KR20230068087A - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
KR20230068087A
KR20230068087A KR1020210154035A KR20210154035A KR20230068087A KR 20230068087 A KR20230068087 A KR 20230068087A KR 1020210154035 A KR1020210154035 A KR 1020210154035A KR 20210154035 A KR20210154035 A KR 20210154035A KR 20230068087 A KR20230068087 A KR 20230068087A
Authority
KR
South Korea
Prior art keywords
audio
wakeup word
external device
electronic device
corresponds
Prior art date
Application number
KR1020210154035A
Other languages
English (en)
Inventor
황도형
백옥희
신종영
이정원
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 KR1020210154035A priority Critical patent/KR20230068087A/ko
Priority to PCT/KR2022/017242 priority patent/WO2023085699A1/ko
Priority to EP22893120.0A priority patent/EP4375991A1/en
Priority to CN202280060368.XA priority patent/CN117918032A/zh
Priority to US18/183,522 priority patent/US20230223013A1/en
Publication of KR20230068087A publication Critical patent/KR20230068087A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/06—Decision making techniques; Pattern matching strategies
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/18—Artificial neural networks; Connectionist approaches
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L2015/088—Word spotting
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Telephone Function (AREA)
  • Telephonic Communication Services (AREA)

Abstract

전자 장치가 개시된다. 본 개시에 따른 전자 장치는, 통신 회로를 포함하는 통신 인터페이스, 적어도 하나의 인스트럭션을 저장하는 메모리, 및 프로세서를 포함하고, 프로세서는, 외부 장치에 의해 웨이크업 워드로 인식된 제1 오디오를 외부 장치로부터 수신하고, 제1 오디오를 분석하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단하고, 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단되면, 제1 오디오에 기초하여 웨이크업 워드 오인식 검출을 위한 신경망 모델을 획득하고, 신경망 모델에 대한 정보를 외부 장치로 전송한다.

