KR20240026820A - 전자 장치 및 전자 장치의 인식 모델 관리 방법 - Google Patents

Abstract

본 개시의 일 실시예에 따른 전자 장치는, 마이크, 입력 장치, 통신 회로, 프로세서, 및 메모리를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 입력 장치를 통하여 적어도 하나의 사용자의 비음성 사용자 정보를 획득하고, 상기 통신 회로를 통하여, 스마트 어시스턴트 기능과 관련된 적어도 하나의 외부 서버로 상기 비음성 사용자 정보를 전송하고, 상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로 상기 적어도 하나의 사용자에 대응하는 인식 모델의 요청을 전송하고, 상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로부터, 상기 비음성 사용자 정보를 기반으로 결정된 상기 적어도 하나의 사용자에 대한 상기 복수의 인식 모델들의 우선 순위에 기반하여, 상기 적어도 하나의 사용자에 대응하는 인식 모델을 수신하고, 상기 마이크를 통하여 상기 적어도 하나의 사용자의 음성 입력을 수신하고, 상기 수신한 인식 모델을 이용하여 상기 사용자의 음성 입력으로부터 상기 스마트 어시스턴트 기능과 관련된 상기 호출어를 인식하고, 상기 호출어의 인식에 응답하여 상기 스마트 어시스턴트 기능을 활성화하도록 하는 인스트럭션들을 저장할 수 있다. 이 외에도 명세서를 통해 파악되는 다양한 실시예가 가능하다.

Description

전자 장치 및 전자 장치의 인식 모델 관리 방법{ELECTRONIC DEVICE AND METHOD FOR MANAGING RECOGNITION MODEL THEREOF}

본 문서에서 개시되는 실시 예들은, 전자 장치 및 전자 장치의 인식 모델을 관리하는 기술과 관련된다.

최근 들어, 음성 인식 기술이 발전함에 따라 마이크를 포함하는 다양한 전자 장치에서 음성 인식 기능이 구현될 수 있다. 예를 들어, 최근에는 음성 인식을 통하여 복수의 전자 장치들 사이의 동작을 제어할 수 있는 스마트 어시스턴트 서비스가 개발되고 있다. 예를 들어, 전자 장치는 호출어(wake-up word)에 의해 스마트 어시스턴스 기능을 활성화할 수 있다.

전자 장치가 호출어에 의해 스마트 어시스턴트 기능을 활성화하는 경우, 호출어의 인식 성능을 높일 필요가 있다. 예를 들어, 기 정해진 범용의 인식 모델을 이용하여 호출어를 인식하는 경우, 사용자 별 정확한 호출어의 인식이 이루어지지 않을 수 있다.

본 개시의 다양한 실시예들은, 전자 장치를 사용하는 사용자 또는 사용자 구성(예: 복수의 사용자 구성원)에 따라 복수의 인식 모델들 중 최적의 인식 모델을 선택하여 호출어를 인식할 수 있는 전자 장치 및 전자 장치의 전자 장치의 인식 모델 관리 방법을 제공하고자 한다.

본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 일 실시예에 따르면, 전자 장치는, 마이크, 입력 장치, 통신 회로, 프로세서, 및 메모리를 포함할 수 있다. 일 실시예에 따르면, 상기 메모리는, 프로세서에 의해 실행되는 인스트럭션들을 저장할 수 있다. 일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 입력 장치를 통하여 적어도 하나의 사용자의 비음성 사용자 정보를 획득하도록 할 수 있다. 일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 통신 회로를 통하여, 스마트 어시스턴트 기능과 관련된 적어도 하나의 외부 서버로 상기 비음성 사용자 정보를 전송하도록 할 수 있다. 일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로 상기 적어도 하나의 사용자에 대응하는 인식 모델의 요청을 전송하도록 할 수 있다. 일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로부터, 상기 비음성 사용자 정보를 기반으로 결정된 상기 사용자 구성에 포함된 적어도 하나의 사용자에 대한 상기 복수의 인식 모델들 각각의 우선 순위에 기반하여, 상기 적어도 하나의 사용자에 대응하는 인식 모델을 수신하도록 할 수 있다. 일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 마이크를 통하여 상기 사용자 구성에 포함된 적어도 하나의 사용자의 음성 입력을 수신하도록 할 수 있다. 일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 수신한 인식 모델을 이용하여 상기 사용자의 음성 입력으로부터 상기 스마트 어시스턴트 기능과 관련된 상기 호출어를 인식하도록 할 수 있다. 일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 호출어의 인식에 응답하여 상기 스마트 어시스턴트 기능을 활성화하도록 할 수 있다.

본 문서에 개시되는 일 실시 예에 따른 인식 모델 관리 방법은, 적어도 하나의 사용자의 비음성 사용자 정보를 획득하는 동작을 포함할 수 있다. 일 실시예에 따르면, 상기 방법은, 스마트 어시스턴트 기능과 관련된 적어도 하나의 외부 서버로 상기 비음성 사용자 정보를 전송하는 동작을 포함할 수 있다. 일 실시예에 따르면, 상기 방법은, 상기 적어도 하나의 외부 서버로 상기 적어도 하나의 사용자에 대응하는 인식 모델의 요청을 전송하는 동작을 포함할 수 있다. 일 실시예에 따르면, 상기 방법은, 상기 적어도 하나의 외부 서버로부터, 상기 비음성 사용자 정보를 기반으로 결정된 상기 사용자 구성에 포함된 적어도 하나의 사용자에 대한 상기 복수의 인식 모델들 각각의 우선 순위에 기반하여, 상기 적어도 하나의 사용자에 대응하는 인식 모델을 수신하는 동작을 포함할 수 있다. 일 실시예에 따르면, 상기 방법은, 마이크를 통하여 상기 사용자 구성에 포함된 적어도 하나의 사용자의 음성 입력을 수신하는 동작을 포함할 수 있다. 일 실시예에 따르면, 상기 방법은, 상기 수신한 인식 모델을 이용하여 상기 사용자의 음성 입력으로부터 상기 스마트 어시스턴트 기능과 관련된 상기 호출어를 인식하는 동작을 포함할 수 있다. 일 실시예에 따르면, 상기 방법은, 상기 호출어의 인식에 응답하여 상기 스마트 어시스턴트 기능을 활성화하는 동작을 포함할 수 있다.

본 문서에 개시되는 일 실시 예에 따른 저장 매체는, 프로세서에 의해 실행 시, 전자 장치가 상기 인식 모델 관리 방법을 수행하도록 하는 인스트럭션들 및/또는 프로그램을 저장할 수 있다.

본 문서에 개시되는 실시 예들에 따르면, 전자 장치를 사용하는 사용자 또는 사용자 구성(예: 복수의 사용자 구성원)에 따라 복수의 인식 모델들 중 최적의 인식 모델을 선택하여 호출어를 인식할 수 있다.

본 문서에 개시되는 실시 예들에 따르면, 사용자 정보를 고려하여, 복수이 인식 모델들 중 사용자에게 최적화된 인식 모델을 선택하여 호출어 인식에 사용함으로써, 호출어 인식 성능을 증가시킬 수 있다.

본 문서에 개시되는 실시 예들에 따르면, 사용자 또는 사용자 구성 별 복수의 인식 모델들에 대한 우선 순위를 결정하고, 우선 순위를 기반으로 사용자 또는 사용자 구성에 최적화된 인식 모델을 결정할 수 있다.

본 문서에 개시되는 실시 예들에 따르면, 사용자 구성이 변경되는 경우, 변경된 사용자 구성에 최적화된 인식 모델을 결정하고, 결정된 인식 모델을 이용하여 호출어를 인식할 수 있다.

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

도 1은 일 실시예에 따른 호출어 관리 시스템을 도시한다.
도 2는 일 실시예에 따른 인식 모델들의 특성을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 전자 장치의 계정 매니저의 블록도이다.
도 4는 일 실시예에 따른 전자 장치의 블록도이다.
도 5는 일 실시예에 따른 서버의 블록도이다.
도 6a 내지 6c는 일 실시예에 따른 전자 장치의 사용자 구성을 인식하는 동작을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 전자 장치의 인식 모델을 선택하는 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 사용자 정보를 요청하는 사용자 인터페이스를 도시한 도면이다.
도 9는 일 실시예에 따른 사용자 구성의 변경을 나타내는 사용자 인터페이스를 도시한 도면이다.
도 10은 일 실시예에 따른 사용자 정보를 획득하기 위한 사용자 인터페이스를 도시한 도면이다.
도 11은 일 실시예에 따른 인식 모델 관리 방법을 나타내는 흐름도이다.
도 12는 일 실시예에 따른 전자 장치의 인식 모델 관리 방법을 나타내는 흐름도이다.
도 13은 일 실시예에 따른 전자 장치의 인식 모델 관리 방법을 나타내는 흐름도이다.
도 14는 일 실시예에 따른 전자 장치의 인식 모델 관리 방법을 나타내는 흐름도이다.
도 15는 일 실시예에 따른 전자 장치의 인식 모델 관리 방법을 나타내는 흐름도이다.
도 16은 일 실시예에 따른 네트워크 환경 내의 전자 장치를 나타낸다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.

도 1은 일 실시예에 따른 호출어 관리 시스템을 도시한다.

일 실시예에 따른 호출어 관리 시스템은 전자 장치(100)(예: 도 4의 전자 장치(400) 또는 도 16의 전자 장치(1601)) 및 서버(180)(예: 도 5의 서버(500) 또는 도 16의 서버(1608))를 포함할 수 있다. 일 실시예에 따르면, 전자 장치(100)는 사용자 정보 입력 모듈(110), 음성 입력 모듈(120), 특징 추출 모듈(130), 인식 모델 다운로드 매니저(140), 인식 모델(145), 호출어 검출 모듈(150), 및 계정 매니저(160)를 포함할 수 있다. 이하에서 설명하는 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)은 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하기 위한 인식 모델을 의미할 수 있다. 스마트 어시스턴트 기능은 음성 어시스턴트, 인공 지능 서비스, 또는 통합 지능 서비스를 포함하여 사용자의 음성 입력에 기반하여 특징 기능, 동작 및/또는 서비스를 제공하는 기능을 의미할 수 있다. 인식 모델은 호출어 인식에 사용되는 음향 모델, 언어 모델, 및/또는 통합 모델을 포함할 수 있다.

일 실시예에 따르면, 사용자 정보 입력 모듈(110)은 사용자로부터 사용자 정보를 획득할 수 있다. 예를 들어, 사용자 정보는 비음성 사용자 정보를 포함할 수 있다. 비음성 사용자 정보는 사용자의 나이, 성별, 및/또는 지역 정보를 포함할 수 있다. 예를 들어, 비음성 사용자 정보는 사용자의 나이대와 관련된 정보, 사용자의 성별 정보, 사용자의 주거 지역, 출신 지역, 국가, 및/또는 생활권에 대한 정보를 포함할 수 있다. 일 실시예에 따르면, 비음성 사용자 정보는, 서버(180) 및/또는 전자 장치(100)에 의해, 서버(180) 및/또는 전자 장치(100)에 저장된 정보를 통해 취득되거나, 또는 유추될 수 있다. 일 실시예에 따르면, 사용자 정보는 비음성 사용자 정보뿐 아니라, 사용자의 음성 정보를 더 포함할 수도 있다. 일 실시예에 따르면, 사용자 정보 입력 모듈(110)은 터치 패널 또는 터치 스크린을 포함할 수 있다. 일 실시예에 따르면, 사용자 정보 입력 모듈(110)은 음성 입력 모듈(120)과 하나로 구현될 수 있다. 예를 들어, 사용자 정보 입력 모듈(110)은 사용자의 음성 입력으로부터 사용자 정보를 획득할 수도 있다. 일 실시예에 따르면, 사용자 정보 입력 모듈(110)은 외부 장치(미도시)를 포함할 수 있다. 예를 들어, 사용자 정보 입력 모듈(110)은 전자 장치(100)에 정보를 입력하기 위한 주변 장치(예: 리모컨 등)을 포함할 수 있다.

일 실시예에 따르면, 계정 매니저(160)는 사용자 구성을 인식할 수 있다. 예를 들어, 계정 매니저(160)는 적어도 하나의 사용자를 포함하는 사용자 구성을 인식하고, 사용자 구성이 변경되는 경우를 인식할 수 있다. 계정 매니저(160)는 사용자 구성에 대응하는 인식 모델(145)에 대한 요청을 인식 모델 다운로드 매니저(140)에 전달할 수 있다. 계정 매니저(160)는 사용자 구성에 포함된 적어도 하나의 사용자 각각에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위에 대한 정보를 가지고 있는 경우, 사용자 구성에 대응하는 인식 모델(145)(예: 사용자 구성에 가장 적합한 인식 모델(즉, 사용자 구성에 대한 우선 순위가 가장 높은 인식 모델))을 결정하고, 결정한 인식 모델(145)에 대한 요청을 인식 모델 다운로드 매니저(140)에 전달할 수 있다. 계정 매니저(160)는 사용자 구성에 포함된 적어도 하나의 사용자에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위에 대한 정보를 가지고 있지 않은 경우, 사용자 구성에 대한 정보와 함께 사용자 구성에 대응하는 인식 모델(145)에 대한 요청을 인식 모델 다운로드 매니저(140)에 전달할 수 있다.

