한되지 않고, 각 모듈들은 각 장치들의 프로세서(예: 제 1 내지 제 3 프로세서(610, 630, 650))와는 별도의 하드웨어(예: 프로세서, 제어 회로)로 구현될 수도 있다.
또 기재 및/또는 도시된 바에 제한되지 않고, 상기 모듈들은 서로 다른 장치에 구현될 수 있다. 예를 들어, 전자 장치(501)의 음성 특징 생성 모듈(611), 음성 모델 생성 모듈(612), 키워드 검출 모듈(613), 화자 식별 모듈(614), 스피커 출력 제어 모듈(615), 또는 사운드 제공 모듈(616) 중 적어도 일부는 사용자 단말(503) 또는 지능형 서버(505)에 구현될 수 잇다. 또 예를 들어, 사용자 단말(503)의 키워드 관리 모듈(631)은 전자 장치(501) 또는 지능형 서버(505)에 구현될 수 있다. 또 예를 들어, 지능형 서버(505)의 자연어 처리 모듈(651) 또는 기능 제공 모듈 중 적어도 일부는 전자 장치(501) 또는 사용자 단말(503)에 구현될 수 있다. 이에 따라, 이하에서 기술되는 모듈들의 동작 및/또는 기능은 기재 및/또는 도시된 바에 제한되지 않고 전자 장치(501), 사용자 단말(503), 또는 지능형 서버(505) 중 적어도 하나에서 수행될 수 있다. 예를 들어, 도 6b에 도시된 바와 같이, 음성 특징 생성 모듈(611) 및 음성 모델 생성 모듈(612)이 사용자 단말(503)에 구현되어, 전자 장치(501)가 사용자 단말(503)에서 생성된 스피커 임베딩에 기반하여 생성되는 음성 모델을 수신할 수도 있다. 기재 및/또는 도시된 바에 제한되지 않고 모듈들은 다양한 예로 각 장치들에 구현될 수 있다.
이하에서는 먼저 다양한 실시예들에 따른 전자 장치(501)에 포함된 구성들의 예에 대해서 설명한다. 도 6a에 도시되지 않았으나 전자 장치(501)는 한 쌍으로 구현 가능하다(예: 좌측 귀와 우측 귀 각각에 착용되는 전자 장치(501)들이 구현됨). 이하에서 기술되는 전자 장치(501)의 구성들은 한 쌍으로 구현되는 전자 장치(501)의 각각에 구비될 수 있다.
다양한 실시예들에 따르면 마이크(620)는 전자 장치(501)의 외부로부터 사운드를 수신할 수 있다. 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는 마이크(620)를 구동하여, 마이크(620)를 통해 외부에서 발생되는 사운드를 수신할 수 있다. 외부에서 발생되는 사운드는 화자들(예: 사용자 및/또는 다른 화자(또는 타인))의 음성들(또는 발화들), 생활 노이즈, 주변(또는 배경) 노이즈들을 포함할 수 있다. 일 실시예에서, 상기 마이크(620)는 복수의 마이크(620)들을 포함할 수 있다. 상기 전자 장치(501)(예: 제 1 프로세서(610))는 복수의 마이크(620)들을 이용하여 수신되는 사운드로부터, 전자 장치(501)로부터 지정된 방향에서 발생되는 사운드를 수신하는 빔포밍을 형성할 수 있다. 상기 수신된 사운드에 기반하여, 획득된 지정된 방향의 사운드는 서브 사운드로 정의될 수 있다. 상기 복수의 마이크(620)들 각각은 소정의 거리로 이격되도록 전자 장치(501)에 배치되며, 상기 이격된 거리와 사운드를 획득하고자 하는 방향과 연관된 시간 또는 위상 만큼 각 마이크(620)를 통해 수신되는 사운드를 신호 처리하여 상기 서브 사운드가 획득될 수 있다. 상기 빔포밍 기술은 주지의 기술이므로, 구체적인 설명은 생략한다. 일 실시예에서, 전자 장치(501)는 전자 장치(501)의 모드가 대화 모드로 설정되는 경우, 상기 복수의 마이크들을 이용하여 지정된 방향의 서브 사운드를 획득할 수 있는데 이에 대해서는 도 17 내지 도 20에서 후술한다. 전자 장치(501)는 마이크(620)를 이용하여 음성을 획득하는 경우, 획득된 음성에 대응하는 특정 화자에 대해서(또는, 획득된 음성에 대해서) 식별자(예: unique ID)를 부여할 수 있으며, 상기 식별자를 부여하는 시점은 전자 장치(501)(예: 제 1 프로세서(610))가 상기 마이크(620)를 통해 수신된 상기 음성을 획득한 시점일 수 있으나 이에 제한되지 않는다. 예를 들어, 음성에 대한 특징 정보를 생성하는 시점, 또는 음성에 대한 화자가 식별되는 시점에 상기 식별자가 부여될 수도 있다.
다양한 실시예들에 따르면 스피커(621)는 다양한 종류의 사운드를 출력할 수 있다. 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는 제 1 통신 회로(622)를 이용하여 설정된 통신 연결을 통해서 사용자 단말(503)로부터 오디오 출력을 위한 데이터를 수신하고, 수신된 데이터에 기반하여 스피커(621)를 통해 오디오를 출력할 수 있다. 도시되지 않았으나, 전자 장치(501)는 앰프(amplifier)를 더 포함하고, 앰프를 이용하여 수신된 오디오 데이터를 증폭하여 스피커(621)를 통해 출력되는 오디의의 볼륨을 증폭하거나 또는 스피커(621)를 통해 출력되는 오디오의 볼륨을 조절(예: 증가 또는 감소)할 수 있다. 또 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는 액티브 노이즈 캔슬링(active noise cancelling, ANC) 회로(미도시)를 이용하여 마이크(620)를 통해 수신되는 주변 노이즈(및/또는, 배경 노이즈)를 상쇄하기 위한 안티-노이즈(anti-noise)를 생성하고, 생성된 안티-노이즈를 스피커(621)를 통해 출력하여 사용자의 귀로 입사되는 주변 노이즈가 상쇄되도록 함으로써 주변 노이즈가 사용자에 의해 청취되지 않도록 할 수 있다. 상기 노이즈 캔슬링 회로(미도시)의 안티-노이즈를 생성하는 동작은 주지의 기술로 구현될 수 있으므로, 구체적인 설명은 생략한다. 또 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는 후술하겠으나 상기 마이크(620)를 통해 전자 장치(501)가 대화 모드(dialog mode)로 진입하는 경우, 스피커(621)를 통해 출력되는 미디어의 볼륨을 감소시키거나 출력되지 않도록 제어(예: 뮤트(mute))하고, 사용자의 음성과 사용자에 의해 선택된 타인(예: 사용자와 대화를 수행 중인 사람)의 음성만을 획득하여 스피커(621)를 통해 출력할 수도 있다. 이에 대해서는 구체적으로 후술한다.
다양한 실시예들에 따르면 제 1 통신 회로(622)는 다양한 종류의 통신 방식으로 사용자 단말(503) 및/또는 지능형 서버(505)와 통신 연결을 형성하고, 데이터를 송신 및/또는 수신할 수 있다. 상기 통신 방식은 상술한 바와 같이, Bluetooth, 및 Wi-Fi direct와 같은 직접 통신 연결을 설정하는 통신 방식에 의해 수행될 수 있으나, 이에 제한되지 않고 AP(access point)를 이용하는 통신 방식(예: Wi-Fi 통신) 또는 기지국(base station)을 이용하는 셀룰러 통신을 이용하는 통신 방식(예: 3G, 4G/LTE, 5G)을 포함할 수 있다. 상기 제 1 통신 회로(622)는 도 1에서 상술한 통신 모듈(190)과 같이 구현될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 센서(623)는 전자 장치(501)의 움직임을 검출하기 위한 센서(623)를 포함할 수 있다. 예를 들어, 센서(623)는 가속도 센서(또는 자이로 센서, 또는 기울기 센서)를 포함할 수 있다. 또 기재된 바에 제한되지 않고, 상기 센서(623)는 기재된 센서들 이외에 진동을 기반으로 사용자의 발화 여부를 판단하기 위한 센서들을 더 포함할 수 있으며, 일 예로 상술한 가속도 센서(또는 자이로 센서, 또는 기울 기 센서) 뿐만 아니라, 모션 센서, 진동 감지 센서(예: vibration pickup unit), 골 전도 센서(예: bone conduction microphone)와 같은 센서들을 더 포함할 수 있다. 일 실시예에서, 전자 장치(501)는 상기 가속도 센서를 이용하여 전자 장치(501)의 회전 방향(예: 좌측으로 회전, 또는 우측으로 회전) 및 회전 각도를 검출할 수 있다. 또 일 실시예에서, 전자 장치(501)는 상기 가속도 센서를 이용하여 전자 장치(501)를 착용한 사용자가 발화하는 경우 사용자의 움직임(예: 턱의 움직임)에 따른 전자 장치(501)의 움직임 패턴을 검출하고, 상기 움직임 패턴이 검출되는 시구간을 상기 사용자가 발화하는 시구간으로 식별할 수 있다. 또 예를 들어, 센서(623)는 이미지 센서(또는, 카메라)를 포함하고, 전자 장치(501)는 상기 이미지 센서를 이용하여 전자 장치(501)의 주변을 촬영할 수 있다.
이하에서는 전자 장치(501)의 제 1 프로세서(610)에 포함되는 모듈들의 예에 대해서 설명한다. 전술한 바와 같이, 제 1 프로세서(610)에 포함되는 모듈들 중 적어도 일부는 사용자 단말(503)에 구현될 수도 있다.
다양한 실시예들에 따르면 음성 특징 생성 모듈(611)은 전자 장치(501)로 수신되는 음성(또는 발화)와 연관된 특징 정보를 생성할 수 있다. 상기 특징 정보는 음성에 존재하는 다양한 음향 특징 패턴(acoustic feature pattern) 또는 화자의 다양한 성도(vocal tract) 형태 패턴을 나타낼 수 있다. 일 실시예에서, 상기 특징 정보는 스피커 임베딩을 포함할 수 있다. 예를 들어, 음성 특징 생성 모듈(611)은 도 6c에 도시된 바와 같이, 마이크(620)를 통해 수신된 특정 화자(예: 사용자 또는 타인)에 대한 음성(671)(또는 마이크(620)를 통해 수신된 사운드로부터 분리(separate)된 음성)을 획득할 수 있다. 음성 특징 생성 모듈(611)은 음성을 지정된 시간 프레임(frame) 단위로 획득하고, 지정된 프레임 단위로 획득된 음성의 일부들을 주파수 도메인(예: 고속 푸리에 변환(fast fourier transform, FFT)으로 분석(673)할 수 있다. 음성 특징 생성 모듈(611)은 분석된 음성의 프레임들 별로 전체적인 스펙트럼 모양과 연관된 특징을 나타내는 벡터 값들(674)을 획득(675)할 수 있다. 상기 벡터 값들(674)은 선형 예측계수(Linear Prediction Coefficient: LPC), 선형 예측 켑스트럼 계수(Linear Prediction Cepstral Coefficient: LPCC), 멜-주파수 켑스트럼 계수(Mel-Frequency Cepstral Coefficient: MFCC), 지각 선형 예측 계수(Perceptual Linear Prediction Coefficient: PLPC)와 같은 파라미터를 포함할 수 있다. 음성 특징 생성 모듈(611)은 GMM (Gaussian mixture model) supervector, JFA (joint factor analysis), i-vector 알고리즘, 및/또는 d-vector, x-vector와 같은 딥 러닝(DNN) 알고리즘을 기반으로 프레임 단위 별 벡터 값들을 학습(677)하여, 상술한 특정 화자에 대한 스피커 임베딩을 생성(679)할 수 있다. d-vector, x-vector와 같은 딥 러닝(DNN)을 기반으로 프레임 단위 별 벡터 값들을 학습하는 경우 획득되는 스피커 임베딩은 학습된 은닉층 중 하나일 수 있다. 일 실시예에서 음성 특징 생성 모듈(611)은 주기적, 및/또는 비주기적으로(예: 사용자가 특징 정보 생성을 요청하는 경우) 전자 장치(501)의 사용자에 대한 음성을 획득하고, 획득된 음성을 기반으로 사용자에 대한 스피커 임베딩을 생성하여 제 1 메모리(624)에 저장(또는, 사용자 단말(503)로 전송하여 제 2 메모리(641)에 저장)할 수 있다. 이때, 음성 특징 생성 모듈(611)은 상기 스피커 임베딩에 대응하는 화자(예: 사용자 또는 다른 화자(또는 타인))의 식별자(678)를 생성하여, 생성된 식별자(678)를 스피커 임베딩과 함께 저장할 수도 있다. 또 일 실시예에서, 음성 특징 생성 모듈(611)은, 전자 장치(501)의 모드가 대화 모드로 설정되는 경우 새로운 타인에 대한 음성을 획득하고, 획득된 음성을 기반으로 새로운 타인에 대한 스피커 임베딩을 생성하여 제 1 메모리(624)(또는, 사용자 단말(503)로 전송하여 제 2 메모리(641)에 저장)에 저장할 수도 있다. 기재된 바에 제한되지 않고, 전자 장치(501)는 타인에 대한 스피커 임베딩을 다른 외부 전자 장치로부터 수신할 수도 있다. 한편, 기재 및/또는 도시된 바에 제한되지 않고 상기 특징 정보는 스피커 임베딩 이외에도 다양한 종류의 화자를 구별하기 위한 특징을 나타내는 정보를 포함할 수 있다. 예를 들어, 상기 특징 정보는 선형 예측계수(Linear Prediction Coefficient: LPC), 선형 예측 켑스트럼 계수(Linear Prediction Cepstral Coefficient: LPCC), 멜-주파수 켑스트럼 계수(Mel-Frequency Cepstral Coefficient: MFCC), 지각 선형 예측 계수(Perceptual Linear Prediction Coefficient: PLPC)와 같은 파라미터를 포함할 수 있다.
