KR20230052106A - 전자 장치 및 전자 장치의 동작 방법 - Google Patents

전자 장치 및 전자 장치의 동작 방법 Download PDF

Info

Publication number
KR20230052106A
KR20230052106A KR1020210135267A KR20210135267A KR20230052106A KR 20230052106 A KR20230052106 A KR 20230052106A KR 1020210135267 A KR1020210135267 A KR 1020210135267A KR 20210135267 A KR20210135267 A KR 20210135267A KR 20230052106 A KR20230052106 A KR 20230052106A
Authority
KR
South Korea
Prior art keywords
electronic device
voice recognition
module
processor
user
Prior art date
Application number
KR1020210135267A
Other languages
English (en)
Inventor
이정인
유광열
박성운
배정훈
이길호
정석영
현성수
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 KR1020210135267A priority Critical patent/KR20230052106A/ko
Publication of KR20230052106A publication Critical patent/KR20230052106A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input 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
    • G06F3/16Sound input; Sound output
    • G06F3/167Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computing arrangements based on specific mathematical models
    • G06N7/01Probabilistic graphical models, e.g. probabilistic networks
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/02Feature extraction for speech recognition; Selection of recognition unit
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • G10L15/183Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/221Announcement of recognition results

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 문서에 개시되는 일 실시예에 따른 전자 장치는, 메모리 및 상기 메모리에 작동적으로(operatively) 연결된 프로세서를 포함하고, 상기 메모리는, 실행 시, 상기 프로세서가, 상기 전자 장치에 포함되거나 작동적으로 연결된 유저 인터페이스를 이용하여 수신된 사용자 음성 입력에 포함된 음성 인식 결과를 추론하고, 상기 추론된 음성 인식 결과에 따라 음성 인식 처리 모드를 판단하고, 상기 판단된 음성 인식 처리 모드에 기반하여 상기 음성 인식을 처리하고, 상기 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 이용하여 상기 처리된 최종 인식 결과를 제공하도록 하는 인스트럭션들(instructions)을 저장할 수 있다. 이 외에도 명세서를 통해 파악되는 다양한 실시예가 가능하다.