Description

전자 장치 및 그 제어 방법{ELECTRONIC APPARATUS AND METHOD FOR CONTROLLING THEREOF}
본 개시는 전자 장치 및 그 제어 방법으로, 보다 상세하게는, 웨이크업 워드(wake up word) 오인식 여부를 검출하는 전자 장치 및 그 제어 방법에 관한 것이다.
근래에는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 시스템은 기존의 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습시키고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.
인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계 학습을 활용한 요소 기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습시키는 알고리즘 기술이며, 요소 기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 수행하기 위한 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다. 특히, 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화 시스템, 질의 응답, 음성 인식/합성 등을 포함한다.
최근에는 다양한 전자 기기에서 음성 인식 기능을 지원하고 있다. 전자 기기의 음성 인식 동작은 웨이크업 워드(예로, 하이 빅스비)를 인식하는 동작으로부터 시작된다. 따라서, 음성 인식 기능이 활성화된 전자 기기는 항상 웨이크업 워드를 인식하는 동작을 수행해야만 한다. 이는, 전자 기기에서 항상 CPU나 메모리와 같은 자원이 활용되고 있음을 의미한다.
한편, 음성 인식 기능을 지원하는 전자 기기 중에서는 CPU나 메모리와 같은 자원이 제한적인 전자 기기가 있을 수 있다. 항상 수행되야하는 웨이크업 워드를 인식하는 동작의 특성 상 이러한 전자 기기에 많은 리소스를 필요로 하는 고성능의 웨이크업 워드 검출 모델을 탑재하는 것은 쉽지 않다. 때문에, 음성 인식 기능을 지원하는 일부 전자 기기에는 제한된 성능을 갖는 웨이크업 워드 검출 모델이 탑재될 수 밖에 없고 이에 따라 웨이크업 워드 오인식이 발생할 수 있다.
따라서, 제한된 리소스를 이용하여 웨이크업 워드 오인식을 방지하기 위한 기술이 필요한 실정이다.
본 발명이 해결하고자 하는 일 기술적 과제는, 외부 장치의 웨이크업 워드 오인식 여부를 검출하는 것이다.
본 발명이 해결하고자 하는 일 기술적 과제는, 외부 장치의 웨이크업 워드 오인식을 방지하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 일 실시 예에 따르면, 전자 장치에 있어서, 통신 회로를 포함하는 통신 인터페이스; 적어도 하나의 인스트럭션을 저장하는 메모리; 및 프로세서;를 포함하고, 상기 프로세서는, 외부 장치에 의해 웨이크업 워드로 인식된 제1 오디오를 상기 외부 장치로부터 수신하고, 상기 제1 오디오를 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하고, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단되면, 상기 제1 오디오에 기초하여 웨이크업 워드 오인식 검출을 위한 신경망 모델을 획득하고, 상기 신경망 모델에 대한 정보를 상기 외부 장치로 전송하는 전자 장치가 제공될 수 있다.
상기 프로세서는, 상기 제1 오디오에 대응되는 텍스트가 검출되지 않으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단할 수 있다.
상기 프로세서는, 상기 제1 오디오에 대응되는 텍스트를 획득하고, 상기 제1 오디오에 대응되는 상기 텍스트와 상기 웨이크업 워드의 유사도가 기설정된 값보다 작으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단할 수 있다.
상기 프로세서는, 상기 제1 오디오에 후속하는 제2 오디오를 상기 외부 장치로부터 수신하고, 상기 제2 오디오를 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단할 수 있다.
상기 프로세서는, 상기 제2 오디오에 대응되는 텍스트를 획득하고, 상기 제2 오디오에 대응되는 상기 텍스트가 기설정된 문장 구조를 갖지 않으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단할 수 있다.
상기 제2 오디오는, 상기 외부 장치가 상기 제1 오디오를 상기 웨이크업 워드로 인식함에 따라 수행한 동작에 대한 사용자 음성을 포함하고, 상기 프로세서는, 상기 사용자 음성을 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단할 수 있다.
상기 프로세서는, 상기 외부 장치에 의해 제공된 UI를 통해 입력된 사용자 피드백에 기초하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단할 수 있다.
상기 프로세서는, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단되면, 상기 제1 오디오를 상기 메모리에 저장하고, 상기 메모리에 저장된 상기 제1 오디오 중 군집을 형성하는 복수의 제3 오디오를 식별하고, 상기 복수의 제3 오디오에 기초하여 상기 신경망 모델을 학습할 수 있다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 일 실시 예에 따르면, 전자 장치의 제어 방법에 있어서, 외부 장치에 의해 웨이크업 워드로 인식된 제1 오디오를 상기 외부 장치로부터 수신하는 단계; 상기 제1 오디오를 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계; 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단되면, 상기 제1 오디오에 기초하여 웨이크업 워드 오인식 검출을 위한 신경망 모델을 획득하는 단계; 및 상기 신경망 모델에 대한 정보를 상기 외부 장치로 전송하는 단계;를 포함할 수 있다.
상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는, 상기 제1 오디오에 대응되는 텍스트가 검출되지 않으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단할 수 있다.
상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는, 상기 제1 오디오에 대응되는 텍스트를 획득하는 단계, 및 상기 제1 오디오에 대응되는 상기 텍스트와 상기 웨이크업 워드의 유사도가 기설정된 값보다 작으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단하는 단계를 포함할 수 있다.
상기 제어 방법은, 상기 제1 오디오에 후속하는 제2 오디오를 상기 외부 장치로부터 수신하는 단계;를 더 포함하고, 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는, 상기 제2 오디오를 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단할 수 있다.
상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는, 상기 제2 오디오에 대응되는 텍스트를 획득하는 단계, 및 상기 제2 오디오에 대응되는 상기 텍스트가 기설정된 문장 구조를 갖지 않으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단하는 단계를 포함할 수 있다.
상기 제2 오디오는, 상기 외부 장치가 상기 제1 오디오를 상기 웨이크업 워드로 인식함에 따라 수행한 동작에 대한 사용자 음성을 포함하고, 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는, 상기 사용자 음성을 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단할 수 있다.