다양한 실시예들에 따르면 음성 모델 생성 모듈(612)은 음성 특징 생성 모델에 의해 생성된 특징 정보(예: 스피커 임베딩)과 특징 정보에 대응하는 화자(예: 사용자 또는 타인)에 대한 식별자(예: Unique ID)에 기반하여, 화자를 식별(또는, 구분)하기 위한 음성 모델(690)을 생성할 수 있다. 예를 들어, 음성 모델 생성 모델은 도 6d에 도시된 바와 같이 화자들 별 스피커 임베딩들과 스피커 임베딩들 각각에 대응하는 화자의 식별자(예: unique id)를 트레이닝 데이터(681)로하여, 딥 러닝 알고리즘을 기반으로 학습(683)을 수행하여 음성 모델(690)을 생성할 수 있다. 음성 모델 생성 모델(690)은 화자들 별 스피커 임베딩들을 인풋 데이터로하고, 스피커 임베딩들 각각에 대응하는 화자의 식별자(예: unique id)를 아웃풋 데이터로 하여 인공 신경망 학습을 수행하여 음성 모델을 생성할 수 있다. 상기 음성 모델(690)은 스피커 임베딩(685)이 입력(in-put)되는 것에 대한 응답으로, 화자에 대한 식별자(687)(예: unique ID)를 출력(out-put)할 수 있다. 후술하겠으나, 전자 장치(501)는 마이크(620)를 통해 현재 수신중인 사운드로부터 음성을 분리하고, 분리된 음성에 대응하는 스피커 임베딩을 상기 음성 모델(690)에 입력하여 출력되는 식별자를 식별함으로써 획득할(또는 선택할) 특정 화자에 대한 음성과 제거될 다른 화자에 대한 음성을 식별할 수 있다. 일 실시예에서 음성 모델 생성 모듈(612)은 상술한 바와 같이 주기적 및/또는 비주기적으로 생성된 전자 장치(501)의 사용자의 스피커 임베딩을 기반으로 음성 모델(690)을 생성하여 제 1 메모리(624)에 저장할 수 있다. 또 일 실시예에서 음성 모델 생성 모듈(612)은 전술한 바와 같이 전자 장치(501)의 모드가 대화 모드로 설정된 경우 획득된 새로운 타인에 대한 스피커 임베딩을 음성 모델(690)의 학습을 위한 트레이닝 데이터로 추가하여 새로운 음성 모델을 생성할 수 있다. 한편 기재 및/또는 도시된 바에 제한되지 않고 음성 모델 생성 모듈(612)은 딥러닝을 수행하지 않고, 화자들 별 스피커 임베딩들과 스피커 임베딩들 각각에 대응하는 화자의 식별자(예: unique id)를 기반으로 음성 모델을 생성할 수도 있다.
다양한 실시예들에 따르면 키워드 검출 모듈(613)은 등록된 키워드들을 기반으로, 전자 장치(501)로 수신되는 음성(또는 발화)에 포함되는 키워드를 식별할 수 있다. 후술하겠으나 전자 장치(501)는 사용자 단말(503)의 키워드 관리 모듈(631)에 의해 획득된 키워드들 또는 키워드들에 대한 음성 정보들을 수신할 수 있다. 키워드 검출 모듈(613)은 상기 수신된 획득된 키워드들 또는 키워드들에 대한 음성 정보들을 기반으로, 수신된 음성에 키워드가 포함되었는지 여부를 검출할 수 있다. 후술하겠으나, 전자 장치(501)(예: 제 1 프로세서(610))는 상기 키워드가 포함된 것으로 식별되는 경우, 전자 장치(501)의 모드를 대화 모드(dialog mode)로 전환할 수 있다.
다양한 실시예들에 따르면 화자 식별 모듈(614)은 전자 장치(501)에 포함되는 음성이 전자 장치(501)의 사용자의 음성인지 여부를 식별할 수 있다. 일 실시예에서, 화자 식별 모듈(614)은 상술한 센서(623)(예: 가속도 센서)를 이용하여, 사용자의 발화 여부를 검출하고 사용자가 발화 있는 중인 것으로 검출되는 경우 현재 수신되는 음성을 사용자의 음성으로 판단할 수 있다. 또 일 실시예에서, 화자 식별 모듈(614)은 상술한 사용자의 스피커 임베딩 또는 음성 모델을 기반으로 현재 수신되는 음성이 사용자의 음성인지 여부를 판단할 수 있다. 후술하겠으나, 전자 장치(501)(예: 제 1 프로세서(610))는 상기 사용자의 음성이 검출되는 경우, 전자 장치(501)의 모드를 대화 모드(dialog mode)로 전환할 수 있다.
다양한 실시예들에 따르면 스피커 출력 제어 모듈(615)은 스피커(621)를 통해 출력되는 오디오의 볼륨을 제어(예: 감소 또는 증가)할 수 있다. 일 실시예에서, 제 1 프로세서(610)(예: 스피커 출력 제어 모듈(615))는 전자 장치(501)의 모드가 대화 모드인 경우 현재 스피커(621)를 통해 출력 중인 오디오의 지정된 값 만큼(또는, 지정된 단계 만큼) 볼륨을 감소시키거나, 또는 오디오의 출력을 중단(예: 뮤트(mute))시킬 수 있다.
다양한 실시예들에 따르면 사운드 제공 모듈(616)은 마이크(620)를 통해 수신되는 사운드 중 특정 사운드를 사용자에게 제공하기 위한 적어도 하나의 동작을 수행할 수 있다. 예를 들어 후술하겠으나, 전자 장치(501)의 모드가 대화 모드인 경우, 사운드 제공 모듈(616)은 마이크(620)를 통해 수신되는 사운드로부터 음성들을 분리하고, 분리된 음성들에 대응하는 화자를 식별하고, 상기 식별에 기반하여 선택적으로 적어도 하나의 화자(예: 사용자 및 사용자에 의해 선택된 타인)에 대한 음성을 획득하여 사용자에게 제공하는 동작을 수행할 수 있다. 후술하겠으나, 적어도 하나의 화자는 사용자와 사용자와 대화 중인 타인으로 기설정되거나, 또는 사용자에 의해 선택된 화자일 수 있다.
이하에서는 다양한 실시예들에 따른 사용자 단말(503)의 구성의 예에 대해서 설명한다. 사용자 단말(503)의 구성은 도 6a에 도시된 바에 제한되지 않고, 도 1에서 상술한 전자 장치(101) 및/또는 도 2 내지 도 4에서 상술한 사용자 단말(290)의 구성들을 더 포함할 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 제 2 통신 회로(640)는 다양한 종류의 통신 방식으로 전자 장치(501) 및/또는 지능형 서버(505)와 통신 연결을 형성하고, 데이터를 송신 및/또는 수신할 수 있다. 제 2 통신 회로(640)는 제 1 통신 회로(622)와 같이 구현될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 제 2 프로세서(620)에 포함되는 키워드 관리 모듈(631)은 키워드를 획득하여 제 2 메모리(641)에 저장할 수 있다. 일 실시예에서, 키워드 관리 모듈(631)은 사용자로부터 키워드를 입력 받을 수 있다. 예를 들어, 키워드 관리 모듈(631)은 키워드를 등록하기 위한 인터페이스(예: 실행 화면, 또는 설정 창)를 제공하고, 인터페이스를 이용하여 사용자로부터 특정 텍스트인 키워드를 획득하여 메모리에 저장할 수 있다. 일 예로, 상기 특정 텍스트는 사용자의 이름일 수 있다. 또 일 실시예에서 상기 키워드 관리 모듈(631)은 사용자의 계정으로 등록된 닉네임 또는 아이디(ID)를 상기 특징 키워드로 획득하여 저장할 수 있다. 또 일 실시예에서 상기 키워드 관리 모듈(631)은 상기 사용자 단말(503)로부터 송신 및/또는 수신되는 메시지 또는 전화 통화 등에서 키워드를 추출할 수 있다. 또 일 실시예에서, 상기 키워드 관리 모듈(631)은 상기 획득된 키워드들과 유사한 텍스트들을 키워드로서 생성할 수 있다. 일 예로, 키워드 관리 모듈(631)은 키워드로서 “김삼성”을 획득하는 경우, “김삼성”과 유사한 “삼성님”, “삼성씨”와 같은 유사한 텍스트들을 키워드로서 생성할 수 있다. 상기 키워드 관리 모듈(631)은 상기 텍스트인 키워드들을 기반으로, 키워드에 대한 음성들을 생성할 수도 있다. 또 일 실시예에서, 상기 키워드 관리 모듈(631)은 녹음 기능을 제공하고, 사용자가 발화하는 키워드를 녹음하여, 상술한 동작을 수행할 수도 있다. 상기 사용자 단말(503)의 제 2 메모리(641)에 저장된 키워드들 또는 키워드들에 대한 음성 정보들은 전자 장치(501)로 전송되어, 전자 장치(501)의 제 1 메모리(624)에 저장 및/또는 관리될 수 있다.
이하에서는 다양한 실시예들에 따른 지능형 서버(505)의 구성의 예에 대해서 설명한다. 지능형 서버(505)의 구성은 도 2 내지 도 4에 도시된 바에 제한되지 않고, 도 2 내지 도 4에서 상술한 지능형 서버(505)의 구성들을 더 포함할 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 제 3 통신 회로(660)는 다양한 종류의 통신 방식으로 전자 장치(501) 및/또는 사용자 단말(503)과 통신 연결을 형성하고, 데이터를 송신 및/또는 수신할 수 있다. 제 3 통신 회로(660)는 제 1 통신 회로(622)와 같이 구현될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 자연어 처리 모듈(651)은 도 2 내지 도 4에서 상술한 자연어 플랫폼(225)과 같이 구현되며, 사용자 단말(503) 및/또는 전자 장치(501)로부터 수신되는 음성을 분석하여 음성 인식 서비스를 제공하기 위한 결과 정보를 반환할 수 있다.
이하에서는 다양한 실시예들에 따른 전자 장치(501)의 동작의 예에 대해서 설명한다.
다양한 실시예들에 따르면 전자 장치(501)는 스피커(621)를 통해 사운드를 출력하는 중에 특정 키워드를 포함하는 발화를 식별하는 경우, 스피커(621)를 통해 출력되는 오디오(예: 미디어, 또는 안티-노이즈)의 볼륨을 감소시키거나 사운드의 출력을 중단 수 있다.
도 7은 다양한 실시예들에 따른 전자 장치(501)의 동작의 일 예를 설명하기 위한 흐름도(700)이다. 도 7에 도시되는 동작들은 도시되는 순서에 국한되지 않고 다양한 순서로 수행될 수 있다. 또한, 다양한 실시예들에 따르면 도 7에 도시되는 동작들 보다 더 많은 동작들이 수행되거나, 더 적은 적어도 하나의 동작이 수행될 수도 있다. 이하에서는, 도 8, 도 9, 및 도 10a 내지 도 10b를 참조하여 도 7에 대해서 설명한다.
도 8은 다양한 실시예들에 따른 전자 장치(501)의 키워드 식별에 따라서, 전자 장치(501)의 모드를 대화 모드로 설정하는 동작의 예를 설명하기 위한 도면이다. 도 9는 다양한 실시예들에 따른 전자 장치(501)에 포함된 모듈들의 동작을 설명하기 위한 도면이다. 도 10a는 다양한 실시예들에 따른 전자 장치(501) 또는 사용자 단말(503)에 등록되는 키워드들의 일 예를 설명하기 위한 도면이다. 도 10b는 다양한 실시예들에 따른 전자 장치(501) 또는 사용자 단말(503)에 등록되는 키워드들의 다른 예를 설명하기 위한 도면이다.
다양한 실시예들에 따르면 전자 장치(501)는 701 동작에서 스피커(621)를 통해 오디오를 출력할 수 있다. 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는, 도 8의 802에 도시된 바와 같이, 사용자 단말(503)과 통신 연결을 설정하고 설정된 통신 연결을 기반으로 사용자 단말(503)로부터 오디오 데이터를 수신하고, 수신된 오디오 데이터에 기반하여 스피커(621)를 통해 오디오를 출력할 수 있다. 상기 오디오 데이터는, 상기 사용자 단말(503)에서 실행 및/또는 구동되는 어플리케이션(예: 음악 재생 어플리케이션, 동영상 재생 어플리케이션)에 의해 생성될 수 있다. 또 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는 액티브 노이즈 캔슬링(active noise cancelling, ANC) 회로(미도시)를 이용하여 마이크(620)를 통해 수신되는 주변 노이즈(및/또는, 배경 노이즈)를 상쇄하기 위한 안티-노이즈(anti-noise)를 생성하고, 생성된 안티-노이즈를 스피커(621)를 통해 출력할 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 703 동작에서 마이크(620)를 통해 발화를 수신하고, 705 동작에서 상기 복수의 마이크(620)들 중 적어도 일부를 통해 발화를 수신하고, 발화에 지정된 키워드가 포함되었는지 여부를 식별할 수 있다. 예를 들어, 전자 장치(501)는 스피커(621)를 통해 오디오(예: 오디오 데이터에 기반한 오디오 출력 또는 안티-노이즈 출력)를 출력하는 중에, 마이크(620)를 통해서 발화를 수신할 수 있다. 일 예로, 전자 장치(501)는 도 8의 803에 도시된 바와 같이 마이크(620)를 통해서, 전자 장치(501)의 사용자(U1)와 대화하기를 원하는 다른 화자(U2)(또는 타인)의 음성(831)(또는 발화)를 획득할 수 있다. 기재 및/또는 도시된 바에 제한되지 않고, 전자 장치(501)는 마이크(620)를 통해서, 전자 장치(501)의 사용자(U1)의 음성(또는 발화)를 획득할 수도 있다. 전자 장치(501)(예: 키워드 검출 모듈(613))은 도 9에 도시된 바와 같이 마이크(620)를 통해 수신되는 사운드로부터 음성(또는 발화)를 추출(또는 분리)하여 획득하고, 제 1 메모리(624)에 저장된 키워드들에 대한 정보를 기반으로 상기 획득된 음성(또는 발화)에 키워드가 포함되었는지 여부를 식별할 수 있다. 예를 들어 상기 키워드들에 대한 정보는 사용자 단말(503)로부터 수신될 수 있다. 일 예로, 사용자 단말(503)(예: 키워드 관리 모듈(631))는 도 8의 801에 도시된 바와 같이 사용자에게 키워드 등록을 위한 인터페이스(811)를 제공하고, 인터페이스를 통해서 전자 장치(501)의 사용자와 연관된 키워드(예: 사용자(U1)의 이름인 “김삼성”(812))를 입력 받아 저장하고, 입력된 키워드와 유사한 텍스트들(813) (에: “삼성씨”, “삼성님”)을 키워드로서 저장하고, 및/또는 키워드들에 대한 음성 정보를 저장할 수 있다. 상기 인터페이스(811) 상에서 키워드 검출 기능의 수행 여부도 설정될 수 있다. 사용자 단말(503)의 키워드를 획득하는 다른 실시예들에 대해서는 도 6a에서 전술한 키워드 관리 모듈(631)의 동작과 같이 수행될 수 있으므로, 중복되는 설명은 생략한다. 일 실시예에서, 전자 장치(501)(예: 키워드 검출 모듈(613))는 획득된 음성(831)(또는 발화)를 텍스트로 변환하여, 변환된 텍스트에 기반하여 음성(또는 발화)에 키워드가 포함되는지 여부를 식별할 수 있다. 전자 장치(501)(예: 키워드 검출 모듈(613))는 ASR 모듈(미도시)를 이용하여 획득된 음성(831)을 텍스트로 변환하고, 변환된 텍스트의 일부와 상기 키워드들을 비교할 수 있다. 전자 장치(501)(예: 키워드 검출 모듈(613))는 비교 결과에 기반해서 상기 키워드들에 대응하는 텍스트의 일부가 식별되는 경우 상기 음성(831)에 키워드가 포함되는 것으로 식별할 수 있다. 전자 장치(501)(예: 키워드 검출 모듈(613))은 비교 결과에 기반해서 상기 키워드들에 대응하는 텍스트의 일부가 식별되지 않는 경우, 상기 음성(831)에 키워드가 포함되지 않는 것으로 식별할 수 있다. 또 일 실시예에서, 전자 장치(501)(예: 키워드 검출 모듈(613))은 상기 음성(831)과 상기 키워드들에 대한 음성 정보들을 비교하여, 상기 비교 결과에 기반하여 음성(831)에 키워드가 포함되는지 여부를 식별할 수 있다. 전자 장치(501)(예: 키워드 검출 모듈(613))는 상기 음성(831)과 상기 키워드들에 대한 음성 정보들의 비교 결과에 따라 부여되는 점수(예: 유사도 점수)가 기설정된 값 이상인 경우 상기 음성(831)에 키워드가 포함되는 것으로 식별하고, 점수가 기설정된 값 미만인 경우 상기 음성(831)에 키워드가 포함되지 않는 것으로 식별할 수 있다. 전자 장치(501)는 705 동작에서 획득된 음성에 키워드가 포함되는 것으로 식별하는 경우, 전자 장치(501)의 모드를 대화 모드(dialog mode)로 설정할 수 있다. 예를 들어, 상기 대화 모드는 상기 전자 장치(501)의 스피커(621)를 통해 출력되는 오디오의 볼륨을 제어(또는 스피커 출력 모듈을 제어)하는 동작(707 동작)(또는 외부 소리 듣기 기능)을 유발하고, 선택적으로 화자의 음성을 제공하는 동작(709 동작)(또는 외부 소리 집중 기능)을 유발하는 모드일 수 있다. 또는 기재된 바에 제한되지 않고 전자 장치(501)의 모드의 설정 없이, 전자 장치(501)는 키워드를 식별한 것에 기반하여 후술하는 707 동작 내지 709 동작을 수행할 수도 있다.
