KR20220129312A

KR20220129312A - 전자 장치 및 전자 장치의 개인화 음성 모델 생성 방법

Info

Publication number: KR20220129312A
Application number: KR1020210034034A
Authority: KR
Inventors: 성준식; 김광훈; 박형민
Original assignee: 삼성전자주식회사
Priority date: 2021-03-16
Filing date: 2021-03-16
Publication date: 2022-09-23
Also published as: WO2022196925A1

Abstract

다양한 실시예에 따르면, 전자 장치는, 인스트럭션들을 포함하는 메모리와, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 텍스트에 대응하는 사용자의 음성을 녹음하여 상기 텍스트 및 상기 사용자의 음성이 매칭된 녹음 데이터를 획득하고, 상기 사용자에 대응하는 개인화 음성 모델을 생성하기 위해 음성 모델을 학습하는 중에 상기 녹음 데이터 중 일부에 기초하여 학습된 음성 모델을 중간 모델로 저장하고, 상기 중간 모델을 이용하여 상기 학습에 의한 중간 결과를 생성하여 상기 사용자에게 제공하고, 상기 중간 결과에 대한 상기 사용자의 피드백을 수신할 수 있다. 그 외에도 다양한 실시예들이 가능할 수 있다

Description

전자 장치 및 전자 장치의 개인화 음성 모델 생성 방법{ELECTRONIC DEVICE AND PERSONALIZED TEXT-TO-SPEECH MODEL GENERATION METHOD OF THE ELECTORNIC DEVICE}

아래의 개시의 다양한 실시예는 전자 장치 및 전자 장치의 개인화 음성 모델 생성 방법에 관한 것이다.

TTS(text-to-speech)는 텍스트 및 음원으로 이루어진 데이터 쌍을 학습하여, 임의의 텍스트가 주어졌을 때 이에 가장 적합한 음원을 생성하는 기술이다.

P-TTS(personalized TTS)는 텍스트에 대응하는 음원을 목적하는 화자의 음색으로 생성하는 기술일 수 있다. 목적 화자의 목소리를 모사하는 음원을 생성하는 개인화 음성 모델(P-TTS model)은 목적하는 화자로부터 획득한 음원에 기초하여 베이스 모델(base model)의 가중치를 업데이트함으로써 생성될 수 있다.

개인화 음성 모델은 딥러닝 알고리즘을 활용하여 생성될 수 있는데, 딥러닝은 높은 연산을 요구하는 시스템이며, 학습 중인 모델의 성능을 예측하기 어려울 수 있다. 이에, 오랜 시간이 소요되어 생성된 개인화 음성 모델이 사용자가 기대한 성능에 미치지 못할 가능성이 존재할 수 있다.

본 발명의 다양한 실시예들은, 개인화 음성 모델을 생성함에 있어서, 학습 중간 과정에서 사용자의 피드백을 획득하고, 피드백에 기초하여 학습 성능을 향상시키는 기술을 제공할 수 있다.

본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

다양한 실시예에 따르면, 전자 장치는, 인스트럭션들을 포함하는 메모리와, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 텍스트에 대응하는 사용자의 음성을 녹음하여 상기 텍스트 및 상기 사용자의 음성이 매칭된 녹음 데이터를 획득하고, 상기 사용자에 대응하는 개인화 음성 모델을 생성하기 위해 음성 모델을 학습하는 중에 상기 녹음 데이터 중 일부에 기초하여 학습된 음성 모델을 중간 모델로 저장하고, 상기 중간 모델을 이용하여 상기 학습에 의한 중간 결과를 생성하여 상기 사용자에게 제공하고, 상기 중간 결과에 대한 상기 사용자의 피드백을 수신할 수 있다.

다양한 실시예에 따르면, 전자 장치의 동작 방법은, 텍스트에 대응하는 사용자의 음성을 녹음하여 상기 텍스트 및 상기 사용자의 음성이 매칭된 녹음 데이터를 획득하는 동작과, 상기 사용자에 대응하는 개인화 음성 모델을 생성하기 위해 음성 모델을 학습하는 중에 상기 녹음 데이터 중 일부에 기초하여 학습된 음성 모델을 중간 모델로 저장하는 동작과, 상기 중간 모델을 이용하여 상기 학습에 의한 중간 결과를 생성하여 상기 사용자에게 제공하는 동작과, 상기 중간 결과에 대한 상기 사용자의 피드백을 수신하는 동작을 포함할 수 있다.

다양한 실시예에 따르면, 개인화 음성 모델을 학습함에 있어서, 학습 중간 과정에서 획득한 사용자의 피드백을 반영함으로써 높은 성능의 개인화 음성 모델을 생성할 수 있으며, 개인화 음성 모델 생성에 소요되는 시간을 단축시킬 수 있다.

이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.

도 1은 일 실시예에 따른 통합 지능(integrated intelligence) 시스템을 나타낸 블록도이다.
도 2는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 3은 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 4는 다양한 실시예에 따른 개인화 음성 모델을 생성하는 전자 장치를 나타낸다.
도 5는 다양한 실시예에 따른 전자 장치의 개인화 음성 모델의 생성 동작을 나타낸다.
도 6은 다양한 실시예에 따른 전자 장치의 데이터 일관성 및 분량 확인 동작을 나타낸다.
도 7은 다양한 실시예에 따른 전자 장치의 음성 모델 학습 동작을 나타낸다.
도 8은 다양한 실시예에 따른 전자 장치의 중간 결과 제공 동작을 나타낸다.
도 9는 다양한 실시예에 따른 전자 장치의 사용자 피드백 획득 동작을 나타낸다.
도 10은 다양한 실시예에 따른 전자 장치의 추가 녹음 데이터에 기초한 음성 모델 학습 동작을 나타낸다.
도 11은 다양한 실시예에 따른 전자 장치의 추가 녹음 데이터 수집 동작을 나타낸다.
도 12는 다양한 실시예에 따른 전자 장치의 학습 스케줄 변경 동작을 나타낸다.
도 13은 다양한 실시예에 따른 전자 장치의 사용자 피드백에 기초한 학습 동작을 나타낸다.
도 14는 다양한 실시예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 15는 다양한 실시예에 따른 전자 장치의 동작의 흐름도이다.

이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.

도 1을 참조하면, 일 실시예의 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 및 서비스 서버(300)를 포함할 수 있다.

일 실시 예의 사용자 단말(100)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.

도시된 실시 예에 따르면, 사용자 단말(100)은 통신 인터페이스(110), 마이크(120), 스피커(130), 디스플레이 모듈(140), 메모리(150), 또는 프로세서(160)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

일 실시 예의 통신 인터페이스(110)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(120)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의스피커(130)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다.