상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는, 상기 외부 장치에 의해 제공된 UI를 통해 입력된 사용자 피드백에 기초하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단할 수 있다.
상기 신경망 모델을 획득하는 단계는, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단되면, 상기 제1 오디오를 상기 메모리에 저장하는 단계, 상기 메모리에 저장된 상기 제1 오디오 중 군집을 형성하는 복수의 제3 오디오를 식별하는 단계, 및 상기 복수의 제3 오디오에 기초하여 상기 신경망 모델을 학습하는 단계를 더 포함할 수 있다.
본 개시의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이상과 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치는 외부 장치의 웨이크업 워드 오인식 여부를 검출할 수 있다. 또한, 전자 장치는 외부 장치의 웨이크업 워드 오인식을 방지할 수 있다. 이에 따라, 사용자의 편의성이 향상될 수 있다.
그 외에 본 개시의 실시 예로 인하여 얻을 수 있거나 예측되는 효과에 대해서는 본 개시의 실시 예에 대한 상세한 설명에서 직접적 또는 암시적으로 개시하도록 한다. 예컨대, 본 개시의 실시 예에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
본 개시의 다른 양상, 이점 및 두드러진 특징들은 첨부된 도면과 관련하여 본 발명의 다양한 실시 예들을 개시하는 다음의 상세한 설명으로부터 당업자에게 명백해질 것이다.
본 개시의 특정 실시 예의 양상, 특징 및 이점은 첨부된 도면들을 참조하여 후술되는 설명을 통해 보다 명확해질 것이다.
도 1은 웨이크업 워드가 오인식되는 상황을 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 음성 인식 시스템을 설명하기 위한 흐름도이다.
도 3은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 4는 본 개시의 일 실시 예에 따른 외부 장치의 구성을 도시한 블록도이다.
도 5는 본 개시의 일 실시 예에 따른 외부 장치의 동작을 설명하기 위한 흐름도이다.
도 6은 본 개시의 일 실시 예에 따른 웨이크업 워드 오인식 여부 판단 방법을 설명하기 위한 도면이다.
도 7은 본 개시의 일 실시 예에 따른 웨이크업 워드 오인식 여부 판단 방법을 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시 예에 따른 신경망 모델의 학습 방법을 설명하기 위한 도면이다.
도 9는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 도시한 순서도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.　
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.　그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 웨이크업 워드가 오인식되는 상황을 설명하기 위한 도면이다.
도 1을 참조하면, 댁내(10)에는 음성 인식 기능을 수행할 수 있는 냉장고(11) 및 TV(12)가 존재할 수 있다. 사용자(1)는 댁내에서 TV(12)에서 출력되는 영상 컨텐츠(예로, 뉴스)를 시청하고 있을 수 있다. 이 때, TV(12)에서 출력되는 영상 컨텐츠의 오디오(13)는 웨이크업 워드(예로, 하이 빅스비)와 발음이 유사한 단어(14)를 포함할 수 있다. 냉장고(11)는 단어(14)를 웨이크업 워드로 인식하여 음성 메시지(15)를 출력할 수 있다. 즉, 냉장고(11)는 단어(14)를 웨이크업 워드로 오인식할 수 있다. 이 경우, 사용자(1)는 불편을 느낄 수 있다. 본 개시는 이와 같은 문제점을 해결하기 위해 고안된 것으로 이하에서는 본 개시에 따른 음성 인식 시스템을 설명하도록 한다.
도 2는 본 개시의 일 실시 예에 따른 음성 인식 시스템을 설명하기 위한 흐름도이다.
도 2를 참조하면, 음성 인식 시스템(1000)은 전자 장치(100) 및 외부 장치(200)를 포함할 수 있다. 예를 들어, 전자 장치(100)는 서버이며, 외부 장치(200)는 냉장고일 수 있다. 다만, 이는 일 실시 예에 불과하며, 외부 장치(200)는 웨이크업 워드를 인식할 수 있는 장치라면 어떠한 장치라도 될 수 있다.
외부 장치(200)는 소정의 오디오를 획득할 수 있다(S210). 외부 장치(200)는 획득되는 오디오에서 제1 오디오를 웨이크업 워드로 인식할 수 있다(S220). 예를 들어, 제1 오디오는 도 1의 단어(14)에 대응될 수 있다. 외부 장치(200)가 획득되는 오디오는 제1 오디오에 후속하는 제2 오디오를 포함할 수 있다. 예를 들어, 제2 오디오는 컨텐츠 출력 장치로부터 출력되는 오디오 및 사용자 음성을 포함할 수 있다. 웨이크업 워드가 인식되면, 외부 장치(200)는 제1 오디오 및 제1 오디오에 후속하는 제2 오디오를 전자 장치(100)로 전송할 수 있다(S230).
전자 장치(100)는 제1 오디오가 웨이크업 워드에 대응되는지 판단할 수 있다(S240). 전자 장치(100)는 제1 오디오 및 제2 오디오 중 적어도 하나를 분석하여 제1 오디오가 웨이크업 워드에 대응되는지 판단할 수 있다. 예를 들어, 제1 오디오에 대응되는 텍스트와 웨이크업 워드의 유사도가 기설정된 값보다 작으면, 전자 장치(100)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다. 반면에, 제1 오디오에 대응되는 텍스트와 웨이크업 워드의 유사도가 기설정된 값 이상이면, 전자 장치(100)는 제1 오디오가 웨이크업 워드에 대응된다고 판단할 수 있다. 다만, 이는 일 실시 예에 불과하며, 전자 장치(100)는 다양한 방법으로 제1 오디오가 웨이크업 워드에 대응되는지 판단할 수 있다.
제1 오디오가 웨이크업 워드에 대응되면(S240-Y), 전자 장치(100)는 제2 오디오에 대응되는 응답을 획득할 수 있다(S250). 그리고, 전자 장치(100)는 획득된 응답에 대한 정보를 외부 장치(200)로 전송할 수 있다. 제1 오디오가 웨이크업 워드에 대응되지 않으면(S240-N), 전자 장치(100)는 제1 오디오에 기초하여 웨이크업 워드 오인식 검출을 위한 신경망 모델을 획득할 수 있다(S260). 웨이크업 워드 오인식 검출을 위한 신경망 모델은, 외부 장치(200)에 의해 웨이크업 워드로 오인식될 가능성이 있는 오디오를 식별하도록 학습된 인공지능모델일 수 있다. 전자 장치(100)는 제1 오디오를 메모리에 저장하고, 메모리에 저장된 제1 오디오 중 군집을 형성하는 복수의 제3 오디오를 식별할 수 있다. 전자 장치(100)는 복수의 제3 오디오와의 유사도가 기설정된 값 이상인 오디오를 식별하도록 신경망 모델을 학습시킬 수 있다. 한편, 복수의 오디오가 군집을 형성한다는 것은, 기설정된 범위 이내에 복수의 오디오에 대응되는 특징값들이 기설정된 개수 이상 존재하는 것을 의미한다.
전자 장치(100)는 외부 장치(200)로 신경망 모델에 대한 정보를 전송할 수 있다(S270). 외부 장치(200)는 신경망 모델을 이용하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다(S280). 예를 들어, 외부 장치(200)는 제1 오디오를 학습된 신경망 모델에 입력하여 제1 오디오가 웨이크업 워드에 대응되는지 여부를 식별할 수 있다.
한편, S230에서는 외부 장치(200)가 전자 장치(100)로 제1 오디오 및 제2 오디오를 전송한다고 하였으나, 이는 일 실시 예에 불과하며, 외부 장치(200)는 제1 오디오에 대응되는 제1 특징값 및 제2 오디오에 대응되는 제2 특징값을 획득하고, 제1 특징값 및 제2 특징값을 전자 장치(100)로 전송할 수도 있다. 이 경우, 전자 장치(100)는 제1 특징값 및 제2 특징값 중 적어도 하나를 분석하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다. 예를 들어, 전자 장치(100)는 제1 특징값과 웨이크업 워드에 대응되는 제3 특징값을 비교하여 제1 특징값 및 제3 특징값의 유사도를 획득할 수 있다. 제1 특징값 및 제3 특징값의 유사도가 기설정된 값 이상이면, 전자 장치(100)는 제1 오디오가 웨이크업 워드에 대응된다고 판단할 수 있다. 제1 특징값 및 제3 특징값의 유사도가 기설정된 값보다 크면, 전자 장치(100)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다.