다양한 실시예들에 따르면, 전자 장치(501)(예: 키워드 검출 모듈(613))는 수신된 음성(또는 발화)이 전자 장치(501)의 사용자(U1)의 음성이 아닌 경우(또는, 수신된 음성이 타인의 음성인 경우), 상술한 키워드 식별 동작(705 동작)을 수행할 수 있다. 전자 장치(501)(예: 화자 식별 모듈(614))는 도 2a에서 전술한 바와 같이, 센서(623) 또는 기-생성된 음성 모델(예: 도 6d의 690)을 이용하여 현재 수신되는 음성이 사용자(U1)의 음성인지 여부를 식별할 수 있다. 전자 장치(501)는 현재 수신되는 음성이 사용자(U1)의 음성이 아닌 것으로 식별되는 경우, 상술한 키워드 식별 동작을 수행할 수 있다. 전자 장치(501)는 현재 수신되는 음성이 사용자(U1)의 음성인 경우에는, 수신되는 음성이 지속되는 시간을 식별하고, 식별된 시간과 기설정된 임계 시간(예: T_start)를 비교하여 식별된 시간이 기설정된 임계 시간 이상인 경우 전자 장치(501)의 모드를 대화 모드로 설정할 수도 있다. 기재된 바에 제한되지 않고, 전자 장치(501)는 현재 수신되는 음성이 사용자(U1)의 음성인 경우에도, 키워드 검출 동작(705 동작)을 수행할 수도 있다. 이 경우, 전자 장치(501)는 키워드 검출 동작(705 동작) 또는 수신되는 음성(또는 발화)가 지속되는 시간을 기설정된 임계 시간(예: T_start)를 비교하는 동작 중 적어도 하나에 기반하여, 전자 장치(501)의 모드를 대화 모드로 설정할 수 있다.
다양한 실시예들에 따르면, 전자 장치(501)(또는 사용자 단말(503))는 사용자(U1)와 연관된 키워드 이외에도 다양한 상황들과 연관된 키워드를 등록할 수도 있다. 일 실시예에서, 사용자 단말(503)은 도 10a의 1001에 도시된 바와 같이 대중 교통 알림과 같은 상황과 연관된 텍스트들(1011)(예: 안내 방송에 이용되는 음성들에 대응하는 텍스트들) 및/또는 음성 정보들(예: 안내 방송에 이용되는 음성들)을 등록할 수 있다. 전자 장치(501)는 도 10a의 1002에 도시된 바와 같이 상기 등록된 텍스트들 및/또는 음성 정보들에 기반하여, 마이크(620)를 통해 안내 방송(1021)이 수신되는 경우 전자 장치(501)의 모드를 대화 모드로 설정할 수 있다. 또 일 실시예에서, 사용자 단말(503)은 도 10b의 1003에 도시된 바와 같이 알람과 같은 상황과 연관된 텍스트들(1031)(예: 알람들에 대응하는 텍스트들) 및/또는 음성 정보들(예: 알람들)을 등록할 수 있다. 전자 장치(501)는 상기 등록된 텍스트들 및/또는 음성 정보들에 기반하여, 도 10b의 1004에 도시된 바와 같이 마이크(620)를 통해 알람(1041)이 수신되는 경우 전자 장치(501)의 모드를 대화 모드로 설정할 수 있다. 또 상기 기재된 실시예 이외에도 다양한 키워드들이 등록될 수 있다. 상기 키워드들은, 전자 장치(501) 또는 사용자 단말(503)의 제조사에 의해, 미리 생성되어 전자 장치(501) 또는 사용자 단말(503)로 제공될 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 상기 발화에 지정된 키워드가 포함된 것으로 식별한 것에 기반하여, 707 동작에서 스피커(621)를 통해 출력되는 오디오의 볼륨을 감소시키고 709 동작에서 상기 복수의 마이크(620)들의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 사용자 단말(503)의 사용자(U1)의 음성과 상기 사용자 단말(503)의 사용자(U1)와는 다른 타인(U2)의 음성을 제공하기 위한 동작을 수행할 수 있다. 예를 들어, 전자 장치(501)(예: 스피커 출력 제어 모듈(615))는 도 9에 도시된 바와 같이 스피커(621)를 제어하여, 도 8의 803에 도시된 바와 같이 스피커(621)를 통해 출력되는 오디오의 볼륨을 감소시키거나 또는 오디오의 출력을 중단하고, 및/또는 안티-노이즈의 출력을 중단할 수 있다. 또 예를 들어, 전자 장치(501)(예: 사운드 제공 모듈(616))는 도 9에 도시된 바와 같이, 마이크(620)를 통해 수신되는 사운드 중 사용자(U1)에 의해 선택된 적어도 하나의 화자 및/또는 기설정된 적어도 하나의 화자의 음성을 사용자(U1)에게 제공하는 동작을 수행할 수 있다. 일 예로, 전자 장치(501)는 도 8의 804에 도시된 바와 같이 마이크(620)를 통해 수신되는 사운드 중 전자 장치(501)의 사용자(U1)의 제 1 음성(또는, 제 1 발화(841))과 전자 장치(501)의 사용자(U1)와는 다른 타인(U2)의 제 2 음성(또는, 제 2 발화(842))를 사용자(U1)에게 제공하는 동작을 수행할 수 있다. 다른 예로, 도시되지 않았으나, 전자 장치(501)는 사용자(U1)에 의해 선택된 화자의 음성(또는, 발화)를 제공하는 동작을 수행할 수도 있다. 전자 장치(501)(예: 사운드 제공 모듈(616))의 상기 마이크(620)를 통해 수신되는 사운드 중에서 적어도 하나의 화자에 대한 음성을 제공하는 동작은 사운드를 음성들로 분리하는 동작, 분리된 음성들에 대응하는 화자를 식별하는 동작, 또는 화자를 식별한 것에 기반하여, 선택된 화자들에 대응하는 음성들을 제공하는 동작을 포함할 수 있는데, 이에 대해서는 도 17 내지 도 20에서 구체적으로 설명한다.
다양한 실시예들에 따르면 전자 장치(501)는 상기 음성(또는, 발화)에 키워드가 포함되지 않는 것으로 식별하는 경우에는, 스피커(621)를 통해 오디오의 출력을 유지할 수 있다. 또는, 전자 장치(501)는 상기 음성(또는, 발화)에 키워드가 포함되지 않는 것으로 식별하는 경우에는, 전술한 바와 같이 획득된 음성(또는, 발화)가 사용자(U1)의 음성인지 여부를 식별하고 획득된 음성(또는, 발화)가 사용자(U1)의 음성인 경우에는 상기 음성의 지속 시간을 식별하고 식별된 지속 시간과 임계 시간을 비교하는 동작에 기반하여, 상술한 707 동작 및 709 동작을 수행(예: 음성의 지속 시간이 임계 시간 이상인 경우 707 동작 및 709 동작을 수행)할 수도 있다.
다양한 실시예들에 따르면, 전자 장치(501)는 마이크(620)를 통해 수신되는 사용자 또는 다른 화자(또는, 타인)(U2)의 음성이 지정된 시간 이상 동안 수신되지 않는 경우, 전자 장치(501)의 대화 모드가 종료되는 것으로 식별할 수 있다. 전자 장치(501)는 전자 장치(501)의 대화 모드가 종료되는 경우, 스피커(621)를 통해 오디오 및/또는 안티-노이즈를 출력하는 동작을 재개할 수 있다.
이하에서는 다양한 실시예들에 따른 전자 장치(501)의 동작의 다른 예에 대해서 설명한다. 상술한 전자 장치(501)의 동작의 예는 이하에서 기술되는 전자 장치(501)의 동작의 또 다른 예에 준용될 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 획득된 음성(또는, 발화)로부터 키워드를 식별하고, 지정된 조건을 만족하는 경우에 전자 장치(501)의 모드를 대화 모드로 설정할 수 있다. 상기 지정된 조건의 만족은 사용자의 음성(또는, 발화)를 수신하는 것, 또는 센서(623)를 이용하여 사용자의 대화 의도를 식별하는 것을 포함할 수 있다.
도 11은 다양한 실시예들에 따른 전자 장치(501)의 동작의 일 예를 설명하기 위한 흐름도(1100)이다. 도 11에 도시되는 동작들은 도시되는 순서에 국한되지 않고 다양한 순서로 수행될 수 있다. 또한, 다양한 실시예들에 따르면 도 11에 도시되는 동작들 보다 더 많은 동작들이 수행되거나, 더 적은 적어도 하나의 동작이 수행될 수도 있다. 이하에서는, 도 12, 도 13a 내지 도 13b를 참조하여 도 11에 대해서 설명한다.
도 12는 다양한 실시예들에 따른 전자 장치(501)의 지정된 조건의 만족 여부를 식별하는 동작의 일 예를 설명하기 위한 도면이다. 도 13a는 다양한 실시예들에 따른 전자 장치(501)에 포함된 모듈들의 동작을 설명하기 위한 도면이다. 도 13b는 다양한 실시예들에 따른 전자 장치(501)의 사용자의 발화를 식별하는 동작의 일 예를 설명하기 위한 도면이다.
다양한 실시예들에 따르면 전자 장치(501)는 1101 동작에서 스피커(621)를 통해 오디오를 출력할 수 있다. 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는, 오디오 데이터에 기반하여 스피커(621)를 통해 오디오를 출력하거나 또는 스피커(621)를 통해 주변 노이즈(및/또는, 배경 노이즈)를 상쇄하기 위한 안티-노이즈(anti-noise)를 생성하고, 생성된 안티-노이즈를 출력할 수 있다. 전자 장치(501)의 1101 동작은 상술한 전자 장치(501)의 701 동작과 같이 수행될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 전자 장치(501)는 1103 동작에서 마이크(620)를 통해 발화를 수신하고, 1105 동작에서 상기 복수의 마이크(620)들 중 적어도 일부를 통해 발화를 수신하고, 발화에 지정된 키워드가 포함되었는지 여부를 식별할 수 있다. 예를 들어, 전자 장치(501)(예: 키워드 검출 모듈(613))는 도 13a에 도시된 바와 같이 제 1 메모리(624)에 저장된 키워드들 및/또는 키워드들에 대한 음성 정보들을 기반으로, 마이크(620)를 통해 수신된 발화(예: 도 12의 1211, 1221)에 키워드가 포함되는지 여부를 식별할 수 있다. 상기 전자 장치(501)의 1103 동작 및 1105 동작은, 상술한 전자 장치(501)의 703 동작 및 705 동작과 같이 수행될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 전자 장치(501)는 발화에 지정된 키워드가 포함된 것으로 식별한 것에 기반하여, 1107 동작에서 지정된 조건의 만족 여부를 식별할 수 있다. 예를 들어, 상기 지정된 조건의 만족은 도 12의 1201에 도시된 바와 같이 사용자의 발화를 식별하는 것 또는 도 12의 1202에 도시된 바와 같이 센서(623)를 이용하여 사용자의 대화 의도를 식별하는 것을 포함할 수 있다. 일 실시예에서, 상기 전자 장치(501)는 상기 키워드 검출 모듈(613)을 이용하여 키워드가 검출되고, 화자 식별 모듈(614)을 이용하여 사용자의 발화가 검출되는 경우, 전자 장치(501)의 모드를 대화 모드로 설정할 수 있기 때문에, 키워드 검출 모듈(613)와 화자 식별 모듈(614)은 대화 모드 제어 모듈로 정의될 수 있다. 이하에서는, 도 12의 1201과 1202 각각의 실시예에 대해서 설명한다.