일 실시 예의 디스플레이 모듈(140)은 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이 모듈(140)은 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시 예의 디스플레이 모듈(140)은 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이 모듈(140)은 디스플레이 모듈(140) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.

일 실시 예의 메모리(150)는 클라이언트 모듈(151), SDK(software development kit)(153), 및 복수의 앱들(155)을 저장할 수 있다. 상기 클라이언트 모듈(151), 및 SDK(153)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(151) 또는 SDK(153)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.

일 실시 예의 메모리(150)는 상기 복수의 앱들(155)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(155)은 제1 앱(155_1), 제2 앱(155_3)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(155) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(155)은 프로세서(160)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.

일 실시 예의 프로세서(160)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(160)는 통신 인터페이스(110), 마이크(120), 스피커(130), 및 디스플레이 모듈(140)와 전기적으로 연결되어 지정된 동작을 수행할 수 있다.

일 실시 예의 프로세서(160)는 또한 상기 메모리(150)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(160)는 클라이언트 모듈(151) 또는 SDK(153) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(160)는, 예를 들어, SDK(153)를 통해 복수의 앱(155)의 동작을 제어할 수 있다. 클라이언트 모듈(151) 또는 SDK(153)의 동작으로 설명된 이하의 동작은 프로세서(160)의 실행에 의한 동작일 수 있다.

일 실시 예의 클라이언트 모듈(151)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 마이크(120)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 또는, 클라이언트 모듈(151)은 디스플레이 모듈(140)을 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(151)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 사용자 단말(100)에 포함된 입력 모듈 또는 사용자 단말(100)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 상기 클라이언트 모듈(151)은 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다. 클라이언트 모듈(151)은 수신된 사용자 입력과 함께, 사용자 단말(100)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.

일 실시 예의 클라이언트 모듈(151)은 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지능형 서버(200)에서 상기 수신된 사용자 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(151)은 상기 수신된 결과를 디스플레이 모듈(140)에 표시할 수 있다. 또한, 클라이언트 모듈(151)은 상기 수신된 결과를 스피커(130)를 통해 오디오로 출력할 수 있다.

일 실시 예의 클라이언트 모듈(151)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(151)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(140)에 표시할 수 있다. 클라이언트 모듈(151)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있고, 스피커(130)를 통해 오디오로 출력할 수 있다. 사용자 단말(100)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있으며, 스피커(130)를 통해 오디오로 출력할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(151)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.

일 실시 예의 클라이언트 모듈(151)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 이용하여 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.

일 실시 예의 클라이언트 모듈(151)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.

일 실시 예의 지능형 서버(200)는 통신 망을 통해 사용자 단말(100)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다

일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.

일 실시 예의 지능형 서버(200)는 생성된 플랜에 따른 결과를 사용자 단말(100)로 송신하거나, 생성된 플랜을 사용자 단말(100)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.

일 실시 예의 지능형 서버(200)는 프론트 엔드(front end)(210), 자연어 플랫폼(natural language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.

일 실시 예의 프론트 엔드(210)는 사용자 단말(100)로부터 수신된 사용자 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 사용자 입력에 대응되는 응답을 송신할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227) 또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)를 포함할 수 있다.

일 실시 예의 자동 음성 인식 모듈(221)은 사용자 단말(100)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 텍스트 데이터 형태의 사용자 입력에 대하여 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 사용자 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)은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.

일 실시 예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(100)에서도 구현가능 할 수 있다.

상기 캡슐 데이터베이스(230)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.

상기 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 사용자 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자 단말(100)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(230)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(230)는 사용자 단말(100) 내에도 구현이 가능할 수 있다.

일 실시 예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 사용자 단말(100)로 송신할 수 있다. 이에 따라, 사용자 단말(100)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(280)은 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.

일 실시 예의 서비스 서버(300)는 사용자 단말(100)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(300)는 수신된 사용자 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(200)에 제공할 수 있다.

위에 기술된 통합 지능 시스템(10)에서, 상기 사용자 단말(100)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.

일 실시 예에서, 상기 사용자 단말(100)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(100)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.

일 실시 예에서, 사용자 단말(100)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.

일 실시 예에서, 사용자 단말(100)이 지능형 서버(200) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(120)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(110)를 이용하여 지능형 서버(200)로 송신할 수 있다.

일 실시 예에 따른 지능형 서버(200)는 사용자 단말(100)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.

일 실시 예의 사용자 단말(100)은, 통신 인터페이스(110)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(100)은 상기 스피커(130)를 이용하여 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(140)를 이용하여 사용자 단말(100) 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 (401)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(100)은 지능형 서버(200)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.

일 실시 예에 따르면, 310 화면에서, 사용자 단말(100)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(100)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이 모듈(140)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(100)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 320 화면에서, 사용자 단말(100)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이에 표시할 수 있다.

도 4는 다양한 실시예에 따른 개인화 음성 모델을 생성하는 전자 장치를 나타낸다.

도 4를 참조하면, 다양한 실시예에 따르면, 전자 장치(430)(예: 도 1의 사용자 단말(100))는 사용자의 발화가 녹음된 데이터에 기초하여 음성 모델을 학습시켜 사용자에 대응하는 개인화 음성 모델(P-TTS(personalized text-to speech) model)을 생성할 수 있다. 개인화 음성 모델은 입력된 텍스트에 대응하는 음원을 목적하는 화자(예: 사용자)의 음색으로 생성하는 모델일 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 사용자의 발화를 녹음하기 위해 마이크(예: 도 1의 마이크(120))를 동작 시킬 수 있다(451). 전자 장치(430)는 디스플레이 모듈(예: 도 1의 디스플레이 모듈(140))을 통해 사용자에게 텍스트를 제공할 수 있고, 텍스트에 대응하는 사용자의 발화를 마이크(120)를 통해 수신하여 녹음할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 개인화 음성 모델을 생성하기 위해 녹음된 음원 및 녹음된 음원에 대응하는 텍스트가 매칭된 학습 데이터에 기초하여 음성 모델을 학습시킬 수 있다(452).

다양한 실시예에 따르면, 전자 장치(430)는 음성 모델의 학습 과정 진행 중 사용자에게 중간 결과를 제공하고, 중간 결과에 대한 사용자의 피드백을 수신할 수 있다(453). 학습 데이터 중 일부에 기초하여 학습된 음성 모델은 중간 모델로 저장될 수 있고, 중간 모델을 이용하여 생성된 중간 결과가 사용자에게 제공될 수 있다. 중간 결과에 대한 사용자의 피드백에 따라 음성 모델의 학습이 종료되거나, 사용자 피드백이 음성 모델의 학습 동작(452)에 반영될 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 학습을 종료하라는 사용자 피드백을 수신한 경우 음성 모델의 학습을 종료하고, 개인화 음성 모델을 생성할 수 있다(454).