일 실시예에 따르면, 인식 모델 다운로드 매니저(140)는 계정 매니저(160)로부터 전달 받은 사용자 구성에 대응하는 인식 모델(145)의 요청을 서버(180)(예: 인식 모델 매니저(190))로 전송할 수 있다. 예를 들어, 사용자 구성에 대응하는 인식 모델(145)의 요청은, 요청하는 특정 인식 모델(145)에 대한 정보 및/또는 사용자 구성에 대한 정보를 포함할 수 있다. 인식 모델 다운로드 매니저(140)는 서버(180)로부터 사용자 구성에 대응하는 인식 모델을 수신(다운로드)할 수 있다. 인식 모델 다운로드 매니저(140)는 수신한 인식 모델을 메모리에 저장할 수 있다. 인식 모델 다운로드 매니저(140)는 서버(180)로부터 서버(180)가 결정한 적어도 하나의 사용자 각각에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위에 대한 정보를 수신할 수 있다. 인식 모델 다운로드 매니저(140)는 적어도 하나의 사용자 각각에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위에 대한 정보를 계정 매니저(160)에 전달할 수 있다. 일 실시예에 따르면, 인식 모델 매니저(190) 및/또는 복수의 인식 모델(191-1, 191-2, 191-3, …, 191-N)은 전자 장치(100)에 포함될 수 있으며, 이 경우 인식 모델 다운로드 매니저(140)는 복수의 인식 모델(191-1, 191-2, 191-3, …, 191-N) 중 사용자 구성에 대응하는 인식 모델을 선택하여 호출어 인식에 사용하도록 설정하는 동작을 수행할 수 있다.

일 실시예에 따르면, 전자 장치(100)는 수신한 인식 모델(145)을 이용하여 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식할 수 있다. 예를 들어, 음성 입력 모듈(120)은 사용자의 음성 입력을 수신할 수 있다. 음성 입력 모듈(120)은 적어도 하나의 마이크를 포함할 수 있다. 특징 추출 모듈(130)은 사용자의 음성 입력으로부터 특징(features) 정보를 추출하고, 추출한 특징 정보를 호출어 검출 모듈(150)에 전달할 수 있다. 특징 정보는 사용자의 음성 입력에 포함된 음절, 단어, 및/또는 문장을 포함할 수 있으며 이에 한정되는 것은 아니다. 예를 들어, 특징 정보는 사용자의 음성 입력(음성 입력 신호)를 통해 연산된 특징 값(예를 들어, 스펙트럼(spectrum), 캡스트럼(cepstrum), MFCC(Mel Frequency Cepstral Coefficient), LSP(Linear Spectral Pair), 주기빈도특성(zero crossing rate), 또는 파워(power))을 포함할 수 있다. 호출어 검출 모듈(150)은 인식 모델을 이용하여 사용자의 음성 입력으로부터 호출어를 인식할 수 있다. 호출어 검출 모델은 인식 모델을 이용하여 특징 정보로부터 호출어를 인식할 수 있다. 호출어 검출 모델은 호출어 인식 결과를 출력할 수 있다. 예를 들어, 호출어 검출 모델은 호출어가 인식되었음을 나타내는 정보 또는 호출어가 인식되지 않았음을 나타내는 정보를 출력할 수 있다. 호출어 검출 모델은 호출어가 인식된 경우, 스마트 어시스턴트 기능을 활성화하기 위한 명령을 출력할 수 있다.

일 실시예에 따르면, 전자 장치(100)의 구성은 도 1에 도시된 바에 한정되는 것은 아니며, 적어도 하나의 구성들이 통합되어 구현될 수 있다. 예를 들어, 특징 추출 모듈, 인식 모델 다운로드 매니저(140), 호출어 검출 모듈(150), 및/또는 계정 매니저(160)는 전자 장치(100)의 프로세서(예: 도 4의 프로세서(450) 또는 도 16의 프로세서(1620))로 구현될 수 있다. 도 1에 도시된 전자 장치(100)의 구성 중 적어도 일부는 스마트 어시스턴트 기능을 활성화하기 위한 호출어 검색 엔진을 구성할 수 있으며, 전자 장치(100)는 호출어 검색 엔진 이외의 추가적인 구성 요소들을 더 포함할 수 있다.

일 실시예에 따르면, 서버(180)는 인식 모델 매니저(190)를 포함할 수 있다. 예를 들어, 인식 모델 매니저(190)는 적어도 하나의 인식 모델을 포함할 수 있다. 도 1에서는 인식 모델이 N개인 것을 가정하여 도시하였으나 이에 한정되는 것은 아니며, 인식 모델의 갯수는 1개, 2개, 3개, 또는 N개(N은 자연수)일 수도 있다. 인식 모델 매니저(190)는 전자 장치(100)로부터 사용자 정보(예: 비음성 사용자 정보)를 수신할 수 있다. 일 실시예에 따르면, 인식 모델 매니저(190)는 수신한 사용자 정보에 기반하여 사용자에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위를 결정할 수 있다. 인식 모델 매니저(190)는 사용자 정보에 대응하는 인식 모델들(191-1, 191-2, 191-3, ..., 191-N) 각각의 특성을 인식하고, 사용자 정보와 인식 모델 특성을 비교한 결과에 기반하여 사용자에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위를 결정할 수 있다. 예를 들어, 인식 모델의 특성은 인식 모델을 생성(예를 들어, 인식 모델을 훈련)하는데 사용된 데이터의 특성일 수 있다. 예를 들어, 인식 모델 특성은 해당 인식 모델을 훈련하는데 어떤 표본 집단의 데이터가 사용되었는지를 나타내는 정보일 수 있다. 예를 들어, 인식 모델 특성은 해당 인식 모델이 어떤 나이, 어떤 성별, 및/또는 어떤 지역의 특성을 가지는 데이터로 훈련되었는지 나타내는 정보일 수 있다. 예를 들어, 인식 모델 매니저(190)는 사용자 정보와 유사한 특성을 가지는 인식 모델일수록 우선 순위를 높게 부여할 수 있다. 예를 들어, 사용자 정보가 나이 정보(예: 40세), 성별 정보(예: 남성), 및/또는 지역 정보(예: 서울)를 포함하는 경우, 인식 모델 매니저(190)는 인식 모델 중에서 사용자 정보에 대응되는 데이터로 훈련된 인식 모델에 우선 순위를 높게 결정할 수 있다. 예를 들어, 인식 모델 매니저(190)는 복수의 인식 모델 중 40세의 서울 성인 남성의 음성 데이터를 기반으로 훈련된 인식 모델에 가장 높은 우선 순위를 부여할 수 있다. 일 실시예에 따르면, 인식 모델은 복수의 성별, 복수의 나이, 및/또는 복수의 지역 특성을 가지는 데이터를 이용하여 훈련될 수 있다. 예를 들어, 인식 모델은 유아 및 성인 둘의 데이터를 모두 사용하여 훈련된 모델일 수 있으며, 이에 한정되는 것은 아니다.

일 실시예에 따르면, 인식 모델 매니저(190)는 전자 장치(100)로부터 사용자 구성에 대응하는 인식 모델(145)의 요청을 수신할 수 있다. 예를 들어, 인식 모델 매니저(190)는 사용자 구성이 복수의 사용자를 포함하는 경우, 사용자 구성에 포함된 사용자 각각에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위를 기반으로 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 예를 들어, 인식 모델 매니저(190)는 사용자에 대한 각 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위를 기반으로 사용자 구성 전체에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위를 결정할 수 있다. 예를 들어, 인식 모델 매니저(190)는 사용자 구성에 대하여 동일한 우선 순위를 가지는 인식 모델이 있는 경우, 사용자 구성에 포함된 사용자들의 우선 순위를 기반으로 사용자 구성에 대응하는 인식 모델(145)을 결정할 수 있다. 예를 들어, 주 사용자로 설정된 사용자가 있는 경우, 해당 사용자가 다른 사용자보다 높은 우선 순위를 가질 수 있다. 예를 들어, 사용자의 우선 순위는 사용자에 의해 설정 또는 변경될 수 있다. 인식 모델 매니저(190)는, 전자 장치(100)로부터 수신한 요청에 응답하여, 사용자 구성에 대응하는 인식 모델(145)을 전자 장치(100)로 전송할 수 있다. 예를 들어, 인식 모델 매니저(190)가 전자 장치(100)로부터 특정 인식 모델(145)에 대한 요청(예를 들어, 전자 장치(100)가 사용자 구성에 대응하는 인식 모델(145)을 결정하고, 결정한 인식 모델(145)을 요청한 서버(180)에 전송한 경우)을 수신한 경우, 수신한 요청에 대응하는 인식 모델(145)을 전자 장치(100)에 전송할 수 있다.

일 실시예에 따르면, 서버(180)는 스마트 어시스턴트 서비스와 관련된 적어도 하나의 서버(180)를 포함할 수 있다. 예를 들어, 도 1에서는 하나의 서버(180)만을 도시하였으나 이에 한정되는 것은 아니다. 예를 들어, 호출어 관리 시스템은 복수의 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)을 저장하는 제1 서버(180) 및 사용자 구성에 대응하는 인식 모델을 결정하는 제2 서버(180)를 포함할 수 있다. 일 실시예에 따르면, 서버(180)는 스마트 어시스턴트 기능을 제공하는 다른 서버(180)와 일체로 구현되거나 연계하여 동작할 수 있다.

일 실시예에 따르면, 전자 장치(100)는 서버(180)의 동작 중 적어도 일부를 수행할 수 있다. 예를 들어, 전자 장치(100)는 복수의 인식 모델(191-1, 191-2, 191-3, ..., 191-N) 중 사용자 구성에 대응하는 인식 모델(145)을 결정할 수 있다. 예를 들어, 서버(180)가 복수의 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)을 포함하는 경우, 전자 장치(100)는 서버(180)에 결정한 인식 모델(145)을 서버(180)에 요청하고, 서버(180)로부터 결정한 인식 모델(145)을 수신할 수 있다.

일 실시예에 따르면, 도 1은 전자 장치(100) 및 서버(180)를 포함하는 시스템을 도시하였으나, 전자 장치(100)는 서버(180)의 구성 중 적어도 하나를 포함할 수 있다. 예를 들어, 호출어 관리 시스템은 서버(180) 없이 전자 장치(100)의 온-디바이스(on-device)로 구현될 수 있다. 예를 들어, 전자 장치(100)는 인식 모델 다운로드 매니저(140)를 포함하지 않고, 인식 모델 매니저(190)를 포함할 수 있다. 예를 들어, 전자 장치(100)는 복수의 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)을 포함하고, 자체적으로 호출어 인식에 사용할 인식 모델을 결정할 수 있다.

본 개시의 일 실시예에 따르면, 시스템은 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 음향 모듈들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정하여 호출어를 인식함으로써, 사용자 구성에 따른 호출어 인식 성능을 높일 수 있다. 시스템은 사용자 구성의 변경 시, 동적으로 변경된 사용자 구성에 대응하는 인식 모델을 결정하고, 이를 기반으로 호출어를 인식하여 호출어 인식 성능을 향상시킬 수 있다.

도 2는 일 실시예에 따른 인식 모델들의 특성을 설명하기 위한 도면이다.

일 실시예에 따르면, 인식 모델들(191-1, 191-2, 191-3, ..., 191-N) 각각은 특정 데이터(예를 들어, 특정 사용자 집단의 특성을 나타내는 데이터)를 기반으로 훈련될 수 있다. 인식 모델(191-1, 191-2, 191-3, ..., 191-N)의 특성은 인식 모델(191-1, 191-2, 191-3, ..., 191-N)을 훈련시키는데 사용된 데이터에 따라 결정될 수 있다. 예를 들어, 인식 모델의 특성은 해당 인식 모델을 훈련시키는데 사용된 데이터가 어떠한 표본 그룹(사용자 집단)에 대한 데이터인지에 따라 결정될 수 있다. 예를 들어, 제1 인식 모델(191-1)은 제1 타입 성별, 제2 타입 성별, 제1 나이 그룹, 제2 나이 그룹, 제3 나이 그룹, 및 제1 지역에 대응하는 음성 데이터를 기반으로 훈련될 수 있다. 제2 인식 모델(191-2)은 제1 타입 성별, 제1 나이 그룹, 제2 나이 그룹, 제1 지역, 제2 지역에 대응하는 음성 데이터를 기반으로 훈련될 수 있다. 제3 인식 모델(191-3)은 제1 타입 성별, 제2 타입 성별, 제1 나이 그룹, 제2 나이 그룹, 및 제1 지역에 대응하는 음성 데이터를 기반으로 훈련될 수 있다. 제N 인식 모델(191-N)은 제1 타입 성별, 제2 타입 성별, 제2 나이 그룹, 제3 나이 그룹, 제4 나이 그룹, 제1 지역, 및 제3 지역에 대응하는 음성 데이터를 기반으로 훈련될 수 있다. 이 경우, 제1 인식 모델(191-1), 제2 인식 모델(191-2), 제3 인식 모델(191-3), 및 제N 인식 모델(191-N)은 훈련에 사용된 데이터에 따라 상이한 특성을 가질 수 있다.

일 실시예에 따르면, 인식 모델 매니저(190)는 획득한 사용자 정보(예: 비음성 사용자 정보)와 인식 모델 각각의 특성이 매칭되는 정도에 따라 사용자에 대한 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위를 결정할 수 있다. 예를 들어, 인식 모델의 특성(예: 인식 모델을 훈련하는데 사용된 데이터)과 사용자 정보가 대응되는 경우, 사용자에 대한 해당 인식 모델의 우선 순위를 높게 설정할 수 있다. 일 실시예에 따르면, 인식 모델 매니저(190)는 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위에 기반하여 인식 모델들 중에서 사용자에게 적합한 인식 모델을 결정할 수 있다.

도 3은 일 실시예에 따른 전자 장치의 계정 매니저의 블록도이다.