Description

전자 장치 및 전자 장치의 동작 방법{ELECTRONIC DEVICE AND OPERATION METHOD THEREOF}
본 문서에서 개시되는 다양한 실시 예들은, 전자 장치 및 전자 장치의 동작 방법과 관련된다.
최근 인공 지능(artificial intelligence, AI) 기술이 발전함에 따라, 음성 어시스턴트를 주목적으로 사용되는 AI를 포함한 단말이 보편화 되고 있다. 또한, 최근의 전자 장치들은 키보드나 마우스를 이용한 전통적인 입력 방식에 부가하여, 음성 입력과 같은 다양한 입력 방식을 지원할 수 있다. 예를 들어, 스마트폰(smart phone)이나 태블릿(tablet)과 같은 전자 장치들은 사용자 음성을 입력 받고, 입력된 사용자 음성에 대응되는 동작을 실행하는 서비스를 제공하고 있다.
이러한 음성 인식 서비스는 자연어를 처리하는 기술을 기반으로 발전하고 있다. 자연어를 처리하는 기술은 사용자 입력(발화)의 의도를 파악하고 그 의도에 맞는 결과를 산출하여 사용자에게 서비스를 제공하는 기술이다.
한편, 음성 인식 서비스는 사용자의 입력에 기반하여 전자 장치의 설정을 변경하거나 외부 전자 장치를 컨드롤 하는 기능과 같이 다양한 제어 명령 기능을 제공하고 있다. 이에 사용자들은 자연스럽게 상기 전자 장치에 작동적으로 연결된 AI를 이용하여 다양한 음성 명령을 할 수 있다.
이에 따라 사용자의 음성신호를 텍스트로 변환하고, 상기 변환된 텍스트를 기반으로 사용자의 의도를 파악하고 디바이스를 제어하는 기능이 요구될 수 있다.
대량의 데이터를 학습하여 생성된 모델을 사용하고, 실시간으로 사용자에게 서비스를 제공하기 위해 클라우드 서버를 사용하는 경우, 개인 정보 보호에 취약한 문제가 있다.
개인 정보 보호 및 네트워트 데이터 전송을 최소화 하기 위해 단말 내에서 처리되는 방식은 성능 면에서는 서버를 사용하는 방식 대비 낮은 서비스 품질과 실시간으로 변동하는 데이터들을 반영하기가 어려운 문제가 있다.
본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 개인 음성 데이터 및 민감 정보의 전달을 최소화 하는 방법 및 장치를 제공한다.
본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 단말 음성인식 모드를 주 음성인식 모듈로 동작 시키고, 클라우드 서버에서는 음성인식 텍스트 결과를 데이터베이스를 활용한 후보정을 적용함으로, 사용자에게 기존과 같은 고성능의 음성인식 서비스를 제공하는 방법 및 장치를 제공한다.
본 문서에 개시되는 일 실시예에 따른 전자 장치는, 메모리 및 상기 메모리에 작동적으로(operatively) 연결된 프로세서를 포함하고, 상기 메모리는, 실행 시, 상기 프로세서가, 상기 전자 장치에 포함되거나 작동적으로 연결된 유저 인터페이스를 이용하여 수신된 사용자 음성 입력에 포함된 음성 인식 결과를 추론하고, 상기 추론된 음성 인식 결과에 따라 음성 인식 처리 모드를 판단하고, 상기 판단된 음성 인식 처리 모드에 기반하여 상기 음성 인식을 처리하고, 상기 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 이용하여 상기 처리된 최종 인식 결과를 제공하도록 하는 인스트럭션들(instructions)을 저장할 수 있다.
본 문서에 개시되는 일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 전자 장치에 포함되거나 작동적으로 연결된 유저 인터페이스를 이용하여 수신된 사용자 음성 입력에 포함된 음성 인식 결과를 추론하는 동작, 상기 추론된 음성 인식 결과에 따라 음성 인식 처리 모드를 판단하는 동작, 상기 판단된 음성 인식 처리 모드에 기반하여 상기 음성 인식을 처리하는 동작 및 상기 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 이용하여 상기 처리된 최종 인식 결과를 제공하는 동작을 포함할 수 있다.
본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 개인 음성 데이터 및 민감 정보의 전달을 최소화 하는 방법 및 장치를 제공할 수 있다.
본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 단말 음성인식 모드를 주 음성인식 모듈로 동작 시키고, 클라우드 서버에서는 음성인식 텍스트 결과를 데이터베이스를 활용한 후보정을 적용함으로, 사용자에게 기존과 같은 고성능의 음성인식 서비스를 제공하는 방법 및 장치를 제공할 수 있다.
도 1은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블럭도이다.
도 2는 다양한 실시예에 따른 프로그램을 예시하는 블록도이다.
도 3은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 4는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 5는 일 실시예에 따른 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 6은 본 문서에 개시되는 일 실시예에 따른 전자 장치의 구조를 나타낸 블록도이다.
도 7은 본 문서에 개시되는 일 실시예에 따른 인텔리전트 어시스턴트 시스템의 동작을 설명하기 위한 도면이다.
도 8은 본 문서에 개시되는 일 실시예에 따른 전자 장치가 수행하는 방법에 대한 순서도이다.
도 9는 본 문서에 개시되는 일 실시예에 따른 전자 장치가 수행하는 방법에 대한 다른 순서도이다.
도 10은 본 문서에 개시되는 일 실시예에 따른 전자 장치가 제1 모드를 수행하는 방법에 대한 예시도이다.
도 11은 본 발명에 개시되는 일 실시예에 따른 전자 장치가 제2 모드를 수행하는 방법에 대한 예시도이다.
도 12는 본 발명의 일 실시예에 따른 전자 장치가 전자 장치가 제3 모드를 수행하는 방법에 대한 예시도이다.
도 13은 본 발명의 일 실시예에 따른 전자 장치가 수신된 발화 입력에 따라 제1 모드 또는 제2 모드를 수행하는 방법에 대한 예시도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
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.
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.
도 2는 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 표시 장치(160) 또는 카메라 모듈(180))의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 표시 장치(160) 또는 카메라 모듈(180)의 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
도 3은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 3을 참조하면, 일 실시예의 통합 지능 시스템은 사용자 단말(301), 지능형 서버(400), 및 서비스 서버(500)를 포함할 수 있다.
일 실시 예의 사용자 단말(301)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(301)은 통신 인터페이스(390), 마이크(370), 스피커(355), 디스플레이(360), 메모리(330), 또는 프로세서(320)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 인터페이스(390)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(370)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(355)는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 일 실시 예의 디스플레이(360)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(360)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(330)는 클라이언트 모듈(331), SDK(software development kit)(333), 및 복수의 앱들(335)을 저장할 수 있다. 상기 클라이언트 모듈(331), 및 SDK(333)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(331) 또는 SDK(333)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
상기 복수의 앱들(335)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(335)은 제1 앱(335a), 및/또는 제2 앱(335b)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(335) 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(335)은 프로세서(320)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(320)는 사용자 단말(301)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(320)는 통신 인터페이스(390), 마이크(370), 스피커(355), 및 디스플레이(360)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(320)는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예의 프로세서(320)는 또한 상기 메모리(330)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(320)는 클라이언트 모듈(331) 또는 SDK(333) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(320)는, 예를 들어, SDK(333)를 통해 복수의 앱(335)의 동작을 제어할 수 있다. 클라이언트 모듈(331) 또는 SDK(333)의 동작으로 설명된 이하의 동작들은 프로세서(320)의 실행에 의하여 수행되는 동작일 수 있다.
일 실시 예의 클라이언트 모듈(331)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(331)은 마이크(370)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(331)은 수신된 음성 입력(예: 음성 신호)을 지능형 서버(400)로 송신할 수 있다. 클라이언트 모듈(331)은 수신된 음성 입력과 함께, 사용자 단말(301)의 상태 정보를 지능형 서버(400)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(331)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(331)은 지능형 서버(400)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(331)은 상기 수신된 결과를 디스플레이(360)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(331)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(331)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(360)에 표시할 수 있다. 클라이언트 모듈(331)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(301)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(331)은 지능형 서버(400)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(331)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(400)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(331)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(400)로 송신할 수 있다. 지능형 서버(400)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(331)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(331)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(331)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.