도 5는 다양한 실시예에 따른 전자 장치의 개인화 음성 모델의 생성 동작을 나타낸다.

도 5를 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(430))는 사용자의 학습 요청에 응답하여 개인화 음성 모델의 생성 동작을 수행할 수 있다(510).

다양한 실시예에 따르면, 전자 장치(430)는 녹음 데이터(530)의 데이터 일관성 및 분량을 확인할 수 있다(511). 녹음 데이터(530)는 텍스트(예: 텍스트 1 내지 텍스트 N, N은 자연수) 및 각각의 텍스트에 대응하는 사용자의 발화가 녹음된 음원(예: 음원 1 내지 음원 N)이 매칭된 데이터를 포함할 수 있다. 녹음 데이터(530) 중 데이터 일관성이 확인된 데이터들이 일정 수 이상인 경우에만 음성 모델 학습 동작이 수행될 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 베이스 모델(base model)(550)을 이용하여 음성 모델을 학습시킬 수 있다(512).

다양한 실시예에 따르면, 베이스 모델(550)은 여러 계층을 가진 깊은 신경망(neural network) 구조를 가지는 딥러닝 알고리즘 방식을 이용하여 학습된 음성 합성 모델일 수 있다. 예를 들어, 신경망은 합성곱 신경망(convolutional neural network), DNN(deep neural network), RNN(recurrent neural network), 또는 BRDNN(bidirectional recurrent deep neural network)을 포함할 수 있으나, 이에 한정되지 않는다. 베이스 모델(550)은 미리 대량의 데이터를 활용하여 학습된 음성 합성 모델일 수 있다. 베이스 모델(550)은 전자 장치(430)에 저장되어 있을 수 있고, 전자 장치(430)의 요청에 응답하여 외부 장치(예: 도 1의 지능형 서버(200))로부터 수신될 수도 있다.

다양한 실시예에 따르면, 전자 장치(430)는 사용자의 연령대 및/또는 성별에 따라 서로 다른 베이스 모델(550)을 이용할 수 있다. 베이스 모델(550)은 서로 다른 연령대 및/또는 성별에 따라 서로 다른 학습 데이터에 기초하여 학습된 음성 합성 모델들을 포함할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 학습이 진행 중인 음성 모델을 중간 모델(570)로 저장할 수 있다(512). 중간 모델(570)은 전체 학습 데이터 중 일부에 대해서만 학습이 진행된 음성 모델일 수 있다. 중간 모델(570)은 일정 개수의 데이터에 대해 학습이 진행될 때마다 저장될 수 있다. 중간 모델(570)은 해당 모델의 특징을 나타내는 태그(575)와 함께 저장될 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 중간 모델(570)에 기초하여 중간 결과를 생성할 수 있다(513). 중간 결과는 중간 모델(570)을 이용하여 생성된 텍스트에 대응하는 음원을 포함할 수 있고, 생성된 음원과 동일한 텍스트에 대응하여 녹음된 음원과 차이를 나타내는 수치를 포함할 수도 있다.

다양한 실시예에 따르면, 전자 장치(430)는 중간 결과를 사용자에게 제공하고, 중간 결과에 대한 사용자의 피드백을 수신할 수 있다(514). 사용자 피드백은 학습 스케줄 조정 피드백, 녹음데이터 추가 피드백 및/또는 학습 종료 피드백을 포함할 수 있으며, 전자 장치(430)는 사용자 피드백에 기초하여 학습 스케줄을 조정하거나, 추가 녹음을 요청하거나, 학습을 종료할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 사용자의 학습 종료 피드백에 대응하여 음성 모델의 학습을 종료하여, 개인화 음성 모델을 생성할 수 있다(515).

도 6은 다양한 실시예에 따른 전자 장치의 데이터 일관성 및 분량 확인 동작을 나타낸다.

도 6을 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(430))는 학습 요청에 응답하여 데이터 일관성 및 분량 확인 동작을 수행할 수 있다(611).

다양한 실시예에 따르면, 전자 장치(430)는 녹음 데이터(630)(예: 도 5의 녹음 데이터(530))의 데이터 일관성을 확인할 수 있다(612). 데이터 일관성 확인 동작은 녹음 데이터(630)에 포함된 음원(예: 음원 1 내지 음원 N)의 잡음이 일정한 수준인지, 음원(예: 음원 1 내지 음원 N)이 동일한 사람의 발화인지, 및/또는 음원(예: 음원 1 내지 음원 N)의 억양이 서로 유사한지 여부를 확인하는 동작일 수 있다. 녹음 데이터(630) 중 데이터 일관성이 확인된 데이터는 학습 데이터(650)로 추출될 수 있다. 학습 데이터(650)는 녹음 데이터(630) 중 일관성이 확인된 음원(예: 음원 1 내지 음원 M)(M은 자연수) 및 각각의 음원에 대응하는 텍스트(예: 텍스트 1 내지 텍스트M)를 포함할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 학습 데이터(650)의 개수가 임계치 이상인지 확인할 수 있다(613). 학습 데이터(650)의 개수가 P개(P는 자연수) 미만인 경우 전자 장치(430)는 사용자에게 추가 녹음을 요청할 수 있고(614), 학습 데이터(650)의 개수가 P개(P는 자연수) 이상인 경우 전자 장치(430)는 학습 데이터(650)를 이용한 음성 모델의 학습 동작을 수행할 수 있다(615). 전자 장치(430)는 추가 녹음된 음원이 추가된 녹음 데이터(630)에 대해 재차 일관성 확인 동작(612)을 수행하여 학습 데이터(650)를 추출할 수 있고, 학습 데이터(650)의 분량 확인 동작(613)을 재차 수행할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 학습 데이터(650)가 P개 미만인 경우에도 사용자의 요청 및/또는 승인에 응답하여 음성 모델의 학습 동작을 수행할 수 있다. 일 실시예에 따르면, 음성 모델을 학습하기에 충분한 분량의 데이터가 확보되지 못한 P 개 미만의 학습 데이터(650)에 기반하여 학습된 음성 모델에 의해 생성된 음원에 대해, 음질 열화에 대한 사용자의 동의를 사전에 획득 한 경우, 음성 모델의 학습 동작을 수행할 수 있다.

도 7은 다양한 실시예에 따른 전자 장치의 음성 모델 학습 동작을 나타낸다.