일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(100))의 계정 매니저(160)는 사용자 정보 획득 모듈(161), 사용자 검출 모듈(163), 및 최적 모델 선택 모듈(165)을 포함할 수 있다. 계정 매니저(160)는 외부 서버(예: 도 1의 서버(180))로부터 수신하여 저장한 인식 모델을 관리할 수 있다.

일 실시예에 따르면, 사용자 정보 획득 모듈(161)은, 사용자 정보를 획득할 수 있다. 예를 들어, 사용자 정보 획득 모듈(161)은 사용자 정보 입력 모듈로부터 사용자 정보를 수신할 수 있다. 사용자 정보 획득 모듈(161)은 사용자 정보를 저장할 수 있다. 일 실시예에 따르면, 사용자 정보 획득 모듈(161)은 외부 서버(180)(예: 인식 모델 매니저(190))로부터 사용자에 대한 복수의 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위에 대한 정보를 수신할 수 있다. 사용자 정보 획득 모듈(161)은 사용자 정보 및/또는 사용자에 대한 복수의 인식 모델들(191-1, 191-2, 191-3, ..., 191-N)의 우선 순위에 대한 정보를 최적 모델 선택 모듈(165)에 제공할 수 있다.

일 실시예에 따르면, 사용자 검출 모듈(163)은, 사용자 구성을 인식할 수 있다. 예를 들어, 사용자 구성은 현재 전자 장치를 사용하는 것으로 설정된 적어도 하나의 사용자의 그룹을 의미할 수 있다. 예를 들어, 전자 장치에 제1 사용자, 제2 사용자, 및 제3 사용자가 등록된 경우 사용자 구성은 제1 사용자, 제2 사용자, 및 제3 사용자를 포함할 수 있다. 전자 장치에 제1 사용자, 제2 사용자, 및 제3 사용자가 등록되었으나, 현재 사용 중인 사용자가 제1 사용자 및 제2 사용자뿐인 경우(예를 들어, 등록된 사용자는 제1 내지 제3 사용자이나, 제1 및 제2 사용자만 전자 장치의 계정에 로그인한 경우), 사용자 구성은 제1 사용자 및 제2 사용자를 포함할 수 있다. 예를 들어, 사용자 검출 모듈(163)은 사용자 구성의 변경을 인식할 수 있다. 사용자 검출 모듈(163)은 전자 장치의 통신 연결 상태, 카메라를 통한 얼굴 인식, 마이크를 통한 음성(화자) 인식, 및/또는 사용자의 입력에 기반하여 사용자 구성 및 사용자 구성의 변경 여부를 인식할 수 있다. 사용자 검출 모듈(163)은 전자 장치와 통신 연결되거나 동일한 네트워크에 연결된 적어도 하나의 외부 전자 장치(예: 외부 전자 장치의 사용자 정보)를 이용하여 사용자 구성을 인식하거나, 얼굴 인식 또는 화자 인식을 통하여 주변에 존재하는 사용자를 인식하여 사용자 구성을 인식할 수 있다.

일 실시예에 따르면, 최적 모델 선택 모듈(165)은 사용자 정보에 기반하여 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 최적 모델 선택 모듈(165)은 사용자 정보 획득 모듈(161)을 통하여 사용자 정보(예: 비음성 사용자 정보)를 획득할 수 있다. 최적 모델 선택 모듈(165)은 외부 서버로부터 사용자에 대한 인식 모델들의 우선 순위에 대한 정보를 획득할 수 있다. 최적 모델 선택 모듈(165)은 외부 서버로부터 복수의 인식 모델들에 대한 정보(인식 모델의 특성 정보)를 획득할 수 있다. 최적 모델 선택 모듈(165)은 사용자 검출 모듈(163)을 통하여 사용자 구성의 정보를 획득할 수 있다.

예를 들어, 최적 모델 선택 모듈(165)은 사용자 구성에 포함된 적어도 하나의 사용자에 대한 복수의 인식 모델들의 우선 순위에 기반하여 복수의 인식 모델들 중에서 사용자 구성에 적합한 인식 모델을 결정할 수 있다. 예를 들어, 최적 모델 선택 모듈(165)은 비음성 사용자 정보, 각 사용자에 대한 인식 모델들의 우선 순위에 대한 정보, 및/또는 각 인식 모델의 정보(인식 모델의 특성 정보)를 기반으로 사용자 구성에 적합한 인식 모델을 결정할 수 있다. 예를 들어, 최적 모델 선택 모듈(165)은 사용자 구성에 포함된 사용자 각각에 대한 인식 모델의 우선 순위에 대한 정보를 획득, 또는 결정하고, 이를 기반으로 사용자 구성에 대한 인식 모델들의 우선 순위를 결정할 수 있다. 최적 모델 선택 모듈(165)은 사용자 구성에 대하여 동일한 우선 순위를 가지는 인식 모델들이 존재하는 경우, 사용자 구성에 포함된 사용자의 우선 순위를 기반으로 사용자 구성에 적합한 인식 모델을 결정할 수 있다. 예를 들어, 최적 모델 선택 모듈(165)은 사용자 구성에 적합한 인식 모델을 결정 시, 사용자 구성에 포함된 사용자들의 우선 순위(예: 주 사용자로 설정된 사용자가 있는지 여부)에 적어도 일부 기반하여 사용자 구성에 따라 최적의 호출어 인식 성능을 제공할 수 있는 인식 모델을 결정할 수 있다. 일 실시예에 따르면, 최적 모델 선택 모듈(165)은 직접 인식 모델을 선택하지 않고, 외부 서버에 사용자 구성에 대응하는 인식 모델의 요청을 생성하고, 인식 모델 다운로드 매니저(140)를 통해 인식 모델의 요청을 외부 서버에 전송할 수 있다.

일 실시예에 따르면, 도 3에 도시된 계정 매니저(160)의 구성은 일 예시로서 이에 한정되는 것은 아니다. 예를 들어, 계정 매니저(160)(사용자 검출 모듈(163), 사용자 정보 획득 모듈(161), 및 최적 모델 선택 모듈(165)) 중 적어도 일부는 적어도 하나의 프로세서(예: 도 4의 프로세서(450) 또는 도 16의 프로세서(1620))로 구현될 수 있으며, 또는 계정 매니저(160)(사용자 검출 모듈(163), 사용자 정보 획득 모듈(161), 및 최적 모델 선택 모듈(165))의 동작 중 적어도 일부는 전자 장치의 프로세서에 의해 수행될 수 있다.

본 개시의 일 실시예에 따르면, 전자 장치는 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 음향 모듈들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정할 수 있다. 전자 장치는 복수의 인식 모델들 중 사용자 구성에 최적화된 인식 모델을 결정할 수 있다.

도 4는 일 실시예에 따른 전자 장치의 블록도이다.

일 실시예에 따르면, 전자 장치(400)(예: 도 1의 전자 장치(100), 도 6a 내지 6c의 전자 장치(610), 도 11의 전자 장치(1100), 또는 도 16의 전자 장치(1601))는 마이크(410)(예: 도 16의 입력 모듈(1650)), 입력 장치(420)(예: 도 16의 입력 모듈(1650)), 통신 회로(430)(예: 도 16의 통신 모듈(1690)), 메모리(440)(예: 도 16의 메모리(1630)), 및 프로세서(450)(예: 도 16의 프로세서(1620))를 포함할 수 있다.

일 실시예에 따르면, 마이크(410)는, 사용자의 음성 입력을 수신할 수 있다.

일 실시예에 따르면, 입력 장치(420)는, 사용자로부터 사용자 정보(예: 비음성 사용자 정보)를 획득할 수 있다. 입력 장치(420)는 터치 패널(터치스크린), 물리 키, 및/또는 적어도 하나의 센서를 포함할 수 있다. 입력 장치(420)는 마이크(410)와 일체로 구현될 수 있다. 예를 들어, 입력 장치(420)는 마이크(410)를 포함할 수 있다. 일 실시예에 따르면, 입력 장치(420)는 전자 장치(400)의 주변 기기(예: 리모컨, 마우스, 또는 키보드)를 포함할 수 있다. 예를 들어, 사용자 정보는 비음성 사용자 정보를 포함할 수 있다. 비음성 사용자 정보는 사용자의 나이, 성별, 및/또는 지역 정보를 포함할 수 있다. 예를 들어, 비음성 사용자 정보는 사용자의 나이대와 관련된 정보, 사용자의 성별 정보, 사용자의 주거 지역, 출신 지역, 국가, 및/또는 생활권에 대한 정보를 포함할 수 있다. 일 실시예에 따르면, 사용자 정보는 비음성 사용자 정보뿐 아니라, 사용자의 음성 정보를 더 포함할 수도 있다.

일 실시예에 따르면, 통신 회로(430)는, 외부 장치(예: 외부 서버)와 정보 및/또는 데이터를 송수신할 수 있다.

일 실시예에 따르면, 메모리(440)는, 프로세서(450)에 의해 실행 시, 전자 장치(400)의 동작을 제어하는 인스트럭션들을 저장할 수 있다. 메모리(440)는 외부 전자 장치(400)로부터 수신하거나, 사용자로부터 입력된 정보 및/또는 데이터를 적어도 일시적으로 저장할 수 있다. 예를 들어, 메모리(440)는 사용자 별 비음성 사용자 정보, 및/또는 사용자 구성에 대한 정보를 저장할 수 있다. 메모리(440)는 사용자 별 인식 모델들의 우선 순위에 대한 정보, 및/또는 사용자 구성에 대응하는 인식 모델 및/또는 사용자 구성에 적합한 인식 모델들의 우선 순위의 정보를 저장할 수 있다. 메모리(440)는 외부 서버로부터 수신한 사용자 구성에 대응하는 인식 모델을 저장할 수 있다.

일 실시예에 따르면, 프로세서(450)는 입력 장치(420)를 통하여 사용자로부터 비음성 사용자 정보를 획득할 수 있다. 프로세서(450)는 통신 회로(430)를 통하여 외부 서버로 비음성 사용자 정보를 전송할 수 있다.

일 실시예에 따르면, 프로세서(450)는, 적어도 하나의 사용자를 포함하는 사용자 구성을 인식할 수 있다. 예를 들어, 프로세서(450)는 적어도 하나의 사용자를 포함하는 사용자 구성을 인식하고, 사용자 구성이 변경되는 경우를 인식할 수 있다. 예를 들어, 사용자 구성은 현재 전자 장치를 사용하는 것으로 설정된 적어도 하나의 사용자의 그룹을 의미할 수 있다. 예를 들어, 전자 장치에 제1 사용자, 제2 사용자, 및 제3 사용자가 등록된 경우 사용자 구성은 제1 사용자, 제2 사용자, 및 제3 사용자를 포함할 수 있다. 전자 장치(400)에 제1 사용자, 제2 사용자, 및 제3 사용자가 등록되었으나, 현재 사용 중인 사용자가 제1 사용자 및 제2 사용자뿐인 경우(예를 들어, 등록된 사용자는 제1 내지 제3 사용자이나, 제1 및 제2 사용자만 전자 장치의 계정에 로그인한 경우), 사용자 구성은 등록된 사용자들 중 일부 사용자만(예: 제1 사용자 및 제2 사용자)을 포함할 수도 있다. 예를 들어, 프로세서(450)는 전자 장치의 통신 연결 상태, 카메라(예: 도 16의 카메라 모듈(1680))를 통한 얼굴 인식, 마이크를 통한 음성(화자) 인식, 및/또는 사용자의 입력에 기반하여 사용자 구성 및 사용자 구성의 변경 여부를 인식할 수 있다. 프로세서(450)는 전자 장치(400)와 무선 통신으로 연결되거나 동일한 네트워크에 연결된 적어도 하나의 외부 전자 장치(예: 외부 전자 장치의 사용자 정보)를 이용하여 사용자 구성을 인식하거나, 카메라를 통해 획득한 이미지 내의 얼굴 인식 또는 마이크를 통해 획득한 음성으로부터 화자 인식을 통하여 전자 장치(400)의 주변에 존재하는 사용자를 인식하고, 이를 기반으로 사용자 구성을 인식할 수 있다.

일 실시예에 따르면, 프로세서(450)는 통신 회로(430)를 이용하여, 사용자 구성에 대응하는 인식 모델에 대한 요청을 외부 서버에 전달할 수 있다. 예를 들어, 사용자 구성에 대응하는 인식 모델의 요청은, 요청하는 특정 인식 모델에 대한 정보 및/또는 사용자 구성에 대한 정보를 포함할 수 있다. 일 실시예에 따르면, 프로세서(450)는 통신 회로(430)를 통하여, 외부 서버로부터 사용자 구성에 포함된 적어도 하나의 사용자 각각에 대한 인식 모델들의 우선 순위에 대한 정보를 수신할 수 있다. 프로세서(450)는 사용자 구성에 포함된 적어도 하나의 사용자 각각에 대한 인식 모델들의 우선 순위에 대한 정보를 수신한 경우, 사용자 구성에 대응하는 인식 모델 (예: 사용자 구성에 가장 적합한 인식 모델(즉, 사용자 구성에 대한 우선 순위가 가장 높은 인식 모델))을 결정할 수 있다. 프로세서(450)는 통신 회로(430)를 통하여 결정한 인식 모델에 대한 요청을 외부 서버에 전달할 수 있다. 프로세서(450)는, 외부 서버로부터 사용자 구성에 포함된 적어도 하나의 사용자에 대한 인식 모델들의 우선 순위에 대한 정보를 수신하지 않은 경우, 사용자 구성에 대한 정보와 함께 사용자 구성에 대응하는 인식 모델에 대한 요청을 외부 서버에 전달할 수 있다. 프로세서(450)는 통신 회로(430)를 통하여 외부 서버로부터 요청에 대한 응답으로 사용자 구성에 대응하는 인식 모델을 수신하고, 메모리(440)에 저장할 수 있다.