다양한 실시예들에 따르면 전자 장치(501)(예: 화자 식별 모듈(614))는 키워드 검출 모듈(613)에 의해 키워드가 검출되는 경우, 도 13에 도시된 바와 같이, 센서(623)에 의해 센싱되는 값, 사용자의 특징 정보(예: 스피커 임베딩), 또는 기-생성된 음성 모델(예: 도 6d의 690) 중 적어도 하나를 이용하여 도 12의 1201에 도시된 바와 같이 사용자가 발화(1213)하는 것으로 검출할 수 있다. 일 실시예에서, 전자 장치(501)(예: 화자 식별 모듈(614))는 센서(623)를 이용하여 사용자가 발화하는 경우 사용자의 신체 일부(예: 턱)의 움직임에 따라서 발생되는 센서 값을 획득하고, 상기 센서 값을 획득하는 것에 기반하여 현재 수신되는 음성(1213)(또는, 발화)이 상기 사용자의 음성(또는, 발화)임을 검출할 수 있다. 또 일 실시예에서, 전자 장치(501)(예: 화자 식별 모듈(614))는 메모리에 기저장된 사용자의 스피커 임베딩과 키워드 검출 이후 수신되는 발화의 스피커 임베딩을 비교하여, 상기 비교 결과에 기반하여 현재 수신된 음성(1213)(또는 발화)가 사용자의 발화임을 검출할 수 있다. 예를 들어, 전자 장치(501)(예: 화자 식별 모듈(614))는 키워드 검출 이후 시점부터(또는, 수신되는 음성과 키워드간 유사도에 기반한 키워드 검출 확률이 지정된 값 미만인 시점부터), 사운드(1213)를 수신하는 경우, 수신되는 사운드(1213)로부터 음성을 분리하고, 음성 특징 정보 생성 모듈을 이용하여 분리된 음성의 스피커 임베딩을 생성하고, 이를 기저장된 사용자의 스피커 임베딩과 비교할 수 있다. 전자 장치(501)(예: 화자 식별 모듈(614))는 도 13b에 도시된 바와 같이 임베딩 간의 비교 결과에 기반하여 사용자 발화가 존재하는 확률(user voice presence probability)을 계산(예: 임베딩간 유사도가 높을수록 확률이 높아짐)하고 식별된 확률이 기설정된 값 이상인 경우 현재 수신된 음성(1213)이 사용자의 발화인 것으로 검출할 수 있다. 또 일 실시예에서, 전자 장치(501)(예: 화자 식별 모듈(614))는 메모리에 생성된 사용자의 스피커 임베딩을 기반으로 생성된 음성 모델을 이용하여, 현재 수신된 발화가 사용자의 발화임을 검출할 수도 있다. 이때, 전자 장치(501)(예: 화자 식별 모듈(614))는 상기 검출된 사용자의 발화가 기설정된 임계 시간(예: T_start) 이상 유지되는지 여부를 더 판단하고, 상기 검출된 사용자의 발화가 기설정된 임계 시간(예: T_start) 이상인 경우에 상기 지정된 조건이 만족된 것으로 식별할 수 있으나, 이에 제한되지 않는다.
그 외에도 다양한 실시예들에 따르면 전자 장치(501)(예: 제 1 프로세서(610))는 키워드 검출 모듈(613)에 의해 키워드가 검출되는 경우, 센서(623)(예: 가속도 센서)를 이용하여 지정된 적어도 하나의 패턴을 식별함에 기반하여 사용자의 대화 의도를 식별할 수 있다. 예를 들어, 상기 패턴은 상기 사용자가 대화할 의도가 있는 경우 수행되는 사용자의 행동(또는, 신체 일부의 움직임)에 따라서 센서(623)에 의해 센싱되는 값의 패턴을 나타낼 수 있다. 일실시예에서, 상기 패턴은 상기 사용자가 대화를 위해 고개를 움직이는 경우 센싱되는 값의 패턴을 나타낼 수 있다. 상기 값의 패턴에 대한 정보는 전자 장치(501)에 미리 저장될 수 있다. 일 예로, 도 12a의 1202에 도시된 바와 같이 상기 값의 패턴에 대한 정보는 사용자가 전자 장치(501)를 착용한 상태에서 고개를 들어 정면을 바라보고 지정된 시간 동안 고개를 유지하는 경우에 센서(623)로부터 생성되는 값의 패턴을 포함할 수 있다. 전자 장치(501)는 키워드 검출 이후, 센서(623)로부터 수신되는 값들과 상기 값의 패턴을 비교하여, 상기 비교 결과에 기반하여 획득된 값들과 값의 패턴이 서로 대응함을 식별하는 경우(예: 유사도가 기설정된 값 이상인 경우), 사용자가 대화를 수행할 의도가 있는 것으로 판단하고, 현재 수신된 발화가 사용자의 발화임을 검출할 수 있다. 또 예를 들어, 상기 패턴은 상기 사용자가 대화할 의도가 없는 경우 수행되는 사용자의 행동(또는, 신체 일부의 움직임)에 따라서 센서(623)에 의해 센싱되는 값의 패턴을 나타낼 수 있다. 일 실시예에서, 상기 패턴은 상기 사용자가 대화할 상대방을 찾기 위해 고개를 돌리고 대화할 상대가 없어 다시 고개를 원위치 시키는 경우에 센서(623)에 의해 센싱되는 값의 패턴을 나타낼 수 있다. 전자 장치(501)는 키워드 검출 이후, 센서(623)로부터 수신되는 값들과 상기 사용자가 대화할 의도가 없는 경우 수행되는 사용자의 행동(또는, 신체 일부의 움직임)에 따라서 발생되는 값의 패턴을 비교하여, 상기 비교 결과에 기반하여 획득된 값들과 값의 패턴이 서로 대응하는 경우(예: 유사도가 기설정된 값 이상인 경우), 사용자가 대화를 수행할 의도가 없는 것으로 판단할 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 상기 발화에 키워드가 포함되지 않는 것으로 식별하는 경우에는, 스피커(621)를 통해 오디오의 출력을 유지할 수 있다. 또는, 전자 장치(501)는 상기 발화에 키워드가 포함되지 않는 것으로 식별하는 경우에는, 전술한 바와 같이 획득된 발화가 사용자 발화인지 여부를 식별하고 획득된 발화가 사용자 발화인 경우에는 상기 발화의 지속 시간을 식별하고 식별된 지속 시간과 임계 시간(예: T_start)을 비교하는 동작을 수행할 수 있다. 이때, 비교되는 임계 시간(예: T_start)는 키워드가 검출된 경우의 임계 시간(예: T_start) 보다 길게 설정될 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 상기 지정된 조 건이 만족된 것으로 식별한 것에 기반하여, 1109 동작에서 스피커(621)를 통해 출력되는 오디오의 볼륨을 감소시키고, 1111 동작에서 상기 복수의 마이크(620)들의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 사용자 단말(503)의 사용자의 음성과 상기 사용자 단말(503)의 사용자와는 다른 타인(U2)의 음성을 제공하기 위한 동작을 수행할 수 있다. 전자 장치(501)의 1109 동작 및 1111 동작은 상술한 전자 장치(501)의 707 동작 및 709 동작과 같이 수행될 수 있으므로 중복되는 설명은 생략한다.
이하에서는 다양한 실시예들에 따른 전자 장치(501)의 동작의 또 다른 예에 대해서 설명한다. 상술한 전자 장치(501)의 동작의 예는 이하에서 기술되는 전자 장치(501)의 동작의 또 다른 예에 준용될 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 전자 장치(501)의 모드를 대화 모드로 설정한 경우, 복수의 마이크들(620a, 620b)을 이용하여 지정된 적어도 하나의 방향의 사운드를 획득하기 위해 빔포밍을 이용할 수 있다.
도 14는 다양한 실시예들에 따른 전자 장치(501)의 동작의 일 예를 설명하기 위한 흐름도(1400)이다. 도 14에 도시되는 동작들은 도시되는 순서에 국한되지 않고 다양한 순서로 수행될 수 있다. 또한, 다양한 실시예들에 따르면 도 14에 도시되는 동작들 보다 더 많은 동작들이 수행되거나, 더 적은 적어도 하나의 동작이 수행될 수도 있다. 이하에서는, 도 15a 및 도 15b, 및 도 16을 참조하여 도 14에 대해서 설명한다.
도 15a는 다양한 실시예들에 따른 전자 장치(501)의 지정된 조건의 만족 여부를 식별하는 동작의 일 예를 설명하기 위한 도면이다. 도 15b는 다양한 실시예들에 따른 전자 장치(501)에 포함된 모듈들의 동작을 설명하기 위한 도면이다. 도 16은 다양한 실시예들에 따른 전자 장치(501)의 사용자(U1)의 발화를 식별하는 동작의 일 예를 설명하기 위한 도면이다.
다양한 실시예들에 따르면 전자 장치(501)는 1401 동작에서 스피커(621)를 통해 오디오를 출력할 수 있다. 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는, 오디오 데이터에 기반하여 스피커(621)를 통해 오디오를 출력하거나 또는 스피커(621)를 통해 주변 노이즈(및/또는, 배경 노이즈)를 상쇄하기 위한 안티-노이즈(anti-noise)를 생성하고, 생성된 안티-노이즈를 출력할 수 있다. 전자 장치(501)의 1401 동작은 상술한 전자 장치(501)의 701 동작과 같이 수행될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 전자 장치(501)는 1403 동작에서 마이크(620)를 통해 발화를 수신하고, 1405 동작에서 상기 복수의 마이크들(620a, 620b) 중 적어도 일부를 통해 발화를 수신하고, 발화에 지정된 키워드가 포함되었는지 여부를 식별할 수 있다. 예를 들어, 전자 장치(501)(예: 키워드 검출 모듈(613))는 도 16에 도시된 바와 같이 메모리에 저장된 키워드들 및/또는 키워드들에 대한 음성 정보들을 기반으로, 마이크(620)를 통해 수신된 발화에 키워드가 포함되는지 여부를 식별할 수 있다. 또 예를 들어, 전자 장치(501)(예: 화자 식별 모듈(614))는 도 16에 도시된 바와 같이 키워드 검출 이후 수신되는 음성이 사용자(U1)의 발화인지 여부를 식별하여 지정된 조건이 만족되는지 여부를 식별할 수 있다. 전자 장치(501)(예: 제 1 프로세서(610))는 키워드가 검출되고 지정된 조건이 만족되는 경우, 전자 장치(501)의 모드를 대화 모드로 설정할 수 있다. 상기 전자 장치(501)의 1403 동작 및 1405 동작은, 상술한 전자 장치(501)의 703 동작 내지 705 동작, 및 1103 동작 내지 1105 동작과 같이 수행될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 전자 장치(501)는 발화에 지정된 키워드가 포함된 것으로 식별한 것에 기반하여, 1407 동작에서 스피커(621)를 통해 출력되는 오디오의 볼륨을 감소시킬 수 있다. 예를 들어, 전자 장치(501)(예: 스피커 출력 제어 모듈(615))는 도 16에 도시된 바와 같이 스피커(621)를 통해 출력되는 오디오의 볼륨을 감소시키거나 또는 오디오의 출력을 중단하고, 및/또는 안티-노이즈의 출력을 중단할 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 발화에 지정된 키워드가 포함된 것으로 식별한 것에 기반하여, 1409 동작에서 복수의 마이크들(620a, 620b) 중 적어도 일부를 통해서 주변 사운드를 획득하고, 적어도 하나의 방향과 연관된 적어도 하나의 서브 사운드를 획득하고, 1411 동작에서 획득된 적어도 하나의 서브 사운드의 적어도 일부에 기반하여, 상기 사용자 단말(503)의 사용자(U1)의 음성과 상기 사용자 단말(503)의 사용자(U1)와는 다른 타인의 음성을 제공하기 위한 동작을 수행할 수 있다. 예를 들어, 전자 장치(501)(예: 빔포밍 제어 모듈(1601))는 도 16에 도시된 바와 같이 전자 장치(501)의 모드가 대화 모드로 설정된 것에 기반하여, 복수의 마이크들(620a, 620b)을 이용하여 지정된 방향의 사운드를 획득할 수 있다. 예를 들어, 상기 빔포밍 제어 모듈(1601)은 복수의 마이크들(620a, 620b) 각각을 통해 주변 사운드를 수신하고, 전자 장치(501)를 기준으로 지정된 적어도 하나의 방향에 연관된 시간 지연(Time-delay) 또는 위상 지연(Phase-delay)을 계산하고, 계산된 시간 지연 또는 위상 지연을 기반으로 복수의 마이크들(620a, 620b) 각각을 통해 수신된 주변 사운드를 신호 처리(예: 지연 시키고, 더함)하여 지정된 적어도 하나의 방향에서 발생된 적어도 하나의 서브 사운드를 획득할 수 있다. 상기 빔포밍 제어 모듈(1601)의 동작은 주지의 마이크(620) 빔-포밍(beam-forming) 기술과 같이 수행될 수 있으므로, 구체적인 설명은 생략한다. 일 실시예에서 전자 장치(501)는 상기와 같이 획득된 적어도 하나의 방향에 연관된 서브 사운드를 스피커(621)를 통해 출력하는 동작을 수행함으로써, 사용자(U1) 및 사용자(U1)와 대화를 수행하는 타인의 음성을 제공할 수 있다. 이때, 전자 장치(501)는 획득된 서브 사운드를 음성들로 분리하고, 분리된 음성들을 후처리(예: 음성들을 합성, 음성들의 볼륨을 증폭, 음성들의 선명도를 증가)하여 스피커(621)를 통해 출력할 수도 있다. 또 일 실시예에서, 전자 장치(501)는 적어도 하나의 방향에 연관된 서브 사운드로부터 생성된 음성 모델을 이용하여, 선택된 화자에 대한 음성을 획득하고, 획득된 음성을 스피커(621)를 통해 출력할 수도 있는데, 이에 대해서는 도 17 내지 도 20에서 구체적으로 설명한다. 이하에서는, 전자 장치(501)(예: 빔포밍 제어 모듈(1601))에 의해 서브 사운드가 획득되는 적어도 하나의 방향의 예들에 대해서 설명한다.