일 실시 예의 지능형 서버(400)는 통신 망을 통해 사용자 단말(301)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(400)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(400)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 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)), 및/또는 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 플랜들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(400)는 생성된 플랜에 따른 결과를 사용자 단말(301)로 송신하거나, 생성된 플랜을 사용자 단말(301)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(400)는 프론트 엔드(front end)(410), 자연어 플랫폼(natural language platform)(420), 캡슐 데이터베이스(capsule database)(430), 실행 엔진(execution engine)(440), 엔드 유저 인터페이스(end user interface)(450), 매니지먼트 플랫폼(management platform)(460), 빅 데이터 플랫폼(big data platform)(470), 또는 분석 플랫폼(analytic platform)(480)을 포함할 수 있다.
일 실시 예의 프론트 엔드(410)는 사용자 단말(301)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(410)는 상기 음성 입력에 대응되는 응답을 사용자 단말(301)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(420)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(421), 자연어 이해 모듈(natural language understanding module)(NLU module)(423), 플래너 모듈(planner module)(425), 자연어 생성 모듈(natural language generator module)(NLG module)(427), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(429)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(421)은 사용자 단말(301)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(423)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(423)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(423)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(425)은 자연어 이해 모듈(423)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(425)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(425)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(425)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/또는 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(425)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(425)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(425)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(425)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(425)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(430)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(427)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(429)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(420)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(301)에서도 구현가능 할 수 있다.
상기 캡슐 데이터베이스(430)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(430)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(430)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(430)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(430)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(430)는 사용자 단말(301)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(430)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(430)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(430)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(430)는 사용자 단말(301) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(440)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(450)는 산출된 결과를 사용자 단말(301)로 송신할 수 있다. 이에 따라, 사용자 단말(301)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(460)은 지능형 서버(400)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(470)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(480)은 지능형 서버(400)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(480)은 지능형 서버(400)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(500)는 사용자 단말(301)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(500)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(500)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(400)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(430)에 저장될 수 있다. 또한, 서비스 서버(500)는 플랜에 따른 결과 정보를 지능형 서버(400)에 제공할 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(301)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(301)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(301)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(301)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(301)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(301)이 지능형 서버(400) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(370)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(390)를 이용하여 지능형 서버(400)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(400)는 사용자 단말(301)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/또는 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/또는 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(301)은, 통신 인터페이스(390)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(301)은 상기 스피커(355)를 이용하여 사용자 단말(301) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(360)를 이용하여 사용자 단말(301) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 4는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(400)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(430))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)(431), capsule(B)(434))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: capsule(A)(431))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(432) 또는 CP 2 (433))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(430a) 및 적어도 하나 이상의 컨셉(430b)을 포함할 수 있다.
상기, 자연어 플랫폼(420)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(425)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (431) 의 동작들(431a, 432a)과 컨셉들(431b, 432b) 및 캡슐 B(434)의 동작(434a)과 컨셉(434b)을 이용하여 플랜(437)을 생성할 수 있다.
도 5는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(301)은 지능형 서버(400)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 310 화면에서, 사용자 단말(301)은 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(301)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이(360)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(301)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 315 화면에서, 사용자 단말(301)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(301)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.
일 실시예에서, 도 3, 도 4 및 도 5의 사용자 단말(301)은, 도 1의 전자 장치(101)에 대응될 수 있다. 일 실시예에서, 도 3의 지능형 서버(400)는, 도 1의 전자 장치(104) 및 서버(108) 중 어느 하나에 대응될 수 있다. 일 실시예에서, 도 3의 프로세서(320)는 도 1의 프로세서(120)에 대응될 수 있고, 도 3의 디스플레이(360)는 도 1의 디스플레이 모듈(160)에 대응될 수 있고, 도 3의 스피커(355)는 도 1의 음향 출력 모듈(155)에 대응될 수 있다.
도 6은 본 문서에 개시되는 일 실시예에 따른 전자 장치(600)의 구조를 나타낸 블록도이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다.
도 6을 참조하면, 전자 장치(600)는, 프로세서(601)(예: 도 3의 프로세서(320) 및/또는 도 1의 프로세서(120)), 메모리(602)(예: 도 1의 메모리(130)), 유저 인터페이스(603) 및/또는 통신 모듈(604)(예: 도 1의 통신 모듈(190))을 포함할 수 있다. 유저 인터페이스(603)는, 디스플레이(미도시)(예: 도 3의 디스플레이(360) 및/또는 도 1의 디스플레이 모듈(160)), 마이크(미도시)(예: 도 3의 마이크(370) 및/또는 도 1의 입력 모듈(150)), 스피커(미도시)(예: 도 3의 스피커(355) 및/또는 도 1의 음향 출력 모듈(155))를 포함할 수 있다.
전자 장치(600)는 도 6에 도시된 구성요소들 이외에 추가적인 구성요소를 적어도 하나 더 포함할 수 있다. 일 실시예에 따르면, 전자 장치(600)의 구성요소들은 동일한 개체(entity)이거나, 별도의 개체를 구성할 수 있다.
전자 장치(600)는 예를 들어, 스마트 폰, 태블릿, 웨어러블 장치, 가전 장치 또는 디지털 카메라를 포함할 수 있다. 일 실시예에 따르면, 프로세서(601)는 전자 장치(600)의 전반적인 기능을 수행하기 위하여 통신 모듈(604), 메모리(602), 및 유저 인터페이스(603)(예: 디스플레이(미도시), 마이크(미도시) 및 스피커(미도시))와 작동적으로(operatively) 연결될(coupled) 수 있다. 프로세서(601)는 예를 들어, 하나 이상의 프로세서를 포함할 수 있다. 하나 이상의 프로세서는 예를 들어, 이미지 시그널 프로세서(image signal processor, ISP), 애플리케이션 프로세서(application processor, AP), 또는 통신 프로세서(communication processor, CP)를 포함할 수 있다.
