KR20240035271A - 음성 어시스턴트 기능을 활성화하기 위한 데이터를 수집하는 전자 장치, 동작 방법 및 저장 매체 - Google Patents

음성 어시스턴트 기능을 활성화하기 위한 데이터를 수집하는 전자 장치, 동작 방법 및 저장 매체 Download PDF

Info

Publication number
KR20240035271A
KR20240035271A KR1020220121065A KR20220121065A KR20240035271A KR 20240035271 A KR20240035271 A KR 20240035271A KR 1020220121065 A KR1020220121065 A KR 1020220121065A KR 20220121065 A KR20220121065 A KR 20220121065A KR 20240035271 A KR20240035271 A KR 20240035271A
Authority
KR
South Korea
Prior art keywords
voice
voice signal
electronic device
trigger
data
Prior art date
Application number
KR1020220121065A
Other languages
English (en)
Inventor
신종영
이정원
황도형
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
Publication of KR20240035271A publication Critical patent/KR20240035271A/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
    • G10L17/22—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/61—Indexing; Data structures therefor; Storage structures
    • 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
    • G10L17/04—Training, enrolment or model building
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 개시의 일 실시예에 따른 전자 장치는, 마이크, 트리거 음성 인식 모델을 저장하는 메모리, 및 프로세서를 포함할 수 있다. 상기 메모리는 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 마이크를 통해 사용자의 음성 신호를 획득하고, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하고, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하고, 상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하고, 상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스에 저장하도록 하는 하나 이상의 인스트럭션들을 저장할 수 있다.