일 실시예에 따르면, 프로세서(450)는 외부 서버로부터 수신하여 저장한 인식 모델을 이용하여 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식할 수 있다. 예를 들어, 프로세서(450)는 마이크(410)를 통하여 사용자의 음성 입력을 수신할 수 있다. 프로세서(450)는 사용자의 음성 입력으로부터 특징(features) 정보를 추출할 수 있다. 특징 정보는 사용자의 음성 입력에 포함된 음절, 단어, 및/또는 문장을 포함할 수 있으며 이에 한정되는 것은 아니다. 프로세서(450)는 저장한 인식 모델을 이용하여 사용자의 음성 입력으로부터 호출어를 인식할 수 있다. 프로세서(450)는 저장한 인식 모델을 이용하여 특징 정보로부터 호출어를 인식할 수 있다. 프로세서(450)는 호출어가 인식된 경우, 스마트 어시스턴트 기능을 활성화할 수 있다.

일 실시예에 따르면, 전자 장치(400)는 디스플레이(미도시)(예: 도 16의 디스플레이 모듈(1620))를 포함할 수 있다. 예를 들어, 디스플레이는 인식 모델 관리 방법의 수행과 관련된 사용자 인터페이스를 출력할 수 있다. 예를 들어, 사용자 인터페이스는 사용자 정보를 요청하는 사용자 인터페이스(예: 도 8의 사용자 인터페이스(810 내지 840)), 사용자 구성의 변경을 나타내는 사용자 인터페이스(예: 도 9의 사용자 인터페이스(910 및 920)), 및/또는 사용자 정보를 획득하기 위한 사용자 인터페이스(예: 도 10의 사용자 인터페이스(1000))를 포함할 수 있다.

일 실시예에 따르면, 전자 장치(400)는 도 4에 도시된 구성들에 한정되지 않으며, 일부 구성이 생략되거나, 일부 구성(예: 도 16의 전자 장치(400)(101)의 구성 중 적어도 일부)이 추가될 수 있다.

본 개시의 일 실시예에 따르면, 전자 장치(400)는 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 음향 모듈들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정하여 호출어를 인식함으로써, 사용자 구성에 따른 호출어 인식 성능을 높일 수 있다. 전자 장치(400)는 사용자 구성의 변경 시, 동적으로 변경된 사용자 구성에 대응하는 인식 모델을 결정하고, 이를 기반으로 호출어를 인식하여 호출어 인식 성능을 향상시킬 수 있다.

도 5는 일 실시예에 따른 서버의 블록도이다.

일 실시예에 따르면, 서버(500)는 통신 회로(510), 메모리(520), 및 프로세서(530)를 포함할 수 있다.

일 실시예에 따르면, 통신 회로(510)는, 외부 전자 장치와 정보 및/또는 데이터를 송수신할 수 있다.

일 실시예에 따르면, 메모리(520)는 프로세서에 의해 실행 시, 서버의 동작을 제어하는 인스트럭션들을 저장할 수 있다. 일 실시예에 따르면, 메모리(520)는, 복수의 인식 모델들(예: 도 1의 인식 모델들(191-1, 191-2, 191-3, …, 191-N))을 저장할 수 있다. 메모리(520)는 외부 전자 장치로부터 수신한 정보 및/또는 데이터를 적어도 일시적으로 저장할 수 있다. 예를 들어, 메모리(520)는 사용자 별 비음성 사용자 정보, 및/또는 사용자 구성에 대한 정보를 저장할 수 있다. 메모리(520)는 사용자 별 인식 모델들의 우선 순위에 대한 정보, 및/또는 사용자 구성에 대응하는 인식 모델 및/또는 사용자 구성에 적합한 인식 모델들의 우선 순위의 정보를 저장할 수 있다.

일 실시예에 따르면, 프로세서(530)는, 통신 회로(510)를 통하여, 외부 전자 장치(예: 도 1 내지 3의 전자 장치(100), 도 4의 전자 장치(400), 도 6a 내지 6c의 전자 장치(610), 또는 도 16의 전자 장치(1601))로부터 사용자의 비음성 사용자 정보를 수신할 수 있다.

일 실시예에 따르면, 프로세서(530)는 수신한 비음성 사용자 정보를 기반으로 사용자에 대한 복수의 인식 모델들의 우선 순위를 결정할 수 있다. 예를 들어, 프로세서(530)는 사용자 정보에 대응하는 인식 모델들 각각의 특성을 인식하고, 사용자 정보와 인식 모델 특성을 비교한 결과에 기반하여 사용자에 대한 인식 모델들의 우선 순위를 결정할 수 있다. 예를 들어, 인식 모델의 특성은 인식 모델을 생성(예를 들어, 인식 모델을 훈련)하는데 사용된 데이터의 특성일 수 있다. 예를 들어, 인식 모델 특성은 해당 인식 모델을 훈련하는데 어떤 표본 집단의 데이터가 사용되었는지를 나타내는 정보일 수 있다. 예를 들어, 인식 모델 특성은 해당 인식 모델이 어떤 나이, 어떤 성별, 및/또는 어떤 지역의 특성을 가지는 데이터로 훈련되었는지 나타내는 정보일 수 있다. 예를 들어, 프로세서(530)는 사용자 정보와 유사한 특성을 가지는 인식 모델일수록 우선 순위를 높게 부여할 수 있다. 예를 들어, 사용자 정보가 나이 정보, 성별 정보, 및/또는 지역 정보를 포함하는 경우, 프로세서(530)는 인식 모델들 중에서 사용자 정보에 대응되는 데이터로 훈련된 인식 모델에 우선 순위를 높게 결정할 수 있다.

일 실시예에 따르면, 프로세서(530)는 통신 회로(510)를 통하여 외부 전자 장치로부터 사용자 구성에 대응하는 인식 모델의 요청을 수신할 수 있다. 프로세서(530)는 사용자 구성에 포함된 적어도 하나의 사용자에 대한 복수의 인식 모델들의 우선 순위에 기반하여, 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 일 실시예에 따르면, 프로세서(530)는 통신 회로(510)를 통하여 결정한 인식 모델을 외부 전자 장치에 전송할 수 있다. 일 실시예에 따르면, 프로세서(530)는 외부 전자 장치로부터 특정 인식 모델(예를 들어, 외부 전자 장치가 결정한 사용자 구성에 대응하는 인식 모델)의 요청을 수신한 경우, 복수의 인식 모델들 중에서 수신한 요청에 대응하는 인식 모델을 외부 전자 장치에 전송할 수 있다.

일 실시예에 따르면, 서버는 도 5에 도시된 구성들에 한정되지 않으며, 일부 구성이 생략되거나, 일부 구성이 추가될 수 있다.

본 개시의 일 실시예에 따르면, 서버는 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 음향 모듈들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정하여 외부 전자 장치에 제공할 수 있다.

도 6a 내지 6c는 일 실시예에 따른 전자 장치의 사용자 구성을 인식하는 동작을 설명하기 위한 도면이다.

예를 들어, 도 6a를 참조하면, 전자 장치(610)(예: 도 1의 전자 장치(100), 도 4의 전자 장치(400), 또는 도 16의 전자 장치(1601))는 통신 연결 상태에 적어도 일부 기반하여 사용자 구성을 인식할 수 있다. 예를 들어, 전자 장치(610)는 동일한 네트워크에 연결된 외부 전자 장치의 정보(예: 외부 전자 장치의 장치 식별 정보 및/또는 사용자 정보)에 기반하여 사용자 구성을 인식할 수 있다. 예를 들어, 전자 장치(610)가 외부 기기(620)(예: 액세스 포인트(access point, AP))에 연결되고, 외부 기기(620)에 제1 외부 전자 장치(630), 제2 외부 전자 장치(640), 및 제3 외부 전자 장치(650)가 연결된 경우, 전자 장치(610)는 외부 기기(620)를 통하여 외부 기기(620)에 연결된 제1 외부 전자 장치(630), 제2 외부 전자 장치(640), 및 제3 외부 전자 장치(650)의 정보를 수신할 수 있다. 전자 장치(610)는 수신한 제1 외부 전자 장치(630), 제2 외부 전자 장치(640), 및 제3 외부 전자 장치(650)의 정보를 기반으로, 전자 장치(610)의 제1 사용자, 제1 외부 전자 장치(630)의 제2 사용자, 제2 외부 전자 장치(640)의 제3 사용자, 및 제3 외부 전자 장치(650)의 제4 사용자를 사용자 구성으로 인식할 수 있다. 전자 장치(610)는 네트워크에 연결된 외부 전자 장치들의 정보를 모니터링함으로써, 네트워크에 연결된 외부 전자 장치가 변경되는 경우 사용자 구성의 변경을 인식할 수 있다.

예를 들어, 도 6b를 참조하면, 전자 장치(610)는 통신 연결 상태에 적어도 일부 기반하여 사용자 구성을 인식할 수 있다. 예를 들어, 전자 장치(610)는 통신 연결된 외부 전자 장치의 정보(예: 외부 전자 장치의 장치 식별 정보 및/또는 사용자 정보)에 기반하여 사용자 구성을 인식할 수 있다. 예를 들어, 통신은 근거리 통신(예: 블루투스 또는 와이파이)을 포함할 수 있다. 예를 들어, 전자 장치(610)와 제4 외부 전자 장치(660), 제5 외부 전자 장치(670), 제6 외부 전자 장치(680)가 근거리 무선 통신(예: 블루투스)을 통해 연결된 경우, 전자 장치(610)는 전자 장치(610)의 제1 사용자, 통신 연결된 제4 외부 전자 장치(660)의 제5 사용자, 제5 외부 전자 장치(670)의 제6 사용자, 및 제6 외부 전자 장치(680)의 제7 사용자를 사용자 구성으로 인식할 수 있다. 예를 들어, 전자 장치(610)는 새로운 외부 전자 장치(미도시)가 통신 연결되거나, 연결 중이었던 외부 전자 장치 중 하나가 연결 해제되는 경우 사용자 구성의 변경을 인식할 수 있다.

예를 들어, 도 6c를 참조하면, 전자 장치(610)는 화자 인식 및/또는 얼굴 인식에 적어도 일부 기반하여 사용자 구성 또는 사용자 구성의 변경 여부를 인식할 수 있다. 예를 들어, 전자 장치(610)는 카메라(613)를 이용하여 전자 장치(610) 외부의 이미지를 촬영하고, 이미지의 얼굴 인식을 수행하여 사용자의 존재를 인식할 수 있다. 전자 장치(610)는 얼굴 인식 기능을 통해 주변에 사용자가 존재하는 것을 인식하면, 해당 사용자를 사용자 구성에 포함시킬 수 있다. 예를 들어, 전자 장치(610)는 마이크(611)를 통하여 전자 장치(610) 주변의 소리를 수신하고, 음성 인식 또는 화자 인식을 통하여 사용자의 존재를 인식할 수 있다. 전자 장치(610)는 음성 인식 또는 화자 인식을 통하여 주변에 사용자가 존재하는 것을 인식하면, 해당 사용자를 사용자 구성에 포함시킬 수 있다. 전자 장치(610)는 얼굴 인식한 사용자 또는 음성을 인식(또는, 화자로 인식)한 사용자가 지정된 시간 동안 검출되지 않는 경우 해당 사용자를 사용자 구성에서 제외시킬 수 있다. 예를 들어, 전자 장치(610)가 마이크(611)를 통해 수신한 소리로부터 제8 사용자(601)의 음성을 인식하고, 카메라(613)를 통해 촬영한 이미지로부터 제9 사용자(603)의 얼굴을 인식한 경우, 전자 장치(610)는 전자 장치(610)의 제1 사용자, 제8 사용자(601), 및 제9 사용자(603)를 사용자 구성으로 인식할 수 있다.

도 6a 내지 6c에 도시된 외부 전자 장치의 수 및 사용자 구성에 포함되는 사용자의 수는 일 예시로서 이에 한정되는 것은 아니며, 전자 장치(610)는 도 6a 내지 6c에서 설명한 방식들을 적어도 일부 조합하여 사용자 구성 또는 사용자 구성의 변경을 인식할 수 있다. 일 실시예에 따르면. 전자 장치(610)는 도 6a 내지 6c에서 설명되지 않은 다른 방식(예: 사용자로부터 직접적인 사용자 구성의 입력을 수신)을 통하여 사용자 구성을 인식할 수도 있다.

도 7은 일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(100), 도 4의 전자 장치(400), 또는 도 16의 전자 장치(1601))의 인식 모델을 선택하는 동작을 설명하기 위한 도면이다. 도 7에서는, 설명의 편의를 위해 사용자 구성이 제1 사용자, 제2 사용자, 및 제3 사용자를 포함하고, 인식 모델들이 제1 인식 모델, 제2 인식 모델, 및 제3 인식 모델을 포함하는 것으로 가정하여 설명하나, 사용자 및/또는 인식 모델의 개수는 이에 한정되는 것은 아니다. 예를 들어, 사용자의 수와 인식 모델의 개수는 서로 같을 수도 있고, 상이할 수도 있다.

일 실시예에 따르면, 710을 참고하면, 인식 모델 매니저는 사용자 별로 사용자에 대한 인식 모델들의 우선 순위를 결정하고, 이에 대한 정보를 저장할 수 있다. 예를 들어, 인식 모델 매니저는 사용자 별로 비음성 사용자 정보를 획득하고, 비음성 사용자 정보를 인식 모델의 특성과 비교한 결과에 기반하여 사용자에 대한 인식 모델들의 우선 순위를 결정할 수 있다. 예를 들어, 제1 사용자에 대한 인식 모델들의 우선 순위는 제1 인식 모델이 1순위, 제3 인식 모델이 2순위, 제2 인식 모델이 3순위임을 가정한다. 제3 사용자에 대한 인식 모델들의 우선 순위는 제3 인식 모델이 1순위, 제1 인식 모델이 2순위, 제2 인식 모델이 3순위임을 가정한다.