또한, 프로세서(601)는, 메모리(602)에 저장된 인스트럭션들을 실행하여, 모듈을 구동시킬 수 있다.
프로세서(601)는, 전자 장치(600)의 전반적인 기능을 수행하기 위하여, 모듈과 작동적으로 연결될 수 있다. 본 문서에 개시되는 실시예에서, 모듈에 의해 수행(혹은, 실행)되는 동작은, 프로세서(601)가 메모리(602)에 저장된 인스트럭션들을 실행함으로써 수행하는 동작으로 이해될 수 있다.
일 실시예에서, 프로세서(601)는, 모듈을 포함할 수 있다. 이 경우, 모듈 각각이 수행(혹은, 실행)하는 동작은, 프로세서(601)의 적어도 일부로서 구현될 수 있다.
본 발명의 다양한 실시예에서 언급되는 여러 모듈들은 하드웨어로 구현될 수도 있고, 소프트웨어로 구현될 수도 있다.
메모리(602)는, 적어도 하나의 입력 데이터를 포함하는 데이터 베이스(미도시)를 저장할 수 있다. 메모리(602)는 전자 장치(600)에 포함된 구성요소들의 동작과 연관된 명령, 정보 또는 데이터를 저장할 수 있다. 예를 들어, 메모리(602)는, 실행 시에, 프로세서(601)가 본 문서에 기재된 다양한 동작을 수행할 수 있도록 하는 명령어들(instructions)을 저장할 수 있다.
일 실시예에서, 전자 장치(600)는, 유저 인터페이스(603)를 이용하여 사용자 입력을 수신할 수 있다. 상기 사용자 입력은 사용자 음성 신호(예: 사용자의 발화 입력)를 포함한 입력일 수 있다.
일 실시예에서, 사용자 입력은 사용자의 음성 입력(예: 발화)일 수 있다. 사용자 입력이 음성 입력인 경우, 전자 장치(600)는 마이크(또는 음성 수신 모듈)(미도시)를 통해 사용자 입력을 수신할 수 있다.
일 실시예에서, 사용자 입력은 제스처 입력 및/또는 터치 입력일 수 있다. 사용자 입력이 제스처 입력 및/또는 터치 입력인 경우, 전자 장치(600)는 센서(미도시)를 통해 사용자 입력을 수신할 수 있다.
일 실시 예에 따르면, 프로세서(601)는 음향 모듈(미도시)을 포함할 수 있다. 상기 음향 모듈은 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예를 들어, 상기 음향 모듈은 상기 음성 신호를 인식하여 수신할 수 있다. 상기 사용자 입력을 인식하는 음향 모듈은, 예를 들어, 주변 잡음에 강하여 음성 인식률이 높을 수 있다.
일 실시 예에 따르면, 상기 음향 모듈은 음성을 인식하기 위한 알고리즘을 이용하여 사용자 입력을 인식하여 수신하도록 학습될 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model) 알고리즘, ANN(artificial neural network) 알고리즘 및 DTW(dynamic time warping) 알고리즘 중 적어도 하나일 수 있다.
일 실시 예에 따르면, 상기 음향 모듈은 데이터 정제, 데이터 통합, 데이터 축소, 및/또는 데이터 변환의 작업을 수행할 수 있다. 상기 데이터 정제란, 불완전한 데이터는 채우고, 모순된 데이터는 수정하는 동작을 포함할 수 있다. 상기 데이터 통합이란, 다양하게 나뉘어져 있는 여러 데이터 베이스, 또는 파일들을 분석하기 용이하도록 합치는 동작을 포함할 수 있다. 상기 데이터 축소란, 인풋 데이터 중 일부 데이터만 샘플링하거나 분석 대상 데이터의 차원을 줄이는 동작을 포함할 수 있다. 상기 데이터 변환이란, 데이터의 평균값을 구하여 데이터를 정규화 또는 집단화 하는 동작을 포함할 수 있다. 상기 음향 모듈은 데이터를 가공하여 의미 없는 값이 데이터에 포함되거나 의도치 않은 변수로 인해 데이터의 품질이 떨어지는 것을 방지할 수 있다. 상기 음향 모듈을 통해 정확성과 적시성을 상승시킬 수 있다.
일 실시예에서, 전자 장치(600)를 참조하여 설명한 각 구성 요소의 동작들 중 적어도 하나의 동작은, 외부 서버(미도시) 또는 다른 전자 장치(미도시)에서 수행(혹은, 실행)될 수 있다. 예를 들어, 프로세서(601)는, 통신 모듈(604)을 이용하여, 외부 서버(미도시) 또는 다른 전자 장치(미도시)로 사용자 입력을 전송하도록 할 수 있다.
외부 서버(미도시)나 다른 전자 장치(미도시)에 포함된 프로세서(미도시)가 상기 사용자 입력을 수신하여 응답 데이터를 생성하여 전자 장치(600)에 상기 응답 데이터를 송신할 수 있다.
프로세서(601)는, 사용자 입력에 대응되는 응답 데이터를 외부 서버(미도시) 또는 다른 전자 장치(미도시)로부터 통신 모듈(604)을 통해 수신할 수 있다. 프로세서(601)는 응답 데이터를 수신하면, 유저 인터페이스(603)를 통해 응답 데이터가 출력되도록 할 수 있다. 또는 통신 모듈(604)를 통해 다른 기기를 제어하거나 데이터를 저장할 수 있다. 프로세서(601)는 적어도 하나 이상의 프로세서로 구성될 수 있으며, 물리적으로 나누어져 고성능의 처리를 수행하는 메인 프로세서와 저전력의 처리를 수행하는 보조 프로세서로 나누어서 구동될 수 있다. 또는 하나의 프로세서가 상황에 따라 고성능과 저전력을 스위칭하여 처리할 수도 있다.
이하에서는, 프로세서(601)의 동작에 대해 구체적으로 설명한다.
본 문서에 개시되는 일 실시예에 따른 프로세서(601)는, 상기 전자 장치에 포함되거나 작동적으로 연결된 유저 인터페이스를 이용하여 수신된 사용자 음성 입력에 포함된 음성 인식 결과를 추론하고, 상기 추론된 음성 인식 결과에 따라 음성 인식 처리 모드를 판단하고, 상기 판단된 음성 인식 처리 모드에 기반하여 상기 음성 인식을 처리하고, 상기 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 이용하여 상기 처리된 최종 인식 결과를 제공하도록 하는 인스트럭션들(instructions)을 저장할 수 있다.
일 실시예에서, 프로세서(601)는, 상기 수신된 사용자 음성 입력에서 특징 벡터를 추출하고, 상기 추출된 특징 벡터 및 적어도 하나의 언어 모델을 이용하여 상기 음성 인식 결과의 후보를 추론할 수 있다.
일 실시예에서, 상기 적어도 하나의 언어 모델은 일반 언어 모델(General Language Model), 개인화 언어 모델(Personal Language Model) 및 도메인 특화 언어 모델(Domain specific Language Model) 중 적어도 하나를 포함하고, 상기 프로세서(601)는, 상기 언어 모델 각각의 확률 값을 연산하고, 상기 각각의 확률 값에 서로 다른 가중치를 부여하여 상기 음성 인식 결과의 후보를 추론할 수 있다.
일 실시예에서, 프로세서(601)는, 상기 음성 인식 결과의 후보를 이용하여 상기 사용자 음성 입력에 대응하는 언어 모델들의 확률을 혼합하고, 상기 혼합된 확률을 이용하여 상기 음성 인식 결과의 후보를 재산출할 수 있다.
일 실시예에서, 프로세서(601)는, 상기 추출된 특징 벡터를 이용하여 중간 결과를 추출하고, 상기 중간 결과에 따라 상기 음성 인식 처리 모드를 판단할 수 있다.
일 실시예에서, 프로세서(601)는, 도메인의 단어의 위치를 추출하고,
상기 도메인과 지원 도메인 및 지원 가능 리스트를 비교하여 제1 모드인지 제2 모드인지 여부를 판단할 수 있다.
일 실시예에서, 프로세서(601)는, 디바이스 관리 서버를 통해 사용자에게 등록된 기기명 (Device Dispatch)을 확보하고, 상기 음성 인식 결과와 상기 등록된 기기명이 매칭되는지를 비교하여 제3 모드인지 여부를 판단할 수 있다.
일 실시예에서, 프로세서(601)는, 상기 제2 모드로 판단되면, 제1 외부 장치의 데이터베이스를 이용하여 유사도 검색 진행을 요청할 수 있다.
일 실시예에서, 프로세서(601)는, 상기 제3 모드로 판단되면, 상기 전자 장치에서의 음성 인식 처리 없이 상기 제1 외부 장치 및 제2 외부 장치 중 적어도 하나를 이용하여 음성 인식 처리를 진행하도록 하는,
전자 장치.
일 실시예에서, 프로세서(601)는, 상기 음성 인식 결과를 통해 사용자의 발음 특성, 발화 패턴 등 개인의 언어적 특징을 분석하고 이를 음성 인식 후처리에 사용할 수 있다.
도 7은 본 문서에 개시되는 일 실시예에 따른 인텔리전트 어시스턴트 시스템의 동작을 설명하기 위한 도면(7000)이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다.
도시된 본 발명의 일실시예에 따른 인텔리전트 어시스턴트 시스템은 크게 음성 처리 모듈(Speech Receiver)(7100), 전자 장치 전자 장치(7200)(예: 도 3의 사용자 단말(301) 또는 도 6의 전자 장치(600)), 제1 외부 장치 (7300), 제2 외부 장치 (7400), 최종 결과 처리 모듈 (7500)로 구성된다.
도시된 실시예에 따르면, 전자 장치 전자 장치(7200)(예: 도 3의 사용자 단말(301) 또는 도 6의 전자 장치(600))는, 특징 추출 (Feature Extractor) 모듈 (7210), 특징 분석(Feature Analyzer) 모듈 (7220), 혼합 언어 모델 모듈 (7230), 후처리(Post processor) 모듈(7240), 슬롯 태거 (Slot tagger) 모듈 (7241) 및 처리 판단 모듈 (7250)을 포함할 수 있다. 혼합 언어 모델 모듈 (7230)은 일반 언어 모델(General Language Model) (7231), 개인화 언어 모델(Personal Language Model) (7232) 및/또는 도메인 특화 언어 모델(Domain specific Language Model) (7233)을 포함할 수 있다. 상기 열거된 구성 요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
제1 외부 장치(7300)는 서버 장치일 수 있다. 예를 들어, 제1 외부 장치(7300)는 클라우드(Cloud) 서버일 수 있다. 제1 외부 장치(7300)는 클라우드(Cloud)에서 음성인식 처리를 하는 클라우드(Cloud) STT 모듈 (7310), DB 처리와 관련한 DB 쿼리(query) 모듈 (7320), 네임드 디스패치 (Named Entity, 이하 NE) DB (7321) 및/또는 결과 관리(Result Handler) 모듈(7330)을 포함할 수 있다.
제2 외부 장치(7400)는 자연어를 처리하는 외부 장치일 수 있다. 예를 들어, 제2 외부 장치(7400)는 클라우드 자연어 처리 (Cloud NLU) 서버일 수 있다. 제2 외부 장치(7400)는 자연어 프로세서(Natural Language Processor) 모듈(7410)을 포함할 수 있다. 이하, 도 7을 참조하며, 각 모듈에 대해 자세히 설명한다.
음성 수신(Speech Receiver) 모듈(7100)은 전자 장치(7200)에 포함되거나 작동적으로 연결된 인터페이스를 이용하여 입력된 사용자의 발화를 전자 장치(7200)에 전달할 수 있다. 예를 들어, 음성 수신(Speech Receiver) 모듈(7100)은 전자 장치(7200)에 포함되거나 작동적으로 연결된 마이크를 이용하여 입력된 사용자의 발화를 오디오 버퍼(Audio buffer)에 입력하고, 상기 사용자 발화를 전처리 하여 전자 장치(7200)에 입력으로 전달할 수 있다.
전자 장치(7200)는 음성 수신(Speech Receiver) 모듈(7100)로부터 전달된 음성을 인식하여 텍스트로 변환할 수 있다.
특징 추출(Feature Extractor)은 (7210) 상기 전달된 음성으로부터 특징 벡터를 추출할 수 있다. 특징 분석(Feature Analyzer) 모듈 (7220)은 상기 특징 벡터와 학습된 모델을 기반으로 음성인식 후보를 추론할 수 있다.
혼합 언어 모델(7230)은 상기 음성인식 후보를 이용하여 상황에 맞는 언어 모델들의 확률을 혼합하고, 상기 혼합된 확률을 이용하여 정확도가 높은 후보군을 재산출 할 수 있다. 혼합 언어 모델 모듈 (7230)은 일반 언어 모델(General Language Model) (7231), 개인화 언어 모델(Personal Language Model) (7232) 및/또는 도메인 특화 언어 모델(Domain specific Language Model) (7233)을 포함할 수 있다.
일반 언어 모델(General Language Model) (7231)은 보편적이고 넓은 범위의 도메인에 대한 문장, 단어 등을 기반으로 학습된 언어 모델을 의미할 수 있다.
개인화 언어 모델(Personal Language Model) (7232)은 개인 데이터 및 디바이스 특성에 맞춰 생성한 언어 모델로, 개인별로 추출된 텍스트를 기반으로 생성한 언어 모델을 의미할 수 있다.
도메인 특화 언어 모델(Domain specific Language Model) (7233)은 대상 도메인에서 사용되는 빈도수가 높은 객체명을 높은 비중으로 포함한 언어 모델을 의미할 수 있다. 도메인 특화 언어 모델(Domain specific Language Model) (7233)은 일반적인 발화로 구성된 언어 모델과 달리 고유 명사를 많이 포함한 네임드 엔티티(Named entity)위주로 구성된, 대상 도메인에 특화된 언어 모델을 의미할 수 있다. 예를 들어, 도메인 특화 언어 모델(Domain specific Language Model) (7233)은 대상 도메인이 음악 스트리밍 도메인이면, 가수명, 곡명, 작곡가 명에 대한 정보에 해당하는 객체명을 높은 비중으로 포함할 수 있다. 예를 들어, 도메인 특화 언어 모델(Domain specific Language Model) (7233)은 대상 도메인이 레시피 도메인이면, 음식 재료, 음식명 등의 정보에 해당하는 객체명을 높은 비중으로 포함할 수 있다..