Description

음성 어시스턴트 기능을 활성화하기 위한 데이터를 수집하는 전자 장치, 동작 방법 및 저장 매체{ELECTRONIC DEVICE, OPERATING METHOD, AND STORAGE MEDIUM FOR COLLECTING DATA FOR ACTIVATING VOICE ASSISTANT FUNCTION}
본 개시는 음성 어시스턴트 기능을 활성화하기 위한 데이터를 수집하는 전자 장치, 동작 방법 및 저장 매체에 관한 것이다.
음성 인식 기술의 발달로 사용자의 음성에 포함된 요청을 수행하는 다양한 전자 장치들이 제공되고 있다. 전자 장치는 특정 음성 명령어를 트리거 음성(trigger voice)(또는, 웨이크업 워드(wake-up word))으로 사용하여 트리거 음성이 입력되기 전에는 음성 어시스턴트 기능을 수행하지 않고, 트리거 음성이 입력됨으로써 음성 어시스턴트 기능(또는, 자연어 플랫폼 서비스)을 활성화할 수 있다.
일 실시예에 따른, 전자 장치는, 마이크, 메모리, 및 프로세서를 포함할 수 있다. 상기 메모리는, 트리거 음성 인식 모델을 저장할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 마이크를 통해 사용자의 음성 신호를 획득하도록 하는 하나 이상의 인스트럭션들을 저장할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스에 저장하도록 할 수 있다.
일 실시예에 따른, 전자 장치의 동작 방법은, 마이크를 통해 사용자의 음성 신호를 획득하는 동작을 포함할 수 있다. 상기 방법은, 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스에 저장하는 동작을 포함할 수 있다.
일 실시예에 따른, 비일시적 컴퓨터 판독 가능한 저장 매체는 전자 장치의 동작 방법을 수행하기 위한 프로그램을 저장할 수 있다. 상기 전자 장치의 동작 방법은, 마이크를 통해 사용자의 음성 신호를 획득하는 동작을 포함할 수 있다. 상기 방법은, 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스에 저장하는 동작을 포함할 수 있다.
도 1은 일 예시에 따른 전자 장치의 구성을 나타낸 블록도이다.
도 2는 일 예시에 따른 전자 장치의 기능 블록도이다.
도 3은 일 예시에 따른 전자 장치의 동작을 나타낸 흐름도이다.
도 4는 일 예시에 따른 전자 장치의 동작을 나타낸 흐름도이다.
도 5는 일 예시에 따른 전자 장치의 동작을 나타낸 흐름도이다.
도 6은 일 예시에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 7은 일 예시에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 8은 일 예시에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 9는 일 예시에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은 일 예시에 따른 전자 장치(101)의 구성을 나타낸 블록도(100)이다.
도 1을 참조하면, 전자 장치(101)는 마이크(110), 메모리(120), 및 프로세서(130)를 포함할 수 있으나, 이에 한정되는 것은 아니다. 전자 장치(101)는 도 1에 도시되지 않은 다른 구성요소(예: 스피커, 및/또는 통신 회로)를 포함할 수 있다.
마이크(110)는 전자 장치(101) 외부의 소리를 수신할 수 있다. 예를 들어, 마이크(110)는 전자 장치(101)의 사용자의 음성 신호를 수신할 수 있다.
메모리(120)는 전자 장치(101)를 작동시키기 위한 하나 이상의 인스트럭션들을 저장할 수 있다. 메모리(120)는 전자 장치(101)의 작동에 필요한 데이터 또는 정보를 저장할 수 있다. 예를 들어, 메모리(120)는 트리거 음성 인식 모델(wakeup recognition model 또는 wakeup recognition decoder)을 저장할 수 있다. 트리거 음성 인식 모델은, 전자 장치(101)로 수신된 음성으로부터 음성 특징을 추출하고, 추출된 음성 특징에 기반하여 수신된 음성이 트리거 음성인지 판단하기 위한 모델일 수 있다. 예를 들어, 메모리(120)는 음성 데이터베이스를 저장할 수 있다. 음성 데이터베이스는, 전자 장치(101)로 수신된 음성 신호(또는, 음성 데이터)를 저장할 수 있다. 음성 데이터베이스는, 음성 신호를 음성 신호의 음원 정보를 함께 저장할 수 있다. 음원 정보는, 예를 들어, 화자의 나이(예: 연령대), 및/또는 성별을 포함할 수 있다.
프로세서(130)는 마이크(110) 및 메모리(120)와 작동적으로 (operatively) 연결될 수 있다. 구성요소 간에 작동적으로(operatively) 연결된다는 것은 의미는 구성요소들이 기능적으로 연결되거나, 통신적으로 연결된 것을 의미할 수 있다. 예를 들어, 작동적으로 연결된 구성요소들은 서로 데이터를 주고받을 수 있다.
프로세서(130)는 메모리(120)에 저장된 하나 이상의 인스트럭션들을 실행할 수 있다. 예를 들어, 프로세서(130)는 메모리(120)에 저장된 하나 이상의 인스트럭션들을 실행함으로써 음성 인식 기반의 음성 어시스턴트 서비스를 제공할 수 있다.
프로세서(130)는 마이크(110)를 통해 사용자의 음성 신호를 획득할 수 있다. 프로세서(130)는 획득된 음성 신호를 전처리(preprocessing) 할 수 있다. 예를 들어, 프로세서(130)는 전자 장치(101)의 스피커(미도시)에서 출력되는 에코(echo) 또는 외부 노이즈를 감쇄함으로써 음성 신호를 전처리 할 수 있다.
프로세서(130)는 사용자의 음성 신호가 트리거(trigger) 음성인지 여부를 판단할 수 있다. 트리거 음성은, 웨이크업 키워드(wakeup keyword)를 발화한 음성으로 참조될 수 있다. 트리거 음성은, 전자 장치(101)의 음성 어시스턴트 기능(또는, 자연어 플랫폼 서비스)를 활성화하기 위한 음성일 수 있다. 예를 들어, 트리거 음성은 자연어 플랫폼에 전달될 음성 명령의 입력을 대기하는 상태로 전환하는 음성일 수 있다. 예를 들어, 전자 장치(101)는 트리거 음성이 수신된 시점으로부터 지정된 시간 이내에 수신된 음성 입력을 음성 명령으로 인식하고, 음성 명령에 대응하는 동작을 수행할 수 있다.
예를 들어, 프로세서(130)는 메모리(120)에 저장된 트리거 음성 인식 모델에 기반하여 사용자의 음성 신호가 트리거 음성인지 여부를 판단할 수 있다. 프로세서(130)는 음성 신호가 트리거 음성인 경우 음성 어시스턴트 서비스를 제공할 수 있다. 프로세서(130)는 트리거 음성 이후에 입력되는 음성 명령에 기반하여 음성 어시스턴트 서비스를 제공할 수 있다. 예를 들어, 프로세서(130)는 통신 회로(미도시)를 통해 음성 명령을 음성 어시스턴트 서버(voice assistant server)에 송신하고, 음성 어시스턴트 서버를 통해 해석된 음성 명령에 대응하는 기능(또는, 동작)을 수행할 수 있다.
프로세서(130)는 트리거 음성 인식 모델에 기반하여 판단한 결과, 음성 신호가 트리거 음성이 아닌 경우 전자 장치(101)의 ASR(automatic speech recognition) 엔진에 기반하여 음성 신호가 트리거 음성인지 판단할 수 있다. 전자 장치(101)의 ASR 엔진은 기기 내 엔진으로, 전자 장치(101)에 탑재된 ASR 엔진으로 참조될 수 있다. 전자 장치(101)의 ASR 엔진은 트리거 음성 인식 모델보다 크기가 크거나 복잡도가 높은 음성 인식 모델 또는 음성 인식 알고리즘을 포함할 수 있다. 예를 들어, 전자 장치(101)의 ASR 엔진은 트리거 음성 구간(예: 발화의 시작 시점 및 끝 시점)을 예측할 수 있다. 예를 들어, 트리거 음성 인식 모델에서 트리거 음성으로 인식되지 않은 음성 신호도 ASR 엔진을 통해 트리거 음성으로 인식될 수 있다.
프로세서(130)는 전자 장치(101)의 ASR 엔진에 기반하여 판단한 결과, 음성 신호가 트리거 음성이 아닌 경우 트리거 음성 인식 및 수집 프로세스를 종료할 수 있다. 프로세서(130)는 전자 장치(101)의 ASR 엔진에 기반하여 판단한 결과, 음성 신호가 트리거 음성인 경우 음성 신호를 수집 대상 음원 후보로 결정할 수 있다.
프로세서(130)는 수집 대상 음원 후보로 결정된 음성 신호를 성별 분류기 및/또는 나이 분류기에 입력하여 음성 신호의 성별 정보 및/또는 연령 정보를 획득할 수 있다. 예를 들어, 프로세서(130)는 수집 대상 음원 후보로 결정된 음성 신호로부터 소리의 특징을 추출하는 알고리즘을 이용하여 특징 벡터(feature vector, 예를 들어 MFCC(mel frequency cepstral coefficient))를 추출하고, 특징 벡터를 성별 분류기 및/또는 나이 분류기에 입력할 수 있다. 성별 분류기 및/또는 나이 분류기는, 예를 들어, 심층 신경망(deep neural network, DNN)을 이용한 딥러닝 모델을 포함할 수 있다. 연령 정보는 연령대 정보를 포함할 수 있다.
프로세서(130)는 마이크(110)를 통해 수신된 음성 신호로부터 성별 정보 및/또는 연령 정보를 획득한 이후에, ASR 엔진을 통해 음성 신호가 트리거 음성인지 판단할 수도 있다.
프로세서(130)는 수집 대상 음원 후보로 결정된 음성 신호의 성별 정보 및/또는 연령 정보가 트리거 음성 인식 모델의 학습된 데이터 현황 또는 음성 데이터베이스에 저장된 음원 현황의 성별 및/또는 연령 범주 중 상대적으로 데이터량이 적은 범주에 속하는 경우 음성 신호를 수집 대상 음원으로 결정할 수 있다. 예를 들어, 성별 및/또는 연령에 따른 범주는, 여성 10대, 남성 10대, 여성 20대, 또는 남성 20대와 같은 성별 및/또는 연령에 따라 세분화되는 범주를 포함할 수 있다.
프로세서(130)는 지정된 조건에 기반하여 음성 신호가 수집 대상 음원인지 결정할 수 있다. 예를 들어, 지정된 조건은, 트리거 음성 인식 모델의 학습된 데이터의 성별 및/또는 연령대 별 데이터량에 기초할 수 있다. 예를 들어, 프로세서(130)는 수집 대상 음원 후보로 결정된 음성 신호의 성별 정보 및/또는 연령 정보가 트리거 음성 인식 모델의 학습된 데이터의 성별 및/또는 연령대 별 데이터량이 많은 순으로 나열된 경우의 하위 3개 범주에 속하는 경우, 음성 신호를 수집 대상 음원으로 결정할 수 있다. 여기서, 수집 대상 음원으로 결정되는 성별 및/또는 연령대의 범주는, 하위 3개 범주에 한정되지 않고, 다르게 결정될 수 있다. 예를 들어, 프로세서(130)는 수집 대상 음원 후보로 결정된 음성 신호의 성별 정보 및/또는 연령 정보가 성별 및/또는 연령대 별 데이터량이 지정된 값 미만인 범주에 속하는 경우, 음성 신호를 수집 대상 음원으로 결정할 수 있다. 여기서, 수집 대상 음원으로 결정하기 위한 기준 값인 지정된 값은, 사용자 입력 또는 전자 장치(101)의 자동 업데이트에 의해 변경될 수 있다.
프로세서(130)는 수집 대상 음원으로 결정된 음성 신호를 음성 데이터베이스에 저장할 수 있다. 프로세서(130)는 수집 대상 음원으로 결정된 음성 신호의 연령 정보 및/또는 성별 정보를 음성 신호와 함께 음성 데이터베이스에 저장할 수 있다. 예를 들어, 프로세서(130)는 수집된 음원을 연령 및/또는 성별에 따라 클러스터링(clustering)하여 저장할 수 있다.
프로세서(130)는 음성 데이터베이스에 저장된 음원(또는, 음성 신호)을 이용하여 트리거 음성 인식 모델을 학습(training, learning)시킬 수 있다. 예를 들어, 프로세서(130)는 연령 및/또는 성별에 따라 클러스터링되어 저장된 음원 데이터량이 지정된 값 이상인 경우 저장된 음원 데이터를 이용하여 트리거 음성 인식 모델을 학습시킬 수 있다.
프로세서(130)는 트리거 음성 인식 모델의 학습에 이용된 음원 데이터의 성별 정보 및/또는 연령 정보를 메모리(120)에 저장할 수 있다. 프로세서(130)는 학습된 데이터의 성별 정보 및/또는 연령 정보를 학습된 데이터의 성별 및/또는 연령대에 따른 현황 정보로 가공하여 수집 대상 음원 판단에 이용할 수 있다. 프로세서(130)는 학습된 데이터의 성별 및/또는 연령대에 따른 데이터량에 기초하여 수신된 음성 신호가 수집 대상 음원인지 판단할 수 있다.
전자 장치(101)는 트리거 음성 인식 모델에서 인식되지 않은 트리거 음성을 기기(전자 장치(101)) 내 ASR 엔진을 통해 인식하고, 기기 내 ASR 엔진을 통해 인식된 트리거 음성이 트리거 음성 인식 모델에 대한 학습률이 낮은 성별 및/또는 연령대의 범주에 속하는 경우 해당 음성 신호(또는, 음원)를 수집하고, 수집된 음성 신호를 이용하여 트리거 음성 인식 모델을 학습시킴으로써, 트리거 음성 인식 모델의 성능을 향상시킬 수 있다.
도 2는 일 예시에 따른 전자 장치(101)의 기능 블록도(200)이다.
전자 장치(101)는 트리거 음성 인식 모듈(wakeup recognition module)(210), 음성 데이터 수집 모듈(speech sample collector)(220), 및 모델 학습 모듈(model adapter)(230)을 포함할 수 있다. 전자 장치(101)는 트리거 음성 인식 모델(wakeup recognition model)(215)을 포함할 수 있다. 전자 장치(101)는 음성 데이터베이스(또는, 음성 DB)(225)를 포함할 수 있다. 전자 장치(101)의 각 모듈은 각 기능을 구현하기 위한 인스트럭션들의 집합일 수 있다. 이하에서 설명되는 각 모듈의 동작들은 적어도 도 1에 도시된 전자 장치(101)의 하드웨어 구성요소(예: 프로세서(130))에 의해 수행될 수 있다.
트리거 음성 인식 모듈(210)은 전처리 모듈(preprocessing module)(211) 및 트리거 음성 검출 모듈(wakeup recognition decoder)(213)을 포함할 수 있다. 전처리 모듈(211)은 수신된 사용자의 음성 신호를 전처리 할 수 있다. 전처리 모듈(211)은, 예를 들어, 노이즈 또는 에코를 감쇄함으로써 음성 신호를 전처리 할 수 있다. 트리거 음성 검출 모듈(213)은 트리거 음성 인식 모델(215)에 기반하여 수신된 음성 신호가 트리거 음성인지 판단할 수 있다. 예를 들어, 트리거 음성 인식 모델(215)은 음성 신호로부터 특징 벡터를 추출하고, 특징 벡터에 기반하여 트리거 음성인지 판단할 수 있다.
음성 데이터 수집 모듈(220)은 ASR 엔진(ASR engine)(221) 및 사용자 음성 특성 판단 모듈(223)을 포함할 수 있다. ASR 엔진(221)은 수신된 사용자의 음성 신호가 트리거 음성인지 판단할 수 있다. 예를 들어, ASR 엔진(221)은 수신된 음성 신호를 텍스트로 변환하고, 변환된 텍스트에 지정된 키워드(예: 웨이크업 키워드)가 포함되어 있는 경우 수신된 음성 신호가 트리거 음성인 것으로 판단할 수 있다.
사용자 음성 특성 판단 모듈(223)은 수신된 사용자의 음성 신호에 기반하여 사용자(또는, 음성 신호)의 성별 및/또는 연령을 추정할 수 있다. 예를 들어, 사용자 음성 특성 판단 모듈(223)은 트리거 음성 검출 모듈(213)에서 트리거 음성으로 판단되지 못하고 ASR 엔진(221)에서 트리거 음성으로 판단된 음성 신호로부터 사용자(또는, 사용자의 음성 신호)의 성별 정보 및/또는 연령 정보를 획득할 수 있다. 예를 들어, 사용자 음성 특성 판단 모듈(223)은 트리거 음성으로 판단된 음성 신호로부터 특징 벡터를 추출하고, 특징 벡터를 성별 분류기 및/또는 나이 분류기에 입력할 수 있다. 사용자 음성 특성 판단 모듈(223)은 성별 분류기 및/또는 나이 분류기에 포함된 기 학습된 모델에 특징 벡터를 입력함으로써 음성 신호의 성별 정보 및/또는 연령 정보를 출력으로 획득할 수 있다. 사용자 음성 특성 판단 모듈(223)은 획득된 음성 신호의 성별 정보 및/또는 연령 정보를 음성 신호가 수집 대상 음원인지 판단하는데 이용할 수 있다.
상술한 예시에서는 사용자 음성 특성 판단 모듈(223)이 ASR 엔진(221)을 통해 트리거 음성으로 판단된 음성 신호로부터 성별 정보 및/또는 연령 정보를 획득하는 경우를 예로 들었으나, 이에 한정되지 않고, 사용자 음성 특성 판단 모듈(223)은 ASR 엔진(221)을 통해 트리거 음성인지 판단하기 전에 음성 신호로부터 성별 정보 및/또는 연령 정보를 획득할 수도 있다.
음성 데이터 수집 모듈(220)은 사용자 음성 특성 판단 모듈(223)에서 획득한 성별 정보 및/또는 연령 정보에 기반하여 음성 신호가 수집 대상 음원인지 판단할 수 있다. 예를 들어, 음성 데이터 수집 모듈(220)은 사용자 음성 특성 판단 모듈(223)에서 획득한 연령 정보가 10대 미만으로 판단되는 경우, 음성 신호가 수집 대상 음원인 것으로 결정할 수 있다.
음성 데이터 수집 모듈(220)은 사용자 음성 특성 판단 모듈(223)에서 획득한 성별 정보 및/또는 연령 정보를 트리거 음성 인식 모델(215)의 학습된 데이터 현황 또는 음성 DB(225)에 저장된 음원 현황과 비교하여 음성 신호가 수집 대상 음원인지 판단할 수 있다. 음성 데이터 수집 모듈(220)은 사용자 음성 특성 판단 모듈(223)에서 획득한 성별 정보 및/또는 연령 정보가 학습된 데이터 또는 저장된 음원의 성별 및/또는 연령대 범주 중 상대적으로 데이터량이 적은 범주에 속하는 경우, 해당 음성 신호를 수집 대상 음원으로 결정할 수 있다. 음성 데이터 수집 모듈(220)은 수집 대상 음원으로 결정된 음성 신호를 음성 DB(225)에 저장할 수 있다.