다양한 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(430))는 학습 스케줄에 관련된 설정 파라미터(config parameter)(720)에 따라 학습 데이터(710)(예: 도 6의 학습 데이터(650))를 이용하여 파인 튜닝(fine-tunning)을 수행할 수 있다(740). 다양한 실시예에 따르면, 전자 장치(430)는 베이스 모델(730)(예: 도 5의 베이스 모델(550))을 이용하여 파인 튜닝을 수행할 수 있다. 전자 장치(430)는 학습 데이터(710)에 포함된 음원에서 추출한 파라미터(예: 스펙트럼 파라미터(spectral parameter))와 음원에 대응하는 텍스트를 이용하여 베이스 모델(730)을 통해 생성한 파라미터 사이의 관계를 연산하여 베이스 모델(730)의 가중치(weight)를 갱신하고, 갱신된 가중치를 학습 내부 저장 모델(750)로 저장할 수 있다. 전자 장치(430)는 학습 데이터(710)를 이용하여 학습 내부 저장 모델(750)의 가중치를 지속적으로 업데이트할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 지정된 학습 단계 마다(예: K번의 가중치 업데이트가 수행될 때마다, K는 자연수) 학습 내부 저장 모델(750)을 중간 모델(760)(예: 도 5의 중간 모델(570))로 저장할 수 있다. 중간 모델(760)은 학습 데이터(710) 중 K개의 데이터에 대해 학습 내부 저장 모델(750)의 가중치가 업데이트될 때마다 저장될 수 있다.

다양한 실시예에 따르면, 중간 모델(760)은 태그(770)(예: 도 5의 태그(575))와 함께 저장될 수 있다. 태그(770)는 중간 모델(760)을 통해 생성된 음원과 녹음된 음원과의 차이를 나타내는 수치일 수 있다. 태그(770)는 생성된 음원과 녹음된 음원 사이의 스펙트럼 거리(spectral distance)일 수 있다. 스펙트럼 거리(spectral distance)는 두 음원으로부터 멜-켑스트럼(mel-cepstrum)을 추출하고, 다이나믹 타임 워핑(dynamic time warping)을 통해 프레임 간 정렬을 맞춰 계산된 유클리디안 거리(Euclidean distance) 일 수 있다.

도 8은 다양한 실시예에 따른 전자 장치의 중간 결과 제공 동작을 나타낸다.

도 8을 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(430))는 중간 결과 확인 요청에 응답하여 사용자에게 중간 결과를 제공할 수 있다(811). 확인 요청은 사용자로부터 요청될 수 있고, 지정된 시점(예: 학습 단계가 지정된 단계인 시점)에 요청될 수도 있다.

다양한 실시예에 따르면, 전자 장치(430)는 중간 모델(830)(예: 도 5의 중간 모델(570))을 이용하여 텍스트(851)에 대응하는 음원(853)을 생성할 수 있다(812). 텍스트(851)는 녹음된 음원(855)(예: 도6의 학습 데이터(650)에 포함된 음원)에 대응하는 텍스트일 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 생성된 음원(853)과 녹음된 음원(855) 사이의 비교 팩터(factor)를 연산할 수 있다(813). 비교 팩터는 생성된 음원(853)과 녹음된 음원(855) 사이의 스펙트럼 거리(spectral distance)일 수 있다. 스펙트럼 거리(spectral distance)는 두 음원으로부터 멜-켑스트럼(mel-cepstrum)을 추출하고, 다이나믹 타임 워핑(dynamic time warping)을 통해 프레임 간 정렬을 맞춰 계산된 유클리디안 거리(Euclidean distance) 일 수 있다. 스펙트럼 거리는 작을수록 생성된 음원(853)과 녹음된 음원(855) 사이의 차이가 작다는 것을 간접적으로 표현하는 것이므로, 학습이 진행됨에 따라 비교 팩터가 감소하는 것을 통해, 사용자는 음성 모델이 목적하는 화자의 음색에 가까워지는 것을 확인할 수 있다. 한편으로, 학습이 진행됨에도 불구하고 비교 팩터가 더 이상 감소하지 않는 경우 해당 시점까지 학습된 음성 모델이 생성하는 음원은 목적하는 화자를 모사하는 최대치일 수 있으므로. 학습을 종료할 요인일 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 중간 결과로 생성된 음원 및/또는 비교 팩터를 사용자에게 제공할 수 있다.(814) 전자 장치(430)는 생성된 음원 및/또는 비교 팩터를 사용자에 제공함으로써 사용자로부터 피드백을 수신할 수 있다.

다양한 실시예에 따르면, 텍스트(851)는 녹음된 음원(855)에 대응하지 않는 텍스트일 수 있다. 이 경우, 전자 장치(430)는 비교 팩터를 연산하지 않고, 중간 모델(830)과 함께 저장된 태그(예: 도 7의 태그(770))를 사용자에게 제공할 수 있다.

도 9는 다양한 실시예에 따른 전자 장치의 사용자 피드백 획득 동작을 나타낸다.

도9를 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(430))는 확인 요청에 응답하여 사용자의 피드백을 수신할 수 있다(911). 전자 장치(430)는 확인 요청에 응답하여 중간 결과를 생성하고, 중간 결과를 사용자에게 제공할 수 있다(912).

다양한 실시예에 따르면, 전자 장치(430)는 중간 결과를 제공받은 사용자에게 학습 중단 여부를 확인할 수 있다(913). 사용자로부터 학습 중단 피드백을 수신하는 경우, 전자 장치(430)는 음성 모델의 학습을 종료할 수 있다(914).

다양한 실시예에 따르면, 전자 장치(430)는 사용자로부터 학습 진행 피드백을 수신하는 경우, 사용자에게 학습에 제공할 추가 녹음 데이터가 있는지 여부를 확인할 수 있다(921). 추가 녹음 데이터가 있다는 피드백을 수신하는 경우, 전자 장치(430)는 추가 녹음 데이터의 일관성을 확인할 수 있고(922), 추가 녹음 데이터 중 일관성이 확인된 데이터를 학습 데이터(예: 도 7의 학습 데이터(710))에 추가하여 학습을 진행할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 사용자로부터 추가 녹음 데이터가 없다는 피드백을 수신하는 경우, 사용자에게 중간 결과로 생성된 음원(예: 도 8의 생성된 음원(853))의 음색 및 억양이 목적하는 화자의 음색 및 억양과 유사한지 여부를 확인할 수 있다(923 및 925). 도 9에서는 전자 장치(430)가 음색의 유사 여부를 확인(923)한 후 억양의 유사 여부를 확인(925)하는 것으로 도시했지만, 이에 한정되는 것은 아니고 억양의 유사 여부를 확인(925)한 후 음색의 유사 여부를 확인(925)할 수도 있다.

다양한 실시예에 따르면, 전자 장치(430)는 음색 및 억양의 유사 여부에 대한 사용자의 피드백에 기초하여 학습 스케줄에 관련된 설정 파라미터(예: 도 7의 설정 파라미터(720))를 수정할 수 있다(924 및 926).