다양한 실시예들에 따르면 지정된 적어도 하나의 방향은 기설정될 수 있다. 예를 들어, 상기 지정된 적어도 하나의 방향은 도 15a에 도시된 바와 같이 전자 장치(501)로부터 사용자(U1)의 입으로의 방향(1511) 및 전자 장치(501)로부터 사용자(U1)의 정면 방향(1513)으로 기설정될 수 있다. 일 예로, 상기 전자 장치(501)를 착용한 사용자(U1)의 입으로의 방향(1511)은, 미리 결정된 전자 장치(501)의 착용 시 착용된 전자 장치(501)의 위치와 사용자(U1)의 입의 위치를 기반으로 계산되며 기설정될 수 있다. 또 일 예로, 상기 전자 장치(501)를 착용한 사용자(U1)의 정면 방향(1513) 또한, 미리 결정된 전자 장치(501)의 착용 시 착용된 전자 장치(501)의 위치와 사용자(U1)의 정면 방향으로의 위치를 기반으로 계산되어 기설정될 수 있다. 이에 따라, 전자 장치(501)는 상기 입 방향(1511)에 연관된 사용자(U1)의 음성(또는 발화) 및 상기 정면 방향(1513)과 연관된 타인(U2)의 음성(또는, 발화)를 획득할 수 있다. 또 예를 들어, 전자 장치(501)(예: 빔포밍 제어 모듈(1601))는 지정된 적어도 하나의 방향의 사운드를 획득하는 중에, 지정된 이벤트의 발생을 식별함에 기반하여 적어도 하나의 방향(예: 1521, 1523)과 연관된 사운드와 함께 다른 방향(1525)의 사운드를 더 획득할 수도 있다. 일 실시예에서 상기 지정된 이벤트는 사용자(U1)가 지정된 방향(예: 정면 방향(1523))에 위치되는 타인(U2)과 대화를 지정된 시간 이상 유지한 이후, 다른 방향으로 고개를 돌리는 경우 발생될 수 있다. 일 예로, 전자 장치(501)(예: 빔포밍 제어 모듈(1601))는, 사용자(U1)의 고개의 위치 및/또는 방향이 지정된 시간 이상 동안 유지된 상태에서, 도 15b의 1501에 도시된 바와 같이 복수의 마이크들(620a, 620b) 각각으로부터 수신되는 사운드에 기반하여 사용자(U1)의 입 방향(1521)과 사용자(U1)의 정면 방향(1523)의 서브 사운드를 획득할 수 있다. 전자 장치(501)(예: 빔포밍 제어 모듈(1601))는 센서(623)로부터 센싱되는 값에 기반하여 상기 사용자(U1)의 고개의 위치 및/또는 방향이 지정된 시간 이상 동안 유지되는지 여부를 판단할 수 있다. 일 예로, 전자 장치(501)(예: 제 1 프로세서(610))는 센서(623)(예: 가속도 센서)로부터 센싱되는 값이 유지되는(또는 없는) 경우, 사용자(U1)의 고개의 위치 및/또는 방향이 유지되는 것으로 판단할 수 있다. 전자 장치(501)(예: 제 1 프로세서(610))는 도 15b의 1502에 도시된 바와 같이 상기 사용자(U1)의 고개의 위치 및/또는 방향이 지정된 시간 이상 동안 유지된 이후 고개의 위치가 변경됨을 식별하는 경우 지정된 이벤트가 발생되는 것으로 판단할 수 있다. 전자 장치(501)(예: 빔포밍 제어 모듈(1601))는 상기 이벤트가 발생한 것에 기반하여 센서(623)에 의해 식별되는 값에 기반하여 고개가 회전되는 각도(Θ)를 계산하고, 상기 계산된 각도(Θ)와 상기 사용자(U1)의 정면 방향(1523)을 기반으로 다른 방향(1525)을 계산하여 복수의 마이크들(620a, 620b) 각각으로부터 수신되는 사운드에 기반하여 상기 다른 방향과 연관된 서브 사운드를 획득할 수 있다. 이때, 전자 장치(501)(예: 빔포밍 제어 모듈(1601))는 다른 방향과 연관된 서브 사운드를 획득하면서 계속해서 기설정된 방향(예: 입 방향(1521)과 정면 방향(1523))과 연관된 서브 사운드를 획득할 수 있다. 이에 따라, 전자 장치(501)는 상기 입 방향(1521)에 연관된 사용자(U1)의 음성(또는 발화), 상기 정면 방향 및 다른 방향(1523, 1525)과 연관된 사용자(U1)와 대화를 수행하는 타인들(U2, U3)의 음성(또는, 발화)을 획득할 수 있다.
또 다양한 실시예들에 따르면 지정된 적어도 하나의 방향은 전자 장치(501)(또는, 사용자 단말(503))의 카메라에 의해 촬영에 기반하여, 식별되는 특정 화자의 방향으로 설정될 수 있다. 예를 들어, 전자 장치(501)는 전자 장치(501) 또는 사용자 단말(503)에 구비되는 카메라를 이용하여 사용자(U1)의 주변을 촬영하고, 촬영된 이미지로부터 화자들을 식별할 수 있다. 전자 장치(501)는 식별된 화자들의 이미지를 분석(예: 입 모양을 분석)하여 화자가 사용자(U1)와 대화를 수행하는 화자인 것으로 판단하는 경우, 해당 화자의 방향을 분석(예: 2D 좌표계로 분석)하여 식별된 방향의 서브 사운드를 획득할 수 있다.
이하에서는 다양한 실시예들에 따른 전자 장치(501)의 동작의 또 다른 예에 대해서 설명한다. 상술한 전자 장치(501)의 동작의 예는 이하에서 기술되는 전자 장치(501)의 동작의 또 다른 예에 준용될 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 전자 장치(501)의 모드를 대화 모드로 설정한 경우, 사용자(U1)에 대한 음성 모델 및 사용자(U1)와는 다른 화자에 대한 음성 모델을 기반으로 사용자(U1)의 음성과 다른 화자의 음성을 사용자(U1)에게 제공하는 동작을 수행할 수 있다. 이에 따라, 전자 장치(501)를 착용한 사용자(U1)는 사용자(U1)와 다른 화자의 음성을 더 명확히 제공받을 수 있게 된다.
도 17은 다양한 실시예들에 따른 전자 장치(501)의 동작의 일 예를 설명하기 위한 흐름도(1700)이다. 도 17에 도시되는 동작들은 도시되는 순서에 국한되지 않고 다양한 순서로 수행될 수 있다. 또한, 다양한 실시예들에 따르면 도 17에 도시되는 동작들 보다 더 많은 동작들이 수행되거나, 더 적은 적어도 하나의 동작이 수행될 수도 있다. 이하에서는, 도 18a 내지 도 18b, 도 19a 내지 도 19b, 및 20을 참조하여 도 14에 대해서 설명한다.
도 18a는 다양한 실시예들에 따른 전자 장치(501)의 음성 모델을 생성하는 동작의 일 예를 설명하기 위한 도면이다. 도 18b는 다양한 실시예들에 따른 전자 장치(501)의 음성 모델을 생성하는 동작의 다른 예를 설명하기 위한 도면이다. 도 19a는 다양한 실시예들에 따른 전자 장치(501)의 음성 모델을 생성하는 동작 및 음성 모델에 기반하여 선택된 화자들의 음성을 제공하는 동작의 일 예를 설명하기 위한 도면이다. 도 19b는 다양한 실시예들에 따른 전자 장치(501)의 음성 모델에 기반하여 선택된 화자들의 음성을 제공하는 동작의 일 예를 설명하기 위한 도면이다. 도 20은 다양한 실시예들에 따른 전자 장치(501)의 선택된 화자들의 음성을 제공하는 동작의 일 예를 설명하기 위한 도면이다.
다양한 실시예들에 따르면 전자 장치(501)는 1701 동작에서 스피커(621)를 통해 오디오를 출력할 수 있다. 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는, 오디오 데이터에 기반하여 스피커(621)를 통해 오디오를 출력하거나 또는 스피커(621)를 통해 주변 노이즈(및/또는, 배경 노이즈)를 상쇄하기 위한 안티-노이즈(anti-noise)를 생성하고, 생성된 안티-노이즈를 출력할 수 있다. 전자 장치(501)의 1701 동작은 상술한 전자 장치(501)의 701 동작과 같이 수행될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 전자 장치(501)는 1703 동작에서 마이크(620)를 통해 발화를 수신하고, 1705 동작에서 상기 복수의 마이크들(620a, 620b) 중 적어도 일부를 통해 발화를 수신하고, 발화에 지정된 키워드가 포함되었는지 여부를 식별할 수 있다. 예를 들어, 전자 장치(501)(예: 키워드 검출 모듈(613))는 메모리에 저장된 키워드들 및/또는 키워드들에 대한 음성 정보들을 기반으로, 마이크(620)를 통해 수신된 발화에 키워드가 포함되는지 여부를 식별할 수 있다. 또 예를 들어, 전자 장치(501)(예: 화자 식별 모듈(614))는 키워드 검출 이후 수신되는 음성이 사용자(U1)의 발화인지 여부를 식별하여 지정된 조건이 만족되는지 여부를 식별할 수 있다. 전자 장치(501)(예: 제 1 프로세서(610))는 키워드가 검출되고 지정된 조건이 만족되는 경우, 전자 장치(501)의 모드를 대화 모드로 설정할 수 있다. 상기 전자 장치(501)의 1703 동작 및 1705 동작은, 상술한 전자 장치(501)의 703 동작 및 705 동작과 같이 수행될 수 있으므로 중복되는 설명은 생략한다.
다양한 실시예들에 따르면 전자 장치(501)는 발화에 지정된 키워드가 포함된 것으로 식별한 것에 기반하여, 1707 동작에서 스피커(621)를 통해 출력되는 오디오의 볼륨을 감소시키고, 복수의 마이크들(620a, 620b) 중 적어도 일부를 이용하여 수신된 주변 사운드로부터 적어도 하나의 방향과 연관된 적어도 하나의 서브 사운드를 획득할 수 있다. 예를 들어, 전자 장치(501)(예: 스피커 출력 제어 모듈(615))는 전자 장치(501)의 모드를 대화 모드로 설정한 것에 기반하여, 스피커(621)를 통해 출력되는 오디오의 볼륨을 감소시키거나 또는 오디오의 출력을 중단하고, 및/또는 안티-노이즈(anti-noise)의 출력을 중단할 수 있다. 또 예를 들어, 전자 장치(501)(예: 빔포밍 제어 모듈(1601))는 전자 장치(501)의 모드를 대화 모드로 설정한 것에 기반하여, 도 19a에 도시된 바와 같이 복수의 마이크들(620a, 620b)을 이용하여 수신되는 사운드에 기반하여, 지정된 적어도 하나의 방향에 연관된 서브 사운드를 획득할 수 있다. 일 실시예에서, 상기 적어도 하나의 방향은 도 18a에 도시된 바와 같이 기설정된 사용자(U1)의 입으로의 방향과 사용자(U1)의 정면 방향을 포함할 수 있다. 또 일 실시예에서, 상기 적어도 하나의 지정된 방향은 도 18b에 도시된 바와 같이 기설정된 사용자(U1)의 입으로의 방향, 사용자(U1)의 정면 방향, 및 사용자(U1)가 고개를 회전하는 경우 다른 방향을 포함할 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 1709 동작에서 획득된 적어도 하나의 서브 사운드에 기반하여, 새로운 화자에 대한 발화가 수신되었는지 여부를 식별할 수 있다. 예를 들어, 전자 장치(501)는 획득된 적어도 하나의 방향과 연관된 서브 사운드로부터 적어도 하나의 화자와 연관된 적어도 하나의 음성을 분리하고, 분리된 적어도 하나의 음성 중 기저장된 특징 정보(예: 스피커 임베딩) 및 음성 모델을 이용하여 새로운 타인의 발화가 있는지 여부를 검출할 수 있다. 이하에서는, 전자 장치(501)의 서브 사운드를 음성으로 분리하는 동작 및 분리된 음성 중 새로운 타인의 발화가 있는지 여부를 판단하는 동작의 예에 대해 설명한다.
다양한 실시예들에 따르면, 전자 장치(501)(예: 오디오 분리 모듈(1901))는 획득된 서브 사운드를 적어도 하나의 화자와 연관된 적어도 하나의 음성으로 분리하여, 적어도 하나의 음성을 획득할 수 있다. 기재된 바에 제한되지 않고, 전자 장치(501)(예: 오디오 분리 모듈(1901))은 획득된 서브 사운드를 분리하는 동작에 기반하여, 서브 사운드는 적어도 하나의 음성과 함께 다른 노이즈들도 분리될 수 있다. 예를 들어, 오디오 분리 모듈(1901)은 주 성분 분석(principal component analysis) 알고리즘(또는 회로) 및/또는 독립 성분 분석(independent component analysis) 알고리즘(또는 회로)에 기반하여 서브 사운드의 성분을 시간 도메인에서 분석하거나, 및/또는 주파수 도메인에서 분석(예: 서브 사운드를 FFT 변환하여, 주파수 도메인에서 분석)하고, 분석 결과에 기반하여 서브 사운드로부터 음성들을 분리할 수 있다. 상기 분리된 음성들은 서로 통계적으로 독립적인 특성을 가질 수 있다. 또 예를 들어, 오디오 분리 모듈(1901)은 사운드로부터 음성을 분리하기 위해 구현된 인공 지능 모델(예: 딥 러닝 모델, 또는 머신 러닝 모델)을 이용하여 서브 사운드로부터 음성들을 분리할 수도 있다. 그 외에, 상기 오디오 분리 모듈(1901)의 음성을 분리하는 동작은 일반적인 소스 분리(source separation) 기술에 의해 수행될 수 있으므로 구체적인 설명은 생략한다. 일 실시예에서, 전자 장치(501)(예: 오디오 분리 모듈(1901))는 도 18a에 도시된 바와 같이 복수의 마이크들(620a, 620b) 중 적어도 일부를 이용하여 사용자(U1)의 입 방향과 정면 방향과 연관된 서브 사운드를 획득하고, 획득된 서브 사운드로부터 사용자(U1)의 음성과 사용자(U1)와 대화를 수행하는 타인의 음성을 획득할 수 있다. 또 일 실시예에서, 전자 장치(501)(예: 오디오 분리 모듈(1901))는 도 18b에 도시된 바와 같이 복수의 마이크들(620a, 620b) 중 적어도 일부를 이용하여 획득된 사용자(U1)의 입 방향, 정면 방향, 및 다른 방향과 연관된 서브 사운드를 획득하고, 획득된 서브 사운드로부터 사용자(U1)의 음성과 사용자(U1)와 대화를 수행하는 타인의 음성들을 획득할 수 있다. 도시되지 않았으나, 전자 장치(501)는 사용자(U1)와 대화를 수행하는 타인들 외에도 사용자(U1)와 타인 주변에 위치하는 다른 화자들이 발화함에 따라 발생되는 음성을 획득할 수도 있다. 한편, 기재 및/또는 도시된 바에 제한되지 않고 전자 장치(501)는 적어도 하나의 방향과 연관된 서브 사운드를 획득하는 동작을 수행하지 않고(또는 빔 포밍 제어 모듈의 동작 없이), 복수의 마이크들(620a, 620b) 중 적어도 일부를 통해 수신된 사운드로부터 음성을 분리하는 동작을 수행할 수도 있다.