예를 들어, 학습된 데이터 또는 저장된 음원의 성별 및/또는 연령대 범주 중 상대적으로 데이터량이 적은 범주는, 학습된 데이터 또는 저장된 음원을 성별 및/또는 연령대 별 데이터량이 많은 순으로 나열한 경우의 3개 하위 범주를 포함할 수 있다. 예를 들어, 학습된 데이터 또는 저장된 음원의 연령대 별 데이터량이 20대, 10대, 30대, 40대, 50대, 10대 미만 순으로 많은 경우, 전자 장치(101)에 수신된 음성 신호의 추정된 연령 정보가 10대 미만, 50대, 또는 40대의 범주에 속하는 경우 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 상기 예시에서는 수집 대상 음원으로 결정하는 성별 및/또는 연령대 범주를 데이터량이 하위 3개 범주이나, 이에 한정되지 않고, 하위 2개 범주 또는 가장 적은 데이터량의 범주와 같이 다르게 지정될 수 있다.
예를 들어, 학습된 데이터 또는 저장된 음원의 성별 및/또는 연령대 범주 중 상대적으로 데이터량이 적은 범주는, 학습된 데이터 또는 저장된 음원을 성별 및/또는 연령대 별 데이터량이 지정된 값 미만인 범주를 포함할 수 있다. 예를 들어, 학습된 데이터 또는 저장된 음원의 연령대 별 데이터량 중 50대의 범주의 데이터량과 10대 미만의 범주의 데이터량이 지정된 값 미만인 경우, 전자 장치(101)에 수신된 음성 신호의 추정된 연령 정보가 10대 미만 또는 50대의 범주에 속하는 경우 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 여기서, 지정된 값은, 전자 장치(101)가 수신한 사용자 입력에 의해, 또는 전자 장치(101)의 학습된 데이터량 또는 음성 DB(225)에 저장된 데이터량에 기반한 자동 업데이트에 의해 변경될 수 있다.
음성 데이터 수집 모듈(220)은 음성 신호를 음성 신호의 성별 정보 및/또는 연령 정보와 함께 음성 DB(225)에 저장(또는, 업로드)할 수 있다. 예를 들어, 음성 데이터 수집 모듈(220)은 음성 신호를 음성 신호의 성별 정보 및/또는 연령 정보에 따라 클러스터링(clustering)하여 저장할 수 있다.
모델 학습 모듈(230)은 음성 DB(225)에 저장된(또는, 수집된) 음성 데이터를 이용하여 트리거 음성 인식 모델(215)을 학습시킬 수 있다. 예를 들어, 모델 학습 모듈(230)은 음성 DB(225)에 저장된 음성 데이터량이 지정된 값 이상인 경우 음성 DB(225)에 저장된 음성 데이터를 이용하여 트리거 음서 인식 모델(215)을 학습시킬 수 있다.
전자 장치(101)는 트리거 음성으로 판단된 음성 신호가 수신된 이후에 수신되는 음성 명령을 음성 어시스턴트 서버(201)에 송신할 수 있다. 전자 장치(101)는 음성 어시스턴트 서버(201)를 통해 음성 명령에 대한 응답을 수신하거나 외부 전자 장치로 송신하여 전자 장치(101) 또는 외부 전자 장치를 이용하여 음성 명령에 대응하는 동작을 수행함으로써 사용자에게 음성 어시스턴트 서비스를 제공할 수 있다.
도 3은 일 예시에 따른 전자 장치(101)의 동작을 나타낸 흐름도(300)이다.
후술하는 동작들은 도 1의 전자 장치(101) 또는 전자 장치(101)의 프로세서(130)에 의해 수행될 수 있다.
도 3을 참조하면, 전자 장치(101)는 동작 310을 수행할 수 있다. 동작 310은 전자 장치(101)에 수신된 음성 신호가 트리거 음성인지 판단하는 동작일 수 있다. 전자 장치(101)의 트리거 음성 인식 모듈(210)은 트리거 음성 인식 모델(215)에 기반하여 마이크(110)를 통해 수신된 사용자의 음성 신호가 트리거 음성인지 판단할 수 있다. 전자 장치(101)는 수신된 음성 신호가 트리거 음성인 경우, 동작 320을 수행할 수 있다.
동작 320에서, 전자 장치(101)는 트리거 음성 이후에 수신되는 사용자의 음성 명령에 기반하여 음성 어시스턴트 서비스를 제공할 수 있다. 예를 들어, 전자 장치(101)는 트리거 음성 이후에 수신되는 사용자의 음성 명령을 음성 어시스턴트 서버(201)에 송신할 수 있다. 전자 장치(101)는 음성 어시스턴트 서버(201)를 통해 음성 명령에 대한 응답을 획득하고, 획득된 응답에 따라 음성 어시스턴트 서비스를 제공할 수 있다.
전자 장치(101)는 트리거 음성 인식 모델(215)에 기반하여 마이크(110)를 통해 수신된 음성 신호의 트리거 음성 여부를 판단한 결과, 수신된 음성 신호가 트리거 음성이 아니라고 판단된 경우, 동작 330을 수행할 수 있다.
동작 330에서, 전자 장치(101)는 나이 분류기(223-1) 및/또는 성별 분류기(223-2)를 통해 수신된 음성 신호의 연령 정보 및/또는 성별 정보를 획득할 수 있다. 나이 분류기(223-1) 및 성별 분류기(223-2)는 도 2의 사용자 음성 특성 판단 모듈(223)에 포함될 수 있다. 예를 들어, 전자 장치(101)는 수신된 음성 신호로부터 특징 벡터를 추출하고, 추출된 특징 벡터를 나이 분류기(223-1) 및/또는 성별 분류기(223-2)에 입력하여 음성 신호의 연령 정보 및/또는 성별 정보를 획득할 수 있다.
동작 330에서, 전자 장치(101)는 ASR 엔진(221)에 기반하여 마이크(110)를 통해 수신된 음성 신호가 트리거 음성인지 여부를 판단할 수 있다. 도 3을 참조하여 예를 들면, 전자 장치(101)는 수신된 음성 신호의 연령 정보 및/또는 성별 정보를 획득한 이후에 ASR 엔진(221)을 통해 음성 신호가 트리거 음성인지 여부를 판단할 수 있다. 도시되지는 않았으나, 예를 들어, 전자 장치(101)는 ASR 엔진(221)을 통해 음성 신호가 트리거 음성인지 여부를 판단한 이후에 나이 분류기(223-1) 및/또는 성별 분류기(223-2)를 통해 음성 신호의 연령 정보 및/또는 성별 정보를 획득할 수도 있다.
동작 330에서, 전자 장치(101)는 마이크(110)를 통해 수신된 음성 신호가 수집 대상 음원인지 여부를 판단할 수 있다. 예를 들어, 전자 장치(101)는 ASR 엔진(221)에 기반하여 마이크(110)를 통해 수신된 음성 신호가 트리거 음성인지 여부를 판단한 결과, 수신된 음성 신호가 트리거 음성이 아닌 경우, 수집 대상 음원이 아닌 것으로 판단할 수 있다. 예를 들어, 전자 장치(101)는 ASR 엔진(221)에 기반하여 마이크(110)를 통해 수신된 음성 신호가 트리거 음성인지 여부를 판단한 결과, 수신된 음성 신호가 트리거 음성인 경우, 음성 신호의 연령 정보 및/또는 성별 정보에 기반하여 수신된 음성 신호가 수집 대상 음원인지 여부를 판단할 수 있다. 예를 들어, 전자 장치(101)는 수신된 음성 신호의 연령 정보가 10대 미만으로 판단되는 경우, 수신된 음성 신호가 수집 대상 음원인 것으로 결정할 수 있다.
예를 들어, 전자 장치(101)는 트리거 음성 인식 모델(215)의 학습된 데이터의 성별 및/또는 연령대에 따른 데이터량에 기초하여 수신된 음성 신호가 수집 대상 음원인지 여부를 판단할 수 있다. 일 예로, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보가 트리거 음성 인식 모델(215)의 학습된 데이터의 성별 및/또는 연령대의 범주를 데이터량이 많은 순으로 나열한 경우의 하위 3개 범주에 포함되는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 일 예로, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보가 트리거 음성 인식 모델(215)의 학습된 데이터의 성별 및/또는 연령대의 범주 중에서 데이터량이 지정된 값 미만인 범주에 포함되는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 예를 들어, 트리거 음성 인식 모델(215)의 학습된 데이터의 성별 및/또는 연령대에 따른 데이터량을 포함하는, 학습된 데이터 현황 정보는 음성 DB(225)에 저장될 수 있다.
예를 들어, 전자 장치(101)는 음성 DB(225)에 저장된 음성 데이터의 성별 및/또는 연령대에 따른 데이터량에 기초하여 수신된 음성 신호가 수집 대상 음원인지 여부를 판단할 수 있다. 일 예로, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보가 음성 DB(225)에 저장된 음성 데이터의 성별 및/또는 연령대의 범주를 데이터량이 많은 순으로 나열한 경우의 하위 3개 범주에 포함되는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 일 예로, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보가 음성 DB(225)에 저장된 음성 데이터의 성별 및/또는 연령대의 범주 중에서 데이터량이 지정된 값 미만인 범주에 포함되는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 예를 들어, 음성 DB(225)에 저장된 음성 데이터의 성별 및/또는 연령대에 따른 데이터량을 포함하는, 음성 DB(225)에 저장된 음성 데이터 현황 정보는 음성 DB(225)에 음성 데이터와 함께 저장될 수 있다.
동작 330에서, 전자 장치(101)는 수집 대상 음원으로 결정된 음성 신호(또는, 음원)를 음성 DB(225)에 저장할 수 있다. 전자 장치(101)는 나이 분류기(223-1) 및/또는 성별 분류기(223-2)를 통해 획득된 음성 신호의 연령 정보 및/또는 성별 정보를 음성 신호와 함께 음성 DB(225)에 저장할 수 있다. 예를 들어, 전자 장치(101)는 음성 신호를 연령 정보 및/또는 성별 정보에 따라 클러스터링하여 저장할 수 있다.
예를 들어, 전자 장치(101)는 음성 DB(225)에 저장된 데이터량이 지정된 값 이상인 경우 동작 340을 수행할 수 있다. 동작 340에서, 전자 장치(101)는 모델 학습 모듈(230)을 통해 음성 DB(225)에 저장된 음성 데이터를 이용하여 트리거 음성 인식 모델(215)을 학습시킬 수 있다. 예를 들어, 전자 장치(101)는 음성 DB(225)에 저장된 연령대 및/또는 성별에 따른 데이터량이 지정된 값 이상이 되는 연령대 및/또는 성별의 범주에 포함되는 데이터를 이용하여 트리거 음성 인식 모델(215)을 학습시킬 수 있다.
도 4는 일 예시에 따른 전자 장치(101)의 동작을 나타낸 흐름도(400)이다.
후술하는 동작들은 도 1의 전자 장치(101) 또는 전자 장치(101)의 프로세서(130)에 의해 수행될 수 있다.
동작 401에서, 전자 장치(101)는 마이크(110)를 통해 사용자의 음성 신호를 획득할 수 있다.
동작 403에서, 전자 장치(101)는 음성 신호를 전처리 할 수 있다. 예를 들어, 전자 장치(101)는 노이즈 및/또는 에코를 제거함으로써 마이크(110)를 통해 수신된 음성 신호를 전처리 할 수 있다.
동작 405에서, 전자 장치(101)는 음성 신호가 트리거 음성인지 여부를 결정할 수 있다. 전자 장치(101)는 트리거 음성 인식 모델(215)에 기반하여 마이크(110)를 통해 수신된 음성 신호가 트리거 음성인지 여부를 결정할 수 있다. 전자 장치(101)는 수신된 음성 신호가 트리거 음성인 경우 동작 407을 수행할 수 있다. 전자 장치(101)는 수신된 음성 신호가 트리거 음성이 아닌 경우 동작 409를 수행할 수 있다.
동작 407에서, 전자 장치(101)는 음성 어시스턴트 서비스를 제공할 수 있다. 전자 장치(101)는 트리거 음성 이후에 마이크(110)를 통해 입력되는 음성 명령에 기반하여 음성 어시스턴트 서비스를 제공할 수 있다.
동작 409에서, 전자 장치(101)는 전자 장치(101)의 ASR 엔진(221)에 기반하여 마이크(110)를 통해 수신된 음성 신호가 트리거 음성인지 판단할 수 있다. 전자 장치(101)는 수신된 음성 신호에 대한 ASR 결과, 음성 신호가 트리거 음성이 아닌 경우, 도 4의 프로세스(예: 트리거 음성 인식 및 수집 프로세스)를 종료할 수 있다. 전자 장치(101)는 수신된 음성 신호에 대한 ASR 결과, 음성 신호가 트리거 음성인 경우, 동작 411 내지 동작 415를 수행할 수 있다. 예를 들어, 동작 411은 생략될 수 있다. 예를 들어, 동작 409 내지 동작 413의 순서는 바뀔 수 있다.
동작 411에서, 전자 장치(101)는 음성 신호(또는, 사용자)의 성별을 추정할 수 있다. 전자 장치(101)는 음성 신호로부터 특징 벡터를 추출하여 특징 벡터를 성별 분류기(223-2)에 입력하여 음성 신호의 성별을 추정할 수 있다.
동작 413에서, 전자 장치(101)는 음성 신호(또는, 사용자)의 나이를 추정할 수 있다. 전자 장치(101)는 음성 신호로부터 특징 벡터를 추출하여 특징 벡터를 나이 분류기(223-1)에 입력하여 음성 신호의 나이를 추정할 수 있다.
전자 장치(101)는 동작 411 및 동작 413을 통해 음성 신호의 성별 정보 및/또는 연령 정보를 획득할 수 있다.
동작 415에서, 전자 장치(101)는 마이크(110)를 통해 수신된 음성 신호가 수집 대상 음원인지 판단할 수 있다. 예를 들어, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보에 기반하여 수집 대상 음원인지 여부를 판단할 수 있다. 예를 들어, 전자 장치(101)는 수신된 음성 신호의 연령 정보가 10대 미만임을 나타내는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다.
예를 들어, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보와, 트리거 음성 인식 모델(215)의 학습된 데이터의 성별 및/또는 연령대에 따른 데이터량에 기초하여 수신된 음성 신호가 수집 대상 음원인지 여부를 결정할 수 있다. 일 예로, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보가 트리거 음성 인식 모델(215)의 학습된 데이터의 성별 및/또는 연령대에 따른 데이터량이 많은 순으로 나열한 경우의 하위 3개 범주의 성별 및/또는 연령대를 나타내는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 일 예로, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보가 트리거 음성 인식 모델(215)의 학습된 데이터의 성별 및/또는 연령대에 따른 데이터량이 지정된 값 미만인 범주의 성별 및/또는 연령대를 나타내는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다.
예를 들어, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보와, 음성 DB(225)에 저장된 데이터의 성별 및/또는 연령대에 따른 데이터량에 기초하여 수신된 음성 신호가 수집 대상 음원인지 여부를 결정할 수 있다. 일 예로, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보가 음성 DB(225)에 저장된 데이터의 성별 및/또는 연령대에 따른 데이터량이 많은 순으로 나열한 경우의 하위 3개 범주의 성별 및/또는 연령대를 나타내는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 일 예로, 전자 장치(101)는 수신된 음성 신호의 성별 정보 및/또는 연령 정보가 음성 DB(225)에 저장된 데이터의 성별 및/또는 연령대에 따른 데이터량이 지정된 값 미만인 범주의 성별 및/또는 연령대를 나타내는 경우, 수신된 음성 신호를 수집 대상 음원으로 결정할 수 있다.
전자 장치(101)는 음성 신호가 수집 대상 음원으로 결정된 경우(동작 415-Yes), 동작 417을 수행할 수 있다. 동작 417에서, 전자 장치(101)는 음성 DB(225)에 수집 대상 음원으로 결정된 음성 신호를 저장할 수 있다. 전자 장치(101)는 동작 411 및/또는 동작 413을 통해 획득된 음성 신호의 연령 정보 및/또는 성별 정보를 음성 신호와 함께 저장할 수 있다.
전자 장치(101)는 음성 신호가 수집 대상 음원인 아닌 것으로 결정된 경우(동작 415-No), 도 4의 프로세스(예: 트리거 음성 인식 및 수집 프로세스)를 종료할 수 있다.
도 5는 일 예시에 따른 전자 장치(101)의 동작을 나타낸 흐름도(500)이다.
후술하는 동작들은 도 1의 전자 장치(101) 또는 전자 장치(101)의 프로세서(130)에 의해 수행될 수 있다.
동작 501에서, 전자 장치(101)는 음성 신호를 획득할 수 있다. 전자 장치(101)는 마이크(110)를 통해 사용자의 음성 신호를 획득할 수 있다.