또한, S260에서는, 전자 장치(100)가 제1 오디오에 기초하여 신경망 모델을 획득할 수 있다고 하였으나, 이는 일 실시 예에 불과하며, 전자 장치(100)는 제1 오디오에 대응되는 제1 특징값에 기초하여 신경망 모델을 획득할 수 있다. 예를 들어, 전자 장치(100)는 제1 특징값 중 군집을 형성하는 복수의 제3 특징값을 식별할 수 있다. 전자 장치(100)는 복수의 제3 특징값과의 유사도가 기설정된 값 이상인 특징값을 식별하도록 신경망 모델을 학습시킬 수 있다. 이 경우, 외부 장치(200)는 제1 오디오에 대응되는 제1 특징값을 획득하고, 제1 특징값을 신경망 모델에 입력하여 제1 오디오가 웨이크업 워드에 대응되는지 여부를 식별할 수 있다.
도 3은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 3을 참조하면, 전자 장치(100)는 통신 인터페이스(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다. 예를 들어, 전자 장치(100)는 서버일 수 있으나, 이에 한정되는 것은 아니며, 사용자 단말이나 PC일 수도 있다.
통신 인터페이스(110)는 적어도 하나의 통신 회로를 포함하며, 다양한 유형의 외부 기기 또는 외부 서버와 통신을 수행할 수 있다. 예를 들어, 통신 인터페이스(110)는 외부 장치(200)로부터 오디오 또는 오디오에 대응되는 특징값을 수신할 수 있다. 또는, 통신 인터페이스(110)는 신경망 모델에 대한 정보를 외부 장치(200)로 전송할 수 있다. 한편, 통신 인터페이스(110)는 와이파이 통신 모듈, 셀룰러 통신모듈, 3G(3세대) 이동통신 모듈, 4G(4세대) 이동통신 모듈, 4세대 LTE(Long Term Evolution) 통신 모듈, 5G(5세대) 이동통신 모듈 중 적어도 하나를 포함할 수 있다.
메모리(120)는 전자 장치(100)의 구성요소들의 전반적인 동작을 제어하기 위한 운영체제(OS: Operating System) 및 전자 장치(100)의 구성요소와 관련된 명령 또는 데이터를 저장할 수 있다. 예를 들어, 전자 장치(100)는 외부 장치(200)에 의해 웨이크업 워드로 오인식된 오디오와 관련된 정보를 저장할 수 있다. 오디오와 관련된 정보는, 오디오 또는 오디오에 대응되는 특징값을 포함할 수 있다. 또한, 메모리(120)는 웨이크업 워드로 오인식된 오디오를 검출하기 위한 신경망 모델을 저장할 수 있다.
메모리(120)는 음성 인식 모델을 저장할 수 있다. 음성 인식 모델은, 자동 음성 인식(Automatic Speech Recognition, ASR) 모듈, 자연어 이해(Natural Language Understanding, NLU) 모듈, 대화 관리(Dialogue Manager, DM) 모듈, 자연어 생성(Natural Language Generator, NLG) 모듈 및 텍스트 음성 변환(Text To Speech, TTS) 모듈을 포함할 수 있다. 한편, 메모리(120)는 비휘발성 메모리(ex: 하드 디스크, SSD(Solid state drive), 플래시 메모리), 휘발성 메모리 등으로 구현될 수 있다.
프로세서(130)는 메모리(120)와 전기적으로 연결되어 전자 장치(100)의 전반적인 기능 및 동작을 제어할 수 있다. 프로세서(130)는 외부 장치에 의해 웨이크업 워드로 인식된 제1 오디오를 외부 장치로부터 수신할 수 있다. 프로세서(130)는 제1 오디오를 분석하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다.
프로세서(130)는 ASR 모듈에 제1 오디오를 입력하여 제1 오디오에 대응되는 텍스트가 검출되는지 식별할 수 있다. 제1 오디오에 대응되는 텍스트가 검출되지 않으면, 프로세서(130)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다.
프로세서(130)는 제1 오디오에 대응되는 텍스트를 획득할 수 있다. 제1 오디오에 대응되는 텍스트와 웨이크업 워드의 유사도가 기설정된 값보다 작으면, 프로세서(130)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다.
프로세서(130)는 제1 오디오에 후속하는 제2 오디오를 외부 장치로부터 수신하고, 제2 오디오를 분석하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다. 예를 들어, 제2 오디오에 대응되는 텍스트가 기설정된 문장 구조를 갖지 않으면, 프로세서(130)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다. 기설정된 문장 구조는 하나의 문장 내에서 단어, 또는 절의 배열 구조를 의미하며 메모리(120)에 미리 저장되어 있을 수 있다.
제2 오디오는, 외부 장치가 제1 오디오를 웨이크업 워드로 인식함에 따라 수행한 동작에 대한 사용자 음성을 포함할 수 있다. 예를 들어, 외부 장치는 제1 오디오를 웨이크업 워드로 인식하여, 음성 메시지(예로, “듣고 있어요”)를 출력할 수 있다. 또는, 외부 장치는 제1 오디오에 후속하는 제2 오디오에 대한 응답(예로, “무슨 말인지 잘 모르겠어요”)을 출력할 수 있다. 이 때, 사용자는 외부 장치의 오동작을 지적하는 음성(예로, “이거 왜 이래?)을 발화할 수 있다. 프로세서(130)는 사용자 음성을 분석하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다. 프로세서(130)는 자연어 이해 모듈을 이용하여 사용자 음성을 분석하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다.
프로세서(130)는 외부 장치에 의해 제공된 UI를 통해 입력된 사용자 피드백에 기초하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다. 예를 들어, 외부 장치는 외부 장치의 음성 인식 기능을 비활성화하기 위한 UI 엘리먼트를 디스플레이할 수 있다. 그리고, 외부 장치는 디스플레이된 UI 엘리먼트를 선택하는 사용자 명령을 획득할 수 있다. 이 때, 프로세서(130)는 외부 장치로부터 사용자 명령에 대응되는 제어 신호를 수신할 수 있다.
제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단되면, 프로세서(130)는 제1 오디오에 기초하여 웨이크업 워드 오인식 검출을 위한 신경망 모델을 획득할 수 있다. 프로세서(130)는 웨이크업 워드에 대응되지 않는다고 판단된 복수의 제1 오디오를 메모리(120)에 저장할 수 있다. 프로세서(130)는 메모리(120)에 저장된 복수의 제1 오디오 중 군집을 형성하는 복수의 제3 오디오를 식별할 수 있다. 예를 들어, 복수의 제3 오디오에 각각 대응되는 복수의 특징값들은 기설정된 범위 이내에 포함될 수 있다. 프로세서(130)는 복수의 제3 오디오에 기초하여 신경망 모델을 학습시킬 수 있다.
프로세서(130)는 신경망 모델에 대한 정보를 외부 장치로 전송하도록 통신 인터페이스(110)를 제어할 수 있다. 신경망 모델에 대한 정보는, 신경망 모델에 대한 각종 데이터(예로, 파라미터)나 신경망 모델의 다운로드를 요청하는 메시지를 포함할 수 있다.
한편, 본 개시에 따른 인공지능과 관련된 기능은 프로세서(130)와 메모리(120)를 통해 동작된다. 프로세서(130)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리(120)에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공지능 모델은 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계된 인공지능 전용 프로세서에 의해 처리될 수 있다. 인공지능 모델은 학습을 통해 만들어 질 수 있다.
인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), GAN (Generative Adversarial Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
