KR20240035283A

KR20240035283A - 가상 공간 내의 사용자의 음성 데이터의 전달하기 위한 장치 및 방법

Info

Publication number: KR20240035283A
Application number: KR1020220140344A
Authority: KR
Inventors: 송가진; 신호선; 황동춘; 김경태; 이강희; 한우정
Original assignee: 삼성전자주식회사
Priority date: 2022-09-08
Filing date: 2022-10-27
Publication date: 2024-03-15

Abstract

일 실시예에 따른 가상 공간을 구축하는 서버는, 컴퓨터로 실행 가능한 명령어들(computer-executable instructions)이 저장된 메모리를 포함할 수 있다. 일 실시예에 따른 가상 공간을 구축하는 서버는, 상기 메모리에 억세스(access)하여 상기 명령어들을 실행하는 프로세서를 포함할 수 있다. 상기 명령어들은, 가상 공간 내의 사용자들 중 제1 사용자의 단말로부터 수신된 상기 제1 사용자의 음성 데이터로부터, 타겟 발화(target utterance)에 대응하는 제1 부분 음성 데이터를 추출하도록 설정될 수 있다. 상기 명령어들은, 상기 제1 사용자의 제1 부분 음성 데이터를 수신할 타겟 사용자를 결정하도록 설정될 수 있다. 상기 명령어들은, 상기 타겟 사용자의 타겟 단말에게 상기 제1 부분 음성 데이터의 재생을 명령하도록 설정될 수 있다. 상기 명령어들은, 상기 타겟 단말이 상기 제1 부분 음성 데이터를 재생하는 동안 상기 타겟 사용자에 대해 제2 사용자의 제2 부분 음성 데이터의 전달이 요청된 것에 기초하여, 상기 제2 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 상기 타겟 단말에게 명령하도록 설정될 수 있다.

Description

가상 공간 내의 사용자의 음성 데이터의 전달하기 위한 장치 및 방법{APPARATUS AND METHOD FOR DELIVERY OF USER'S VOICE DATA IN VIRTUAL SPACE}

아래의 개시는 가상 공간 내의 사용자의 음성 데이터를 전달하는 기술에 관한 것이다.

최근, 컴퓨터 그래픽 기술을 응용한 가상현실(Virtual Reality), 증강현실(Augmented Reality) 및 혼합현실(Mixed Reality) 기술이 발달하고 있다. 이 때, 가상현실 기술은 컴퓨터를 이용하여 현실 세계에 존재하지 않는 가상 공간을 구축한 후 그 가상 공간을 현실처럼 느끼게 하는 기술을 말하고, 증강현실 또는 혼합현실 기술은 현실 세계 위에 컴퓨터에 의해 생성된 정보를 덧붙여 표현하는 기술, 즉 현실 세계와 가상 세계를 결합함으로써 실시간으로 사용자와 상호작용이 이루어지도록 하는 기술을 말한다.

이들 중 증강현실과 혼합현실 기술은 다양한 분야의 기술(예컨대, 방송 기술, 의료 기술 및 게임 기술 등)들과 접목되어 활용되고 있다. TV에서 일기 예보를 하는 기상 캐스터 앞의 날씨 지도가 자연스럽게 바뀌는 경우나, 스포츠 중계에서 경기장에 존재하지 않는 광고 이미지를 경기장에 실제로 존재하는 것처럼 화면에 삽입하여 송출하는 경우가 방송 기술 분야에 증강현실 기술이 접목되어 활용된 대표적인 예이다.

증강현실 또는 혼합현실을 사용자에게 제공하는 대표적인 서비스로서, 메타버스가 있다. 이 메타버스는 가공, 추상을 의미하는 '메타(Meta)'와 현실세계를 의미하는 '유니버스(Universe)'의 합성어로 3차원 가상세계를 의미한다. 메타버스는 기존의 가상현실 환경(Virtual reality environment)이라는 용어보다 진보된 개념으로서, 웹과 인터넷 등의 가상세계가 현실세계에 흡수된 증강 현실 환경을 제공한다.

일 실시예에 따른 가상 공간을 구축하는 서버에 의하여 수행되는 방법은, 가상 공간 내의 사용자들 중 제1 사용자의 단말로부터 수신된 상기 제1 사용자의 음성 데이터로부터, 타겟 발화(target utterance)에 대응하는 제1 부분 음성 데이터를 추출하는 동작을 포함할 수 있다. 일 실시예에 따른 가상 공간을 구축하는 서버에 의하여 수행되는 방법은, 상기 제1 사용자의 제1 부분 음성 데이터를 수신할 타겟 사용자를 결정하는 동작을 포함할 수 있다. 일 실시예에 따른 가상 공간을 구축하는 서버에 의하여 수행되는 방법은, 상기 타겟 사용자의 타겟 단말에게 상기 제1 부분 음성 데이터의 재생을 명령하는 동작을 포함할 수 있다. 일 실시예에 따른 가상 공간을 구축하는 서버에 의하여 수행되는 방법은, 상기 타겟 단말이 상기 제1 부분 음성 데이터를 재생하는 동안 상기 타겟 사용자에 대해 제2 사용자의 제2 부분 음성 데이터의 전달이 요청된 것에 기초하여, 상기 제2 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 상기 타겟 단말에게 명령하는 동작을 포함할 수 있다.