다양한 실시예에 따르면, 설정 파라미터(720)는 파인 튜닝 동작의 러닝 레이트(learning rate)에 대한 파라미터를 포함할 수 있다. 전자 장치(430)는 러닝 레이트를 감소시킴으로써 로컬 최대치(local maxima)에 근접한 음성 모델의 변화량을 줄일 수 있으며, 이를 통해 음성 모델을 최적화 포인트(optimal point)에 근접하도록 학습시킬 수 있다.

다양한 실시예에 따르면, 음성 모델이 두 단계의 모델인 경우, 설정 파라미터(720)는 각 단계의 학습 비중에 대한 파라미터를 포함할 수 있다. 음성 모델은 음색에 연관된 음색 모델 및 억양에 연관된 억양 모델을 포함할 수 있고, 음색 모델 또는 억양 모델의 학습 비중은 설정 파라미터(720)에 기초하여 조절될 수 있다.

다양할 실시예에 따르면, 전자 장치(430)는 사용자로부터 생성된 음원(853)의 음색이 유사하지 않다는 피드백을 수신한 경우, 음색 모델을 우선적으로 학습하도록 설정 파라미터(720)를 수정할 수 있고(924), 사용자로부터 생성된 음원(853)의 억양이 유사하지 않다는 피드백을 수신한 경우, 억양 모델을 우선적으로 학습하도록 설정 파라미터(720)를 수정할 수 있다(926).

다양한 실시예에 따르면, 전자 장치(430)는 사용자로부터 생성된 음원(853)의 음색 및 억양이 유사하다는 피드백을 수신하는 경우, 사용자에게 추가 녹음을 요청할 수 있다(931).

도 10은 다양한 실시예에 따른 전자 장치의 추가 녹음 데이터에 기초한 음성 모델 학습 동작을 나타낸다.

다양한 실시예에 따르면, 전자 장치(430)는 추가 녹음 데이터(1010)가 있는 경우, 추가 녹음 데이터(1010) 및 기존 학습 데이터(1030)(예: 도 7의 학습 데이터(710))에 기초하여 데이터 일관성을 확인할 수 있다(1051). 추가 녹음 데이터(1010)가 기존 학습 데이터(1030)와 일관성이 낮은 경우 학습 결과에 부정적인 영향을 줄 수 있으므로, 전자 장치(430)는 추가 녹음 데이터(1010)가 기존 학습 데이터(1030)와 유사하여 일관성을 가지는지 여부를 확인할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 신호 대 잡음 비(signal-to-noise ratio(SNR))에 기초하여 추가 녹음 데이터(1010) 및 기존 학습 데이터(1030)의 일관성을 확인할 수 있다. 추가 녹음 데이터(1010)의 신호 대 잡음 비와 기존 학습 데이터(1030)의 신호 대 잡음 비의 차이가 임계치 이하인 경우, 전자 장치(430)는 추가 녹음 데이터(1010) 및 기존 학습 데이터(1030)가 일관성을 가진다고 결정할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 볼륨 레벨(volume level)에 기초하여 추가 녹음 데이터(1010) 및 기존 학습 데이터(1030)의 일관성을 확인할 수 있다. 추가 녹음 데이터(1010)의 소리의 세기(loudness)와 기존 학습 데이터(1030)의 소리의 세기의 차이가 임계치 이하인 경우, 전자 장치(430)는 추가 녹음 데이터(1010) 및 기존 학습 데이터(1030)가 일관성을 가진다고 결정할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 발화 속도(speaking speed)에 기초하여 추가 녹음 데이터(1010) 및 기존 학습 데이터(1030)의 일관성을 확인할 수 있다. 추가 녹음 데이터(1010)의 발화 속도와 기존 학습 데이터(1030)의 발화 속도의 차이가 임계치 이하인 경우, 전자 장치(430)는 추가 녹음 데이터(1010) 및 기존 학습 데이터(1030)가 일관성을 가진다고 결정할 수 있다.

다양한 실시예에 따르면, 추가 녹음 데이터(1010) 및 기존 학습 데이터(1030)의 일관성을 확인하기 위한 신호 대 잡음 비, 볼륨 레벨 및/또는 발화 속도의 차이의 임계치는 적절한 값으로 조절될 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 일관성이 확인된 추가 녹음 데이터(1010)와 기존 학습 데이터(1030)가 합쳐진 학습 데이터(1070)에 기초하여 파인 튜닝을 수행할 수 있다(1052).

다양한 실시예에 따르면, 전자 장치(430)는 학습 내부 저장 모델(1053)의 가중치를 업데이트하는 파인 튜닝 동작 중 일정 단계마다 중간 모델(1090)을 저장할 수 있다.

도 11은 다양한 실시예에 따른 전자 장치의 추가 녹음 데이터 수집 동작을 나타낸다.

도 11을 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(430))는 추가 녹음을 수행하는 경우 기존 학습 데이터(1110)에 기초하여 텍스트 후보 풀(pool)(1130)에서 녹음 받을 텍스트를 선택할 수 있다(1111).

다양한 실시예에 따르면, 텍스트 후보 풀(pool)(1130)은 임의의 문장 세트를 포함할 수 있으며, 발음 밸런스(phonetic balance)를 맞추어 준비되거나 뉴스 문장들 또는 지정된 사용자가 평소 통화 앱과 같은 앱을 통해 입력한 음성으로부터 추출된 텍스트 문장들을 포함할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 기존 학습 데이터(1110)의 발음열을 추출하고, 발음열의 분포에 기초하여 녹음 받을 텍스트를 선택할 수 있다. 녹음 받을 텍스트는 기존 학습 데이터(1110)에서 추출된 발음열의 분포에서 상대적으로 수가 부족한 발화를 다수 포함하는 텍스트로 선택될 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 선택된 텍스트에 대한 사용자의 발화를 녹음할 수 있고(1112), 추가로 녹음된 추가 녹음 데이터에 대한 데이터 일관성을 확인할 수 있다(1113).

다양한 실시예에 따르면, 전자 장치(430)는 일관성이 확인된 추가 녹음 데이터를 기존 학습 데이터(1110)에 추가하여 추가 학습 데이터(1150)를 획득할 수 있다. 전자 장치(430)는 추가 학습 데이터(1150)를 이용하여 음성 모델의 학습을 수행할 수 있다.

도 12는 다양한 실시예에 따른 전자 장치의 학습 스케줄 변경 동작을 나타낸다.

도 12를 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(430))는 사용자로부터 수신한 피드백을 저장하고(1210), 피드백에 기초하여 설정 파라미터(예: 도 7의 설정 파라미터(720))를 업데이트할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 업데이트된 설정 파라미터(1213)에 기초하여 학습 데이터(1230)를 이용한 파인 튜닝(1215)을 수행할 수 있다. 업데이트된 설정 파라미터(1213)에 따라 전자 장치(430)가 수행하는 파인 튜닝의 스케줄이 변경될 수 있다.