한편, 전자 장치(100)는 사용자 음성을 전처리하기 위한 적응 반향 제거(adaptive echo canceller)(AEC) 모듈, 노이즈 억제(noise suppression)(NS) 모듈, 종점 검출(end-point detection)(EPD) 모듈 또는 자동 이득 제어(automatic gain control)(AGC) 모듈을 포함할 수 있다. 또한, 전자 장치(100)는 아날로그 음성 신호를 디지털 신호로 변경하거나, 저장된 디지털 영상 또는 디지털 음성 신호를 아날로그 신호로 변경하는 디지털신호처리부(DSP, digital signal processor)를 포함할 수 있다.
도 4는 본 개시의 일 실시 예에 따른 외부 장치의 구성을 도시한 블록도이다.
도 4를 참조하면, 외부 장치(200)는 마이크(210), 스피커(220), 디스플레이(230), 입력부(240), 통신 인터페이스(250), 메모리(260) 및 프로세서(270)를 포함할 수 있다. 한편, 통신 인터페이스(250), 메모리(260) 및 프로세서(270)는 도 2에서 서술한 통신 인터페이스(110), 메모리(120) 및 프로세서(130)에 각각 대응될 수 있는 바, 중복되는 설명은 생략하도록 한다.
마이크(210)는 외부 장치(200) 주변의 오디오를 획득할 수 있다. 예를 들어, 마이크(210)는 웨이크업 워드 및 사용자 명령을 포함하는 사용자 음성을 획득할 수 있다. 프로세서(270)는 마이크(210)를 통해 획득되는 사용자 음성에 기초하여 외부 장치(200)를 제어할 수 있다. 예를 들어, 사용자 음성에서 웨이크업 워드가 인식되면, 프로세서(270)는 웨이크업 워드로 인식된 제1 오디오 및 제1 오디오에 후속하는 제2 오디오를 전자 장치(100)로 전송하도록 통신 인터페이스(250)를 제어할 수 있다.
스피커(220)는 음성 메시지를 출력할 수 있다. 예를 들어, 스피커(220)는 사용자 명령에 응답하는 음성 메시지를 출력할 수 있다.
디스플레이(230)는 프로세서(270)의 제어에 의해 다양한 화면을 표시할 수 있다. 예를 들어, 디스플레이(230)는 대기 화면을 표시할 수 있다. 대기 화면이란, 간략한 정보를 포함하는 화면으로 현재 시간 정보, 날짜 정보 및 날씨 정보를 포함할 수 있다. 또한, 디스플레이(230)는 사용자와의 인터랙션을 위한 각종 UI 엘리먼트들을 표시할 수 있다. 예를 들어, 디스플레이(230)는 웨이크업 워드가 인식되었음을 알리는 메시지("듣고 있어요")를 출력할 수 있다. 또한 디스플레이(230)는 외부 장치(200)의 음성 인식 기능을 비활성화하기 위한 UI 엘리먼트를 디스플레이할 수 있다.
한편, 디스플레이(230)는 액정 디스플레이(liquid crystal display(LCD)), 발광 다이오드(light-emitting diode(LED)) 디스플레이, 유기 발광 다이오드(organic light-emitting diode(OLED)) 디스플레이(예컨대 AMOLED(active-matrix organic light-emitting diode), PMOLED(passive-matrix OLED)), 또는 마이크로 전자기계 시스템(microelectromechanical systems(MEMS)) 디스플레이일 수 있다.
입력부(240)는 사용자 명령을 입력받기 위한 구성이다. 예를 들어, 사용자는 외부 장치(200)가 웨이크업 워드를 오인식했다고 판단되면, 음성 인식 기능을 비활성화하는 명령을 입력부(240)에 입력할 수 있다. 입력부(240)는 하나 이상의 버튼을 포함할 수 있다. 디스플레이(230)가 터치 패드 또는 터치 패널로 구현되는 경우, 디스플레이(230)는 사용자 명령을 터치 형태로 수신한다는 점에서 입력부(240)에 포함된다고 할 수 있다.
통신 인터페이스(250)는 웨이크업 워드로 인식된 제1 오디오 및 제1 오디오에 후속하는 제2 오디오를 전자 장치(100)로 전송할 수 있다. 또는, 통신 인터페이스(250)는 제1 오디오에 대응되는 제1 특징값 및 제2 오디오에 대응되는 제2 특징값을 전자 장치(100)로 전송할 수 있다. 통신 인터페이스(250)는 전자 장치(100)로부터 웨이크업 워드 오인식 검출을 위한 신경망 모델에 대한 정보를 수신할 수 있다.
메모리(260)는 웨이크업 워드 검출을 위한 웨이크업 엔진을 저장할 수 있다.
프로세서(270)는 웨이크업 엔진을 이용하여 마이크(210)를 통해 획득되는 오디오에서 웨이크업 단어가 존재하는 지 여부를 식별할 수 있다. 예를 들어, 프로세서(270)는 제1 오디오가 웨이크업 워드에 대응된다고 판단할 수 있다. 이 때, 프로세서(270)는 제1 오디오 및 제1 오디오에 후속하는 제2 오디오를 전자 장치(100)로 전송하도록 통신 인터페이스(250)를 제어할 수 있다.
한편, 웨이크업 엔진은 제1 오디오를 웨이크업 워드로 오인식할 수 있다. 이를 보완하기 위해, 프로세서(270)는 전자 장치(100)로부터 수신한 신경망 모델을 이용하여 웨이크업 워드 오인식 여부를 판단할 수 있다. 예를 들어, 웨이크업 엔진을 통해 제1 오디오가 웨이크업 워드로 인식되면, 프로세서(270)는 제1 오디오에 대한 정보를 신경망 모델에 입력하여 제1 오디오가 웨이크업 워드로 오인식되었는 지 여부를 식별할 수 있다. 프로세서(270)는 제1 오디오 또는 제1 오디오에 대응되는 제1 특징값을 신경망 모델에 입력할 수 있다.
웨이크업 엔진에 의해 제1 오디오가 웨이크업 워드로 오인식된 것으로 판단되면, 프로세서(270)는 제1 오디오 및 제1 오디오에 후속하는 제2 오디오를 전자 장치(100)로 전송하지 않을 수 있다. 반면에, 웨이크업 엔진에 의해 제1 오디오가 웨이크업 워드로 오인식된 것이 아니라고 판단되면, 프로세서(270)는 제1 오디오 및 제2 오디오를 전자 장치(100)로 전송하도록 통신 인터페이스(250)를 제어할 수 있다. 그리고, 프로세서(270)는 전자 장치(100)로부터 제2 오디오에 대응되는 응답 메시지를 수신하여 출력할 수 있다.
도 5는 본 개시의 일 실시 예에 따른 외부 장치의 동작을 설명하기 위한 흐름도이다.
도 5를 참조하면, 외부 장치(200)는 제1 오디오 및 제1 오디오에 후속하는 제2 오디오를 획득할 수 있다(S510). 외부 장치(200)는 웨이크업 엔진을 이용하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다(S520). 제1 오디오가 웨이크업 워드에 대응된다고 판단되면(S520-Y), 외부 장치(200)는 신경망 모델을 이용하여 제1 오디오가 웨이크업 워드로 오인식되었는 지 판단할 수 있다(S530). 제1 오디오가 웨이크업 워드로 오인식되었다고 판단되지 않으면(S530-N), 외부 장치(200)는 제1 오디오 및 제2 오디오를 전자 장치(100)로 전송할 수 있다(S540). 제1 오디오가 웨이크업 워드에 대응된다고 판단되지 않거나(S520-N), 제1 오디오가 웨이크업 워드로 오인식되었다고 판단되면(S530-N), 외부 장치(200)는 제1 오디오 및 제2 오디오를 전자 장치(100)로 전송하지 않을 수 있다.
한편, 도 5에서는 S520 및 S530를 분리하여 설명하였으나, S520 및 S530는 통합될 수 있다. 예를 들어, 외부 장치(200)는 신경망 모델을 이용하여 제1 오디오가 오인식 단어에 대응되는 지 판단하여, 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다. 여기서, 오인식 단어란, 웨이크 업 엔진에 의해 오인식될 확률이 기설정된 값 이상인 단어를 의미한다. 제1 오디오가 오인식 단어에 대응된다고 판단되면, 외부 장치(200)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다. 제1 오디오가 오인식 단어에 대응되지 않는다고 판단되면, 외부 장치(200)는 제1 오디오가 웨이크업 워드에 대응된다고 판단할 수 있다.