동작 503에서, 전자 장치(101)는 트리거 음성 인식 모델(215)에 기반하여 음성 신호가 트리거 음성인지 여부를 결정할 수 있다. 트리거 음성 인식 모델(215)은 전자 장치(101)의 메모리(120)에 저장될 수 있다. 트리거 음성 인식 모델은, 전자 장치(101)로 수신된 음성으로부터 음성 특징을 추출하고, 추출된 음성 특징에 기반하여 수신된 음성이 트리거 음성인지 판단하기 위한 모델일 수 있다. 전자 장치(101)는 음성 신호가 트리거 음성인 경우 음성 어시스턴트 서비스를 제공할 수 있다. 전자 장치(101)는 트리거 음성 이후에 입력되는 음성 명령에 기반하여 음성 어시스턴트 서비스를 제공할 수 있다. 예를 들어, 전자 장치(101)는 통신 회로(미도시)를 통해 음성 명령을 음성 어시스턴트 서버에 송신하고, 음성 어시스턴트 서버를 통해 해석된 음성 명령에 대응하는 기능(또는, 동작)을 수행할 수 있다. 전자 장치(101)는 음성 신호가 트리거 음성이 아닌 경우 동작 505를 수행할 수 있다.
동작 505에서, 전자 장치(101)는 전자 장치(101)의 ASR 엔진(211)을 통해 음성 신호가 트리거 음성인지 여부를 결정할 수 있다. 전자 장치(101)는 트리거 음성 인식 모델(215)에 기반하여 음성 신호가 트리거 음성이 아닌 것으로 결정함에 응답하여, 전자 장치(101)의 ASR 엔진(211)을 통해 음성 신호가 트리거 음성인지 여부를 결정할 수 있다. 전자 장치(101)의 ASR 엔진은 트리거 음성 인식 모델보다 크기가 크고 복잡도가 높은 음성 인식 모델 또는 음성 인식 알고리즘을 포함할 수 있다. 예를 들어, 트리거 음성 인식 모델에서 트리거 음성으로 인식되지 않은 음성 신호도 ASR 엔진을 통해 트리거 음성으로 인식될 수 있다. 전자 장치(101)는 전자 장치(101)의 ASR 엔진에 기반하여 판단한 결과, 음성 신호가 트리거 음성이 아닌 경우 트리거 음성 인식 및 수집 프로세스를 종료할 수 있다. 전자 장치(101)는 전자 장치(101)의 ASR 엔진에 기반하여 판단한 결과, 음성 신호가 트리거 음성인 경우 동작 507을 수행할 수 있다.
동작 507에서, 전자 장치(101)는 음성 신호가 수집 대상 음원인지 결정할 수 있다. 전자 장치(101)는 ASR 엔진(211)을 통해 음성 신호가 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 음성 신호가 수집 대상 음원인지 결정할 수 있다. 예를 들어, 전자 장치(101)는 음성 신호를 분석하여 연령 정보를 획득할 수 있다. 전자 장치(101)는 음성 신호로부터 특징 벡터를 추출하고, 특징 벡터를 나이 분류기(223-1)에 입력하여 음성 신호의 연령 정보를 획득할 수 있다. 예를 들어, 수집 대상 음원인지 결정하기 위한 지정된 조건은, 트리거 음성 인식 모델(215)의 학습된 데이터의 연령대 별 데이터량에 기초할 수 있다. 전자 장치(101)는 획득된 음성 신호의 연령 정보가 트리거 음성 인식 모델(215)의 학습된 데이터의 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 획득된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 일 예로, 지정된 연령대는, 학습된 데이터의 연령대 별 데이터량이 많은 순으로 연령대 범주가 나열된 경우의 하위 3개 범주의 연령대일 수 있다. 일 예로, 지정된 연령대는, 학습된 데이터의 연령대 별 데이터량이 지정된 값 미만인 연령대일 수 있다.
예를 들어, 수집 대상 음원인지 결정하기 위한 지정된 조건은, 음성 데이터베이스(225)에 저장된 음성 신호의 연령대 별 데이터량에 기초할 수 있다. 전자 장치(101)는 획득된 음성 신호의 연령 정보가 음성 데이터베이스(225)에 저장된 데이터의 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 획득된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 일 예로, 지정된 연령대는, 음성 데이터베이스(225)에 저장된 데이터의 연령대 별 데이터량이 많은 순으로 연령대 범주가 나열된 경우의 하위 3개 범주의 연령대일 수 있다. 일 예로, 지정된 연령대는, 음성 데이터베이스(225)에 저장된 데이터의 연령대 별 데이터량이 지정된 값 미만인 연령대일 수 있다.
예를 들어, 전자 장치(101)는 음성 신호가 수집 대상 음원인지 판단하기 위한 조건으로 연령(또는, 연령대)뿐만 아니라, 성별을 더 고려할 수 있다. 예를 들어, 전자 장치(101)는 음성 신호를 분석하여 성별 정보를 획득할 수 있다. 전자 장치(101)는 음성 신호로부터 특징 벡터를 추출하고, 특징 벡터를 성별 분류기(223-2)에 입력하여 음성 신호의 성별 정보를 획득할 수 있다.
예를 들어, 수집 대상 음원인지 결정하기 위한 지정된 조건은, 트리거 음성 인식 모델(215)의 학습된 데이터의 연령대 및 성별 별 데이터량에 기초할 수 있다. 전자 장치(101)는 획득된 음성 신호의 연령 정보 및 성별 정보가 트리거 음성 인식 모델(215)의 학습된 데이터의 연령대 및 성별 별 데이터량에 기초하여 지정된 연령대 및 성별을 나타내는 경우, 획득된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 예를 들어, 지정된 연령대 및 성별은, 학습된 데이터의 연령대 및 성별 별 데이터량이 많은 순으로 연령대 및 성별 범주가 나열된 경우의 하위 3개 범주의 연령대 및 성별이거나, 학습된 데이터의 연령대 및 성별 별 데이터량이 지정된 값 미만인 연령대 및 성별일 수 있다.
예를 들어, 수집 대상 음원인지 결정하기 위한 지정된 조건은, 음성 데이터베이스(225)에 저장된 음성 신호의 연령대 및 성별 별 데이터량에 기초할 수 있다. 전자 장치(101)는 획득된 음성 신호의 연령 정보 및 성별 정보가 음성 데이터베이스(225)에 저장된 데이터의 연령대 및 성별 별 데이터량에 기초하여 지정된 연령대 및 성별을 나타내는 경우, 획득된 음성 신호를 수집 대상 음원으로 결정할 수 있다. 예를 들어, 지정된 연령대 및 성별은, 음성 데이터베이스(225)에 저장된 데이터의 연령대 및 성별 별 데이터량이 많은 순으로 연령대 및 성별 범주가 나열된 경우의 하위 3개 범주의 연령대 및 성별이거나, 음성 데이터베이스(225)에 저장된 데이터의 연령대 및 성별 별 데이터량이 지정된 값 미만인 연령대 및 성별일 수 있다.
동작 509에서, 전자 장치(101)는 음성 신호를 음성 데이터베이스(255)에 저장할 수 있다. 전자 장치(101)는 음성 신호가 수집 대상 음원인 것으로 결정함에 응답하여, 음성 신호를 음성 데이터베이스(225)에 저장할 수 있다. 예를 들어, 전자 장치(101)는 수집 대상 음원으로 결정된 음성 신호를 그의 연령 정보와 함께 저장할 수 있다. 예를 들어, 전자 장치(101)는 수집 대상 음원으로 결정된 음성 신호를 그의 연령 정보 및 성별 정보와 함께 저장할 수 있다. 예를 들어, 전자 장치(101)는 음성 신호를 음성 신호의 연령 정보 및/또는 성별 정보에 따라 클러스터링하여 음성 데이터베이스(225)에 저장할 수 있다.
전자 장치(101)는 음성 데이터베이스(225)에 저장된 음성 신호를 이용하여 트리거 음성 인식 모델(215)을 학습시킬 수 있다. 예를 들어, 전자 장치(101)는 음성 데이터베이스(225)에 저장된 데이터량이 지정된 값 이상이 되는 경우 음성 데이터베이스(225)에 저장된 음성 데이터를 이용하여 트리거 음성 인식 모델(215)을 학습시킬 수 있다. 예를 들어, 전자 장치(101)는 음성 데이터베이스(225)에 저장된 연령대 및/또는 성별에 따른 데이터량이 지정된 값 이상이 되는 연령대 및/또는 성별의 범주에 포함되는 데이터를 이용하여 트리거 음성 인식 모델(215)을 학습시킬 수 있다.
이하, 도 6의 전자 장치(601)는 도 1의 전자 장치(101)에 대응될 수 있다. 도 1의 마이크(110)는 도 6의 입력 모듈(650)에 대응될 수 있다. 도 1의 메모리(120)는 도 6의 메모리(630)에 대응될 수 있다. 도 1의 프로세서(130)는 도 6의 프로세서(620)에 대응될 수 있다. 예를 들어, 도 1의 전자 장치(101)는 도 6의 전자 장치(601)의 구성요소(예: 음향 출력 모듈(655) 또는 통신 모듈(690))를 더 포함할 수 있다.
도 6은, 일 예시에 따른, 네트워크 환경(600) 내의 전자 장치(601)의 블록도이다. 도 6을 참조하면, 네트워크 환경(600)에서 전자 장치(601)는 제 1 네트워크(698)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(602)와 통신하거나, 또는 제 2 네트워크(699)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(604) 또는 서버(608) 중 적어도 하나와 통신할 수 있다. 일 예시에 따르면, 전자 장치(601)는 서버(608)를 통하여 전자 장치(604)와 통신할 수 있다. 일 예시에 따르면, 전자 장치(601)는 프로세서(620), 메모리(630), 입력 모듈(650), 음향 출력 모듈(655), 디스플레이 모듈(660), 오디오 모듈(670), 센서 모듈(676), 인터페이스(677), 연결 단자(678), 햅틱 모듈(679), 카메라 모듈(680), 전력 관리 모듈(688), 배터리(689), 통신 모듈(690), 가입자 식별 모듈(696), 또는 안테나 모듈(697)을 포함할 수 있다. 어떤 예시에서는, 전자 장치(601)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(678))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 예시에서는, 이 구성요소들 중 일부들(예: 센서 모듈(676), 카메라 모듈(680), 또는 안테나 모듈(697))은 하나의 구성요소(예: 디스플레이 모듈(660))로 통합될 수 있다.
프로세서(620)는, 예를 들면, 소프트웨어(예: 프로그램(640))를 실행하여 프로세서(620)에 연결된 전자 장치(601)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 예시에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(620)는 다른 구성요소(예: 센서 모듈(676) 또는 통신 모듈(690))로부터 수신된 명령 또는 데이터를 휘발성 메모리(632)에 저장하고, 휘발성 메모리(632)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(634)에 저장할 수 있다. 일 예시에 따르면, 프로세서(620)는 메인 프로세서(621)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(623)(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(601)가 메인 프로세서(621) 및 보조 프로세서(623)를 포함하는 경우, 보조 프로세서(623)는 메인 프로세서(621)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(623)는 메인 프로세서(621)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(623)는, 예를 들면, 메인 프로세서(621)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(621)를 대신하여, 또는 메인 프로세서(621)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(621)와 함께, 전자 장치(601)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(660), 센서 모듈(676), 또는 통신 모듈(690))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 예시에 따르면, 보조 프로세서(623)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(680) 또는 통신 모듈(690))의 일부로서 구현될 수 있다. 일 예시에 따르면, 보조 프로세서(623)(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(601) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(608))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(630)는, 전자 장치(601)의 적어도 하나의 구성요소(예: 프로세서(620) 또는 센서 모듈(676))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(640)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(630)는, 휘발성 메모리(632) 또는 비휘발성 메모리(634)를 포함할 수 있다.
프로그램(640)은 메모리(630)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(642), 미들 웨어(644) 또는 어플리케이션(646)을 포함할 수 있다.
입력 모듈(650)은, 전자 장치(601)의 구성요소(예: 프로세서(620))에 사용될 명령 또는 데이터를 전자 장치(601)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(650)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(655)은 음향 신호를 전자 장치(601)의 외부로 출력할 수 있다. 음향 출력 모듈(655)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 예시에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(660)은 전자 장치(601)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(660)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 예시에 따르면, 디스플레이 모듈(660)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(670)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 예시에 따르면, 오디오 모듈(670)은, 입력 모듈(650)을 통해 소리를 획득하거나, 음향 출력 모듈(655), 또는 전자 장치(601)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(602))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(676)은 전자 장치(601)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 예시에 따르면, 센서 모듈(676)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(677)는 전자 장치(601)가 외부 전자 장치(예: 전자 장치(602))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 예시에 따르면, 인터페이스(677)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(678)는, 그를 통해서 전자 장치(601)가 외부 전자 장치(예: 전자 장치(602))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 예시에 따르면, 연결 단자(678)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(679)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 예시에 따르면, 햅틱 모듈(679)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(680)은 정지 영상 및 동영상을 촬영할 수 있다. 일 예시에 따르면, 카메라 모듈(680)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(688)은 전자 장치(601)에 공급되는 전력을 관리할 수 있다. 일 예시에 따르면, 전력 관리 모듈(688)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(689)는 전자 장치(601)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 예시에 따르면, 배터리(689)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(690)은 전자 장치(601)와 외부 전자 장치(예: 전자 장치(602), 전자 장치(604), 또는 서버(608)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(690)은 프로세서(620)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 예시에 따르면, 통신 모듈(690)은 무선 통신 모듈(692)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(694)(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(698)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(699)(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(604)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(692)은 가입자 식별 모듈(696)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(698) 또는 제 2 네트워크(699)와 같은 통신 네트워크 내에서 전자 장치(601)를 확인 또는 인증할 수 있다.