다양한 실시예들에 따르면 전자 장치(501)는 분리된 음성들 중 새로운 화자(또는, 새로운 타인)의 음성(또는 발화)이 있는지 여부(또는, 전자 장치(501)로 새로운 화자의 발화가 수신되는지 여부)를 판단할 수 있다. 예를 들어, 전자 장치(501)(예: 사운드 제공 모듈(616))은 도 19a에 도시된 바와 같이 분리된 음성들과 전자 장치(501)에 기-저장된 스피커 임베딩(예: 사용자(U1)의 스피커 임베딩)을 기반으로, 분리된 음성들 중에서 새로운 화자의 음성이 있는지 여부를 판단(1903)(또는, 기존 화자의 음성이 있는지 여부를 판단)할 수 있다. 전자 장치(501)(예: 사운드 제공 모듈(616))는 음성 특징 생성 모듈(611)을 이용하여 분리된 음성들 각각에 대응하는 스피커 임베딩을 생성하고, 상기 생성된 스피커 임베딩과 기-저장된 스피커 임베딩을 비교할 수 있다. 전자 장치(501)(예: 사운드 제공 모듈(616))는 상기 비교 결과에 기반하여 생성된 임베딩 중 상기 기-저장된 스피커 임베딩에 대응하지 않는(또는, 비교 결과 유사도가 기설정된 값 보다 작은) 특정 스피커 임베딩을 식별하는 경우, 새로운 화자의 음성이 검출된 것으로 판단하고, 분리된 적어도 하나의 음성 중 특정 스피커 임베딩에 대응하는 음성을 새로운 화자의 음성으로 식별할 수 있다. 또 예를 들어, 전자 장치(501)(예: 사운드 제공 모듈(616))은 전자 장치(501)에 기-저장된 음성 모델을 기반으로, 분리된 음성들 중 새로운 화자의 발화가 있는지 여부를 판단할 수 있다. 전자 장치(501)(예: 사운드 제공 모듈(616))는 분리된 적어도 하나의 음성에 대응하는 적어도 하나의 스피커 임베딩을 생성하고, 상기 생성된 적어도 하나의 스피커 임베딩을 상기 기-저장된 음성 모델에 입력하여 음성 모델로부터 출력되는 적어도 하나의 화자에 대한 적어도 하나의 식별자를 획득할 수 있다. 전자 장치(501)는 적어도 하나의 스피커 임베딩 중 특정 스피커 임베딩의 입력에 대한 응답으로 화자의 식별자가 음성 모델로부터 출력(또는, 획득)되지 않는 경우, 새로운 화자의 음성이 있는 것으로 판단하고, 분리된 적어도 하나의 음성 중 특정 스피커 임베딩에 대응하는 음성을 새로운 화자의 음성으로 식별할 수 있다. 전자 장치(501)는 상기 새로운 화자의 음성이 있는 것으로 판단한 경우, 상기 식별된 특정 스피커 임베딩에 대응하는 음성을 계속해서 획득하고, 해당 특정 스피커 임베딩 및/또는 음성에 새로운 식별자를 부여할 수 있다.
다양한 실시예들에 따르면 전자 장치(501)는 새로운 화자(또는, 타인)의 발화가 없는 것으로 식별(또는, 수신된 발화가 기-저장된 화자의 발화인 것으로 식별한)한 경우, 기-저장된 화자에 대한 음성 모델(또는, 기-저장된 화자에 대한 스피커 임베딩)을 획득(1905)하고, 분리된 음성들로부터 기-저장된 음성 모델(또는, 기-저장된 스피커 임베딩)을 이용하여 선택된 화자(예: 사용자 또는 기존의 화자)에 대응하는 음성을 획득(1913)하여 후처리(1915)(예: 합성, 볼륨 증가)하여 스피커(621)를 통해 출력할 수 있다. 음성 모델을 이용하여 사용자와 화자를 구별하는 동작은 후술하며, 상기 기-저장된 스피커 임베딩을 이용하여 화자를 구별하는 동작은 전술한 바와 같이 수행되므로, 구체적인 설명은 생략한다.
다양한 실시예들에 따르면 전자 장치(501)는 1711 동작에서 새로운 화자의 발화가 있는 것으로 식별된 경우, 1713 동작에서 지정된 시간 이상 새로운 화자의 음성이 수신되는지 여부를 판단할 수 있다. 예를 들어, 전자 장치(501)는 식별된 새로운 화자에 대한 음성의 특징 정보(예: 스피커 임베딩, 또는 스피커 임베딩 이외의 일반적인 음성 특성 정보)와 오디오 분리 모듈(1901)을 이용하여 획득되는 적어도 하나의 음성의 일부의 특징 정보(예: 스피커 임베딩, 또는 스피커 임베딩 이외의 일반적인 음성 특성 정보)를 비교하고, 비교 결과에 기반하여 지정된 시간 이상 동안 상기 식별된 새로운 화자에 대한 음성의 특성에 대응하는 특성을 가지는 음성이 획득되는지 여부를 식별할 수 있다. 전자 장치(501)는 상기 지정된 시간 동안 계속해서 새로운 화자에 대한 음성을 획득하고, 새로운 화자에 대한 스피커 임베딩을 생성하고, 생성된 스피커 임베딩을 기반으로 새로운 음성 모델을 생성하는 동작을 수행할 수 있다. 한편 기재 및/또는 도시된 바에 제한되지 않고, 전자 장치(501)는 단일의 새로운 화자뿐만 아니라, 적어도 둘 이상의 새로운 화자에 대한 스피커 임베딩을 생성하고 새로운 음성 모델을 생성할 수도 있다.
다양한 실시예들에 따르면 전자 장치(501)는 지정된 시간 이상의 시간 동안 새로운 화자의 음성이 획득되는 경우, 1715 동작에서 새로운 화자에 대한 특징 정보를 생성하고 특징 정보를 기반으로 새로운 음성 모델을 획득하고, 1717 동작에서 획득된 새로운 음성 모델을 기반으로 선택된 적어도 하나의 화자에 대한 음성을 제공하는 동작을 수행할 수 있다. 예를 들어, 전자 장치(501)(예: 제 1 프로세서(610))는 지정된 시간 이상 동안 획득된 새로운 화자의 음성을 기반으로 새로운 화자에 대한 스피커 임베딩을 생성하고 새로운 화자에 대한 식별자(예: unique ID)를 부여(1907)하고, 생성된 스피커 임베딩과 새로운 화자에 대한 식별자를 트레이닝 데이터로서 기존의 음성 모델에 추가하여 학습을 수행함으로써 새로운 음성 모델을 생성(1909)하여 획득(1911)할 수 있다. 상기 새로 생성된 음성 모델(1900)은 도 19b에 도시된 바와 같이 기-저장된 화자들의 스피커 임베딩 뿐만 아니라 새로운 화자의 스피커 임베딩을 입력 받은 것에 대한 응답으로, 기-저장된 화자들에 대한 식별자뿐만 아니라 새로운 화자의 식별자를 출력하도록 구현될 수 있다. 일 예로, 전자 장치(501)는 도 18a에 도시된 바와 같이, 사용자(U1)와 대화를 수행하는 제 1 화자(U2)(또는, 타인)에 대한 음성을 지정된 시간 이상의 시간 동안 획득하고, 획득된 제 1 화자(U2)(또는, 타인)에 대한 음성을 기반으로 새로운 음성 모델(예: 사용자 음성 모델(1811)과 제 1 화자 음성 모델(1812)을 포함하는 음성 모델)을 생성할 수 있다. 또 일 예로, 전자 장치(501)는 도 18b의 1801에 도시된 바와 같이 제 1 화자(U2)에 대한 음성을 기반으로 새로운 음성 모델을 생성하고, 이후 도 18b의 1802에 도시된 바와 같이 사용자(U1)가 고개를 돌려 사용자(U1)의 정면에서 발화하는 제 2 화자(U3)에 대한 음성을 지정된 시간 이상 동안 획득함으로써, 획득된 제 3 타인(U3)에 대한 음성을 기반으로 새로운 음성 모델(예: 도 19a의 음성 모델(1900))(예: 사용자 음성 모델(1821), 제 1 화자 음성 모델(1822), 및 제 2 화자 음성 모델(1823)을 포함하는 음성 모델)을 생성할 수 있다. 한편 기재된 바에 제한되지 않고, 전자 장치(501)는 통합된 음성 모델이 아닌, 화자 별(예: 사용자(U1), 제 1 화자(U2), 제 2 화자(U3))로 별개의 음성 모델을 생성할 수도 있다. 이하에서는 전자 장치(501)의 생성된 음성 모델(1900)을 기반으로 사용자 및 선택된 적어도 하나의 화자의 음성을 제공하는 동작에 대해서 더 설명한다.
다양한 실시예들에 따르면 전자 장치(501)는 도시된 바와 같이 새로 생성된 음성 모델을 이용하여 복수의 음성들(예: 오디오 분리 모듈(1901)에 의해 분리된 음성들) 중 선택된 적어도 하나의 화자의 음성을 스피커(621)를 통해 출력할 수 있다. 다시 말해, 전자 장치(501)는 도 19a에 도시된 바와 같이 새로 생성된 음성 모델(1900)을 이용하여, 현재 획득되는 음성들 중 선택된 화자에 대한 음성을 획득(1913)(또는, 필터링)하여 사용자(U1)에게 제공(예: 스피커(621)를 통해 출력)할 수 있다. 예를 들어, 전자 장치(501)는 도 19b에 도시된 바와 같이 지정된 시간 이후(또는, 새로운 음성 모델(1900)이 생성된 이후), 오디오 분리 모듈(1901)을 이용하여 마이크(620)를 통해 수신되는 사운드로부터 분리된 복수의 음성들을 획득할 수 있다. 일 예로, 상기 획득된 복수의 음성들은 도 19b에 도시된 바와 같이 사용자(U1)(speaker 1)의 제 1 음성, 사용자(U1)와 대화 중인 화자(speaker 2)의 제 2 음성, 및 상기 사용자(U1)와 상기 대화를 수행하는 화자와는 관계가 없는 타인(speaker 3)의 제 3 음성을 포함할 수 있다. 전자 장치(501)는 음성 특징 생성 모듈(611)을 이용하여 획득된 적어도 하나의 음성에 대응하는 스피커 임베딩들(예: 사용자(U1)에 대한 제 1 스피커 임베딩, 화자에 제 2 스피커 임베딩, 타인에 대한 제 3 스피커 임베딩)을 생성할 수 있다. 전자 장치(501)(예: 사운드 제공 모듈(616))은 상기 생성된 스피커 임베딩들을 새로 생성된 음성 모델(1900)에 입력하여, 음성 모델로부터 출력되는 스피커 임베딩들의 각각에 대응하는 식별자(예: “1”이라는 unique ID, “2” 라는 unique ID)를 획득할 수 있다. 전자 장치(501)(예: 사운드 제공 모듈(616))는 상기 스피커 임베딩들의 각각에 대응하는 식별자(예: “1”이라는 unique ID, “2” 라는 unique ID)를 획득한 것에 기반하여, 상기 복수의 스피커 임베딩들(예: 제 1 내지 제 3 스피커 임베딩) 중 선택된 화자에 대응하는 식별자(예: “1”이라는 unique ID, “2” 라는 unique ID)를 가지는 적어도 하나의 스피커 임베딩(예: 제 1 내지 제 2 스피커 임베딩)을 식별하고, 복수의 음성들(예: 제 1 내지 제 3 음성) 중 식별된 적어도 하나의 스피커 임베딩에 대응하는 적어도 하나의 음성(예: 사용자(U1)(speaker 1)의 제 1 음성, 사용자(U1)와 대화 중인 화자(speaker 2)의 제 2 음성)을 식별할 수 있다. 상기 "1”이라는 unique ID는 사용자에 대한 식별자로서 음성 모델(1900)의 사용자 음성 모델(1900a)에 의해 출력되고, “2”라는 unique ID는 사용자와 대화를 수행하는 화자에 대한 식별자로서 음성 모델(1900)의 사용자 음성 모델(1900b)에 의해 출력될 수 있다. 전자 장치(501)(예: 사운드 제공 모듈(616))은 식별된 적어도 하나의 음성(예: 제 1 내지 제 2 음성)에 대한 후처리를 수행하고, 후처리가 수행된 적어도 하나의 음성을 스피커(621)를 통해 출력할 수 있다. 또는, 사운드 제공 모듈(616)은 특정 스피커 임베딩(예: 제 3 스피커 임베딩)의 입력에 대한 응답으로 식별자가 출력되지 않음을 식별함에 기반하여, 복수의 음성들 중 상기 특정 스피커 임베딩(예: 제 3 스피커 임베딩)에 대응하는 타인(speaker 3)의 제 3 음성을 제외하여, 나머지 음성들(예: 사용자(U1)(speaker 1)의 제 1 음성, 사용자(U1)와 대화 중인 화자(speaker 2)의 제 2 음성)을 획득할 수도 있다. 상기 후처리(1915)하는 동작은 음성의 합성, 음성의 선명도를 증가시키 위한 처리(예: harmnonic emphasis filter 를 통한 음성을 강조), 음성의 볼륨을 증가시키는 동작 또는 중 적어도 하나를 포함할 수 있다.
다양한 실시예들에 따르면 선택된 화자는 기설정되거나, 또는 사용자(U1)에 의해 설정될 수 있다. 전자 장치(501)는 기설정되거나 또는 사용자(U1)에 의해 설정된 화자에 대응하는 식별자를 식별하고, 전술한 바와 같이 식별된 식별자에 대응하는 식별자를 가지는 스피커 임베딩을 갖는 음성을 제공하는 동작을 수행할 수 있다. 일 실시예에서, 화자는 사용자(U1)와 사용자(U1)와 대화를 수행하는 타인으로 기설정될 수 있다. 이 경우, 전자 장치(501)는 사용자(U1)에 대한 제 1 식별자를 식별하고, 등록된 키워드를 포함하는 발화를 수행하거나, 전자 장치(501)의 사용자(U1)의 발화들 사이에 발화한 타인에 대한 제 2 식별자를 식별하여, 획득된 복수의 음성들(예: 사운드 분리 모듈에 의해 분리된 음성들) 중 식별된 제 1 내지 제 2 식별자에 대응하는 식별자를 가지는 스피커 임베딩을 갖는 음성을 획득할 수 있다. 또 일 실시예에서, 화자는 사용자(U1)에 의해 선택될 수 있다. 예를 들어, 사용자 단말(503)은 저장된 복수의 식별자들에 대응하는 화자들에 대한 정보들을 제공하고, 상기 정보들을 제공한 것에 기반하여 특정 화자에 대한 선택을 수신할 수 있다. 상기 정보들은 상기 특정 화자에 대한 식별자를 획득한 시점에 획득되는 특정 화자에 대한 부가 정보(예: 대화 시점(또는, 식별자가 획득된 시점), 이미지, 발화)를 포함하며, 사용자(U1)는 상기 부가 정보를 확인함으로써 화자들을 인지할 수 있다. 전자 장치(501)는 상기 사용자 단말(503)로부터 사용자에 의해 선택된 화자에 대한 정보를 수신하고, 선택된 화자에 대응하는 식별자를 식별(및/또는 획득)할 수 있다. 또 예를 들어, 전자 장치(501)는 센서(623)를 이용하여 지정된 제스쳐를 감지하는 경우, 제스쳐(예: 전자 장치(501)를 터치, 탭핑)가 감지된 시점에 마이크(620)를 통해 수신되는 음성에 대응하는 화자를 선택하고, 해당 화자에 대한 식별자를 식별(및/또는 획득)할 수 있다.