다양한 실시예에 따르면, 업데이트된 설정 파라미터(1213)는 러닝 레이트(learning rate), 음색 모델의 학습 비중 및/또는 억양 모델의 학습 비중을 조정시킬 수 있다. 전자 장치(430)는 업데이트된 설정 파라미터(1213)에 따라 조정된 학습 스케줄에 기초하여 파인 튜닝을 수행할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 학습 내부 저장 모델(1217)의 가중치를 업데이트하는 파인 튜닝 동작 중 일정 단계마다 중간 모델(1250)을 저장할 수 있다.

도 13은 다양한 실시예에 따른 전자 장치의 사용자 피드백에 기초한 학습 동작을 나타낸다.

도 13을 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(430))는 중간 결과에 따른 사용자의 피드백을 저장하고(1310), 피드백에 기초하여 음성 모델의 학습을 수행할 수 있다.

다양한 실시예에 따르면, 전자 장치(430)는 추가 녹음을 통해 획득한 추가 학습 데이터(예: 도 11의 추가 학습 데이터(1150))가 합쳐진 학습 데이터(1330)를 이용하여, 업데이트된 설정 파라미터(1313)(예: 도 12의 업데이트된 설정 파라미터(1213))에 기초하여 조절된 학습 스케줄에 따라 파인 튜닝을 수행할 수 있다(1315).

다양한 실시예에 따르면, 전자 장치(430)는 학습 내부 저장 모델(1317)의 가중치를 업데이트하는 파인 튜닝 동작 중 일정 단계마다 중간 모델(1350)을 저장할 수 있다.도 14는, 다양한 실시예들에 따른, 네트워크 환경(1400) 내의 전자 장치(1401)의 블록도이다. 도 14를 참조하면, 네트워크 환경(1400)에서 전자 장치(1401)(예: 도 1의 사용자 단말(100), 도 4의 전자 장치(430))는 제 1 네트워크(1498)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1402)와 통신하거나, 또는 제 2 네트워크(1499)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1404) 또는 서버(1408) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1401)는 서버(1408)를 통하여 전자 장치(1404)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1401)는 프로세서(1420), 메모리(1430), 입력 모듈(1450), 음향 출력 모듈(1455), 디스플레이 모듈(1460), 오디오 모듈(1470), 센서 모듈(1476), 인터페이스(1477), 연결 단자(1478), 햅틱 모듈(1479), 카메라 모듈(1480), 전력 관리 모듈(1488), 배터리(1489), 통신 모듈(1490), 가입자 식별 모듈(1496), 또는 안테나 모듈(1497)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1401)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1478))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1476), 카메라 모듈(1480), 또는 안테나 모듈(1497))은 하나의 구성요소(예: 디스플레이 모듈(1460))로 통합될 수 있다.

프로세서(1420)는, 예를 들면, 소프트웨어(예: 프로그램(1440))를 실행하여 프로세서(1420)에 연결된 전자 장치(1401)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(1420)는 다른 구성요소(예: 센서 모듈(1476) 또는 통신 모듈(1490))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1432)에 저장하고, 휘발성 메모리(1432)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1434)에 저장할 수 있다. 일실시예에 따르면, 프로세서(1420)는 메인 프로세서(1421)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1423)(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(1401)가 메인 프로세서(1421) 및 보조 프로세서(1423)를 포함하는 경우, 보조 프로세서(1423)는 메인 프로세서(1421)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1423)는 메인 프로세서(1421)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(1423)는, 예를 들면, 메인 프로세서(1421)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1421)를 대신하여, 또는 메인 프로세서(1421)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1421)와 함께, 전자 장치(1401)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1460), 센서 모듈(1476), 또는 통신 모듈(1490))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(1423)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1480) 또는 통신 모듈(1490))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(1423)(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(1401) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1408))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(1430)는, 전자 장치(1401)의 적어도 하나의 구성요소(예: 프로세서(1420) 또는 센서 모듈(1476))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1440)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1430)는, 휘발성 메모리(1432) 또는 비휘발성 메모리(1434)를 포함할 수 있다.

프로그램(1440)은 메모리(1430)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1442), 미들 웨어(1444) 또는 어플리케이션(1446)을 포함할 수 있다.

입력 모듈(1450)은, 전자 장치(1401)의 구성요소(예: 프로세서(1420))에 사용될 명령 또는 데이터를 전자 장치(1401)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1450)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(1455)은 음향 신호를 전자 장치(1401)의 외부로 출력할 수 있다. 음향 출력 모듈(1455)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(1460)은 전자 장치(1401)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1460)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(1460)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(1470)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(1470)은, 입력 모듈(1450)을 통해 소리를 획득하거나, 음향 출력 모듈(1455), 또는 전자 장치(1401)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1402))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(1476)은 전자 장치(1401)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(1476)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(1477)는 전자 장치(1401)가 외부 전자 장치(예: 전자 장치(1402))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(1477)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(1478)는, 그를 통해서 전자 장치(1401)가 외부 전자 장치(예: 전자 장치(1402))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(1478)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(1479)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(1479)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(1480)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(1480)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(1488)은 전자 장치(1401)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(1488)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(1489)는 전자 장치(1401)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(1489)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(1490)은 전자 장치(1401)와 외부 전자 장치(예: 전자 장치(1402), 전자 장치(1404), 또는 서버(1408)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1490)은 프로세서(1420)(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(1490)은 무선 통신 모듈(1492)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1494)(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(1498)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1499)(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(1404)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(1492)은 가입자 식별 모듈(1496)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(1498) 또는 제 2 네트워크(1499)와 같은 통신 네트워크 내에서 전자 장치(1401)를 확인 또는 인증할 수 있다.

무선 통신 모듈(1492)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(1492)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1492)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(1492)은 전자 장치(1401), 외부 전자 장치(예: 전자 장치(1404)) 또는 네트워크 시스템(예: 제 2 네트워크(1499))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(1492)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(1497)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(1497)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(1497)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(1498) 또는 제 2 네트워크(1499)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1490)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1490)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(1497)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(1497)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(1499)에 연결된 서버(1408)를 통해서 전자 장치(1401)와 외부의 전자 장치(1404)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1402, 또는 1404) 각각은 전자 장치(1401)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(1401)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1402, 1404, 또는 1408) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1401)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1401)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(1401)로 전달할 수 있다. 전자 장치(1401)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(1401)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(1404)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1408)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(1404) 또는 서버(1408)는 제 2 네트워크(1499) 내에 포함될 수 있다. 전자 장치(1401)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 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 제3 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(1701)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1736) 또는 외장 메모리(1738))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1740))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1701))의 프로세서(예: 프로세서(1720))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 15는 다양한 실시예에 따른 전자 장치의 동작의 흐름도이다.