예를 들어, 720을 참고하면, 전자 장치는 사용자 별 사용자에 대한 인식 모델들의 우선 순위에 대한 정보 및 사용자의 우선 순위에 대한 정보를 포함할 수 있다. 예를 들어, 사용자의 우선 순위는 제1 사용자가 제1순위, 제2 사용자가 제2순위, 제3 사용자가 제3순위인 것으로 가정한다. 사용자의 우선 순위는 사용자 입력에 따라 주 사용자로 지정된 사용자가 더 높은 수선 순위를 가지도록 설정될 수 있다. 전자 장치는 호출어 인식(즉, 스마트 어시스턴트 기능)을 더 많이 사용하는 사용자가 더 높은 우선 순위를 가지도록 설정하거나, 또는 전자 장치를 더 많이 사용하는 사용자가 더 높은 우선 순위를 가지도록 설정할 수도 있다.

예를 들어, 730을 참고하면, 전자 장치는 사용자 구성을 인식할 수 있다. 예를 들어, 사용자 구성은 전자 장치에 저장된(또는, 등록된) 모든 사용자를 포함하지 않을 수 있다. 예를 들어, 사용자 구성은 적어도 하나의 사용자 또는 복수의 사용자를 포함할 수 있고, 전자 장치에 저장된(또는, 등록된) 사용자들 중 적어도 일부로 구성될 수 있다. 730에서는, 위에서부터 차례대로 사용자 구성이 제1 사용자, 제2 사용자 및 제3 사용자를 포함하는 경우, 제1 사용자 및 제2 사용자를 포함하는 경우, 제1 사용자 및 제3 사용자를 포함하는 경우, 제2 사용자 및 제3 사용자를 포함하는 경우, 제1 사용자인 경우, 제2 사용자인 경우, 제3 사용자인 경우를 나타낸다. 예를 들어, 740을 참고하면, 전자 장치가 각 사용자 구성에 대응하는 인식 모델을 선택(결정)하는 경우를 나타낸다. 740에서, 좌측의 세 개의 숫자는 차례대로 사용자들에 대한 인식 모델들의 우선 순위를 기반으로 연산한, 사용자 구성에 대한 제1 인식 모델, 제2 인식 모델, 및 제3 인식 모델의 적합도를 나타내는 수치 값을 나타내며, 해당 수치 값이 낮을수록 사용자 구성에 대한 적합성이 높은 것을 나타낼 수 있다. 예를 들어, 상기 수치 값은 각 인식 모델 별로, 사용자의 우선 순위를 합산한 값을 사용자 수로 나눈 값을 나타낸다.

예를 들어, 사용자 구성이 제1 사용자, 제2 사용자, 및 제3 사용자인 경우를 가정하면, 제1 인식 모델은, 제1 사용자의 제1 순위, 제2 사용자의 제2 순위, 제3 사용자의 제3 순위 인식 모델에 해당한다. 따라서, 각 사용자에의 우선 순위를 합산하면 1(순위)+2(순위)+2(순위)=5가 되고, 합산한 값을 사용자 구성에 포함된 사용자들의 수로 나누면 5/3=1.67(소수점 둘째 자리 반올림 가정)을 연산할 수 있다. 제2 인식 모델은, 제1 사용자의 제3 순위, 제2 사용자의 제3 순위, 제3 사용자의 제3 순위 인식 모델에 해당한다. 따라서, 각 사용자에의 우선 순위를 합산하면 3(순위)+3(순위)+3(순위)=9가 되고, 합산한 값을 사용자 구성에 포함된 사용자들의 수로 나누면 9/3=3을 연산할 수 있다. 제3 인식 모델은, 제1 사용자의 제2 순위, 제2 사용자의 제1 순위, 제3 사용자의 제1 순위 인식 모델에 해당한다. 따라서, 각 사용자에의 우선 순위를 합산하면 2(순위)+1(순위)+1(순위)=5가 되고, 합산한 값을 사용자 구성에 포함된 사용자들의 수로 나누면 4/3=1.33(소수점 둘째 자리 반올림 가정)을 연산할 수 있다. 이 경우, 전자 장치는 연산한 값이 가장 낮은 제3 인식 모델을 제1 사용자, 제2 사용자, 및 제3 사용자를 포함하는 사용자 구성에 대하여 가장 적합한 인식 모델로서 결정할 수 있다.

예를 들어, 사용자 구성이 제1 사용자 및 제2 사용자인 경우를 가정하면, 제1 인식 모델은, 제1 사용자의 제1 순위, 제2 사용자의 제2 순위 인식 모델에 해당한다. 따라서, 각 사용자에 대한 우선 순위를 합산하면 1(순위)+2(순위)=3이 되고, 합산한 값을 사용자 구성에 포함된 사용자들의 수로 나누면 3/2=1.5를 연산할 수 있다. 제2 인식 모델은, 제1 사용자의 제3 순위, 제2 사용자의 제3 순위 인식 모델에 해당한다. 따라서, 각 사용자에 대한 우선 순위를 합산하면 3(순위)+3(순위)=6이 되고, 합산한 값을 사용자 구성에 포함된 사용자들의 수로 나누면 6/2=3을 연산할 수 있다. 제3 인식 모델은, 제1 사용자의 제2 순위, 제2 사용자의 제1 순위 인식 모델에 해당한다. 따라서, 각 사용자에의 우선 순위를 합산하면 2(순위)+1(순위)=3이 되고, 합산한 값을 사용자 구성에 포함된 사용자들의 수로 나누면 3/2=1.5를 연산할 수 있다. 이 경우, 제1 인식 모델 및 제3 인식 모델은 동일한 1.5의 연산 값을 가질 수 있다. 전자 장치는 연산한 값이 동일한 인식 모델들이 존재하는 경우 사용자의 우선 순위를 기반으로 사용자 구성에 대하여 가장 적합한 인식 모델을 결정할 수 있다. 예를 들어, 사용자의 우선 순위가 제1 사용자가 제2 사용자보다 높기 때문에, 전자 장치는 제1 인식 모델 및 제3 인식 모델 중에서 제1 사용자에 대한 우선 순위가 높은 제1 인식 모델을 사용자 구성에 적합한 인식 모델로 결정할 수 있다. 이와 마찬가지로, 사용자 구성이 제1 사용자 및 제3 사용자를 포함하는 경우에도 상기와 같은 방식으로 연산 시 제1 인식 모델 및 제3 인식 모델은 동일한 1.5의 연산 값을 가질 수 있다. 이 경우, 사용자의 우선 순위는 제1 사용자가 제3 사용자보다 높기 때문에, 전자 장치는 제1 인식 모델 및 제3 인식 모델 중에서 제1 사용자에 대한 우선 순위가 높은 제1 인식 모델을 사용자 구성에 적합한 인식 모델로 결정할 수 있다.

예를 들어, 사용자 구성이 제1 사용자만을 포함하는 경우, 전자 장치는, 별도의 연산 없이, 기존에 저장된 제1 사용자에 대한 인식 모델들의 우선 순위에 기반하여 사용자 구성에 적합한 인식 모델을 결정할 수 있다.

도 7에서 설명한 사용자 구성에 대응하는(적합한) 인식 모델을 선택(결정)하기 위한 수식 또는 방식은 일 예시로서 이에 한정되는 것은 아니며, 사용자 구성에 대한 복수의 인식 모델들의 우선 순위를 결정할 수 있는 다양한 수식 또는 방식이 사용될 수 있다.

도 8은 일 실시예에 따른 사용자 정보를 요청하는 사용자 인터페이스를 도시한 도면이다.

일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(100), 도 4의 전자 장치(400), 또는 도 16의 전자 장치(1601))는 사용자 정보를 요청하는 사용자 인터페이스(810, 820, 830, 840)를 제공할 수 있다. 예를 들어, 전자 장치는 디스플레이(또는, 터치스크린)을 통하여 사용자 인터페이스(810, 820, 830, 840)를 출력할 수 있다. 예를 들어, 전자 장치는 새로운 사용자를 인식한 경우(예: 새로운 사용자가 전자 장치 또는 사용자 계정에 등록된 경우, 카메라를 통해 입력된 영상을 분석하여 새로운 사용자를 검출한 경우, 및/또는 새로운 사용자의 음성을 인식한 경우), 필요한 사용자 정보를 요청하는 사용자 인터페이스를 제공할 수 있다. 예를 들어, 전자 장치는 호출어 인식 성능을 향상시키기 위해 사용자 정보가 필요함을 나타내는 정보 및 사용자로부터 사용자 정보의 입력을 촉구하는 텍스트를 포함하는 사용자 인터페이스(810)를 제공할 수 있다. 전자 장치는 사용자의 나이 정보를 요청하는 사용자 인터페이스(820)를 제공할 수 있다. 전자 장치는 사용자의 성별 정보를 요청하는 사용자 인터페이스(830)를 제공할 수 있다. 전자 장치는 사용자의 지역 정보를 요청하는 사용자 인터페이스(840)를 제공할 수 있다. 다양한 실시예에 따르면, 전자 장치가 제공하는 사용자 정보를 요청하는 사용자 인터페이스는 도 8에 도시된 바에 한정되지 않는다.

도 9는 일 실시예에 따른 사용자 구성의 변경을 나타내는 사용자 인터페이스를 도시한 도면이다.

일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(100), 도 4의 전자 장치(400), 또는 도 16의 전자 장치(1601))는 사용자 구성의 변경을 나타내는 사용자 인터페이스(910, 920)를 제공할 수 있다. 예를 들어, 전자 장치는 사용자 구성을 나타내는 사용자 인터페이스(910)를 제공할 수 있다. 사용자 구성을 나타내는 사용자 인터페이스(910)는 사용자 구성에 포함된 사용자(제1 사용자, 제2 사용자, 및 제3 사용자)의 정보(예: 사용자를 나타내는 아이콘(901, 903, 905) 및/또는 텍스트(User 1, User 2, User 3), 새롭게 추가된 사용자(예: 제3 사용자)를 알려주는 정보(“User 3 님이 로그인 하였습니다.”)를 포함할 수 있다. 예를 들어, 전자 장치는 사용자 인터페이스(910)를 통해 우선 순위가 높은 사용자에 대응하는 아이콘(901)을 더 크게 표시하여 사용자의 우선 순위를 나타낼 수 있다. 예를 들어, 전자 장치는 사용자 인터페이스(910)를 통해 사용자 구성에 포함된 사용자들에 대응하는 아이콘(901, 903, 905)을 사용자 우선 순위의 순서대로 표시할 수 있다. 예를 들어, 제1 사용자가 주 사용자로 설정된 경우, 사용자 인터페이스(910)는 우선 순위가 높은 사용자(예: 제1 사용자)를 나타내는 아이콘(901)을 다른 사용자(예: 제2 사용자 및 제3 사용자)를 나타내는 아이콘(903, 905)보다 더 크게 표시할 수 있다.

예를 들어, 전자 장치는 사용자 구성이 변경된 경우 사용자 인터페이스(920)를 통해 관련된 정보를 제공할 수 있다. 사용자 구성이 변경된 경우는 사용자 구성에 새로운 사용자가 추가되거나 또는 기존 사용자가 빠지는 경우, 또는 사용자의 우선 순위가 변경되는 경우(예를 들어, 주 사용자가 변경된 경우)를 포함할 수 있다. 예를 들어, 주 사용자가 제1 사용자에서 제3 사용자로 변경된 경우, 사용자 인터페이스(920)는 제3 사용자에 대응하는 아이콘(905)을 가장 처음에 배치하고, 및/또는 제3 사용자에 대응하는 아이콘(905)의 크기를 제1 사용자에 대응하는 아이콘(901) 및 제2 사용자에 대응하는 아이콘(903)보다 크게 표시할 수 있다. 사용자 인터페이스(920)는 사용자 구성이 변경되었음을 나타내는 정보(예: “주 사용자가 변경되었습니다.”)를 포함할 수 있다.

다양한 실시예에 따르면, 전자 장치가 제공하는 사용자 구성의 변경을 나타내는 사용자 인터페이스는 도 9에 도시된 바에 한정되지 않는다.

도 10은 일 실시예에 따른 사용자 정보를 획득하기 위한 사용자 인터페이스를 도시한 도면이다.

일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(100), 도 4의 전자 장치(400), 또는 도 16의 전자 장치(1601))는 사용자 정보를 획득하기 위한 사용자 인터페이스(1000)를 제공할 수 있다. 예를 들어, 사용자 인터페이스(1000)의 제공은, 사용자의 입력에 기반하여 전자 장치에서 사용할 호출어를 설정하는 동작의 적어도 일부가 될 수 있다. 예를 들어, 사용자 인터페이스(100)는 사용자 정보를 변경할 사용자를 선택하기 위한 항목(1010, 1020, 1030) 및 새로운 사용자를 추가하기 위한 항목(1040)를 포함할 수 있다. 예를 들어, 사용자 인터페이스(1000)는 사용자 별 사용자 정보를 설정하기 위한 항목들(1050, 1060)을 포함할 수 있다. 예를 들어, 사용자 인터페이스(1000는 사용자의 성별 정보를 입력하기 위한 항목들(1050), 및 사용자의 나이 정보를 입력하기 위한 항목들(1060)을 포함할 수 있다. 일 실시예에 따르면, 사용자 인터페이스(1000)를 통해 입력된 사용자 정보(예: 비음성 사용자 정보) 및/또는 사용자로부터 입력 받은 호출어 발화를 기반으로 인식 모델(예: 호출어 인식 모델)이 생성될 수 있다. 다양한 실시예에 따르면, 전자 장치가 제공하는 사용자 정보를 획득하기 위한 사용자 인터페이스는 도 10에 도시된 바에 한정되지 않는다. 예를 들어, 사용자 인터페이스(1000)는 도 10에 도시되지 않은 사용자 정보(예: 지역 정보)를 입력 받기 위한 항목들을 더 포함할 수 있다.