슬롯 태거(Slot tagger) 모듈 (7241)은 음성인식 결과 텍스트를 분석하여 네임드 엔티티(Named Entity) DB (7321) 에서 검색 및 변환을 적용하게 될 도메인의 단어의 위치를 추출할 수 있다. 예를 들어, 슬롯 태거(Slot tagger) 모듈 (7241)은 음악, 지명 등 네임드 엔티티 데이터(Named entity data) 와 관련된 항목만 정의하여 NE DB (7231)에서의 검색이 필요한 단어 위치에 태그를 추가하여 인식 결과를 생성할 수 있다.
후처리(Post processor) 모듈(7240)은 음성인식 모델과 언어 모델을 종합하여 추론된 인식 결과를 후처리 하는 모듈을 의미할 수 있다. 후처리(Post processor) 모듈(7240)은 변환 작업 및/또는 후보정을 진행할 수 있다. 예를 들어, 후처리(Post processor) 모듈(7240)은 상기 인식 결과에 대해 띄어쓰기, 숫자 변환 및/또는 영어 변환을 진행할 수 있다.
일 실시예에서, 후처리(Post processor) 모듈(7240)은 상기 음성인식 추론 과정을 통해 변환된 정규화된 텍스트 결과에 포함된 숫자, 특수기호, 외래어 등에 대해 원래의 표기에 맞춰 변환을 수행할 수 있다. 상기 변환 수행 과정에서, 후처리(Post processor) 모듈(7240)은 발화를 처리할 도메인을 판단하고, 상기 발화에서의 상기 변환을 수행할 대상의 위치를 추정하여 통계적 기법을 통해 변환을 수행할 수 있다.
처리 판단 모듈 (7250)은 상기 중간 결과에 기반하여 처리 모드를 결정할 수 있다. 일 실시예에서, 처리 판단 모듈 (7250)은 상기 추출된 특징 벡터를 이용하여 음성 인식을 추론하는 과정에서 중간 결과를 추출하고, 상기 중간 결과에 따라 제1 외부 장치 및/또는 제2 외부 장치의 활용 여부를 결정할 수 있다. 상기 처리 모드는 세가지 모드를 포함할 수 있다. 제1 모드는 전자 장치(7200)에서 모든 음성인식 처리를 진행하는 모드일 수 있다. 제2 모드는 전자 장치(7200)의 슬롯 태거(Slot tagger) 모듈 (7241)에서 제1 외부 장치(7300)의 데이터베이스 유사도 검색 진행을 요청하는 모드일 수 있다. 제2 모드에서는, 제1 외부 장치(7300)의 DB 쿼리(query) 모듈(7320), NE DB 모듈 (7321)과 연계하여 데이터베이스 검색 및 변환을 적용할 수 있다. 제3 모드는 제2 외부 장치(7400)를 이용하여 음성인식 처리를 진행하는 모드일 수 있다.
상기 제2 모드에서 이용되는 제1 외부 장치(7300)는 서버 장치일 수 있다. 예를 들어, 제1 외부 장치(7300)는 클라우드(Cloud) 서버일 수 있다. 제1 외부 장치(7300)는 고사양의 연산 서버를 활용하여 사용자에게 빠르고 정확한 음성인식 결과를 제공하는 장치를 의미할 수 있다. 제1 외부 장치(7300)는 음 음성인식 처리를 하는 클라우드(Cloud) STT 모듈 (7310), DB 처리와 관련한 DB 쿼리(query) 모듈 (7320) 및/또는 네임드 디스패치 (Named Entity, 이하 NE) DB (7321) 를 이용하여 신뢰도가 높은 결과를 추정하여 사용자에게 결과를 제공할 수 있다.
클라우드(Cloud) STT 모듈 (7310)은 전자 장치(7200)로부터 전송된 음성 신호로부터 특징 벡터를 추출하고, 상기 음성 신호를 텍스트로 변환할 수 있다.
DB 쿼리(query) 모듈은 변환할 단어를 표기한 텍스트 입력을 받아 해당 단어를 네임드 디스패치 (Named Entity, 이하 NE) DB (7321)로 전송하여 유사도를 검색할 수 있다.
네임드 디스패치 (Named Entity, 이하 NE) DB (7321)는 음악 컨텐츠, 영화 제목, 방송 컨텐츠 이름 등 시기별 업데이트의 빈도가 높은 항목 및 주소, POI등 데이터 규모가 객체명을 데이터베이스 서버로 구성할 수 있다. 네임드 디스패치 (Named Entity, 이하 NE) DB (7321)는 검색 속도를 고속화 하여 실시간 검색을 통해 음성 인식 결과물의 후처리에 활용하기 위한 데이터베이스 일 수 있다.
결과 관리(Result Handler) 모듈 (7330)은 처리 판단 모듈(7250) 에서 판단된 모드(예를 들면, 제1 모드, 제2 모드, 제3 모드) 중 적어도 어느 하나의 음성인식 모드를 거쳐 생성된 음성인식 텍스트 결과물을 취합할 수 있다.
결과 관리(Result Handler) 모듈 (7330)은 상기 취합된 결과물을 자연어 프로세서(7410)에 적합한 결과로 전송하여 명령어 수행을 진행할 수 있다. 결과 관리(Result Handler) 모듈 (7330)은 전자 장치(7200)에 상기 결과물을 전달하여 상기 인식 결과를 실시간으로 확인하도록 결과물을 관리할 수 있다.
제2 외부 장치(7400)는 음성인식 결과를 바탕으로 자연어 처리 및 명령어 수행 판단을 하도록 자연어 프로세서 모듈(7410)을 포함할 수 있다.
도 7에는 별도의 장치로 도시되어 있지만, 기능을 구현하는데 전자 장치(7200)의 연산 및/또는 메모리의 제약이 없다면 전자 장치(7200) 내 위치할 수도 있다.
자연어 프로세서 모듈(7410)은 상기 음성 인식 결과를 통해 사용자의 발음 특성, 발화 패턴 등 개인의 언어적 특징을 분석하고 이를 음성 인식 후처리에 사용하도록 전자 장치(7200)에 전송할 수 있다. 예를 들어 어떤 사용자 발화 입력은 일반적인 어순에 따라 말을 하지 않을 수도 있고, 사투리 억양 등이 포함되어 표준어와 상이한 부분을 포함할 수 있는데 자연어 프로세서 모듈(7410)은 상기 표준어와 상이한 부분을 구조화 할 수 있다.
최종 결과 처리 모듈(7500)은 최종 인식 결과를 사용자에게 제공할 수 있다. 예를 들어, 최종 결과 처리 모듈(7500)은 전자 장치(7200)에 포함되거나 작동적으로 연결된 인터페이스를 이용하여 사용자에게 최종 인식 결과를 표시할 수 있다. 최종 결과 처리 모듈(7500)은 또한 상기 최종 인식 결과를 사용하는 관련 도메인에 정보를 전달할 수 있다.
도 7에는, 음성 수신 모듈(7100) 및 최종 결과 처리 모듈(7500)이 전자 장치(7200)와 별도로 도시되어 있지만, 이는 예시적인 것으로 한정 해석되지 않는다. 예를 들어, 전자 장치(7200)는 음성 수신 모듈(7100) 및/또는 최종 결과 처리 모듈(7500)을 포함할 수 있다.
도 8은 본 문서에 개시되는 일 실시예에 따른 전자 장치가 수행하는 방법에 대한 순서도(800)이다. 일 실시예에 따르면, 도 8에 도시된 프로세스는 전자 장치(예: 도 1의 전자 장치(101) 또는 도 6의 전자 장치(600))의 프로세서(예: 도 1의 프로세서(120) 또는 도 6의 프로세서(601))가 메모리(예: 도 1의 메모리(130) 또는 도 6의 메모리(602))에 저장된 인스트럭션을 실행하여 수행되는 것으로 이해될 수 있다.
동작 801에서, 전자 장치(101)는 수신된 사용자 입력에 포함된 음성 인식을 추론할 수 있다. 상기 사용자 입력이란, 사용자가 전자 장치(101)의 음성 인식 시스템을 이용하여 발화한 입력을 의미할 수 있다. 예를 들어, 상기 사용자 입력이란, 상기 사용자가 음성 어시스턴트를 이용하여 발화한 입력을 의미할 수 있다. 전자 장치(101)는 전자 장치(101)에 포함되거나 작동적으로 연결된 유저 인터페이스(예: 도 6의 유저 인터페이스(603))를 이용하여 상기 사용자의 음성 명령을 수신할 수 있다.
전자 장치(101)는 상기 사용자 입력에 포함된 음성으로부터 특징 벡터를 추출하고, 상기 추출된 특징 벡터 및 전자 장치(101)에 포함되거나 작동적으로 연결된 학습된 모델을 기반으로 음성 인식 후보를 추론할 수 있다.
일 실시예에서, 전자 장치(101)는 적어도 하나 이상의 언어 모델(예: 도 7의 일반 언어 모델(General Language Model)(7231), 개인화 언어 모델(Personal Language Model) (7232) 및/또는 도메인 특화 언어 모델(Domain specific Language Model) (7233))을 이용하여 상기 음성인식 후보를 추론할 수 있다. 예를 들어, 전자 장치(101)는 상기 적어도 하나 이상의 언어 모델 각각의 확률을 계산하고, 상기 적어도 하나 이상의 언어 모델의 각각의 확률 값을 연산하여 적어도 한 개 이상의 최종 후보 리스트를 추론할 수 있다. 전자 장치(101)는 상기 각각의 확률 값에 대하여 서로 다른 가중치를 부여하여 상기 확률 값을 연산할 수 있다.
상기 일반 언어 모델(General Language Model)은 보편적이고 넓은 범위의 도메인에 대한 문장, 단어 등을 기반으로 학습된 언어 모델을 의미할 수 있다.
상기 개인화 언어 모델(Personal Language Model)은 개인 데이터 및 디바이스 특성에 맞춰 생성한 언어 모델로, 개인별로 추출된 텍스트를 기반으로 생성한 언어 모델을 의미할 수 있다.
상기 도메인 특화 언어 모델(Domain specific Language Model)은 일반적인 발화로 구성된 언어 모델과 달리 고유 명사를 많이 포함한 네임드 엔티티(Named entity)위주로 구성된, 도메인에 특화된 언어 모델을 의미할 수 있다. 예를 들어, 도메인 특화 언어 모델(Domain specific Language Model) (7233)은 다수의 지명, 외래어, 가수명, 곡명 등의 도메인 특화된 음성 인식을 향상시키기 위한 객체명을 높은 비중으로 포함한 언어 모델일 수 있다.
전자 장치(101)는 혼합 언어 모델(7230)은 상기 음성인식 후보를 이용하여 상황에 맞는 언어 모델들의 확률을 혼합하고, 상기 혼합된 확률을 이용하여 정확도가 높은 후보군을 재산출하여 음성 인식 결과를 추론할 수 있다.
동작 803에서, 전자 장치(101)는 음성 인식 처리 모드를 판단할 수 있다. 전자 장치(101)는 상기 추출된 특징 벡터를 이용하여 음성 인식을 추론하는 과정에서 중간 결과를 추출하고, 상기 중간 결과에 따라 상기 음성 인식 처리 모드를 판단할 수 있다. 전자 장치(101)는 상기 처리 모드에 따라 제1 외부 장치 및/또는 제2 외부 장치의 활용 여부를 결정할 수 있다.
일 실시예에서, 전자 장치(101)는 지원 도메인 및 지원 가능 리스트와 비교하여 제1 모드인지 제2 모드인지 여부를 판단할 수 있다. 예를 들어, 전자 장치(101)는 지원 명령어 앱/서비스의 이름 (Named Dispatch) 이 사용자의 음성인식 결과와 매칭되는지 여부를 이용하여 지원 도메인을 판단할 수 있다.
일 실시예에서, 전자 장치(101)는 제 2 외부 전자 장치로부터 주기적으로 리스트를 확보하여 전자 장치(101)와 동기화 할 수 있다.
일 실시예에서, 전자 장치(101)는 디바이스 관리 서버를 통해 사용자에게 등록된 기기명 (Device Dispatch)을 확보하고, 상기 음성인식 결과와 상기 등록된 기기명이 매칭되는지를 비교하여 제3 모드인지 여부를 판단할 수 있다.
동작 803에 대하여는, 도 9를 참조하여 자세히 설명하도록 한다.
동작 805에서, 전자 장치(101)는 처리 모드에 기반하여 음성 인식을 처리할 수 있다.
일 실시예에서, 상기 처리 모드는 세가지 모드를 포함할 수 있다. 제1 모드는 전자 장치(101)에서 모든 음성인식 처리를 진행하는 모드일 수 있다. 제2 모드는 전자 장치(101)의 제1 외부 장치의 데이터베이스를 이용하여 유사도 검색 진행을 요청하는 모드일 수 있다. 제2 모드에서는, 전자 장치(101)뿐 아니라, 제1 외부 장치의 모듈(예: 도 7의 DB 쿼리(query) 모듈(7320), 도 7의 NE DB 모듈 (7321))과 연계하여 데이터베이스 검색 및 변환을 적용할 수 있다. 상기 제3 모드는 전자 장치에서의 음성 인식 처리 없이 제1 외부 장치 및 제2 외부 장치를 이용하여 음성인식 처리를 진행하는 모드일 수 있다. 전자 장치(101)는 이에 대하여는 도 9를 참조하여 자세히 설명하도록 한다.
전자 장치(101)는 상기 음성 인식 결과를 통해 사용자의 발음 특성, 발화 패턴 등 개인의 언어적 특징을 분석하고 이를 음성 인식 후처리에 사용하도록 전송할 수 있다. 예를 들어 어떤 사용자 발화 입력은 일반적인 어순에 따라 말을 하지 않을 수도 있고, 사투리 억양 등이 포함되어 표준어와 상이한 부분을 포함할 수 있는데 전자 장치(101)는 상기 표준어와 상이한 부분을 구조화 할 수 있다.
동작 807에서, 전자 장치(101)는 최종 인식 결과를 제공할 수 있다. 예를 들어, 전자 장치(101)는 전자 장치(101)에 포함되거나 작동적으로 연결된 인터페이스를 이용하여 사용자에게 최종 인식 결과를 표시할 수 있다. 전자 장치(101)는 또한 상기 최종 인식 결과를 사용하는 관련 도메인에 정보를 전달할 수 있다.
이에 대하여는 도 10 내지 도 12를 참조하여 설명하도록 한다.
도 8에는 전자 장치(101)가 동작 801 내지 동작 807을 순차적으로 수행하는 것으로 도시되어 있지만, 이는 예시적인 것으로 동작은 동시에 진행될 수도 있고, 동작의 일부는 전자 장치(101)에서 수행하고 다른 일부는 외부 장치에서 수행하도록 변경 할 수 있다.
본 문서에 개시된 일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 전자 장치에 포함되거나 작동적으로 연결된 유저 인터페이스를 이용하여 수신된 사용자 음성 입력에 포함된 음성 인식 결과를 추론하는 동작, 상기 추론된 음성 인식 결과에 따라 음성 인식 처리 모드를 판단하는 동작, 상기 판단된 음성 인식 처리 모드에 기반하여 상기 음성 인식을 처리하는 동작 및 상기 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 이용하여 상기 처리된 최종 인식 결과를 제공하는 동작을 포함할 수 있다.