도 15를 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 14의 전자 장치(1401))는, 인스트럭션들을 포함하는 메모리(예: 도 14의 메모리(1430))와, 상기 인스트럭션들을 실행하기 위한 프로세서(예: 도 14의 프로세서(1420))를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 텍스트에 대응하는 사용자의 음성을 녹음하여 상기 텍스트 및 상기 사용자의 음성이 매칭된 녹음 데이터(예: 도 5의 녹음 데이터(530))를 획득하고(1501), 상기 사용자에 대응하는 개인화 음성 모델을 생성하기 위해 음성 모델을 학습하는 중에 상기 녹음 데이터 중 일부에 기초하여 학습된 음성 모델을 중간 모델(예: 도 5의 중간 모델(570))로 저장하고(1502), 상기 중간 모델을 이용하여 상기 학습에 의한 중간 결과를 생성하여 상기 사용자에게 제공하고(1503), 상기 중간 결과에 대한 상기 사용자의 피드백을 수신할 수 있다(1504).

다양한 실시예에 따르면, 상기 프로세서는, 상기 피드백에 기초하여 상기 사용자에게 추가 음성 녹음을 요청하거나, 상기 음성 모델의 학습 스케줄을 변경하거나, 상기 음성 모델의 학습을 종료할 수 있다.

다양한 실시예에 따르면, 상기 프로세서는, 상기 녹음 데이터의 데이터 일관성 및 분량을 확인하여 상기 학습에 이용할 학습 데이터(예: 도 6의 학습 데이터(650))를 추출할 수 있다.

다양한 실시예에 따르면, 상기 프로세서는, 상기 녹음 데이터의 잡음 수준, 발화자의 동일성 및 억양의 범위에 기초하여 상기 녹음 데이터의 데이터 일관성을 확인하고, 상기 데이터 일관성이 확인된 데이터의 개수가 임계치 이상인지 여부를 확인하고, 상기 개수가 상기 임계치 이하인 경우 상기 사용자에게 추가 음성 녹음을 요청할 수 있다.

다양한 실시예에 따르면, 상기 중간 모델은, 상기 음성 모델이 상기 녹음 데이터 중 일정 개수의 데이터를 학습할 때마다 저장되는 모델일 수 있다.

다양한 실시예에 따르면, 상기 중간 결과는, 상기 중간 모델을 이용하여 생성된 음원 및 상기 생성된 음원과 상기 사용자의 음성이 녹음된 음원의 차이를 나타내는 수치를 포함할 수 있다.

다양한 실시예에 따르면, 상기 프로세서는, 상기 중간 결과의 음색이 상기 사용자의 음색과 유사하지 않다는 피드백을 수신하는 경우, 상기 음성 모델에 포함된 모델 중 음색에 연관된 모델의 학습 비중을 높이고, 상기 중간 결과의 억양이 상기 사용자의 억양과 유사하지 않다는 피드백을 수신하는 경우, 상기 음성 모델에 포함된 모델 중 억양에 연관된 모델의 학습 비중을 높일 수 있다.

다양한 실시예에 따르면, 상기 프로세서는, 상기 추가 음성 녹음을 요청한 경우, 추가 녹음된 음성의 신호 대 잡음 비, 발화 크기 및 발화 속도에 기초하여 상기 추가 녹음된 음성 및 상기 녹음 데이터의 유사성을 확인할 수 있다.

다양한 실시예에 따르면, 상기 프로세서는, 상기 녹음 데이터의 발음열들의 분포를 확인하고, 상기 분포에 기초하여 상기 사용자에게 추가 음성 녹음을 요청할 텍스트를 결정할 수 있다.

다양한 실시예에 따르면, 전자 장치의 동작 방법은, 텍스트에 대응하는 사용자의 음성을 녹음하여 상기 텍스트 및 상기 사용자의 음성이 매칭된 녹음 데이터(예: 도 5의 녹음 데이터(530))를 획득하는 동작과, 상기 사용자에 대응하는 개인화 음성 모델을 생성하기 위해 음성 모델을 학습하는 중에 상기 녹음 데이터 중 일부에 기초하여 학습된 음성 모델을 중간 모델(예: 도 5의 중간 모델(570))로 저장하는 동작과, 상기 중간 모델을 이용하여 상기 학습에 의한 중간 결과를 생성하여 상기 사용자에게 제공하는 동작과, 상기 중간 결과에 대한 상기 사용자의 피드백을 수신하는 동작을 포함할 수 있다.

다양한 실시예에 따르면, 상기 전자 장치의 동작 방법은, 상기 피드백에 기초하여 상기 음성 모델의 학습을 종료하거나, 상기 사용자에게 추가 음성 녹음을 요청하거나, 상기 음성 모델의 학습 스케줄을 변경하는 동작을 더 포함할 수 있다.

다양한 실시예에 따르면, 상기 전자 장치의 동작 방법은, 상기 녹음 데이터의 데이터 일관성 및 분량을 확인하여 상기 학습에 이용할 학습 데이터(예: 도 6의 학습 데이터(650))를 추출하는 동작을 더 포함할 수 있다.

다양한 실시예에 따르면, 상기 전자 장치의 동작 방법은, 상기 녹음 데이터의 잡음 수준, 발화자의 동일성 및 억양의 범위에 기초하여 상기 녹음 데이터의 데이터 일관성을 확인하는 동작과, 상기 데이터 일관성이 확인된 데이터의 개수가 임계치 이상인지 여부를 확인하는 동작과, 상기 개수가 상기 임계치 이하인 경우 상기 사용자에게 추가 음성 녹음을 요청하는 동작을 더 포함할 수 있다.

다양한 실시예에 따르면, 상기 변경하는 동작은, 상기 중간 결과의 음색이 상기 사용자의 음색과 유사하지 않다는 피드백을 수신하는 경우, 상기 음성 모델에 포함된 모델 중 음색에 연관된 모델의 학습 비중을 높이는 동작과, 상기 중간 결과의 억양이 상기 사용자의 억양과 유사하지 않다는 피드백을 수신하는 경우, 상기 음성 모델에 포함된 모델 중 억양에 연관된 모델의 학습 비중을 높이는 동작을 포함할 수 있다.

다양한 실시예에 따르면, 상기 변경하는 동작은, 상기 추가 음성 녹음을 요청한 경우, 추가 녹음된 음성의 신호 대 잡음 비, 발화 크기 및 발화 속도에 기초하여 상기 추가 녹음된 음성 및 상기 녹음 데이터의 유사성을 확인하는 동작을 포함할 수 있다.

다양한 실시예에 따르면, 상기 변경하는 동작은, 상기 녹음 데이터의 발음열들의 분포를 확인하는 동작과, 상기 분포에 기초하여 상기 사용자에게 추가 음성 녹음을 요청할 텍스트를 결정하는 동작을 포함할 수 있다.