도 6은 본 개시의 일 실시 예에 따른 웨이크업 워드 오인식 여부 판단 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 전자 장치(100)는 외부 장치(200)로부터 제1 오디오(61)를 수신할 수 있다. 제1 오디오(61)는 외부 장치(200)에 의해 기설정된 웨이크업 워드(63)에 대응된다고 판단된 오디오일 수 있다. 전자 장치(100)는 수신된 제1 오디오(61)를 ASR 모듈(610)에 입력하여 제1 오디오(61)에 대응되는 텍스트(62)를 획득할 수 있다. 전자 장치(100)는 획득된 텍스트(62)와 기설정된 웨이크업 워드(63)의 유사도를 판단할 수 있다. 유사도가 기설정된 값 이상이면, 전자 장치(100)는 제1 오디오(61)가 웨이크업 워드(63)에 대응된다고 판단할 수 있다. 즉, 전자 장치(100)는 외부 장치(200)가 제1 오디오(61)를 웨이크업 워드로 인식한 것이 정인식이었다고 판단할 수 있다. 반면에, 유사도가 기설정된 값보다 작으면, 전자 장치(100)는 제1 오디오(61)가 웨이크업 워드(63)에 대응되지 않는다고 판단할 수 있다. 즉, 전자 장치(100)는 외부 장치(200)가 제1 오디오(61)를 웨이크업 워드로 인식한 것이 오인식이었다고 판단할 수 있다.
한편, 제1 오디오(61)를 ASR 모듈(610)에 입력하여 텍스트(62)가 획득되지 않으면, 전자 장치(100)는 제1 오디오(61)가 웨이크업 워드(63)에 대응되지 않는다고 판단할 수 있다. 즉, 전자 장치(100)는 외부 장치(200)가 제1 오디오(61)를 웨이크업 워드로 인식한 것이 오인식이었다고 판단할 수 있다. 예를 들어, 제1 오디오(61)가 동물의 울음 소리 또는 기계음일 경우, 제1 오디오(61)에 대응되는 웨이크업 텍스트(62)가 획득되지 않을 수도 있다.
도 7은 본 개시의 일 실시 예에 따른 웨이크업 워드 오인식 여부 판단 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 외부 장치(200)는 다른 외부 장치(300)에 의해 출력되는 제1 오디오(61)를 획득할 수 있다. 외부 장치(200)는 제1 오디오(61)에 포함된 키워드("하이닉스")를 웨이크업 워드로 인식할 수 있다. 그리고, 외부 장치(200)는 제1 오디오(61)에 대응되는 응답 메시지(62)를 출력할 수 있다. 이에 따라, 사용자(1)는 응답 메시지(62)에 의문을 제기하는 음성(63)을 발화할 수 있다. 외부 장치(200)는 음성(63)을 획득하여 전자 장치(100)로 전송할 수 있다.
전자 장치(100)는 사용자(1)가 발화한 음성(63)을 분석하여 외부 장치(200)가 키워드("하이닉스")를 웨이크업 워드로 인식한 것이 오인식인지 여부를 판단할 수 있다. 전자 장치(100)는 NLU 모듈을 이용하여 외부 장치(200)가 키워드("하이닉스")를 웨이크업 워드로 인식한 것이 오인식인지 여부를 판단할 수 있다. 또는, 전자 장치(100)는 음성(63)과 기설정된 음성의 유사도에 기초하여 외부 장치(200)가 키워드("하이닉스")를 웨이크업 워드로 인식한 것이 오인식인지 여부를 판단할 수 있다. 여기서, 기설정된 음성은, 사용자의 부정적 반응과 관련된 음성으로, 전자 장치(100)에 미리 저장되어 있을 수 있다. 예를 들어, 음성(63)과 기설정된 음성의 유사도가 기설정된 값보다 크면, 전자 장치(100)는 외부 장치(200)가 키워드("하이닉스")를 웨이크업 워드로 인식한 것이 오인식인 것으로 판단할 수 있다.
도 8은 본 개시의 일 실시 예에 따른 신경망 모델의 학습 방법을 설명하기 위한 도면이다.
도 8을 참조하면, 전자 장치(100)는 데이터베이스(DB)에서 학습 데이터를 획득할 수 있다. 데이터베이스(DB)에는 외부 장치(200)가 웨이크업 워드로 오인식한 복수의 오디오에 대한 정보가 저장되어 있을 수 있다. 예를 들어, 복수의 오디오는, 제1 오디오("하이닉스"), 제2 오디오("하이넥스") 및 제3 오디오("하이식스")를 포함할 수 있다. 오디오에 대한 정보는, 오디오에 대응되는 오디오 신호 및 오디오에 대응되는 특징값을 포함할 수 있다.
전자 장치(100)는 데이터베이스(DB)에 저장된 복수의 오디오에 대한 정보 중 학습 데이터(81)를 획득할 수 있다. 학습 데이터(81)는 복수의 오디오에 대한 정보 중 군집을 형성하는 오디오에 대한 정보를 포함할 수 있다. 예를 들어, 학습 데이터(81)는 제1 군집(C1)을 형성하는 제1 오디오("하이닉스"), 제2 오디오("하이넥스") 및 제3 오디오("하이식스")에 대한 정보를 포함할 수 있다. 또한, 학습 데이터(81)는 제2 군집(C2)을 형성하는 복수의 오디오에 대한 정보를 포함할 수 있다.
전자 장치(100)는 학습 데이터(81)에 기초하여 신경망 모델(NN)을 학습 시킬 수 있다. 예를 들어, 전자 장치(100)는 입력 오디오에 대한 정보에 기초하여 입력 오디오가 속하는 군집에 대응되는 식별 값을 출력하도록 신경망 모델(NN)을 학습시킬 수 있다. 또는, 전자 장치(100)는 입력 오디오에 대한 정보에 기초하여 입력 오디오가 웨이크업 워드에 대응되는 지 여부를 출력(예로, 대응되면 0, 대응되지 않으면 1을 출력)하도록 학습시킬 수 있다. 다만 이는 일 실시 예에 불과하며, 전자 장치(100)는 학습 데이터(81)에 기초하여 다양한 방식으로 신경망 모델(NN)을 학습시킬 수 있다.
도 9는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 도시한 순서도이다.
도 9를 참조하면, 전자 장치(100)는 외부 장치에 의해 웨이크업 워드로 인식된 제1 오디오를 외부 장치로부터 수신할 수 있다(S910).
전자 장치(100)는 제1 오디오를 분석하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다(S920). 일 예로, 제1 오디오에 대응되는 텍스트가 검출되지 않으면, 전자 장치(100)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다. 다른 일 예로, 제1 오디오에 대응되는 텍스트와 웨이크업 워드의 유사도가 기설정된 값보다 작으면, 전자 장치(100)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다. 또 다른 일 예로, 제1 오디오에 후속하는 제2 오디오에 대응되는 텍스트가 기설정된 문장 구조를 갖지 않으면, 전자 장치(100)는 제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단할 수 있다. 또 다른 일 예로, 전자 장치(100)는 외부 장치가 제1 오디오를 웨이크업 워드로 인식함에 따라 수행한 동작에 대한 사용자 음성을 분석하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다. 또 다른 일 예로, 전자 장치(100)는 외부 장치에 의해 제공된 UI를 통해 입력된 사용자 피드백에 기초하여 제1 오디오가 웨이크업 워드에 대응되는 지 판단할 수 있다.
제1 오디오가 웨이크업 워드에 대응되지 않는다고 판단되면, 전자 장치(100)는 제1 오디오에 기초하여 웨이크업 워드 오인식 검출을 위한 신경망 모델을 획득할 수 있다(S930). 전자 장치(100)는 복수의 제1 오디오 중 군집을 형성하는 복수의 제3 오디오를 식별할 수 있다. 전자 장치(100)는 식별된 복수의 제3 오디오에 기초하여 신경망 모델을 학습시킬 수 있다. 그리고, 전자 장치(100)는 신경망 모델에 대한 정보를 외부 장치로 전송할 수 있다(S940).
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 처리 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 처리 동작을 특정 기기가 수행하도록 할 수 있다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
한편, 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시예에 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 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
100: 전자 장치 110: 통신 인터페이스
120: 메모리 130: 프로세서
200: 외부 장치 210: 마이크
220: 스피커 230: 디스플레이
240: 입력부 250: 통신 인터페이스
260: 메모리 270: 프로세서