일 실시예에서, 전자 장치가 수행하는 방법은, 상기 수신된 사용자 음성 입력에서 특징 벡터를 추출하는 동작 및 상기 추출된 특징 벡터 및 적어도 하나의 언어 모델을 이용하여 상기 음성 인식 결과의 후보를 추론하는 동작을 더 포함할 수 있다.
일 실시예에서, 상기 적어도 하나의 언어 모델은 일반 언어 모델(General Language Model), 개인화 언어 모델(Personal Language Model) 및 도메인 특화 언어 모델(Domain specific Language Model) 중 적어도 하나를 포함하고, 전자 장치가 수행하는 방법은, 상기 언어 모델 각각의 확률 값을 연산하는 동작 및 상기 각각의 확률 값에 서로 다른 가중치를 부여하여 상기 음성 인식 결과의 후보를 추론하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치가 수행하는 방법은, 상기 음성 인식 결과의 후보를 이용하여 상기 사용자 음성 입력에 대응하는 언어 모델들의 확률을 혼합하는 동작 및 상기 혼합된 확률을 이용하여 상기 음성 인식 결과의 후보를 재산출하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치가 수행하는 방법은, 상기 추출된 특징 벡터를 이용하여 중간 결과를 추출하는 동작 및 상기 중간 결과에 따라 상기 음성 인식 처리 모드를 판단하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치가 수행하는 방법은, 도메인의 단어의 위치를 추출하는 동작 및 상기 도메인과 지원 도메인 및 지원 가능 리스트를 비교하여 제1 모드인지 제2 모드인지 여부를 판단하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치가 수행하는 방법은, 디바이스 관리 서버를 통해 사용자에게 등록된 기기명 (Device Dispatch)을 확보하는 동작 및 상기 음성 인식 결과와 상기 등록된 기기명이 매칭되는지를 비교하여 제3 모드인지 여부를 판단하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치가 수행하는 방법은, 상기 제2 모드로 판단되면, 제1 외부 장치의 데이터베이스를 이용하여 유사도 검색 진행을 요청하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치가 수행하는 방법은, 상기 제3 모드로 판단되면, 상기 전자 장치에서의 음성 인식 처리 없이 상기 제1 외부 장치 및 제2 외부 장치 중 적어도 하나를 이용하여 음성 인식 처리를 진행하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치가 수행하는 방법은, 상기 음성 인식 결과를 통해 사용자의 발음 특성, 발화 패턴 등 개인의 언어적 특징을 분석하고 이를 음성 인식 후처리에 사용하는 동작을 더 포함할 수 있다.
도 9는 본 문서에 개시되는 일 실시예에 따른 전자 장치가 수행하는 방법에 대한 다른 순서도(900)이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다. 일 실시예에 따르면, 도 9에 도시된 프로세스는 전자 장치(예: 도 1의 전자 장치(101) 또는 도 6의 전자 장치(600))의 프로세서(예: 도 1의 프로세서(120))가 메모리(예: 도 1의 메모리(130))에 저장된 인스트럭션을 실행하여 수행되는 것으로 이해될 수 있다.
동작 901에서, 전자 장치(101)는 기기명 매칭 여부를 판단할 수 있다. 일 실시예에서, 전자 장치(101)는 디바이스 관리 서버를 통해 사용자에게 등록된 기기명 (Device Dispatch)을 확보하고, 전자 장치(101)에 포함되거나 작동적으로 연결된 인터페이스를 통해 수신된 발화의 음성인식 결과에 포함된 기기명과 상기 등록된 기기명이 매칭되는지를 비교할 수 있다.
상기 음성인식 결과에 포함된 기기명과 상기 등록된 기기명이 매칭되지 않으면(동작 901 - 'No'), 전자 장치(101)는 동작 911에서 제3 모드 동작을 수행할 수 있다. 상기 제3 모드는 전자 장치에서의 음성 인식 처리 없이 제1 외부 장치 및 제2 외부 장치를 이용하여 음성인식 처리를 진행하는 모드일 수 있다. 전자 장치(101)는 제1 외부 장치로 상기 발화에 대한 음성 데이터를 전송할 수 있다. 제1 외부 장치는 상기 전달 받은 음성 데이터에 대한 음성 인식을 처리할 수 있다. 제1 외부 장치는 상기 음성 인식 결과를 제2 외부 장치로 전송하여, 상기 사용자의 의도된 명령을 상기 발화에 포함된 기기에서 수행할 수 있도록 할 수 있다.
상기 음성인식 결과에 포함된 기기명과 상기 등록된 기기명이 매칭되면 (동작 901 - 'Yes'), 전자 장치는, 동작 903에서, 지원 도메인을 판단할 수 있다. 전자 장치(101)는 지원 명령어 앱/서비스의 이름 (Named Dispatch) 이 사용자의 음성인식 결과와 매칭되는지 여부를 이용하여 지원 도메인을 판단할 수 있다.
동작 905에서, 전자 장치(101)는 NE 슬럿이 존재 하는지 판단할 수 있다. 상기 NE 슬럿이란, 태그가 추가된 단어를 의미할 수 있다. 상기 태그가 추가된 단어는 예를 들어, 목적어를 의미할 수 있다. 전자 장치(101)는 음성인식 결과 텍스트를 분석하여 제1 외부 장치에 포함되거나 작동적으로 연결된 네임드 엔티티(Named Entity) DB에서 검색 및/또는 변환을 적용하게 될 도메인의 단어의 위치를 추출할 수 있다. 예를 들어, 전자 장치(101)는 음악, 지명 등 네임드 엔티티 데이터(Named entity data) 와 관련된 항목만 정의하여 제1 외부 장치에 포함되거나 작동적으로 연결된 네임드 엔티티(Named Entity) DB에서 검색이 필요한 단어 위치에 태그를 추가하여 인식 결과를 생성할 수 있다. NE 슬럿이 존재하지 않으면 (동작 905 - 'No'), 전자 장치(101)는 동작 907에서 제1 모드를 동작할 수 있다.
반대로 상기 NE 슬럿이 존재하면 (동작 905 - 'Yes'), 전자 장치(101)는 동작 913에서, 제2 모드를 동작할 수 있다. 상기 제2 모드는 전자 장치(101)가 제1 외부 장치의 데이터베이스 유사도 검색 진행을 요청하는 모드일 수 있다. 제2 모드에서는, 전자 장치(101)뿐 아니라, 제1 외부 장치의 모듈(예: 도 7의 DB 쿼리(query) 모듈(7320), 도 7의 NE DB 모듈 (7321))과 연계하여 데이터베이스 검색 및 변환을 적용할 수 있다.
동작 909에서, 전자 장치(101)는 최종 인식 결과를 제공할 수 있다. 전자 장치(101)는 상기 각 모드에서 추론된 결과물을 이용하여 최종 인식 결과를 사용자에게 제공할 수 있다. 예를 들어, 전자 장치(101)는 전자 장치(101)에 포함되거나 작동적으로 연결된 인터페이스를 이용하여 사용자에게 최종 인식 결과를 표시할 수 있다. 전자 장치(101)는 또한 상기 최종 인식 결과를 사용하는 관련 도메인에 정보를 전달할 수 있다.
도 9에는 전자 장치(101)가 동작 901 내지 동작 913을 순차적으로 수행하는 것으로 도시되어 있지만, 이는 예시적인 것으로 동작은 동시에 진행될 수도 있고, 동작의 일부는 전자 장치(101)에서 수행하고 다른 일부는 외부 장치에서 수행하도록 변경 할 수 있다. 예를 들어, 동작의 일부는 전자 장치(101)에서 수행하고 다른 일부는 서버에서 수행하도록 변경 할 수 있다.
이하, 도 10 내지 도 12를 이용하여 네트워크 연결 유무에 따른, 전자 장치가 제1 모드 내지 제3 모드를 수행하는 방법에 대해 설명하도록 한다.
도 10은 전자 장치가 제1 모드를 수행하는 방법에 대한 예시도이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다.
도 10에는 네트워크가 연결된 상태의 전자 장치(1010)와 네트워크가 연결되지 않은 상태의 전자 장치(1020)가 도시되어 있다.
전자 장치(1010, 1020)가 '와이 파이(Wi-Fi) 설정 들어가줘'라는 발화 입력을 수신한 경우, 상기 발화 입력은 별도의 등록된 기기명을 포함하고 있지 않고, NE 태그된 단어를 포함하고 있지 않으므로, 전자 장치(1010, 1020)는 제1 모드를 수행할 수 있다.
상기 제1 모드는 별도의 외부 장치를 이용하지 않으므로, 도 10에 도시된 바와 같이, 전자 장치(1010, 1020)는 네트워크 유무에 상관없이 동일하게 제1 모드를 수행하고, 동일한 결과 화면(1011, 1021)을 출력할 수 있다.
도 11은 전자 장치가 제2 모드를 수행하는 방법에 대한 예시도이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다.
도 11에는 네트워크가 연결된 상태의 전자 장치(1110)와 네트워크가 연결되지 않은 상태의 전자 장치(1120)가 도시되어 있다.
전자 장치(1110, 1120)가 '비발디의 포 시즌스 틀어줘'라는 발화 입력을 수신한 경우, 상기 발화 입력은 별도의 등록된 기기명을 포함하고 있지 않으나, NE 태그된 단어(예: 비발디, 포 시즌스)를 포함하고 있으므로, 전자 장치(1110, 1120)는 제2 모드를 수행할 수 있다.
상기 제2 모드는 제1 외부 장치의 DB 쿼리(Query) 모듈을 이용하여 NE DB로 검색을 하여 태깅된 단어에 가장 적합한 결과를 찾아 결과를 대체할 수 있다.
도 11에 도시된 바와 같이, 네트워크가 연결된 상태의 전자 장치(1110)는 제1 외부 장치를 이용할 수 있으므로 '비발디'와 '포 시즌스' 각각이 영문으로 변환된 음성 인식 결과(1111)를 포함한 결과 화면을 제공할 수 있다.
반면, 네트워크가 연결되지 않은 상태의 전자 장치(1120)는 '비발디'와 '포 시즌스'를 영문으로 변환하지 못한 음성 인식 결과(1121) 및 네트워크 연결 오류라는 노티(1122)를 포함한 결과 화면을 제공할 수 있다.
도 12는 전자 장치가 제3 모드를 수행하는 방법에 대한 예시도이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다.
도 12에는 네트워크가 연결된 상태의 전자 장치(1210)와 네트워크가 연결되지 않은 상태의 전자 장치(1220)가 도시되어 있다.
전자 장치(1210, 1220)가 '거실 티비에서 외부입력을 에이치디엠아이 1에서 에이치디엠아이 2로 변경' 이라는 발화 입력을 수신한 경우, 상기 발화 입력은 '거실 티비'라는 별도의 등록된 기기명을 포함하고 있으므로, 전자 장치(1210, 1220)는 제3 모드를 수행할 수 있다.
상기 제3 모드는 전자 장치가 아닌 제1 외부 장치 및/또는 제2 외부 장치를 이용하여 음성 인식 처리를 할 수 있다.
도 12에 도시된 바와 같이, 네트워크가 연결된 상태의 전자 장치(1210)는 제1 외부 장치 및/또는 제2 외부 장치를 이용할 수 있으므로 '티비'와 '에이치디엠아이' 각각이 영문으로 변환된 음성 인식 결과(1211)를 포함한 결과 화면을 제공할 수 있다.
반면, 네트워크가 연결되지 않은 상태의 전자 장치(1220)는 '티비'와 '에이치디엠아이'를 영문으로 변환하지 못한 음성 인식 결과(1221) 및 네트워크 연결 오류라는 노티(1222)를 포함한 결과 화면을 제공할 수 있다.
도 13은 전자 장치가 수신된 발화 입력에 따라 제1 모드 또는 제2 모드를 수행하는 방법에 대한 예시도이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다.
도 13에는 제1 모드를 수행하는 전자 장치(1310)와 제2 모드를 수행하는 전자 장치(1320)가 도시되어 있다.
전자 장치(1310)가 '와이 파이(Wi-Fi) 설정 들어가줘'라는 발화 입력을 수신한 경우, 상기 발화 입력은 별도의 등록된 기기명을 포함하고 있지 않고, NE 태그된 단어를 포함하고 있지 않으므로, 전자 장치(1310)는 제1 모드를 수행할 수 있다.
전자 장치(1310)는 입력된 발화를 전자 장치(1310)에서 처리하고 있는 상태임을 표시하는 아이콘(1312)을 표시할 수 있다.
상기 제1 모드는 별도의 외부 장치를 이용하지 않으므로, 전자 장치(1310)는 네트워크 유무에 상관없이 동일하게 제1 모드를 수행하고, 결과 화면(1311)을 출력할 수 있다.
전자 장치(1320)가 '비발디의 포 시즌스 틀어줘'라는 발화 입력을 수신한 경우, 상기 발화 입력은 별도의 등록된 기기명을 포함하고 있지 않으나, NE 태그된 단어(예: 비발디, 포 시즌스)를 포함하고 있으므로, 전자 장치(1320)는 제2 모드를 수행할 수 있다.
상기 제2 모드는 제1 외부 장치의 DB 쿼리(Query) 모듈을 이용하여 NE DB로 검색을 하여 태깅된 단어에 가장 적합한 결과를 찾아 결과를 대체할 수 있다.
전자 장치(1310)는 입력된 발화를 제1 외부 장치에서 처리하고 있는 상태임을 표시하는 아이콘(1322)을 표시할 수 있다.
도 13에 도시된 바와 같이, 네트워크가 연결된 상태의 전자 장치(1320)는 제1 외부 장치를 이용할 수 있으므로 '비발디'와 '포 시즌스' 각각이 영문으로 변환된 음성 인식 결과(1321)를 포함한 결과 화면을 제공할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(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 스토어™)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.