무선 통신 모듈(692)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(692)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(692)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(692)은 전자 장치(601), 외부 전자 장치(예: 전자 장치(604)) 또는 네트워크 시스템(예: 제 2 네트워크(699))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 예시에 따르면, 무선 통신 모듈(692)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(697)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 예시에 따르면, 안테나 모듈(697)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 예시에 따르면, 안테나 모듈(697)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(698) 또는 제 2 네트워크(699)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(690)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(690)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 예시에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(697)의 일부로 형성될 수 있다.
다양한 예시에 따르면, 안테나 모듈(697)은 mmWave 안테나 모듈을 형성할 수 있다. 일 예시에 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 예시에 따르면, 명령 또는 데이터는 제 2 네트워크(699)에 연결된 서버(608)를 통해서 전자 장치(601)와 외부의 전자 장치(604)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(602, 또는 604) 각각은 전자 장치(601)와 동일한 또는 다른 종류의 장치일 수 있다. 일 예시에 따르면, 전자 장치(601)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(602, 604, 또는 608) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(601)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(601)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(601)로 전달할 수 있다. 전자 장치(601)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(601)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 예시에 있어서, 외부의 전자 장치(604)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(608)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 예시에 따르면, 외부의 전자 장치(604) 또는 서버(608)는 제 2 네트워크(699) 내에 포함될 수 있다. 전자 장치(601)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.
이하, 도 7의 사용자 단말(701)는 도 1의 전자 장치(101)에 대응될 수 있다. 도 1의 마이크(110)는 도 7의 마이크(770)에 대응될 수 있다. 도 1의 메모리(120)는 도 7의 메모리(730)에 대응될 수 있다. 도 1의 프로세서(130)는 도 7의 프로세서(720)에 대응될 수 있다. 예를 들어, 도 1의 전자 장치(101)는 도 7의 전자 장치(601)의 구성요소(예: 스피커(755) 또는 통신 인터페이스(790))를 더 포함할 수 있다. 도 7의 지능형 서버(800)는 도 2의 음성 어시스턴트 서버(201)에 대응될 수 있다.
도 7은 일 예시에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 7을 참조하면, 일 예시의 통합 지능 시스템은 사용자 단말(701), 지능형 서버(800), 및 서비스 서버(900)를 포함할 수 있다.
일 예시의 사용자 단말(701)(예: 도 6의 전자 장치(601))은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.
도시된 예에 따르면, 사용자 단말(701)은 통신 인터페이스(790), 마이크(770), 스피커(755), 디스플레이(760), 메모리(730), 및/또는 프로세서(720)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
통신 인터페이스(790)(예: 도 6의 통신 모듈(690))는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 마이크(770)(예: 도 6의 오디오 모듈(670))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 스피커(755)(예: 도 6의 음향 출력 모듈(655))는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 디스플레이(760)(예: 도 6의 디스플레이 모듈(660))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 예의 디스플레이(760)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface, GUI)를 표시할 수 있다.
일 예의 메모리(730)(예: 도 6의 메모리(630))는 클라이언트 모듈(731), SDK(software development kit)(733), 및 복수의 어플리케이션들을 저장할 수 있다. 상기 클라이언트 모듈(731), 및 SDK(733)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(731) 또는 SDK(733)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
상기 복수의 어플리케이션들(예: 735a, 735b)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 예에 따르면, 복수의 어플리케이션들은 제1 앱(735a), 및/또는 제2 앱(735b)을 포함할 수 있다. 일 예에 따르면, 복수의 어플리케이션들 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 어플리케이션들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 예에 따르면, 복수의 어플리케이션들은 프로세서(720)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 예의 프로세서(720)는 사용자 단말(701)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(720)는 통신 인터페이스(790), 마이크(770), 스피커(755), 및 디스플레이(760)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(720)는 적어도 하나의 프로세서를 포함할 수 있다.
일 예의 프로세서(720)는 또한 상기 메모리(730)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(720)는 클라이언트 모듈(731) 또는 SDK(733) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(720)는, 예를 들어, SDK(733)를 통해 복수의 어플리케이션들의 동작을 제어할 수 있다. 클라이언트 모듈(731) 또는 SDK(733)의 동작으로 설명된 이하의 동작들은 프로세서(720)의 실행에 의하여 수행되는 동작일 수 있다.
일 예의 클라이언트 모듈(731)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(731)은 마이크(770)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(731)은 수신된 음성 입력(예: 음성 신호)을 지능형 서버(800)로 송신할 수 있다. 클라이언트 모듈(731)은 수신된 음성 입력과 함께, 사용자 단말(701)의 상태 정보를 지능형 서버(800)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 예의 클라이언트 모듈(731)은 수신된 음성 입력에 대응되는 결과를 지능형 서버(800)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(731)은 지능형 서버(800)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(731)은 상기 수신된 결과를 디스플레이(760)에 표시할 수 있다.
일 예의 클라이언트 모듈(731)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(731)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(760)에 표시할 수 있다. 클라이언트 모듈(731)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(701)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 예에 따르면, 클라이언트 모듈(731)은 지능형 서버(800)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 예에 따르면, 클라이언트 모듈(731)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(800)로 송신할 수 있다.
일 예의 클라이언트 모듈(731)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(800)로 송신할 수 있다. 지능형 서버(800)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 예의 클라이언트 모듈(731)은 음성 인식 모듈을 포함할 수 있다. 일 예에 따르면, 클라이언트 모듈(731)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(731)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.
일 예의 지능형 서버(800)는 네트워크(799)(예: 도 6의 제1 네트워크(698) 및/또는 제2 네트워크(699))를 통해 사용자 단말(701)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 예에 따르면, 지능형 서버(800)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 예에 따르면, 지능형 서버(800)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 플랜(plan)을 생성할 수 있다
일 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 및/또는 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 예에 따르면, 플랜은 미리 정의된 플랜들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.
일 예의 지능형 서버(800)는 생성된 플랜에 따른 결과를 사용자 단말(701)로 송신하거나, 생성된 플랜을 사용자 단말(701)로 송신할 수 있다. 일 예에 따르면, 사용자 단말(701)은 플랜에 따른 결과를 디스플레이(760)에 표시할 수 있다. 일 예에 따르면, 사용자 단말(701)은 플랜에 따른 동작을 실행한 결과를 디스플레이(760)에 표시할 수 있다.
일 예의 지능형 서버(800)는 프론트 엔드(front end)(810), 자연어 플랫폼(natural language platform)(820), 캡슐 데이터베이스(capsule database)(830), 실행 엔진(execution engine)(840), 엔드 유저 인터페이스(end user interface)(850), 매니지먼트 플랫폼(management platform)(860), 빅 데이터 플랫폼(big data platform)(870), 또는 분석 플랫폼(analytic platform)(880)을 포함할 수 있다.
일 예의 프론트 엔드(810)는 사용자 단말(701)에 의하여 수신된 음성 입력을 사용자 단말(701)로부터 수신할 수 있다. 프론트 엔드(810)는 상기 음성 입력에 대응되는 응답을 사용자 단말(701)로 송신할 수 있다.
일 예에 따르면, 자연어 플랫폼(820)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(821), 자연어 이해 모듈(natural language understanding module)(NLU module)(823), 플래너 모듈(planner module)(825), 자연어 생성 모듈(natural language generator module)(NLG module)(827), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(829)을 포함할 수 있다.
일 예의 자동 음성 인식 모듈(821)은 사용자 단말(701)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 예의 자연어 이해 모듈(823)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(823)은 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 예의 자연어 이해 모듈(823)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 예의 플래너 모듈(825)은 자연어 이해 모듈(823)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 예에 따르면, 플래너 모듈(825)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(825)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 예에 따르면, 플래너 모듈(825)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및/또는 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(825)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(825)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(825)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(825)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(825)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(830)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 예의 자연어 생성 모듈(827)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 예의 텍스트 음성 변환 모듈(829)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 예에 따르면, 자연어 플랫폼(820)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(701)에서도 구현가능 할 수 있다. 예를 들어, 사용자 단말(701)이 자동 음성 인식 모듈 및/또는 자연어 이해 모듈을 포함할 수 있다. 사용자 단말(701)이 사용자 음성 명령을 인식한 뒤, 인식된 음성 명령에 대응하는 텍스트 정보를 지능형 서버(800)로 송신할 수 있다. 예를 들어, 사용자 단말(701)이 텍스트 음성 변환 모듈을 포함할 수 있다. 사용자 단말(701)이 지능형 서버(800)로부터 텍스트 정보를 수신하고, 수신된 텍스트 정보를 음성으로 출력할 수 있다.