Claims (16)

  1. 전자 장치에 있어서,
    통신 회로를 포함하는 통신 인터페이스;
    적어도 하나의 인스트럭션을 저장하는 메모리; 및
    프로세서;를 포함하고,
    상기 프로세서는,
    외부 장치에 의해 웨이크업 워드로 인식된 제1 오디오를 상기 외부 장치로부터 수신하고,
    상기 제1 오디오를 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하고,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단되면, 상기 제1 오디오에 기초하여 웨이크업 워드 오인식 검출을 위한 신경망 모델을 획득하고,
    상기 신경망 모델에 대한 정보를 상기 외부 장치로 전송하는
    전자 장치.
  2. 제1 항에 있어서,
    상기 프로세서는,
    상기 제1 오디오에 대응되는 텍스트가 검출되지 않으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단하는
    전자 장치.
  3. 제1 항에 있어서,
    상기 프로세서는,
    상기 제1 오디오에 대응되는 텍스트를 획득하고,
    상기 제1 오디오에 대응되는 상기 텍스트와 상기 웨이크업 워드의 유사도가 기설정된 값보다 작으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단하는
    전자 장치.
  4. 제1 항에 있어서,
    상기 프로세서는,
    상기 제1 오디오에 후속하는 제2 오디오를 상기 외부 장치로부터 수신하고,
    상기 제2 오디오를 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는
    전자 장치.
  5. 제4 항에 있어서,
    상기 프로세서는,
    상기 제2 오디오에 대응되는 텍스트를 획득하고,
    상기 제2 오디오에 대응되는 상기 텍스트가 기설정된 문장 구조를 갖지 않으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단하는
    전자 장치.
  6. 제4 항에 있어서,
    상기 제2 오디오는,
    상기 외부 장치가 상기 제1 오디오를 상기 웨이크업 워드로 인식함에 따라 수행한 동작에 대한 사용자 음성을 포함하고,
    상기 프로세서는,
    상기 사용자 음성을 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는
    전자 장치.
  7. 제1 항에 있어서,
    상기 프로세서는,
    상기 외부 장치에 의해 제공된 UI를 통해 입력된 사용자 피드백에 기초하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는
    전자 장치.
  8. 제1 항에 있어서,
    상기 프로세서는,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단되면, 상기 제1 오디오를 상기 메모리에 저장하고,
    상기 메모리에 저장된 상기 제1 오디오 중 군집을 형성하는 복수의 제3 오디오를 식별하고,
    상기 복수의 제3 오디오에 기초하여 상기 신경망 모델을 학습하는
    전자 장치.
  9. 전자 장치의 제어 방법에 있어서,
    외부 장치에 의해 웨이크업 워드로 인식된 제1 오디오를 상기 외부 장치로부터 수신하는 단계;
    상기 제1 오디오를 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계;
    상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단되면, 상기 제1 오디오에 기초하여 웨이크업 워드 오인식 검출을 위한 신경망 모델을 획득하는 단계; 및
    상기 신경망 모델에 대한 정보를 상기 외부 장치로 전송하는 단계;를 포함하는
    제어 방법.
  10. 제9 항에 있어서,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는,
    상기 제1 오디오에 대응되는 텍스트가 검출되지 않으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단하는
    제어 방법.
  11. 제9 항에 있어서,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는,
    상기 제1 오디오에 대응되는 텍스트를 획득하는 단계, 및
    상기 제1 오디오에 대응되는 상기 텍스트와 상기 웨이크업 워드의 유사도가 기설정된 값보다 작으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단하는 단계를 포함하는
    제어 방법.
  12. 제9 항에 있어서,
    상기 제1 오디오에 후속하는 제2 오디오를 상기 외부 장치로부터 수신하는 단계;를 더 포함하고,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는,
    상기 제2 오디오를 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는
    제어 방법.
  13. 제12 항에 있어서,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는,
    상기 제2 오디오에 대응되는 텍스트를 획득하는 단계, 및
    상기 제2 오디오에 대응되는 상기 텍스트가 기설정된 문장 구조를 갖지 않으면, 상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단하는 단계를 포함하는
    제어 방법.
  14. 제12 항에 있어서,
    상기 제2 오디오는,
    상기 외부 장치가 상기 제1 오디오를 상기 웨이크업 워드로 인식함에 따라 수행한 동작에 대한 사용자 음성을 포함하고,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는,
    상기 사용자 음성을 분석하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는
    제어 방법.
  15. 제9 항에 있어서,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는 단계는,
    상기 외부 장치에 의해 제공된 UI를 통해 입력된 사용자 피드백에 기초하여 상기 제1 오디오가 상기 웨이크업 워드에 대응되는 지 판단하는
    제어 방법.
  16. 제9 항에 있어서,
    상기 신경망 모델을 획득하는 단계는,
    상기 제1 오디오가 상기 웨이크업 워드에 대응되지 않는다고 판단되면, 상기 제1 오디오를 상기 메모리에 저장하는 단계,
    상기 메모리에 저장된 상기 제1 오디오 중 군집을 형성하는 복수의 제3 오디오를 식별하는 단계, 및
    상기 복수의 제3 오디오에 기초하여 상기 신경망 모델을 학습하는 단계를 더 포함하는
    제어 방법.
KR1020210154035A 2021-11-10 2021-11-10 전자 장치 및 그 제어 방법 KR20230068087A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020210154035A KR20230068087A (ko) 2021-11-10 2021-11-10 전자 장치 및 그 제어 방법
PCT/KR2022/017242 WO2023085699A1 (ko) 2021-11-10 2022-11-04 전자 장치 및 그 제어 방법
EP22893120.0A EP4375991A1 (en) 2021-11-10 2022-11-04 Electronic device and control method thereof
CN202280060368.XA CN117918032A (zh) 2021-11-10 2022-11-04 电子装置及其控制方法
US18/183,522 US20230223013A1 (en) 2021-11-10 2023-03-14 Electronic apparatus and controlling method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210154035A KR20230068087A (ko) 2021-11-10 2021-11-10 전자 장치 및 그 제어 방법