일 실시예에 따르면, 전자 장치는, 마이크, 입력 장치, 통신 회로, 프로세서, 및 메모리를 포함할 수 있다. 일 실시예에 따르면, 상기 메모리는, 프로세서에 의해 실행되는 인스트럭션들을 저장할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 입력 장치를 통하여 적어도 하나의 사용자의 비음성 사용자 정보를 획득하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 통신 회로를 통하여, 스마트 어시스턴트 기능과 관련된 적어도 하나의 외부 서버로 상기 비음성 사용자 정보를 전송하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로 상기 적어도 하나의 사용자에 대응하는 인식 모델의 요청을 전송하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로부터, 상기 비음성 사용자 정보를 기반으로 결정된 상기 사용자 구성에 포함된 적어도 하나의 사용자에 대한 상기 복수의 인식 모델들 각각의 우선 순위에 기반하여, 상기 사용자 구성에 대응하는 인식 모델을 수신하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 마이크를 통하여 상기 적어도 하나의 사용자에 포함된 적어도 하나의 사용자의 음성 입력을 수신하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 수신한 인식 모델을 이용하여 상기 사용자의 음성 입력으로부터 상기 스마트 어시스턴트 기능과 관련된 상기 호출어를 인식하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 호출어의 인식에 응답하여 상기 스마트 어시스턴트 기능을 활성화하도록 할 수 있다.

일 실시예에 따르면, 상기 비음성 사용자 정보는, 사용자의 성별, 나이, 또는 지역과 관련된 정보 중 적어도 하나를 포함할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 전자 장치와 적어도 하나의 외부 전자 장치의 통신 연결 상태를 인식하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 통신 연결 상태에 적어도 일부 기반하여 상기 사용자 구성을 인식하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 마이크를 통하여 수신한 외부의 소리를 기반으로 화자를 인식하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 화자를 인식한 결과에 적어도 일부 기반하여 상기 사용자 구성을 인식하도록 할 수 있다.

일 실시예에 따르면, 전자 장치는 카메라를 더 포함할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 카메라를 통하여 촬영한 이미지를 기반으로 얼굴 인식을 수행하도록 할 수 있다. 일 실시예에 따르면, 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가 상기 얼굴 인식을 수행한 결과에 적어도 일부 기반하여 상기 사용자 구성을 인식하도록 할 수 있다.

일 실시예에 따르면, 상기 사용자 구성에 대응하는 인식 모델은, 상기 사용자 구성에 포함된 적어도 하나의 사용자 각각에 대한 상기 복수의 인식 모델의 우선 순위를 기반으로 결정된, 상기 사용자 구성에 대한 상기 복수의 인식 모델의 우선순위에 따라 결정될 수 있다.

일 실시예에 따르면, 상기 복수의 인식 모델의 우선 순위가 동일한 인식 모델이 복수 개인 경우, 상기 사용자 구성에 대응하는 인식 모델은, 상기 사용자 구성에 포함된 적어도 하나의 사용자의 우선 순위를 기반으로 결정될 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 사용자 구성의 변경 여부를 검출하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 사용자 구성이 변경되는 경우, 상기 적어도 하나의 외부 서버에 상기 변경된 사용자 구성에 대응하는 인식 모델의 요청을 전송하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로부터 상기 사용자 구성에 포함된 적어도 하나의 사용자 각각에 대한 상기 복수의 인식 모델들의 우선 순위에 대한 정보를 수신하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 우선 순위에 대한 정보에 기반으로 상기 사용자 구성에 대응하는 인식 모델을 결정하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 적어도 하나의 외부 서버에 상기 결정한 인식 모델의 요청을 전송하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 요청에 응답하여. 상기 적어도 하나의 외부 서버로부터 상기 결정한 인식 모델을 수신하도록 할 수 있다.

도 11은 일 실시예에 따른 인식 모델 관리 방법을 나타내는 흐름도이다.

일 실시예에 따르면, 1101 동작에서, 전자 장치(1100)(예: 도 1 내지 3의 전자 장치(100), 도 4의 전자 장치(400), 도 6a 내지 6c의 전자 장치(610), 또는 도 16의 전자 장치(1601))는 비음성 사용자 정보를 획득할 수 있다. 비음성 사용자 정보는 사용자의 나이, 성별, 및/또는 지역 정보를 포함할 수 있다. 예를 들어, 비음성 사용자 정보는 사용자의 나이대와 관련된 정보, 사용자의 성별 정보, 사용자의 주거 지역, 출신 지역, 국가, 및/또는 생활권에 대한 정보를 포함할 수 있다.

일 실시예에 따르면, 1103 동작에서, 전자 장치(1100)는 서버(1180)(예: 도 1의 서버(180), 도 5의 서버(500), 또는 도 16의 서버(1608))에 비음성 사용자 정보를 전송할 수 있다. 예를 들어, 서버(1180)는 스마트 어시스턴트 기능을 활성화하기 위한 호출어와 관련된 복수의 인식 모델들을 포함할 수 있다. 서버(1180)는 스마트 어시스턴트 기능과 관련된 적어도 하나의 서버(1180)를 포함할 수 있다. 예를 들어, 서버(1180)는 호출어 인식과 관련된 복수의 인식 모델들을 포함하는 제1 서버 및 복수의 인식 모델들 중 사용자 구성에 대응하는 인식 모델을 결정하는 동작을 수행하는 제2 서버를 포함할 수 있다.

일 실시예에 따르면, 1105 동작에서, 서버(1180)는 비음성 사용자 정보에 기반하여 사용자에 대한 복수의 인식 모델들의 우선 순위를 결정할 수 있다. 예를 들어, 서버(1180)는 사용자 정보에 대응하는 인식 모델들 각각의 특성을 인식하고, 사용자 정보와 인식 모델 특성을 비교한 결과에 기반하여 사용자에 대한 인식 모델들의 우선 순위를 결정할 수 있다. 예를 들어, 인식 모델의 특성은 인식 모델을 생성(예를 들어, 인식 모델을 훈련)하는데 사용된 데이터의 특성일 수 있다. 예를 들어, 인식 모델 특성은 해당 인식 모델을 훈련하는데 어떤 표본 집단의 데이터가 사용되었는지를 나타내는 정보일 수 있다. 예를 들어, 인식 모델 특성은 해당 인식 모델이 어떤 나이, 어떤 성별, 및/또는 어떤 지역의 특성을 가지는 데이터로 훈련되었는지 나타내는 정보일 수 있다. 예를 들어, 서버(1180)는 사용자 정보와 유사한 특성을 가지는 인식 모델일수록 우선 순위를 높게 부여할 수 있다. 예를 들어, 사용자 정보가 나이 정보, 성별 정보, 및/또는 지역 정보를 포함하는 경우, 서버(1180)는 인식 모델들 중에서 사용자 정보에 대응되는 데이터로 훈련된 인식 모델에 우선 순위를 높게 결정할 수 있다.

일 실시예에 따르면, 1107 동작에서, 전자 장치(1100)는 사용자 구성을 인식할 수 있다. 예를 들어, 전자 장치(1100)는 적어도 하나의 사용자를 포함하는 사용자 구성을 인식하고, 사용자 구성이 변경되는 경우를 인식할 수 있다. 예를 들어, 사용자 구성은 현재 전자 장치(1100)를 사용하는 것으로 설정된 적어도 하나의 사용자의 그룹을 의미할 수 있다. 예를 들어, 전자 장치(1100)에 제1 사용자, 제2 사용자, 및 제3 사용자가 등록된 경우 사용자 구성은 제1 사용자, 제2 사용자, 및 제3 사용자를 포함할 수 있다. 전자 장치(1100)에 제1 사용자, 제2 사용자, 및 제3 사용자가 등록되었으나, 현재 사용 중인 사용자가 제1 사용자 및 제2 사용자뿐인 경우(예를 들어, 등록된 사용자는 제1 내지 제3 사용자이나, 제1 및 제2 사용자만 전자 장치(1100)의 계정에 로그인한 경우), 사용자 구성은 제1 사용자 및 제2 사용자를 포함할 수 있다. 예를 들어, 전자 장치(1100)는 전자 장치(1100)의 통신 연결 상태, 카메라를 통한 얼굴 인식, 마이크를 통한 음성(화자) 인식, 및/또는 사용자의 입력에 기반하여 사용자 구성 및 사용자 구성의 변경 여부를 인식할 수 있다. 전자 장치(1100)는 전자 장치(1100)와 통신 연결되거나 동일한 네트워크에 연결된 적어도 하나의 외부 전자 장치(1100)(예: 외부 전자 장치(1100)의 사용자 정보)를 이용하여 사용자 구성을 인식하거나, 또는 얼굴 인식 또는 화자 인식을 통하여 주변에 존재하는 사용자를 인식하여 사용자 구성을 인식할 수 있다.

일 실시예에 따르면, 1109 동작에서, 전자 장치(1100)는 사용자 구성에 대응하는 인식 모델의 요청을 서버(1180)에 전송할 수 있다. 예를 들어, 사용자 구성에 대응하는 인식 모델의 요청은, 요청하는 특정 인식 모델에 대한 정보 및/또는 사용자 구성에 대한 정보를 포함할 수 있다. 전자 장치(1100)가 사용자 구성에 대응하는 인식 모델을 결정한 경우 전자 장치(1100)는 서버(1180)에 결정한 인식 모델을 요청하고, 전자 장치(1100)가 사용자 구성에 대응하는 인식 모델을 결정하지 않은 경우 전자 장치(1100)는 사용자 구성에 대한 정보와 함께 사용자 구성에 대응하는 인식 모델을 요청할 수 있다. 일 실시예에 따르면, 전자 장치(1100)가 사용자 구성에 대응하는 인식 모델을 결정한 경우 1111 동작은 생략될 수 있고, 1111 동작에서 서버(1180)에 의해 수행되는 동작이 1109 동작 이전에 전자 장치(1100)에 의해 수행될 수 있다.

일 실시예에 따르면, 1111 동작에서, 서버(1180)는 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 예를 들어, 서버(1180)는 사용자 구성이 복수의 사용자를 포함하는 경우, 사용자 구성에 포함된 사용자 각각에 대한 인식 모델들의 우선 순위를 기반으로 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 예를 들어, 서버(1180)는 사용자에 대한 각 인식 모델들의 우선 순위를 기반으로 사용자 구성 전체에 대한 인식 모델들의 우선 순위를 결정할 수 있다. 예를 들어, 서버(1180)는 사용자 구성에 대하여 동일한 우선 순위를 가지는 인식 모델이 있는 경우, 사용자 구성에 포함된 사용자들의 우선 순위를 기반으로 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 예를 들어, 주 사용자로 설정된 사용자가 있는 경우, 해당 사용자가 다른 사용자보다 높은 우선 순위를 가질 수 있다. 예를 들어, 사용자의 우선 순위는 사용자에 의해 설정 또는 변경될 수 있다. 예를 들어, 서버(1180)는 사용자 구성에 포함된 적어도 하나의 사용자 별 비음성 사용자 정보 및/또는 사용자에 대한 인식 모델들의 우선 순위에 대한 정보를 기반으로, 복수의 인식 모델들 중 사용자 구성에 적합한 인식 모델을 결정할 수 있다. 예를 들어, 서버(1180)는 복수의 인식 모델들 중에서 사용자 구성에 따라 최적의 호출어 인식 성능을 제공할 수 있는 인식 모델을 결정할 수 있다.

일 실시예에 따르면, 1113 동작에서, 서버(1180)는 사용자 구성에 대응하는 인식 모델을 전자 장치(1100)에 전송할 수 있다. 서버(1180)는 1111 동작에서 결정한 인식 모델을 전자 장치(1100)에 전송할 수 있다. 일 실시예에 따르면, 서버(1180)가 전자 장치(1100)로부터 특정 인식 모델(예를 들어, 전자 장치(1100)가 결정한 사용자 구성에 대응하는 인식 모델)의 요청을 수신한 경우, 서버(1180)는 해당 인식 모델을 전자 장치(1100)에 전송할 수 있다.

일 실시예에 따르면, 1115 동작에서, 전자 장치(1100)는 사용자 음성 입력을 획득할 수 있다. 전자 장치(1100)는 마이크를 통하여 사용자의 음성을 수신할 수 있다.

일 실시예에 따르면, 1117 동작에서, 전자 장치(1100)는 수신한 인식 모델을 이용하여 사용자의 음성 입력으로부터 호출어를 인식할 수 있다. 예를 들어, 전자 장치(1100)는 사용자의 음성 입력에 스마트 어시스턴트 기능을 활성화하기 위한 호출어가 포함되어 있는지 여부를 인식할 수 있다.

일 실시예에 따르면, 1119 동작에서, 전자 장치(1100)는 스마트 어시스턴트 기능을 활성화할 수 있다. 전자 장치(1100)는 호출어의 인식에 응답하여 스마트 어시스턴트 기능을 활성화하고, 추가적인 사용자의 음성 입력에 따라 스마트 어시스턴트 기능을 제공할 수 있다. 일 실시예에 따르면, 전자 장치(1100)는 1117 동작에서 호출어를 인식하지 못한 경우, 1119 동작을 수행하지 않을 수 있다.