한편 상술한 바에 제한되지 않고, 다양한 실시예들에 따르면 전자 장치(501)는 선택된 화자에 대응하는 음성 이외의 다른 주변 사운드를 제거하기 위한 안티-노이즈를 스피커(621)를 통해 출력할 수도 있다. 예를 들어, 전자 장치(501))(예: 사운드 제공 모듈(616))는 도 20에 도시된 바와 같이, 새로운 화자(예: 제 1 화자)의 발화가 식별되는 경우(2001) 새로운 제 1 화자에 대한 스피커 임베딩을 생성(2003)함으로써 사용자(U1)에 대한 스피커 임베딩과 생성된 신규 화자에 대한 스피커 임베딩을 획득(2005)하고, 획득된 스피커 임베딩들을 기반으로 안티-노이즈를 생성하여 출력(2007)할 수 있다. 예를 들어, 전자 장치(501)(예: 사운드 제공 모듈(616))는 획득된 스피커 임베딩들을 기반으로 마이크(620)를 통해 수신되는 사운드로부터 사용자(U1)와 신규 화자(예: U2)의 음성 이외의 나머지 사운드를 획득할 수 있다. 전자 장치(501)는 획득된 나머지 사운드를 상쇄하기 위한 안티-노이즈를 생성하고, 생성된 안티-노이즈를 스피커(621)를 통해 출력할 수 있다. 이에 따라, 사용자(U1)에게 사용자(U1)의 음성과 화자(U2)의 음성이 제공될 수 있다.
다양한 실시예들에 따르면, 전자 장치(501)는 전자 장치(501)의 대화 모드가 종료되는 경우, 저장된 타인의 음성, 타인에 대한 스피커 임베딩, 또는 타인에 대한 음성 모델을 전자 장치(501)에서 제거(또는 삭제)할 수 있으나 이에 제한되지는 않는다.
한편, 다양한 실시예들에 따르면 전자 장치(501)는 지정된 시간 미만 새로운 화자(또는 타인)의 음성이 획득되는 경우에는, 1719 동작에서 획득된 적어도 하나의 서브 사운드를 스피커(621)를 통해 출력할 수 있다. 이경우, 전자 장치(501)는 도 19a에 도시된 바와 같이 적어도 하나의 서브 사운드로부터 음성들을 분리하고, 분리된 음성들을 후처리하여 스피커(621)를 통해 출력할 수 있다.
다양한 실예들에 따르면, 전자 장치(예: 도 5의 501)로서, 통신 회로(예: 도 6a의 제 1 통신 회로(622)), 복수의 마이크들(예: 도 16의 620a, 620b), 스피커(예: 도 6a의 621), 및 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))를 포함하고, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 통신 회로(예: 도 6a의 제 1 통신 회로(622))를 통해 외부 전자 장치(예: 도 6a의 사용자 단말(503))로부터 수신된 데이터를 기반으로, 상기 스피커(예: 도 6a의 621)를 통해 오디오를 출력하고, 상기 복수의 마이크들(예: 도 16의 620a, 620b) 중 적어도 일부를 통해 수신되는 지정된 키워드를 포함하는 발화를 식별하고, 상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 스피커(예: 도 6a의 621)를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 복수의 마이크들(예: 도 16의 620a, 620b)의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 전자 장치(예: 도 5의 501)의 사용자의 음성과 상기 전자 장치(예: 도 5의 501)의 사용자와는 다른 타인의 음성을 제공하기 위한 동작을 수행하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 메모리(예: 도 6a의 제 1 메모리(624))를 더 포함하고, 상기 외부 전자 장치(예: 도 6a의 사용자 단말(503))로부터 복수의 키워드들 또는 상기 복수의 키워드들에 대응하는 사운드들을 상기 메모리(예: 도 6a의 제 1 메모리(624))에 저장하고, 상기 오디오를 출력하는 중에, 상기 마이크를 통해 상기 발화를 수신하고, 상기 복수의 키워드들 또는 상기 복수의 키워드들에 대응하는 사운드들 중 적어도 하나와 상기 수신된 발화에 기반하여, 상기 발화가 상기 지정된 키워드를 포함하는 지 식별하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 복수의 키워드들은 적어도 하나의 제 1 키워드 및 적어도 하나의 제 2 키워드를 포함하고, 상기 적어도 하나의 제 1 키워드는 사용자의 이름이고, 상기 적어도 하나의 제 2 키워드는 상기 적어도 하나의 제 1 키워드를 기반으로 생성된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 사용자가 발화하는지 여부를 식별하고, 상기 사용자가 발화한 것으로 식별함에 기반하여, 상기 스피커(예: 도 6a의 621)를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 전자 장치(예: 도 5의 501)의 상기 사용자의 음성과 상기 타인의 음성을 제공하기 위한 상기 동작을 수행하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 센서를 더 포함하고, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 센서를 이용하여 지정된 적어도 하나의 값을 식별하고, 상기 지정된 적어도 하나의 값은 상기 사용자가 발화함을 나타내고, 상기 적어도 하나의 값을 식별함에 기반하여, 상기 사용자가 발화하는 것으로 식별하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 지정된 키워드를 포함하는 상기 발화를 식별하기 이전에, 상기 사용자의 적어도 하나의 음성에 대한 제 1 특징 정보를 생성하고, 상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 마이크를 통해 수신되는 음성의 특징 정보와 상기 제 1 특징 정보를 비교하고, 상기 비교 결과에 기반하여, 상기 사용자가 발화하는 것으로 식별하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 복수의 마이크들(예: 도 16의 620a, 620b) 중 적어도 일부를 통해 사운드를 획득하고, 상기 획득된 사운드에 기반하여, 지정된 적어도 하나의 방향과 연관된 적어도 하나의 서브 사운드를 획득하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 지정된 적어도 하나의 방향은, 상기 전자 장치(예: 도 5의 501)로부터 상기 사용자의 입으로의 방향과 상기 전자 장치(예: 도 5의 501)로부터 상기 사용자의 정면 방향으로 기설정되는, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 복수의 마이크들(예: 도 16의 620a, 620b) 중 적어도 일부를 통해 상기 타인의 제 1 음성을 수신하고, 상기 타인의 음성이 지정된 시간 동안 수신되는 경우, 상기 지정된 시간 동안 수신되는 상기 타인의 제 1 음성을 기반으로 상기 타인에 대한 스피커(예: 도 6a의 621) 임베딩을 생성하고, 상기 타인에 대한 스피커(예: 도 6a의 621) 임베딩과 상기 사용자에 대한 스피커(예: 도 6a의 621) 임베딩을 트레이닝 데이터를 기반으로, 적어도 하나의 음성 모델을 획득하고, 상기 획득된 적어도 하나의 음성 모델에 기반하여, 상기 사용자의 음성과 상기 타인의 음성을 획득하여 상기 사용자의 음성과 상기 타인의 음성을 상기 스피커(예: 도 6a의 621)를 통해 출력하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 메모리(예: 도 6a의 제 1 메모리(624))를 더 포함하고, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 메모리(예: 도 6a의 제 1 메모리(624))에 기-저장된 적어도 하나의 화자에 대한 적어도 하나의 스피커(예: 도 6a의 621) 임베딩과 상기 타인에 대한 상기 스피커(예: 도 6a의 621) 임베딩을 비교하고, 상기 비교 결과에 기반하여, 상기 타인이 상기 적어도 하나의 화자와는 다른 것으로 식별하는 경우, 상기 적어도 하나의 음성 모델을 획득하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 사용자에 대한 스피커(예: 도 6a의 621) 임베딩과 상기 타인에 대한 스피커(예: 도 6a의 621) 임베딩을 인풋 데이터로 하고, 상기 사용자에 대응하는 제 1 식별자와 상기 타인에 대응하는 제 2 식별자를 아웃풋 데이터로 하여, 학습을 수행함으로써, 상기 적어도 하나의 음성 모델을 생성하도록 설정되고, 상기 적어도 하나의 음성 모델은 상기 사용자에 대한 상기 스피커(예: 도 6a의 621) 임베딩 또는 상기 타인에 대한 상기 스피커(예: 도 6a의 621) 임베딩을 입력 받은 것에 대한 응답으로, 상기 제 1 식별자 또는 상기 제 2 식별자를 출력하도록 구현된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 적어도 하나의 음성 모델의 생성 이후, 상기 복수의 마이크들(예: 도 16의 620a, 620b) 중 적어도 일부를 통해서 사운드를 수신하고, 상기 수신된 사운드로부터 복수의 음성들을 분리하고, 상기 복수의 음성들은 복수의 화자들에 대응하고, 상기 복수의 음성들을 기반으로, 상기 복수의 화자들에 대한 스피커(예: 도 6a의 621) 임베딩들을 생성하고, 상기 생성된 스피커(예: 도 6a의 621) 임베딩들을 상기 적어도 하나의 음성 모델에 입력함에 기반하여, 상기 복수의 음성들에 대응하는 복수의 식별자들을 획득하고, 상기 복수의 음성들 중 상기 제 1 식별자와 상기 제 2 식별자에 대응하는 식별자를 가지는 상기 사용자의 음성과 상기 타인의 음성을 획득하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 획득된 사용자의 음성과 상기 타인의 음성을 후처리하여, 후처리된 상기 사용자의 음성과 상기 타인의 음성을 상기 스피커(예: 도 6a의 621)를 통해 출력하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 사용자에 의해 선택된 화자에 대한 제 3 식별자를 더 식별하고, 상기 복수의 음성들 중 상기 제 3 식별자에 대응하는 제 3 음성을 더 획득하고, 상기 사용자의 음성, 상기 타인의 음성, 제 3 음성을 상기 스피커(예: 도 6a의 621)를 통해 출력하도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.
다양한 실예들에 따르면, 전자 장치(예: 도 5의 501)의 동작 방법으로서, 상기 통신 회로(예: 도 6a의 제 1 통신 회로(622))를 통해 외부 전자 장치(예: 도 6a의 사용자 단말(503))로부터 수신된 데이터를 기반으로, 상기 스피커(예: 도 6a의 621)를 통해 오디오를 출력하는 단계, 상기 복수의 마이크들(예: 도 16의 620a, 620b) 중 적어도 일부를 통해 수신되는 지정된 키워드를 포함하는 발화를 식별하는 단계, 및 상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 스피커(예: 도 6a의 621)를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 복수의 마이크들(예: 도 16의 620a, 620b)의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 전자 장치(예: 도 5의 501)의 사용자의 음성과 상기 전자 장치(예: 도 5의 501)의 사용자와는 다른 타인의 음성을 제공하기 위한 동작을 수행하는 단계를 포함하는, 동작 방법이 제공될 수 있다.
다양한 실예들에 따르면, 상기 외부 전자 장치(예: 도 6a의 사용자 단말(503))로부터 복수의 키워드들 또는 상기 복수의 키워드들에 대응하는 사운드들을 상기 전자 장치(예: 도 5의 501)의 메모리(예: 도 6a의 제 1 메모리(624))에 저장하는 단계, 상기 오디오를 출력하는 중에, 상기 마이크를 통해 상기 발화를 수신하는 단계, 및 상기 복수의 키워드들 또는 상기 복수의 키워드들에 대응하는 사운드들 중 적어도 하나와 상기 수신된 발화에 기반하여, 상기 발화가 상기 지정된 키워드를 포함하는 지 식별하는 단계를 포함하는, 동작 방법이 제공될 수 있다.
다양한 실예들에 따르면, 상기 복수의 키워드들은 적어도 하나의 제 1 키워드 및 적어도 하나의 제 2 키워드를 포함하고, 상기 적어도 하나의 제 1 키워드는 사용자의 이름이고, 상기 적어도 하나의 제 2 키워드는 상기 적어도 하나의 제 1 키워드를 기반으로 생성된, 동작 방법이 제공될 수 있다.
다양한 실예들에 따르면, 상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 사용자가 발화하는지 여부를 식별하는 단계, 및 상기 사용자가 발화한 것으로 식별함에 기반하여, 상기 스피커(예: 도 6a의 621)를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 전자 장치(예: 도 5의 501)의 상기 사용자의 음성과 상기 타인의 음성을 제공하기 위한 상기 동작을 수행하는 단계를 포함하는, 동작 방법이 제공될 수 있다.
다양한 실예들에 따르면, 상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 전자 장치(예: 도 5의 501)의 센서를 이용하여 지정된 적어도 하나의 값을 식별하는 단계를 포함하고, 상기 지정된 적어도 하나의 값은 상기 사용자가 발화함을 나타내고, 상기 적어도 하나의 값을 식별함에 기반하여, 상기 사용자가 발화하는 것으로 식별하는 단계를 포함하는, 동작 방법이 제공될 수 있다.
다양한 실예들에 따르면, 전자 장치(예: 도 5의 501)로서, 통신 회로(예: 도 6a의 제 1 통신 회로(622)), 복수의 마이크들(예: 도 16의 620a, 620b), 스피커(예: 도 6a의 621), 및 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))를 포함하고, 상기 적어도 하나의 프로세서(예: 도 6a의 제 1 프로세서(610))는 상기 통신 회로(예: 도 6a의 제 1 통신 회로(622))를 이용하여 수신된 데이터를 기반으로, 오디오를 상기 스피커(예: 도 6a의 621)를 통해 출력하고, 상기 복수의 마이크들(예: 도 16의 620a, 620b) 중 적어도 일부를 통해 상기 전자 장치(예: 도 5의 501)의 사용자의 제 1 발화가 지정된 제 1 시간 동안 수신되는 경우, 상기 오디오의 볼륨을 감소시키고, 상기 복수의 마이크들(예: 도 16의 620a, 620b) 중 적어도 일부를 통해 지정된 키워드를 포함하는 제 2 발화가 수신되는 경우, 상기 제 2 발화의 수신 이후 상기 제 1 시간 보다 짧은 제 2 시간 동안 상기 사용자의 제 3 발화를 수신함에 기반하여 상기 오디오의 볼륨을 감소시키도록 설정된, 전자 장치(예: 도 5의 501)가 제공될 수 있다.