Claims

전자 장치에 있어서,
인스트럭션들을 포함하는 메모리; 및
상기 인스트럭션들을 실행하기 위한 프로세서
를 포함하고,
상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,
텍스트에 대응하는 사용자의 음성을 녹음하여 상기 텍스트 및 상기 사용자의 음성이 매칭된 녹음 데이터를 획득하고,
상기 사용자에 대응하는 개인화 음성 모델을 생성하기 위해 음성 모델을 학습하는 중에 상기 녹음 데이터 중 일부에 기초하여 학습된 음성 모델을 중간 모델로 저장하고,
상기 중간 모델을 이용하여 상기 학습에 의한 중간 결과를 생성하여 상기 사용자에게 제공하고,
상기 중간 결과에 대한 상기 사용자의 피드백을 수신하는, 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 피드백에 기초하여 상기 사용자에게 추가 음성 녹음을 요청하거나, 상기 음성 모델의 학습 스케줄을 변경하거나, 상기 음성 모델의 학습을 종료하는, 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 녹음 데이터의 데이터 일관성 및 분량을 확인하여 상기 학습에 이용할 학습 데이터를 추출하는, 전자 장치.
제1항에 있어서,
상기 프로세서는,
상기 녹음 데이터의 잡음 수준, 발화자의 동일성 및 억양의 범위에 기초하여 상기 녹음 데이터의 데이터 일관성을 확인하고,
상기 데이터 일관성이 확인된 데이터의 개수가 임계치 이상인지 여부를 확인하고,
상기 개수가 상기 임계치 이하인 경우 상기 사용자에게 추가 음성 녹음을 요청하는, 전자 장치.
제1항에 있어서,
상기 중간 모델은,
상기 음성 모델이 상기 녹음 데이터 중 일정 개수의 데이터를 학습할 때마다 저장되는 모델인, 전자 장치.
제1항에 있어서,
상기 중간 결과는,
상기 중간 모델을 이용하여 생성된 음원 및 상기 생성된 음원과 상기 사용자의 음성이 녹음된 음원의 차이를 나타내는 수치를 포함하는, 전자 장치.
제2항에 있어서,
상기 프로세서는,
상기 중간 결과의 음색이 상기 사용자의 음색과 유사하지 않다는 피드백을 수신하는 경우, 상기 음성 모델에 포함된 모델 중 음색에 연관된 모델의 학습 비중을 높이고,
상기 중간 결과의 억양이 상기 사용자의 억양과 유사하지 않다는 피드백을 수신하는 경우, 상기 음성 모델에 포함된 모델 중 억양에 연관된 모델의 학습 비중을 높이는, 전자 장치.
제2항에 있어서,
상기 프로세서는,
상기 추가 음성 녹음을 요청한 경우, 추가 녹음된 음성의 신호 대 잡음 비, 발화 크기, 및 발화 속도에 기초하여 상기 추가 녹음된 음성 및 상기 녹음 데이터의 유사성을 확인하는, 전자 장치.
제2항에 있어서,
상기 프로세서는,
상기 녹음 데이터의 발음열들의 분포를 확인하고,
상기 분포에 기초하여 상기 사용자에게 추가 음성 녹음을 요청할 텍스트를 결정하는, 전자 장치.
전자 장치의 동작 방법에 있어서,
텍스트에 대응하는 사용자의 음성을 녹음하여 상기 텍스트 및 상기 사용자의 음성이 매칭된 녹음 데이터를 획득하는 동작;
상기 사용자에 대응하는 개인화 음성 모델을 생성하기 위해 음성 모델을 학습하는 중에 상기 녹음 데이터 중 일부에 기초하여 학습된 상기 음성 모델을 중간 모델로 저장하는 동작;
상기 중간 모델을 이용하여 상기 학습에 의한 중간 결과를 생성하여 상기 사용자에게 제공하는 동작; 및
상기 중간 결과에 대한 상기 사용자의 피드백을 수신하는 동작을 포함하는, 방법.
제10항에 있어서,
상기 피드백에 기초하여 상기 음성 모델의 학습을 종료하거나, 상기 사용자에게 추가 음성 녹음을 요청하거나, 상기 음성 모델의 학습 스케줄을 변경하는 동작을 더 포함하는, 방법.
제10항에 있어서,
상기 녹음 데이터의 데이터 일관성 및 분량을 확인하여 상기 학습에 이용할 학습 데이터를 추출하는 동작을 더 포함하는, 방법.
제10항에 있어서,
상기 녹음 데이터의 잡음 수준, 발화자의 동일성 및 억양의 범위에 기초하여 상기 녹음 데이터의 데이터 일관성을 확인하는 동작;
상기 데이터 일관성이 확인된 데이터의 개수가 임계치 이상인지 여부를 확인하는 동작; 및
상기 개수가 상기 임계치 이하인 경우 상기 사용자에게 추가 음성 녹음을 요청하는 동작을 더 포함하는, 방법.
제10항에 있어서,
상기 중간 모델은,
상기 음성 모델이 상기 녹음 데이터 중 일정 개수의 데이터를 학습할 때마다 저장되는 모델인, 방법.
제10항에 있어서,
상기 중간 결과는,
상기 중간 모델을 이용하여 생성된 음원 및 상기 생성된 음원과 상기 사용자의 음성이 녹음된 음원의 차이를 나타내는 수치를 포함하는, 방법.
제11항에 있어서,
상기 변경하는 동작은,
상기 중간 결과의 음색이 상기 사용자의 음색과 유사하지 않다는 피드백을 수신하는 경우, 상기 음성 모델에 포함된 모델 중 음색에 연관된 모델의 학습 비중을 높이는 동작; 및
상기 중간 결과의 억양이 상기 사용자의 억양과 유사하지 않다는 피드백을 수신하는 경우, 상기 음성 모델에 포함된 모델 중 억양에 연관된 모델의 학습 비중을 높이는 동작을 포함하는, 방법.
제11항에 있어서,
상기 변경하는 동작은,
상기 추가 음성 녹음을 요청한 경우, 추가 녹음된 음성의 신호 대 잡음 비, 발화 크기 및 발화 속도에 기초하여 상기 추가 녹음된 음성 및 상기 녹음 데이터의 유사성을 확인하는 동작을 포함하는, 방법.
제11항에 있어서,
상기 변경하는 동작은,
상기 녹음 데이터의 발음열들의 분포를 확인하는 동작; 및
상기 분포에 기초하여 상기 사용자에게 추가 음성 녹음을 요청할 텍스트를 결정하는 동작을 포함하는, 방법.
하드웨어와 결합되어 제10항 내지 제18항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.