상기 캡슐 데이터베이스(830)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object)(또는 동작 정보) 및/또는 컨셉 오브젝트(concept object)(또는 컨셉 정보)를 포함할 수 있다. 일 예에 따르면, 캡슐 데이터베이스(830)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(830)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(830)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 예에 따르면, 캡슐 데이터베이스(830)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 예에 따르면, 캡슐 데이터베이스(830)는 사용자 단말(701)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 예에 따르면, 캡슐 데이터베이스(830)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 예에 따르면, 캡슐 데이터베이스(830)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(830)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 예에서는 캡슐 데이터베이스(830)가 사용자 단말(701) 내에도 구현될 수 있다.
일 예의 실행 엔진(840)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(850)는 산출된 결과를 사용자 단말(701)로 송신할 수 있다. 이에 따라, 사용자 단말(701)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 예의 매니지먼트 플랫폼(860)은 지능형 서버(800)에서 이용되는 정보를 관리할 수 있다. 일 예의 빅 데이터 플랫폼(870)은 사용자의 데이터를 수집할 수 있다. 일 예의 분석 플랫폼(880)은 지능형 서버(800)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(880)은 지능형 서버(800)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 예의 서비스 서버(900)는 사용자 단말(701)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 예에 따르면, 서비스 서버(900)는 제3 자에 의해 운영되는 서버일 수 있다. 일 예의 서비스 서버(900)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(800)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(830)에 저장될 수 있다. 또한, 서비스 서버(900)는 플랜에 따른 결과 정보를 지능형 서버(800)에 제공할 수 있다. 서비스 서버(900)는 네트워크(799)를 통하여 지능형 서버(800) 및/또는 사용자 단말(701)과 통신할 수 있다. 서비스 서버(900)는 별도의 연결을 통하여 지능형 서버(800)와 통신할 수 있다. 도 7에는 서비스 서버(900)가 하나의 서버로 도시되어 있으나, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 서비스 서버(900)의 각각의 서비스(901, 902, 및 903)들 중 적어도 하나는 별도의 서버로 구현될 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(701)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 예에서, 상기 사용자 단말(701)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(701)은 상기 마이크(770)를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 예에서, 사용자 단말(701)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버(800) 및/또는 서비스 서버(900)와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(701)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 예에서, 사용자 단말(701)이 지능형 서버(800) 및/또는 서비스 서버(900)와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말(701)은, 상기 마이크(770)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말(701)은, 상기 음성 데이터를 통신 인터페이스(790)를 이용하여 지능형 서버(800)로 송신할 수 있다.
일 예에 따른 지능형 서버(800)는 사용자 단말(701)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작 및/또는 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작 및/또는 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 예의 사용자 단말(701)은, 통신 인터페이스(790)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(701)은 상기 스피커(755)를 이용하여 사용자 단말(701) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(760)를 이용하여 사용자 단말(701) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 8은 일 예시에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(800)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(830))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(캡슐A(831), 캡슐B(834))을 저장할 수 있다. 일 예에 따르면, 하나의 캡슐(예: 캡슐A(831))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자의 캡슐(예: CP 1(832), CP 2 (833), CP3 (835), 및/또는 CP4 (836))이 대응될 수 있다. 일 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(830a) 및 적어도 하나 이상의 컨셉(830b)을 포함할 수 있다.
상기, 자연어 플랫폼(820)은 캡슐 데이터베이스(830)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(825)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(831) 의 동작들(831a, 832a)과 컨셉들(831b, 832b) 및 캡슐 B(834)의 동작(834a)과 컨셉(834b)을 이용하여 플랜(837)을 생성할 수 있다.
도 9는 일 예시에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(701)은 지능형 서버(800)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 예에 따르면, 제1 화면(710)에서, 사용자 단말(701)은 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(701)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 예에 따르면, 사용자 단말(701)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(911)를 디스플레이(760)에 표시할 수 있다. 일 예에 따르면, 사용자 단말(701)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(701)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(701)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(713)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 예에 따르면, 제2 화면(715)에서, 사용자 단말(701)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(701)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.
전자 장치는 트리거 음성을 수신함으로써 음성 어시스턴트 기능을 활성화할 수 있다. 전자 장치의 트리거 음성 인식을 수행하는 모델은 한정된 양의 데이터로 학습되고, 기기 내에서 트리거 음성 여부를 판단하여야 하므로 저용량 및 저전력의 특성을 가질 수 있다. 이에 따라, 전자 장치의 트리거 음성 인식 모델의 특정 화자(예: 어린이, 또는 노인)에 대한 인식 성능이 좋지 않을 수 있다.
상술한 문제점을 해결하기 위해, 전자 장치는 새로운 트리거 음성 데이터를 구매하여 구매한 데이터를 이용하거나 전자 장치에서 서버로 수집된 데이터를 이용하여 트리거 음성 인식 모델을 학습시키고, 업데이트할 수 있다. 이 경우, 데이터 구매 비용이 발생하고, 서버로 수집된 데이터의 경우 전자 장치의 트리거 음성 인식 모델에서 이미 트리거 음성으로 인식된 데이터이므로, 실질적으로 모델의 성능을 향상시키기는 어려울 수 있다.
본 개시의 실시예는 트리거 음성 인식 모델에서 인식하지 못한 음성 데이터를 인식 및 수집하고, 수집된 데이터를 이용하여 트리거 음성 인식 모델의 성능을 고도화할 수 있다.
본 개시의 실시예는 트리거 음성 인식 모델의 적응(또는, 학습)을 위한 음성 데이터 수집에 있어서 제한된 저장 공간을 고려하여 모델 적응에 필요한 데이터를 효율적으로 수집할 수 있다.
본 개시의 일 실시예에 따른 전자 장치(101;601;701)는, 마이크(110;650;770), 메모리(120;630;730) 및 프로세서(130;620;720)를 포함할 수 있다. 상기 메모리는 트리거 음성 인식 모델(215)을 저장할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 마이크를 통해 사용자의 음성 신호를 획득하도록 하는 하나 이상의 인스트럭션들을 저장할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진(221)을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스(225)에 저장하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 음성 데이터베이스에 저장된 음성 신호를 이용하여 상기 트리거 음성 인식 모델을 학습시키도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 지정된 조건은 상기 트리거 음성 인식 모델의 학습된 데이터의 연령대 별 데이터량에 기초할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 획득된 음성 신호를 분석하여 연령 정보를 획득하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 연령 정보가 상기 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 상기 획득된 음성 신호를 상기 수집 대상 음원으로 결정하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 획득된 음성 신호를 상기 연령 정보와 함께 상기 음성 데이터베이스에 저장하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 지정된 연령대는 상기 연령대 별 데이터량이 많은 순으로 연령대 범주가 나열된 경우의 하위 3개 범주의 연령대일 수 있다. 또는, 상기 지정된 연령대는 상기 연령대 별 데이터량이 지정된 값 미만인 연령대일 수 있다.
본 개시의 일 실시예에 따르면, 상기 지정된 조건은 상기 음성 데이터베이스에 저장된 음성 신호의 연령대 별 데이터량에 기초할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 획득된 음성 신호를 분석하여 연령 정보를 획득하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 연령 정보가 상기 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 상기 획득된 음성 신호를 상기 수집 대상 음원으로 결정하도록 할 수 있다. 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가, 상기 획득된 음성 신호를 상기 연령 정보와 함께 상기 음성 데이터베이스에 저장하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 전자 장치(101;601;701)의 동작 방법은, 마이크(110;650;770)를 통해 사용자의 음성 신호를 획득하는 동작을 포함할 수 있다. 상기 방법은, 트리거 음성 인식 모델(215)에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진(221)을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스(225)에 저장하는 동작을 포함할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 음성 데이터베이스에 저장된 음성 신호를 이용하여 상기 트리거 음성 인식 모델을 학습시키는 동작을 포함할 수 있다.
본 개시의 일 실시예에 따르면, 상기 지정된 조건은 상기 트리거 음성 인식 모델의 학습된 데이터의 연령대 별 데이터량에 기초할 수 있다. 상기 수집 대상 음원의 결정 동작은, 상기 획득된 음성 신호를 분석하여 연령 정보를 획득하는 동작을 포함할 수 있다. 상기 수집 대상 음원의 결정 동작은, 상기 연령 정보가 상기 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 상기 획득된 음성 신호를 상기 수집 대상 음원으로 결정하는 동작을 포함할 수 있다. 상기 음성 신호의 저장 동작은, 상기 획득된 음성 신호를 상기 연령 정보와 함께 상기 음성 데이터베이스에 저장하는 동작을 포함할 수 있다.
본 개시의 일 실시예에 따르면, 상기 지정된 연령대는 상기 연령대 별 데이터량이 많은 순으로 연령대 범주가 나열된 경우의 하위 3개 범주의 연령대일 수 있다. 또는, 상기 지정된 연령대는 상기 연령대 별 데이터량이 지정된 값 미만인 연령대일 수 있다.
본 개시의 일 실시예에 따르면, 상기 지정된 조건은 상기 음성 데이터베이스에 저장된 음성 신호의 연령대 별 데이터량에 기초할 수 있다. 상기 수집 대상 음원의 결정 동작은, 상기 획득된 음성 신호를 분석하여 연령 정보를 획득하는 동작을 포함할 수 있다. 상기 수집 대상 음원의 결정 동작은, 상기 연령 정보가 상기 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 상기 획득된 음성 신호를 상기 수집 대상 음원으로 결정하는 동작을 포함할 수 있다. 상기 음성 신호의 저장 동작은, 상기 획득된 음성 신호를 상기 연령 정보와 함께 상기 음성 데이터베이스에 저장하는 동작을 포함할 수 있다.
본 개시의 일 실시예에 따르면, 비일시적 컴퓨터 판독 가능한 저장 매체는 전자 장치의 동작 방법을 수행하기 위한 프로그램을 저장할 수 있다. 상기 전자 장치의 동작 방법은, 마이크(110;650;770)를 통해 사용자의 음성 신호를 획득하는 동작을 포함할 수 있다. 상기 방법은, 트리거 음성 인식 모델(215)에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진(221)을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하는 동작을 포함할 수 있다. 상기 방법은, 상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스(225)에 저장하는 동작을 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(601)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(636) 또는 외장 메모리(638))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(640))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(601))의 프로세서(예: 프로세서(620))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (10)