Claims (20)

  1. 전자 장치로서,
    통신 회로;
    복수의 마이크들;
    스피커; 및
    적어도 하나의 프로세서;를 포함하고,
    상기 적어도 하나의 프로세서는:
    상기 통신 회로를 통해 외부 전자 장치로부터 수신된 데이터를 기반으로, 상기 스피커를 통해 오디오를 출력하고,
    상기 복수의 마이크들 중 적어도 일부를 통해 수신되는 지정된 키워드를 포함하는 발화를 식별하고,
    상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 스피커를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 복수의 마이크들의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 전자 장치의 사용자의 음성과 상기 전자 장치의 사용자와는 다른 타인의 음성을 제공하기 위한 동작을 수행하도록 설정된,
    전자 장치.
  2. 제 1 항에 있어서, 메모리;를 더 포함하고,
    상기 외부 전자 장치로부터 복수의 키워드들 또는 상기 복수의 키워드들에 대응하는 사운드들을 상기 메모리에 저장하고,
    상기 오디오를 출력하는 중에, 상기 마이크를 통해 상기 발화를 수신하고,
    상기 복수의 키워드들 또는 상기 복수의 키워드들에 대응하는 사운드들 중 적어도 하나와 상기 수신된 발화에 기반하여, 상기 발화가 상기 지정된 키워드를 포함하는지 여부를 식별하도록 설정된,
    전자 장치.
  3. 제 2 항에 있어서,
    상기 복수의 키워드들은 적어도 하나의 제 1 키워드 및 적어도 하나의 제 2 키워드를 포함하고,
    상기 적어도 하나의 제 1 키워드는 사용자의 이름이고,
    상기 적어도 하나의 제 2 키워드는 상기 적어도 하나의 제 1 키워드를 기반으로 생성된,
    전자 장치.
  4. 제 1 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 사용자가 발화하는지 여부를 식별하고,
    상기 사용자가 발화한 것으로 식별함에 기반하여, 상기 스피커를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 전자 장치의 상기 사용자의 음성과 상기 타인의 음성을 제공하기 위한 상기 동작을 수행하도록 설정된,
    전자 장치.
  5. 제 4 항에 있어서, 센서;를 더 포함하고,
    상기 적어도 하나의 프로세서는:
    상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 센서를 이용하여 지정된 적어도 하나의 값을 식별하고, 상기 지정된 적어도 하나의 값은 상기 사용자가 발화함을 나타내고,
    상기 적어도 하나의 값을 식별함에 기반하여, 상기 사용자가 발화하는 것으로 식별하도록 설정된,
    전자 장치.
  6. 제 4 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 지정된 키워드를 포함하는 상기 발화를 식별하기 이전에, 상기 사용자의 적어도 하나의 음성에 대한 제 1 특징 정보를 생성하고,
    상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 마이크를 통해 수신되는 음성의 특징 정보와 상기 제 1 특징 정보를 비교하고,
    상기 비교 결과에 기반하여, 상기 사용자가 발화하는 것으로 식별하도록 설정된,
    전자 장치.
  7. 제 1 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 복수의 마이크들 중 적어도 일부를 통해 사운드를 획득하고,
    상기 획득된 사운드에 기반하여, 지정된 적어도 하나의 방향과 연관된 적어도 하나의 서브 사운드를 획득하도록 설정된,
    전자 장치.
  8. 제 7 항에 있어서,
    상기 지정된 적어도 하나의 방향은, 상기 전자 장치로부터 상기 사용자의 입으로의 방향과 상기 전자 장치로부터 상기 사용자의 정면 방향으로 기설정되는,
    전자 장치.
  9. 제 7 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 복수의 마이크들 중 적어도 일부를 통해 상기 타인의 제 1 음성을 수신하고,
    상기 타인의 음성이 지정된 시간 동안 수신되는 경우, 상기 지정된 시간 동안 수신되는 상기 타인의 제 1 음성을 기반으로 상기 타인에 대한 스피커 임베딩을 생성하고,
    상기 타인에 대한 스피커 임베딩과 상기 사용자에 대한 스피커 임베딩을 트레이닝 데이터를 기반으로, 적어도 하나의 음성 모델을 획득하고,
    상기 획득된 적어도 하나의 음성 모델에 기반하여, 상기 사용자의 음성과 상기 타인의 음성을 획득하여 상기 사용자의 음성과 상기 타인의 음성을 상기 스피커를 통해 출력하도록 설정된,
    전자 장치.
  10. 제 9 항에 있어서, 메모리;를 더 포함하고,
    상기 적어도 하나의 프로세서는:
    상기 메모리에 기-저장된 적어도 하나의 화자에 대한 적어도 하나의 스피커 임베딩과 상기 타인에 대한 상기 스피커 임베딩을 비교하고,
    상기 비교 결과에 기반하여, 상기 타인이 상기 적어도 하나의 화자와는 다른 것으로 식별하는 경우, 상기 적어도 하나의 음성 모델을 획득하도록 설정된,
    전자 장치.
  11. 제 10 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 사용자에 대한 스피커 임베딩과 상기 타인에 대한 스피커 임베딩을 인풋 데이터로 하고, 상기 사용자에 대응하는 제 1 식별자와 상기 타인에 대응하는 제 2 식별자를 아웃풋 데이터로 하여, 학습을 수행함으로써, 상기 적어도 하나의 음성 모델을 생성하도록 설정되고,
    상기 적어도 하나의 음성 모델은 상기 사용자에 대한 상기 스피커 임베딩 또는 상기 타인에 대한 상기 스피커 임베딩을 입력 받은 것에 대한 응답으로, 상기 제 1 식별자 또는 상기 제 2 식별자를 출력하도록 구현된,
    전자 장치.
  12. 제 11 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 적어도 하나의 음성 모델의 생성 이후, 상기 복수의 마이크들 중 적어도 일부를 통해서 사운드를 수신하고,
    상기 수신된 사운드로부터 복수의 음성들을 분리하고, 상기 복수의 음성들은 복수의 화자들에 대응하고,
    상기 복수의 음성들을 기반으로, 상기 복수의 화자들에 대한 스피커 임베딩들을 생성하고,
    상기 생성된 스피커 임베딩들을 상기 적어도 하나의 음성 모델에 입력함에 기반하여, 상기 복수의 음성들에 대응하는 복수의 식별자들을 획득하고,
    상기 복수의 음성들 중 상기 제 1 식별자와 상기 제 2 식별자에 대응하는 식별자를 가지는 상기 사용자의 음성과 상기 타인의 음성을 획득하도록 설정된,
    전자 장치.
  13. 제 12 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 획득된 사용자의 음성과 상기 타인의 음성을 후처리하여, 후처리된 상기 사용자의 음성과 상기 타인의 음성을 상기 스피커를 통해 출력하도록 설정된,
    전자 장치.
  14. 제 12 항에 있어서,
    상기 적어도 하나의 프로세서는:
    상기 사용자에 의해 선택된 화자에 대한 제 3 식별자를 더 식별하고,
    상기 복수의 음성들 중 상기 제 3 식별자에 대응하는 제 3 음성을 더 획득하고,
    상기 사용자의 음성, 상기 타인의 음성, 제 3 음성을 상기 스피커를 통해 출력하도록 설정된,
    전자 장치.
  15. 전자 장치의 동작 방법으로서,
    상기 전자 장치의 통신 회로를 통해 외부 전자 장치로부터 수신된 데이터를 기반으로, 상기 스피커를 통해 오디오를 출력하는 단계;
    상기 전자 장치의 복수의 마이크들 중 적어도 일부를 통해 수신되는 지정된 키워드를 포함하는 발화를 식별하는 단계; 및
    상기 지정된 키워드를 포함하는 상기 발화를 식별한 것에 기반하여, 상기 스피커를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 복수의 마이크들의 적어도 일부를 통해 수신되는 주변 사운드의 적어도 일부에 기반하여 상기 전자 장치의 사용자의 음성과 상기 전자 장치의 사용자와는 다른 타인의 음성을 제공하기 위한 동작을 수행하는 단계;를 포함하는,
    동작 방법.
  16. 제 15 항에 있어서,
    상기 외부 전자 장치로부터 복수의 키워드들 또는 상기 복수의 키워드들에 대응하는 사운드들을 상기 전자 장치의 메모리에 저장하는 단계;
    상기 오디오를 출력하는 중에, 상기 마이크를 통해 상기 발화를 수신하는 단계; 및
    상기 복수의 키워드들 또는 상기 복수의 키워드들에 대응하는 사운드들 중 적어도 하나와 상기 수신된 발화에 기반하여, 상기 발화가 상기 지정된 키워드를 포함하는 지 식별하는 단계;를 포함하는,
    동작 방법.
  17. 제 16 항에 있어서, 상기 복수의 키워드들은 적어도 하나의 제 1 키워드 및 적어도 하나의 제 2 키워드를 포함하고, 상기 적어도 하나의 제 1 키워드는 사용자의 이름이고, 상기 적어도 하나의 제 2 키워드는 상기 적어도 하나의 제 1 키워드를 기반으로 생성된,
    동작 방법.
  18. 제 15 항에 있어서,
    상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 사용자가 발화하는지 여부를 식별하는 단계; 및
    상기 사용자가 발화한 것으로 식별함에 기반하여, 상기 스피커를 통해 출력되는 상기 오디오의 볼륨을 감소시키고, 상기 전자 장치의 상기 사용자의 음성과 상기 타인의 음성을 제공하기 위한 상기 동작을 수행하는 단계;를 포함하는,
    동작 방법.
  19. 제 18 항에 있어서,
    상기 지정된 키워드를 포함하는 발화를 식별한 것에 기반하여, 상기 전자 장치의 센서를 이용하여 지정된 적어도 하나의 값을 식별하는 단계;를 포함하고, 상기 지정된 적어도 하나의 값은 상기 사용자가 발화함을 나타내고,
    상기 적어도 하나의 값을 식별함에 기반하여, 상기 사용자가 발화하는 것으로 식별하는 단계;를 포함하는,
    동작 방법.
  20. 전자 장치로서,
    통신 회로;
    복수의 마이크들;
    스피커; 및
    적어도 하나의 프로세서;를 포함하고,
    상기 적어도 하나의 프로세서는:
    상기 통신 회로를 이용하여 수신된 데이터를 기반으로, 오디오를 상기 스피커를 통해 출력하고,
    상기 복수의 마이크들 중 적어도 일부를 통해 지정된 제 1 시간 동안 상기 전자 장치의 사용자의 제 1 발화가 수신되는 경우, 상기 오디오의 볼륨을 감소시키고,
    상기 복수의 마이크들 중 적어도 일부를 통해 지정된 키워드를 포함하는 제 2 발화가 수신되는 경우, 상기 제 2 발화의 수신 이후 상기 제 1 시간 보다 짧은 제 2 시간 동안 상기 사용자의 제 3 발화를 수신함에 기반하여 상기 오디오의 볼륨을 감소시키도록 설정된,
    전자 장치.
KR1020210021842A 2021-02-18 2021-02-18 스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법 KR20220118109A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020210021842A KR20220118109A (ko) 2021-02-18 2021-02-18 스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법
PCT/KR2022/001151 WO2022177186A1 (ko) 2021-02-18 2022-01-21 스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법
US17/666,900 US20220261218A1 (en) 2021-02-18 2022-02-08 Electronic device including speaker and microphone and method for operating the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210021842A KR20220118109A (ko) 2021-02-18 2021-02-18 스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20220118109A true KR20220118109A (ko) 2022-08-25

Family

ID=82930757

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210021842A KR20220118109A (ko) 2021-02-18 2021-02-18 스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법

Country Status (2)

Country Link
KR (1) KR20220118109A (ko)
WO (1) WO2022177186A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020141599A1 (en) * 2001-04-03 2002-10-03 Philips Electronics North America Corp. Active noise canceling headset and devices with selective noise suppression
JP2005192004A (ja) * 2003-12-26 2005-07-14 Toshiba Corp ヘッドセットおよびヘッドセットの音楽データの再生制御方法
JP2016051915A (ja) * 2014-08-28 2016-04-11 京セラ株式会社 イヤホン、携帯端末、電子システム、および電子システムの制御方法
KR101634133B1 (ko) * 2015-01-26 2016-06-28 해보라 주식회사 이어셋 및 그 제어 방법
KR102316537B1 (ko) * 2019-06-21 2021-10-22 한양대학교 산학협력단 잡음 환경에 강인한 화자 인식을 위한 심화신경망 기반의 특징 강화 및 변형된 손실 함수를 이용한 결합 학습 방법 및 장치

Also Published As

Publication number Publication date
WO2022177186A1 (ko) 2022-08-25

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
KR20200099380A (ko) 음성 인식 서비스를 제공하는 방법 및 그 전자 장치
KR102629796B1 (ko) 음성 인식의 향상을 지원하는 전자 장치
KR20200016636A (ko) 사용자 발화에 응답하여 통화를 포함하는 태스크를 수행하는 전자 장치 및 그 동작 방법
US20230126305A1 (en) Method of identifying target device based on reception of utterance and electronic device therefor
US11991421B2 (en) Electronic device and method for processing voice input and recording in the same
US11961508B2 (en) Voice input processing method and electronic device supporting same
KR20220125523A (ko) 전자 장치 및 전자 장치에서 레코딩과 음성 입력을 처리하는 방법
KR20220118109A (ko) 스피커 및 마이크를 포함하는 전자 장치 및 그 동작 방법
US20220261218A1 (en) Electronic device including speaker and microphone and method for operating the same
KR20220084902A (ko) 주변 소리 제어 방법 및 이를 위한 전자 장치
KR20220118698A (ko) 사용자와 대화하는 인공 지능 에이전트 서비스를 지원하는 전자 장치
KR20220040875A (ko) 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법
KR20220086265A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20210044606A (ko) 웨이크업 모델 생성 방법 및 이를 위한 전자 장치
US20220189477A1 (en) Method for controlling ambient sound and electronic device therefor
US20240112676A1 (en) Apparatus performing based on voice recognition and artificial intelligence and method for controlling thereof
US20220406324A1 (en) Electronic device and personalized audio processing method of the electronic device
KR20240043021A (ko) 음성 특성 기반 번역 방법 및 이를 위한 전자 장치
KR20220115453A (ko) 음성 구간 인식의 향상을 지원하는 전자 장치
KR20240045933A (ko) 인공지능과 음성 인식을 기반으로 동작하는 전자 장치 및 이의 제어 방법
US20240071363A1 (en) Electronic device and method of controlling text-to-speech (tts) rate
KR20240026811A (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
KR20230060351A (ko) 발화 수신에 기반한 목적 장치의 식별 방법 및 이를 위한 전자 장치