다양한 실시예에 따르면, 도 11의 동작들 중 적어도 일부가 생략되거나, 또는 다른 동작(예: 도 12 내지 도 15의 동작들 중 적어도 일부)이 더 추가될 수 있으며, 도 11의 동작들 중 적어도 일부의 순서가 변경될 수 있다. 예를 들어, 1107 동작이 생략되는 경우, 전자 장치(1100)는 1109 동작에서, 사용자 구성이 아닌 적어도 하나의 사용자에 대응하는 인식 모델을 서버(1180)에 요청할 수 있고, 1111 동작에서 서버(1180)는 요청에 응답하여 적어도 하나의 사용자에 대응하는 인식 모델을 결정하고, 1113 동작에서 전자 장치(1100)는 서버(1180)로부터 적어도 하나의 사용자에 대응하는 인식 모델을 수신할 수 있다.

본 개시의 일 실시예에 따르면, 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 인식 모델들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정하여 호출어를 인식함으로써, 사용자 구성에 따른 호출어 인식 성능을 높일 수 있다. 전자 장치는 사용자 구성의 변경 시, 동적으로 변경된 사용자 구성에 대응하는 인식 모델을 결정하고, 이를 기반으로 호출어를 인식하여 호출어 인식 성능을 향상시킬 수 있다.

도 12는 일 실시예에 따른 전자 장치의 인식 모델 관리 방법을 나타내는 흐름도이다. 이하에서, 도 11과 중복되는 설명은 생략하거나, 간략히 설명한다.

일 실시예에 따르면, 1210 동작에서, 전자 장치(예: 도 1 내지 3의 전자 장치(100), 도 4의 전자 장치(400), 도 6a 내지 6c의 전자 장치(610), 또는 도 16의 전자 장치(1601))는 사용자의 비음성 사용자 정보를 획득할 수 있다.

일 실시예에 따르면, 1220 동작에서, 전자 장치는 외부 서버(예: 도 1의 서버(180), 도 5의 서버(500), 또는 도 16의 서버(1608))로 비음성 사용자 정보를 전송할 수 있다.

일 실시예에 따르면, 1230 동작에서, 전자 장치는 전자 장치와 관련되고, 적어도 하나의 사용자를 포함하는 사용자 구성을 인식할 수 있다. 예를 들어, 전자 장치는 적어도 하나의 사용자를 포함하는 사용자 구성을 인식하고, 사용자 구성이 변경되는 경우를 인식할 수 있다.

일 실시예에 따르면, 1240 동작에서, 전자 장치는 외부 서버로 사용자 구성에 대응하는 인식 모델의 요청을 전송할 수 있다. 전자 장치는 사용자 구성이 변경되는 경우, 변경된 사용자 구성에 대응하는 인식 모델의 요청을 외부 서버로 전송할 수 있다. 예를 들어, 사용자 구성에 대응하는 인식 모델의 요청은 사용자 구성에 대한 정보를 포함할 수 있다. 일 실시예에 따르면, 전자 장치는 사용자 구성에 대응하는 인식 모델을 직접 결정할 수 있다. 예를 들어, 전자 장치는 서버로부터 사용자에 대한 복수의 인식 모델들의 우선 순위에 대한 정보 및/또는 복수의 인식 모델들에 대한 정보를 수신한 경우, 해당 정보들을 이용하여 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 전자 장치는 사용자 구성에 대응하는 인식 모델을 결정한 경우, 결정한 인식 모델의 요청을 외부 서버에 전송할 수 있다.

일 실시예에 따르면, 1250 동작에서, 전자 장치는 외부 서버로부터, 사용자 구성에 포함된 적어도 하나의 사용자에 대한 복수의 인식 모델들 각각의 우선 순위에 기반하여, 사용자 구성에 대응하는 인식 모델을 수신할 수 있다. 예를 들어, 사용자 구성에 대응하는 인식 모델은, 서버에 의해, 사용자 구성에 포함된 적어도 하나의 사용자의 비음성 사용자 정보를 기반으로 결정될 수 있다. 사용자 구성에 대응하는 인식 모델은, 서버에 의해, 사용자 구성에 포함된 적어도 하나의 사용자에 대한 복수의 인식 모델들의 우선 순위를 기반으로 결정될 수 있다.

일 실시예에 따르면, 1260 동작에서, 전자 장치는 사용자의 음성 입력을 수신할 수 있다.

일 실시예에 따르면, 1270 동작에서, 전자 장치는 수신한 인식 모델을 이용하여 사용자의 음성 입력으로부터 스마트 어시스턴트 기능과 관련된 호출어를 인식할 수 있다.

일 실시예에 따르면, 1280 동작에서, 전자 장치는 호출어의 인식에 응답하여 스마트 어시스턴트 기능을 활성화할 수 있다.

다양한 실시예에 따르면, 도 12의 동작들 중 적어도 일부가 생략되거나, 또는 다른 동작(예: 도 11 및 도 13 내지 도 15의 동작들 중 적어도 일부)이 더 추가될 수 있으며, 도 12의 동작들 중 적어도 일부의 순서가 변경될 수 있다.

예를 들어, 1230 동작이 생략되는 경우, 전자 장치(1100)는 1240 동작에서, 사용자 구성이 아닌 적어도 하나의 사용자에 대응하는 인식 모델의 요청을 서버에 전송할 수 있고, 1250 동작에서 외부 서버로부터 적어도 하나의 사용자에 대한 인식 모델들의 우선 순위에 기반하여 적어도 하나의 사용자에 대응하는 인식 모델을 수신할 수 있다.

본 개시의 일 실시예에 따르면, 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 인식 모델들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정하여 호출어를 인식함으로써, 사용자 구성에 따른 호출어 인식 성능을 높일 수 있다. 전자 장치는 사용자 구성의 변경 시, 동적으로 변경된 사용자 구성에 대응하는 인식 모델을 결정하고, 이를 기반으로 호출어를 인식하여 호출어 인식 성능을 향상시킬 수 있다.

도 13은 일 실시예에 따른 전자 장치의 인식 모델 관리 방법을 나타내는 흐름도이다. 이하에서, 도 11 및 도 12와 중복되는 설명은 생략하거나, 간략히 설명한다.

일 실시예에 따르면, 1310 동작에서, 전자 장치(예: 서버(예: 도 1의 서버(180), 도 5의 서버(500), 또는 도 16의 서버(1608)))는 외부 전자 장치(예: 도 1 내지 3의 전자 장치(100), 도 4의 전자 장치(400), 도 6a 내지 6c의 전자 장치(610), 또는 도 16의 전자 장치(1601))로부터 사용자의 비음성 사용자 정보를 수신할 수 있다.

일 실시예에 따르면, 1320 동작에서, 전자 장치는 비음성 사용자 정보를 기반으로 사용자에 대한 복수의 인식 모델들의 우선 순위를 결정할 수 있다. 예를 들어, 전자 장치는 사용자 정보에 대응하는 인식 모델들 각각의 특성을 인식하고, 사용자 정보와 인식 모델 특성을 비교한 결과에 기반하여 사용자에 대한 인식 모델들의 우선 순위를 결정할 수 있다. 예를 들어, 인식 모델의 특성은 인식 모델을 생성(예를 들어, 인식 모델을 훈련)하는데 사용된 데이터의 특성일 수 있다. 예를 들어, 인식 모델 특성은 해당 인식 모델을 훈련하는데 어떤 표본 집단의 데이터가 사용되었는지를 나타내는 정보일 수 있다. 예를 들어, 인식 모델 특성은 해당 인식 모델이 어떤 나이, 어떤 성별, 및/또는 어떤 지역의 특성을 가지는 데이터로 훈련되었는지 나타내는 정보일 수 있다. 예를 들어, 전자 장치는 사용자 정보와 유사한 특성을 가지는 인식 모델일수록 우선 순위를 높게 부여할 수 있다. 예를 들어, 사용자 정보가 나이 정보, 성별 정보, 및/또는 지역 정보를 포함하는 경우, 전자 장치는 인식 모델들 중에서 사용자 정보에 대응되는 데이터로 훈련된 인식 모델에 우선 순위를 높게 결정할 수 있다.

일 실시예에 따르면, 1330 동작에서, 전자 장치는 외부 전자 장치로부터 사용자 구성에 대응하는 인식 모델의 요청을 수신할 수 있다.

일 실시예에 따르면, 1340 동작에서, 전자 장치는 사용자 구성에 포함된 적어도 하나의 사용자에 대한 복수의 인식 모델들의 우선 순위에 기반하여, 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 일 실시예에 따르면, 1330 동작에서, 서버가 외부 전자 장치로부터 사용자 구성이 아닌 적어도 하나의 사용자에 대응하는 인식 모델의 요청을 수신한 경우, 1340 동작에서 서버는 적어도 하나의 사용자에 대한 복수의 인식 모델들의 우선 순위에 기반하여, 적어도 하나이 사용자에 대응하는 인식 모델을 결정할 수 있다.

일 실시예에 따르면, 1350 동작에서, 전자 장치는 결정한 인식 모델을 외부 전자 장치에 전송할 수 있다. 일 실시예에 따르면, 전자 장치는 외부 전자 장치로부터 특정 인식 모델(예를 들어, 외부 전자 장치가 결정한 사용자 구성에 대응하는 인식 모델)의 요청을 수신한 경우, 1340 동작을 생략하고, 요청에 대응하는 인식 모델을 외부 전자 장치에 전송할 수 있다.

다양한 실시예에 따르면, 도 13의 동작들 중 적어도 일부가 생략되거나, 또는 다른 동작(예: 도 11 내지 도 12 및 도 14 내지 도 15의 동작들 중 적어도 일부)이 더 추가될 수 있으며, 도 13의 동작들 중 적어도 일부의 순서가 변경될 수 있다.

본 개시의 일 실시예에 따르면, 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 음향 모듈들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정하여 호출어를 인식함으로써, 사용자 구성에 따른 호출어 인식 성능을 높일 수 있다. 전자 장치는 사용자 구성의 변경 시, 동적으로 변경된 사용자 구성에 대응하는 인식 모델을 결정하고, 이를 기반으로 호출어를 인식하여 호출어 인식 성능을 향상시킬 수 있다.

도 14는 일 실시예에 따른 전자 장치의 인식 모델 관리 방법을 나타내는 흐름도이다.

일 실시예에 따르면, 1410 동작에서, 전자 장치는 사용자 정보의 갱신이 필요한지 결정할 수 있다. 예를 들어, 전자 장치는 기존 사용자의 사용자 정보의 변경이 필요한지, 새로운 사용자가 등록이 필요한지, 및/또는 기존 사용자의 삭제가 필요한지 판단할 수 있다. 전자 장치는 사용자 정보의 갱신이 필요하면 1420 동작을 수행하고, 사용자 정보의 갱신이 필요하지 않으면 1420 동작 및 1430 동작을 수행하지 않을 수 있다.

일 실시예에 따르면, 1420 동작에서, 전자 장치는 사용자 정보를 갱신할 수 있다. 예를 들어, 전자 장치는 기존 사용자의 사용자 정보(예: 나이 정보, 성별 정보, 및/또는 지역 정보)가 변경된 경우, 사용자 정보를 업데이트할 수 있다. 전자 장치는 새로운 사용자가 추가된 경우 새로운 사용자의 사용자 정보를 획득할 수 있다. 전자 장치는 기존 사용자가 삭제된 경우 해당 사용자의 사용자 정보를 삭제할 수 있다.

일 실시예에 따르면, 1430 동작에서, 전자 장치는 사용자에 대한 인식 모델들의 우선 순위를 갱신할 수 있다. 전자 장치는 갱신한 사용자 정보에 기반하여 사용자 별 인식 모델들의 우선 순위를 업데이트할 수 있다.

다양한 실시예에 따르면, 도 14의 동작들 중 적어도 일부가 생략되거나, 또는 다른 동작(예를 들어, 도 11 내지 도 13, 및 도 15의 동작 중 적어도 일부)이 더 추가될 수 있으며, 도 14의 동작들 중 적어도 일부의 순서가 변경될 수 있다.

본 개시의 일 실시예에 따르면, 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 음향 모듈들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정하여 호출어를 인식함으로써, 사용자 구성에 따른 호출어 인식 성능을 높일 수 있다. 전자 장치는 사용자 구성의 변경 시, 동적으로 변경된 사용자 구성에 대응하는 인식 모델을 결정하고, 이를 기반으로 호출어를 인식하여 호출어 인식 성능을 향상시킬 수 있다.

도 15는 일 실시예에 따른 전자 장치의 인식 모델 관리 방법을 나타내는 흐름도이다.

일 실시예에 따르면, 1510 동작에서, 전자 장치(예: 도 1의 전자 장치(100), 도 4의 전자 장치(499), 도 6a 내지 6c의 전자 장치(610), 또는 도 16의 전자 장치(101))는 사용자 구성의 변경 여부를 인식할 수 있다. 예를 들어, 전자 장치는 통신 연결 상태, 화자 인식, 얼굴 인식, 및/또는 사용자 입력에 따라 사용자 구성의 변경 여부를 인식할 수 있다. 전자 장치는 전자 장치 연결된 네트워크에 새로운 외부 전자 장치가 연결되거나, 또는 기존의 외부 전자 장치의 연결이 끊어지는 것을 인식할 수 있다. 전자 장치는 무선 통신을 통해 새로운 외부 전자 장치가 연결되거나, 기 연결 중이었던 외부 전자 장치가 연결 해제되는 것을 인식할 수 있다. 전자 장치는 카메라를 통하여 이미지를 획득하고, 획득한 이미지에 얼굴 인식을 수행한 결과에 적어도 일부 기반하여 사용자 구성의 변경을 인식할 수 있다. 전자 장치는 카메라를 통하여 새로운 사용자의 얼굴이 인식되거나, 및/또는 기 인식되었던 사용자 얼굴이 지정된 시간 이상 검출되지 않는 경우 사용자 구성의 변경을 인식할 수 있다. 전자 장치는 마이크를 통하여 음성을 수신하고, 음성(화자) 인식을 통하여 사용자 구성의 변경을 인식할 수 있다. 전자 장치는 새로운 사용자의 음성이 인식되거나, 또는 기 인식되었던 사용자의 음성이 지정된 시간 이상 검출되지 않는 경우 사용자 구성의 변경을 인식할 수 있다. 전자 장치는 사용자 구성이 변경된 경우 1520 동작을 수행하고, 사용자 구성이 변경되지 않은 경우 1530 동작 내지 1550 동작을 수행하지 않을 수 있다.