Publications (1)

Publication Number Publication Date
KR20230068087A true KR20230068087A (ko) 2023-05-17

Family

ID=86336058

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210154035A KR20230068087A (ko) 2021-11-10 2021-11-10 전자 장치 및 그 제어 방법

Country Status (5)

Country Link
US (1) US20230223013A1 (ko)
EP (1) EP4375991A1 (ko)
KR (1) KR20230068087A (ko)
CN (1) CN117918032A (ko)
WO (1) WO2023085699A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102585228B1 (ko) * 2015-03-13 2023-10-05 삼성전자주식회사 음성 인식 시스템 및 방법
CN107358951A (zh) * 2017-06-29 2017-11-17 阿里巴巴集团控股有限公司 一种语音唤醒方法、装置以及电子设备
KR102628211B1 (ko) * 2018-08-29 2024-01-23 삼성전자주식회사 전자 장치 및 그 제어 방법
KR20200063521A (ko) * 2018-11-28 2020-06-05 삼성전자주식회사 전자 장치 및 이의 제어 방법
KR20210030160A (ko) * 2019-09-09 2021-03-17 삼성전자주식회사 전자 장치 및 이의 제어 방법

Also Published As

Publication number Publication date
EP4375991A1 (en) 2024-05-29
WO2023085699A1 (ko) 2023-05-19
US20230223013A1 (en) 2023-07-13
CN117918032A (zh) 2024-04-23

Similar Documents

Publication Publication Date Title
US20210166680A1 (en) Electronic apparatus and control method thereof
US11769492B2 (en) Voice conversation analysis method and apparatus using artificial intelligence
CN112955862A (zh) 电子装置及其控制方法
US20230134852A1 (en) Electronic apparatus and method for providing search result related to query sentence
US11830501B2 (en) Electronic device and operation method for performing speech recognition
US11705110B2 (en) Electronic device and controlling the electronic device
KR20220093653A (ko) 전자 장치 및 그 제어 방법
KR20200132673A (ko) 전자 장치 및 이의 제어 방법
US20200143807A1 (en) Electronic device and operation method thereof
KR20210063698A (ko) 전자장치와 그의 제어방법, 및 기록매체
US11817097B2 (en) Electronic apparatus and assistant service providing method thereof
KR20230068087A (ko) 전자 장치 및 그 제어 방법
KR20220155889A (ko) 전자 장치 및 그 제어 방법
US11386304B2 (en) Electronic device and method of controlling the same
US11527247B2 (en) Computing device and method of operating the same
KR20200021409A (ko) 전자 장치 및 그 제어 방법
US20230282208A1 (en) Electronic apparatus and controlling method thereof
US20220199078A1 (en) Electronic apparatus, system comprising electronic apparatus and server and controlling method thereof
US20220366157A1 (en) Electronic apparatus and method for controlling thereof
US11955122B1 (en) Detecting machine-outputted audio
US12001808B2 (en) Method and apparatus for providing interpretation situation information to one or more devices based on an accumulated delay among three devices in three different languages
CN112912954B (zh) 电子装置及其控制方法
CN114817456B (zh) 关键词检测方法、装置、计算机设备及存储介质
US20230186036A1 (en) Method and apparatus for providing interpretation situation information
EP3557577B1 (en) Systems and methods for enhancing responsiveness to utterances having detectable emotion