  1. 전자 장치(101;601;701)에 있어서,
    마이크(110;650;770);
    트리거 음성 인식 모델(215)을 저장하는 메모리(120;630;730); 및
    프로세서(130;620;720)를 포함하고,
    상기 메모리는, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가,
    상기 마이크를 통해 사용자의 음성 신호를 획득하고,
    상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하고,
    상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진(221)을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하고,
    상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하고,
    상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스(225)에 저장하도록 하는 하나 이상의 인스트럭션들을 저장하는, 전자 장치.
  2. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가,
    상기 음성 데이터베이스에 저장된 음성 신호를 이용하여 상기 트리거 음성 인식 모델을 학습시키도록 하는, 전자 장치.
  3. 청구항 1 내지 청구항 2 중 어느 한 항에 있어서,
    상기 지정된 조건은 상기 트리거 음성 인식 모델의 학습된 데이터의 연령대 별 데이터량에 기초하며,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가,
    상기 획득된 음성 신호를 분석하여 연령 정보를 획득하고,
    상기 연령 정보가 상기 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 상기 획득된 음성 신호를 상기 수집 대상 음원으로 결정하고,
    상기 획득된 음성 신호를 상기 연령 정보와 함께 상기 음성 데이터베이스에 저장하도록 하는, 전자 장치.
  4. 청구항 1 내지 청구항 3 중 어느 한 항에 있어서,
    상기 지정된 연령대는 상기 연령대 별 데이터량이 많은 순으로 연령대 범주가 나열된 경우의 하위 3개 범주의 연령대이거나, 상기 연령대 별 데이터량이 지정된 값 미만인 연령대인, 전자 장치.
  5. 청구항 1 내지 청구항 4 중 어느 한 항에 있어서,
    상기 지정된 조건은 상기 음성 데이터베이스에 저장된 음성 신호의 연령대 별 데이터량에 기초하며,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시에, 상기 전자 장치가,
    상기 획득된 음성 신호를 분석하여 연령 정보를 획득하고,
    상기 연령 정보가 상기 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 상기 획득된 음성 신호를 상기 수집 대상 음원으로 결정하고,
    상기 획득된 음성 신호를 상기 연령 정보와 함께 상기 음성 데이터베이스에 저장하도록 하는, 전자 장치.
  6. 전자 장치(101;601;701)의 동작 방법에 있어서,
    마이크(110;650;770)를 통해 사용자의 음성 신호를 획득하는 동작;
    트리거 음성 인식 모델(215)에 기반하여 상기 음성 신호가 트리거 음성인지 여부를 결정하는 동작;
    상기 트리거 음성 인식 모델에 기반하여 상기 음성 신호가 상기 트리거 음성이 아닌 것으로 결정함에 응답하여, 상기 전자 장치의 ASR(automatic speech recognition) 엔진(221)을 통해 상기 음성 신호가 상기 트리거 음성인지 여부를 결정하는 동작;
    상기 ASR 엔진을 통해 상기 음성 신호가 상기 트리거 음성인 것으로 결정함에 응답하여, 지정된 조건에 기반하여 상기 음성 신호가 수집 대상 음원인지 결정하는 동작; 및
    상기 음성 신호가 상기 수집 대상 음원인 것으로 결정함에 응답하여, 상기 음성 신호를 음성 데이터베이스(225)에 저장하는 동작을 포함하는, 방법.
  7. 청구항 6에 있어서,
    상기 방법은, 상기 음성 데이터베이스에 저장된 음성 신호를 이용하여 상기 트리거 음성 인식 모델을 학습시키는 동작을 더 포함하는, 방법.
  8. 청구항 6 내지 청구항 7 중 어느 한 항에 있어서,
    상기 지정된 조건은 상기 트리거 음성 인식 모델의 학습된 데이터의 연령대 별 데이터량에 기초하며,
    상기 수집 대상 음원의 결정 동작은,
    상기 획득된 음성 신호를 분석하여 연령 정보를 획득하는 동작; 및
    상기 연령 정보가 상기 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 상기 획득된 음성 신호를 상기 수집 대상 음원으로 결정하는 동작을 포함하고,
    상기 음성 신호의 저장 동작은, 상기 획득된 음성 신호를 상기 연령 정보와 함께 상기 음성 데이터베이스에 저장하는 동작을 포함하는, 방법.
  9. 청구항 6 내지 청구항 8 중 어느 한 항에 있어서,
    상기 지정된 연령대는 상기 연령대 별 데이터량이 많은 순으로 연령대 범주가 나열된 경우의 하위 3개 범주의 연령대이거나, 상기 연령대 별 데이터량이 지정된 값 미만인 연령대인, 방법.
  10. 청구항 6 내지 청구항 9 중 어느 한 항에 있어서,
    상기 지정된 조건은 상기 음성 데이터베이스에 저장된 음성 신호의 연령대 별 데이터량에 기초하며,
    상기 수집 대상 음원의 결정 동작은,
    상기 획득된 음성 신호를 분석하여 연령 정보를 획득하는 동작; 및
    상기 연령 정보가 상기 연령대 별 데이터량에 기초하여 지정된 연령대를 나타내는 경우, 상기 획득된 음성 신호를 상기 수집 대상 음원으로 결정하는 동작을 포함하고,
    상기 음성 신호의 저장 동작은, 상기 획득된 음성 신호를 상기 연령 정보와 함께 상기 음성 데이터베이스에 저장하는 동작을 포함하는, 방법.
KR1020220121065A 2022-09-08 2022-09-23 음성 어시스턴트 기능을 활성화하기 위한 데이터를 수집하는 전자 장치, 동작 방법 및 저장 매체 KR20240035271A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220114258 2022-09-08
KR20220114258 2022-09-08