일 실시예에 따르면, 1520 동작에서, 전자 장치는 변경된 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 전자 장치는 비음성 사용자 정보 및/또는 사용자에 대한 인식 모델들의 우선 순위에 기반하여 변경된 사용자 구성에 대응하는 인식 모델을 결정할 수 있다. 전자 장치는 변경된 사용자 구성에 적합한 인식 모델을 결정할 수 있다.

일 실시예에 따르면, 1530 동작에서, 전자 장치는 변경된 사용자 구성에 대응하는 인식 모델이 현재 사용 중이던 인식 모델과 상이한지 여부를 결정할 수 있다. 전자 장치는 변경된 사용자 구성에 대응하는 인식 모델이 현재 사용 중이던 인식 모델과 상이하면 1540 동작을 수행하고, 동일하면 1540 동작 및 1550 동작을 수행하지 않을 수 있다.

일 실시예에 따르면, 1540 동작에서, 전자 장치는 결정된 인식 모델의 요청을 외부 서버(예: 도 1의 서버(180), 도 5의 서버(500), 도 16의 서버(1608))에 전송할 수 있다.

일 실시예에 따르면, 1550 동작에서, 전자 장치는, 요청에 응답하여, 외부 서버로부터 결정된 인식 모델을 수신할 수 있다. 전자 장치는 수신한 인식 모델을 저장하고, 수신한 인식 모델을 이용하여 사용자 음성 입력으로부터 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식할 수 있다.

일 실시예에 따르면, 전자 장치는 외부 서버에 변경된 사용자 구성에 대응하는 인식 모델을 직접 결정하지 않고, 변경된 사용자 구성의 정보와 함께 변경된 사용자 구성에 대응하는 인식 모델의 요청을 외부 서버에 전송할 수 있다. 예를 들어, 전자 장치는 1520 동작 내지 1540 동작 대신에 변경된 사용자 구성의 정보와 함께 변경된 사용자 구성에 대응하는 인식 모델의 요청을 외부 서버에 전송하고, 1550 동작에서, 외부 서버로부터 외부 서버에 의해 결정된 변경된 사용자 구성에 대응하는 인식 모델을 수신할 수 있다.

다양한 실시예에 따르면, 도 15의 동작들 중 적어도 일부가 생략되거나, 또는 다른 동작(예를 들어, 도 11 내지 도 14의 동작들 중 적어도 일부)이 더 추가될 수 있으며, 도 15의 동작들 중 적어도 일부의 순서가 변경될 수 있다.

본 개시의 일 실시예에 따르면, 비음성 사용자 정보에 기반하여 사용자에 대한 스마트 어시스턴트 기능을 활성화하기 위한 호출어를 인식하는데 사용되는 복수의 음향 모듈들의 우선 순위를 결정하고, 이를 기반으로 적어도 하나의 사용자를 포함하는 사용자 구성에 최적의 인식 모델을 결정하여 호출어를 인식함으로써, 사용자 구성에 따른 호출어 인식 성능을 높일 수 있다. 전자 장치는 사용자 구성의 변경 시, 동적으로 변경된 사용자 구성에 대응하는 인식 모델을 결정하고, 이를 기반으로 호출어를 인식하여 호출어 인식 성능을 향상시킬 수 있다.

도 16은, 다양한 실시예들에 따른, 네트워크 환경(1600) 내의 전자 장치(1601)의 블록도이다. 도 16을 참조하면, 네트워크 환경(1600)에서 전자 장치(1601)는 제 1 네트워크(1698)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1602)와 통신하거나, 또는 제 2 네트워크(1699)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1604) 또는 서버(1608) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(1601)는 서버(1608)를 통하여 전자 장치(1604)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(1601)는 프로세서(1620), 메모리(1630), 입력 모듈(1650), 음향 출력 모듈(1655), 디스플레이 모듈(1660), 오디오 모듈(1670), 센서 모듈(1676), 인터페이스(1677), 연결 단자(1678), 햅틱 모듈(1679), 카메라 모듈(1680), 전력 관리 모듈(1688), 배터리(1689), 통신 모듈(1690), 가입자 식별 모듈(1696), 또는 안테나 모듈(1697)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1601)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1678))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1676), 카메라 모듈(1680), 또는 안테나 모듈(1697))은 하나의 구성요소(예: 디스플레이 모듈(1660))로 통합될 수 있다.

프로세서(1620)는, 예를 들면, 소프트웨어(예: 프로그램(1640))를 실행하여 프로세서(1620)에 연결된 전자 장치(1601)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1620)는 다른 구성요소(예: 센서 모듈(1676) 또는 통신 모듈(1690))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1632)에 저장하고, 휘발성 메모리(1632)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1634)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(1620)는 메인 프로세서(1621)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1623)(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(1601)가 메인 프로세서(1621) 및 보조 프로세서(1623)를 포함하는 경우, 보조 프로세서(1623)는 메인 프로세서(1621)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1623)는 메인 프로세서(1621)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(1623)는, 예를 들면, 메인 프로세서(1621)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1621)를 대신하여, 또는 메인 프로세서(1621)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1621)와 함께, 전자 장치(1601)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1660), 센서 모듈(1676), 또는 통신 모듈(1690))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(1623)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1680) 또는 통신 모듈(1690))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(1623)(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(1601) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1608))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(1630)는, 전자 장치(1601)의 적어도 하나의 구성요소(예: 프로세서(1620) 또는 센서 모듈(1676))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1640)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1630)는, 휘발성 메모리(1632) 또는 비휘발성 메모리(1634)를 포함할 수 있다.

프로그램(1640)은 메모리(1630)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1642), 미들 웨어(1644) 또는 어플리케이션(1646)을 포함할 수 있다.

입력 모듈(1650)은, 전자 장치(1601)의 구성요소(예: 프로세서(1620))에 사용될 명령 또는 데이터를 전자 장치(1601)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1650)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(1655)은 음향 신호를 전자 장치(1601)의 외부로 출력할 수 있다. 음향 출력 모듈(1655)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. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(1660)은 전자 장치(1601)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1660)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(1660)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(1670)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(1670)은, 입력 모듈(1650)을 통해 소리를 획득하거나, 음향 출력 모듈(1655), 또는 전자 장치(1601)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1602))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(1676)은 전자 장치(1601)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. 일 실시예에 따르면, 센서 모듈(1676)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(1677)는 전자 장치(1601)가 외부 전자 장치(예: 전자 장치(1602))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(1677)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(1678)는, 그를 통해서 전자 장치(1601)가 외부 전자 장치(예: 전자 장치(1602))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(1678)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(1679)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(1679)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(1680)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(1680)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(1688)은 전자 장치(1601)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(1688)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(1689)는 전자 장치(1601)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(1689)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(1690)은 전자 장치(1601)와 외부 전자 장치(예: 전자 장치(1602), 전자 장치(1604), 또는 서버(1608)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1690)은 프로세서(1620)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(1690)은 무선 통신 모듈(1692)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1694)(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(1698)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1699)(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(1604)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(1692)은 가입자 식별 모듈(1696)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(1698) 또는 제 2 네트워크(1699)와 같은 통신 네트워크 내에서 전자 장치(1601)를 확인 또는 인증할 수 있다.

무선 통신 모듈(1692)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(1692)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1692)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(1692)은 전자 장치(1601), 외부 전자 장치(예: 전자 장치(1604)) 또는 네트워크 시스템(예: 제 2 네트워크(1699))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(1692)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(1697)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(1697)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(1697)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(1698) 또는 제 2 네트워크(1699)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1690)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1690)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(1697)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(1697)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 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.

일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(1699)에 연결된 서버(1608)를 통해서 전자 장치(1601)와 외부의 전자 장치(1604)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1602, 또는 104) 각각은 전자 장치(1601)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(1601)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1602, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1601)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1601)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(1601)로 전달할 수 있다. 전자 장치(1601)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(1601)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(1604)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1608)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(1604) 또는 서버(1608)는 제 2 네트워크(1699) 내에 포함될 수 있다. 전자 장치(1601)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

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

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 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, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(1601)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1636) 또는 외장 메모리(1638))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1640))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1601))의 프로세서(예: 프로세서(1620))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.

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 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 (10)

1. 전자 장치에 있어서,
   마이크;
   입력 장치;
   통신 회로;
   프로세서; 및
   메모리를 포함하고,
   상기 메모리는, 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
   상기 입력 장치를 통하여 적어도 하나의 사용자의 비음성 사용자 정보를 획득하고,
   상기 통신 회로를 통하여, 스마트 어시스턴트 기능과 관련된 적어도 하나의 외부 서버로 상기 비음성 사용자 정보를 전송하고,
   상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로 상기 적어도 하나의 사용자에 대응하는 인식 모델의 요청을 전송하고,
   상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로부터, 상기 비음성 사용자 정보를 기반으로 결정된 상기 적어도 하나의 사용자에 대한 상기 복수의 인식 모델들의 우선 순위에 기반하여, 상기 적어도 하나의 사용자에 대응하는 인식 모델을 수신하고,
   상기 마이크를 통하여 상기 적어도 하나의 사용자의 음성 입력을 수신하고,
   상기 수신한 인식 모델을 이용하여 상기 사용자의 음성 입력으로부터 상기 스마트 어시스턴트 기능과 관련된 상기 호출어를 인식하고,
   상기 호출어의 인식에 응답하여 상기 스마트 어시스턴트 기능을 활성화하도록 하는 인스트럭션들(instructions)을 저장하는 전자 장치.
   
2. 청구항 1에 있어서,
   상기 비음성 사용자 정보는, 사용자의 성별, 나이, 또는 지역과 관련된 정보 중 적어도 하나를 포함하는 전자 장치.
   
3. 청구항 1에 있어서,
   상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
   상기 전자 장치와 관련되고, 상기 적어도 하나의 사용자를 포함하는 사용자 구성을 인식하고,
   상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로 상기 사용자 구성에 대응하는 인식 모델의 요청을 전송하고,
   상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로부터, 상기 사용자 구성에 포함된 적어도 하나의 사용자 각각에 대한 복수의 인식 모델들의 우선 순위에 기반하여 상기 사용자 구성에 대응하는 인식 모델을 수신하도록 하는 전자 장치.
   
4. 청구항 3에 있어서,
   상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
   상기 전자 장치와 적어도 하나의 외부 전자 장치의 통신 연결 상태를 인식하고,
   상기 통신 연결 상태에 적어도 일부 기반하여 상기 사용자 구성을 인식하도록 하는 전자 장치.
   
5. 청구항 3에 있어서,
   상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
   상기 마이크를 통하여 수신한 외부의 소리를 기반으로 화자를 인식하고,
   화자를 인식한 결과에 적어도 일부 기반하여 상기 사용자 구성을 인식하도록 하는 전자 장치.
   
6. 청구항 3에 있어서,
   카메라를 더 포함하고,
   상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
   상기 카메라를 통하여 촬영한 이미지를 기반으로 얼굴 인식을 수행하고,
   상기 얼굴 인식을 수행한 결과에 적어도 일부 기반하여 상기 사용자 구성을 인식하도록 하는 전자 장치.
   
7. 청구항 3에 있어서,
   상기 사용자 구성에 대응하는 인식 모델은,
   상기 사용자 구성에 포함된 적어도 하나의 사용자 각각에 대한 상기 복수의 인식 모델의 우선 순위를 기반으로 결정된, 상기 사용자 구성에 대한 상기 복수의 인식 모델의 우선순위에 따라 결정되는 전자 장치.
   
8. 청구항 7에 있어서,
   상기 복수의 인식 모델의 우선 순위가 동일한 인식 모델이 복수 개인 경우, 상기 사용자 구성에 대응하는 인식 모델은, 상기 사용자 구성에 포함된 적어도 하나의 사용자의 우선 순위를 기반으로 결정되는 전자 장치.
   
9. 청구항 3에 있어서,
   상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
   상기 사용자 구성의 변경 여부를 검출하고,
   상기 사용자 구성이 변경되는 경우, 상기 적어도 하나의 외부 서버에 상기 변경된 사용자 구성에 대응하는 인식 모델의 요청을 전송하도록 하는 전자 장치.
   
10. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 통신 회로를 통하여, 상기 적어도 하나의 외부 서버로부터 상기 적어도 하나의 사용자에 대한 상기 복수의 인식 모델들의 우선 순위에 대한 정보를 수신하고,
    상기 수신한 우선 순위에 대한 정보에 기반으로 상기 적어도 하나의 사용자에 대응하는 인식 모델을 결정하고,
    상기 적어도 하나의 외부 서버에 상기 결정한 인식 모델의 요청을 전송하고,
    상기 요청에 응답하여. 상기 적어도 하나의 외부 서버로부터 상기 결정한 인식 모델을 수신하도록 하는 전자 장치.

Images