Claims (20)

  1. 전자 장치에 있어서,
    메모리; 및
    상기 메모리에 작동적으로(operatively) 연결된 프로세서를 포함하고,
    상기 메모리는, 실행 시, 상기 프로세서가,
    상기 전자 장치에 포함되거나 작동적으로 연결된 유저 인터페이스를 이용하여 수신된 사용자 음성 입력에 포함된 음성 인식 결과를 추론하고,
    상기 추론된 음성 인식 결과에 따라 음성 인식 처리 모드를 판단하고,
    상기 판단된 음성 인식 처리 모드에 기반하여 상기 음성 인식을 처리하고,
    상기 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 이용하여 상기 처리된 최종 인식 결과를 제공하도록 하는 인스트럭션들(instructions)을 저장하는,
    전자 장치.
  2. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 수신된 사용자 음성 입력에서 특징 벡터를 추출하고,
    상기 추출된 특징 벡터 및 적어도 하나의 언어 모델을 이용하여 상기 음성 인식 결과의 후보를 추론하도록 하는,
    전자 장치.
  3. 청구항 2에 있어서,
    상기 적어도 하나의 언어 모델은 일반 언어 모델(General Language Model), 개인화 언어 모델(Personal Language Model) 및 도메인 특화 언어 모델(Domain specific Language Model) 중 적어도 하나를 포함하고,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 언어 모델 각각의 확률 값을 연산하고,
    상기 각각의 확률 값에 서로 다른 가중치를 부여하여 상기 음성 인식 결과의 후보를 추론하도록 하는,
    전자 장치
  4. 청구항 3에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 음성 인식 결과의 후보를 이용하여 상기 사용자 음성 입력에 대응하는 언어 모델들의 확률을 혼합하고,
    상기 혼합된 확률을 이용하여 상기 음성 인식 결과의 후보를 재산출하도록 하는,
    전자 장치.
  5. 청구항 2에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 추출된 특징 벡터를 이용하여 중간 결과를 추출하고,
    상기 중간 결과에 따라 상기 음성 인식 처리 모드를 판단하도록 하는,
    전자 장치.
  6. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    도메인의 단어의 위치를 추출하고,
    상기 도메인과 지원 도메인 및 지원 가능 리스트를 비교하여 제1 모드인지 제2 모드인지 여부를 판단하도록 하는,
    전자 장치.
  7. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    디바이스 관리 서버를 통해 사용자에게 등록된 기기명 (Device Dispatch)을 확보하고,
    상기 음성 인식 결과와 상기 등록된 기기명이 매칭되는지를 비교하여 제3 모드인지 여부를 판단하도록 하는,
    전자 장치.
  8. 청구항 6에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제2 모드로 판단되면, 제1 외부 장치의 데이터베이스를 이용하여 유사도 검색 진행을 요청하도록 하는,
    전자 장치.
  9. 청구항 7에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제3 모드로 판단되면, 상기 전자 장치에서의 음성 인식 처리 없이 제1 외부 장치 및 제2 외부 장치 중 적어도 하나를 이용하여 음성 인식 처리를 진행하도록 하는,
    전자 장치.
  10. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 음성 인식 결과를 통해 사용자의 발음 특성, 발화 패턴 등 개인의 언어적 특징을 분석하고 이를 음성 인식 후처리에 사용하도록 하는,
    전자 장치
  11. 전자 장치가 수행하는 방법에 있어서,
    상기 전자 장치에 포함되거나 작동적으로 연결된 유저 인터페이스를 이용하여 수신된 사용자 음성 입력에 포함된 음성 인식 결과를 추론하는 동작;
    상기 추론된 음성 인식 결과에 따라 음성 인식 처리 모드를 판단하는 동작;
    상기 판단된 음성 인식 처리 모드에 기반하여 상기 음성 인식을 처리하는 동작; 및
    상기 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 이용하여 상기 처리된 최종 인식 결과를 제공하는 동작을 포함하는,
    방법.
  12. 청구항 11에 있어서,
    상기 수신된 사용자 음성 입력에서 특징 벡터를 추출하는 동작; 및
    상기 추출된 특징 벡터 및 적어도 하나의 언어 모델을 이용하여 상기 음성 인식 결과의 후보를 추론하는 동작을 더 포함하는,
    방법.
  13. 청구항 12에 있어서,
    상기 적어도 하나의 언어 모델은 일반 언어 모델(General Language Model), 개인화 언어 모델(Personal Language Model) 및 도메인 특화 언어 모델(Domain specific Language Model) 중 적어도 하나를 포함하고,
    상기 언어 모델 각각의 확률 값을 연산하는 동작; 및
    상기 각각의 확률 값에 서로 다른 가중치를 부여하여 상기 음성 인식 결과의 후보를 추론하는 동작을 더 포함하는,
    방법.
  14. 청구항 13에 있어서,
    상기 음성 인식 결과의 후보를 이용하여 상기 사용자 음성 입력에 대응하는 언어 모델들의 확률을 혼합하는 동작; 및
    상기 혼합된 확률을 이용하여 상기 음성 인식 결과의 후보를 재산출하는 동작을 더 포함하는,
    방법.
  15. 청구항 12에 있어서,
    상기 추출된 특징 벡터를 이용하여 중간 결과를 추출하는 동작; 및
    상기 중간 결과에 따라 상기 음성 인식 처리 모드를 판단하는 동작을 더 포함하는,
    방법.
  16. 청구항 11에 있어서,
    도메인의 단어의 위치를 추출하는 동작; 및
    상기 도메인과 지원 도메인 및 지원 가능 리스트를 비교하여 제1 모드인지 제2 모드인지 여부를 판단하는 동작을 더 포함하는,
    방법.
  17. 청구항 11에 있어서,
    디바이스 관리 서버를 통해 사용자에게 등록된 기기명 (Device Dispatch)을 확보하는 동작; 및
    상기 음성 인식 결과와 상기 등록된 기기명이 매칭되는지를 비교하여 제3 모드인지 여부를 판단하는 동작을 더 포함하는,
    방법.
  18. 청구항 16에 있어서,
    상기 제2 모드로 판단되면, 제1 외부 장치의 데이터베이스를 이용하여 유사도 검색 진행을 요청하는 동작을 더 포함하는,
    방법.
  19. 청구항 17에 있어서,
    상기 제3 모드로 판단되면, 상기 전자 장치에서의 음성 인식 처리 없이 제1 외부 장치 및 제2 외부 장치 중 적어도 하나를 이용하여 음성 인식 처리를 진행하는 동작을 더 포함하는,
    방법.
  20. 청구항 11에 있어서,
    상기 음성 인식 결과를 통해 사용자의 발음 특성, 발화 패턴 등 개인의 언어적 특징을 분석하고 이를 음성 인식 후처리에 사용하는 동작을 더 포함하는,
    방법.
KR1020210135267A 2021-10-12 2021-10-12 전자 장치 및 전자 장치의 동작 방법 KR20230052106A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210135267A KR20230052106A (ko) 2021-10-12 2021-10-12 전자 장치 및 전자 장치의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210135267A KR20230052106A (ko) 2021-10-12 2021-10-12 전자 장치 및 전자 장치의 동작 방법