Publications (1)

Publication Number Publication Date
KR20240035271A true KR20240035271A (ko) 2024-03-15

Family

ID=90272805

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220121065A KR20240035271A (ko) 2022-09-08 2022-09-23 음성 어시스턴트 기능을 활성화하기 위한 데이터를 수집하는 전자 장치, 동작 방법 및 저장 매체

Country Status (1)

Country Link
KR (1) KR20240035271A (ko)

Similar Documents

Publication Publication Date Title
EP3794809B1 (en) Electronic device for performing task including call in response to user utterance and operation method thereof
US20230126305A1 (en) Method of identifying target device based on reception of utterance and electronic device therefor
US20220343921A1 (en) Device for training speaker verification of registered user for speech recognition service and method thereof
US20220301542A1 (en) Electronic device and personalized text-to-speech model generation method of the electronic device
US20220358918A1 (en) Server for identifying false wakeup and method for controlling the same
US11670294B2 (en) Method of generating wakeup model and electronic device therefor
KR20240035271A (ko) 음성 어시스턴트 기능을 활성화하기 위한 데이터를 수집하는 전자 장치, 동작 방법 및 저장 매체
US20230297786A1 (en) Method and electronic device for processing user utterance based on augmented sentence candidates
US20230298586A1 (en) Server and electronic device for processing user's utterance based on synthetic vector, and operation method thereof
US20220028381A1 (en) Electronic device and operation method thereof
US20240161744A1 (en) Electronic devices and methods of handling user utterances
US11978449B2 (en) Electronic device for processing user utterance and operation method therefor
US11676580B2 (en) Electronic device for processing user utterance and controlling method thereof
US20220189463A1 (en) Electronic device and operation method thereof
US20240161738A1 (en) Electronic device for processing utterance, operating method thereof, and storage medium
US20230197066A1 (en) Electronic device and method of providing responses
US20240135925A1 (en) Electronic device for performing speech recognition and operation method thereof
US20220262359A1 (en) Electronic device and operation method thereof
US20220358907A1 (en) Method for providing response of voice input and electronic device supporting the same
EP4372737A1 (en) Electronic device, operating method and storage medium for processing speech not including predicate
US20230094274A1 (en) Electronic device and operation method thereof
US20240119941A1 (en) Method for analyzing user utterance based on utterance cache and electronic device supporting the same
US20240143920A1 (en) Method and electronic device for processing user utterance based on language model
US20230186031A1 (en) Electronic device for providing voice recognition service using user data and operating method thereof
KR20240020141A (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치