Publications (1)

Publication Number Publication Date
KR20230052106A true KR20230052106A (ko) 2023-04-19

Family

ID=86142353

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210135267A KR20230052106A (ko) 2021-10-12 2021-10-12 전자 장치 및 전자 장치의 동작 방법

Country Status (1)

Country Link
KR (1) KR20230052106A (ko)

Similar Documents

Publication Publication Date Title
US20230081558A1 (en) Electronic device and operation method thereof
US20220351719A1 (en) Electronic device and method for sharing execution information on user input having continuity
US20220270604A1 (en) Electronic device and operation method thereof
US20220130377A1 (en) Electronic device and method for performing voice recognition thereof
KR20220118818A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220086265A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20230052106A (ko) 전자 장치 및 전자 장치의 동작 방법
US20230094274A1 (en) Electronic device and operation method thereof
US20230186031A1 (en) Electronic device for providing voice recognition service using user data and operating method thereof
US20230030738A1 (en) Electronic device and operation method
KR20230039423A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20230045333A (ko) 전자 장치 및 전자 장치의 동작 방법
US20220262359A1 (en) Electronic device and operation method thereof
US20220319497A1 (en) Electronic device and operation method thereof
US20240127793A1 (en) Electronic device speech recognition method thereof
US20230245647A1 (en) Electronic device and method for creating customized language model
US20220383877A1 (en) Electronic device and operation method thereof
US20230123060A1 (en) Electronic device and utterance processing method of the electronic device
US20220189463A1 (en) Electronic device and operation method thereof
US20240121206A1 (en) Electronic device for identifying image combined with text in multimedia content and method thereof
US20240135925A1 (en) Electronic device for performing speech recognition and operation method thereof
KR20220159170A (ko) 전자 장치 및 전자 장치의 동작 방법
US20220358907A1 (en) Method for providing response of voice input and electronic device supporting the same
US20230085539A1 (en) Electronic device and speech processing method thereof
US20230154463A1 (en) Method of reorganizing quick command based on utterance and electronic device therefor