도 1은 일 실시예에 따른 전자 장치의 예시적인 구성을 도시한 블록도이다.
도 2는 일 실시 예에 따른 옵티컬 씨스루 장치를 도시한다.
도 3은 눈 추적 카메라, 투명 부재, 및 디스플레이에 관한 예시적인 광학계를 도시한다.
도 4는 일 실시 예에 따른 비디오 씨스루 장치를 도시한다.
도 5는 일 실시 예에 따른 가상 공간의 구축, 가상 공간 내 사용자로부터의 입력 및 사용자에 대한 출력을 설명한다.
도 6은 일 실시예에 따른 서버가 음성 데이터의 재생 및 시각적 정보의 표시를 타겟 단말에게 명령하는 동작을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 서버가 가상 공간에 진입한 복수의 사용자들 간에 음성 데이터를 전달하는 예시를 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 서버의 제1 부분 음성 데이터를 추출하는 동작을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 서버의 시작 이벤트 및 종료 이벤트 검출에 따른 가상 공간 내의 사용자들에게 음성 데이터의 전달 동작을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 서버가 타겟 사용자를 결정하는 동작 및 결정된 타겟 사용자에 따른 서버의 동작을 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 서버가 타겟 사용자에 대하여 복수의 부분 음성 데이터들의 전달이 요청된 경우에 수행하는 동작을 설명하기 위한 도면이다.
도 12는 일 실시예에 따른 서버가 인공 지능 서버에게 부분 음성 데이터를 전달하는 동작 및 인공 지능 서버로부터 피드백 음성 데이터를 수신하는 동작을 나타낼 수 있다.

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

도 1은 일 실시예에 따른 전자 장치의 예시적인 구성을 도시한 블록도이다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공 지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공 지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공 지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공 지능 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. 인공 지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(160)(예: 디스플레이)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스쳐 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.

무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다.

외부 전자 장치들(102, 103 또는 108) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102,103 또는 108) 중 하나 이상의 외부 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 본 명세서에서는 전자 장치(101)가 증강 현실 장치(예: 도 2의 전자 장치(201), 도 3의 전자 장치(301), 또는 도 4의 전자 장치(401))이고, 외부 전자 장치들(102, 103 또는 108) 중 서버(108)가 가상 공간 및 가상 공간과 관련된 추가 기능 또는 서비스를 실행한 결과를 전자 장치(101)에게 전달하는 예시를 주로 설명한다.

서버(108)는 프로세서(181), 통신 모듈(182), 및 메모리(183)를 포함할 수 있다. 프로세서(181), 통신 모듈(182), 및 메모리(183)는 전자 장치(101)의 프로세서(120), 통신 모듈(190), 및 메모리(130)와 유사하게 구성될 수 있다. 예시적으로, 프로세서(181)는, 메모리(183)에 저장된 명령어를 실행함으로써 가상 공간 및 가상 공간 내에서 사용자들 간의 인터랙션을 제공할 수 있다. 프로세서(181)는 가상 공간 및 가상 공간 내 오브젝트의 시각적 정보, 청각적 정보 또는 촉각적 정보 중 적어도 하나를 생성할 수 있다. 예를 들어, 시각적 정보로서 프로세서(181)는 가상 공간의 외형(예: 형태, 크기, 색상, 또는 질감) 및 가상 공간 내 위치된 오브젝트의 외형(예: 형태, 크기, 색상, 또는 질감)을 렌더링한 렌더링 데이터(예: 시각적 렌더링 데이터)를 생성할 수 있다. 또한, 프로세서(181)는 가상 공간 내 오브젝트들(예: 물리적 오브젝트 가상 오브젝트, 또는 아바타 오브젝트) 간의 인터랙션, 또는 오브젝트(예: 물리적 오브젝트, 가상 오브젝트 또는 아바타 오브젝트)에 대한 사용자 입력 중 적어도 하나에 기초한 변화(예: 오브젝트의 외형 변화, 소리 발생, 또는 촉각 발생)를 렌더링한 렌더링 데이터를 생성할 수도 있다. 통신 모듈(182)은 사용자의 제1 전자 장치(예: 전자 장치(101)) 및 다른 사용자의 제2 전자 장치(예: 전자 장치(102))와 통신을 수립할 수 있다. 통신 모듈(182)은 상기 제1 전자 장치 및 상기 제2 전자 장치에게 전술한 시각 정보, 촉각 정보, 또는 청각 정보 중 적어도 하나를 전송할 수 있다. 예를 들어, 통신 모듈(182)은 렌더링 데이터를 전송할 수 있다.

예들 들어, 서버(108)는 어플리케이션에서 실행한 컨텐츠 데이터를 렌더링 후 전자 장치(101)에 전달하고, 상기 데이터를 수신한 전자 장치(101)는 상기 컨텐츠 데이터를 디스플레이 모듈(160)에 출력할 수 있다. 만일, 전자 장치(101)가 IMU센서 등을 통해 사용자 움직임을 감지하면 전자 장치(101)의 프로세서(181)는 외부 전자장치(102)로부터 수신한 렌더링 데이터를 상기 움직임 정보를 기반으로 보정하여 디스플레이 모듈(160)에 출력할 수 있다. 또는 외부 전자 장치(108)에 상기 움직임 정보를 전달하여 이에 따라 화면 데이터가 갱신되도록 렌더링을 요청할 수 있다. 다만, 이로 한정하는 것은 아니고, 전술한 렌더링이 스마트폰 또는 전자 장치(101)을 보관하고 충전할 수 있는 케이스 장치 등 다양한 형태의 외부 전자 장치(102, 103)에 의해 수행될 수 있다. 외부 전자 장치(102, 103)에 의해 생성된 전술한 가상 공간에 대응하는 렌더링 데이터가 전자 장치(101)로 제공될 수 있다. 다른 예를 들어, 전자 장치(101)가 서버(108)로부터 가상 공간 정보(예: 가상 공간을 정의하는 정점(vertex) 좌표, 텍스쳐, 색상) 및 오브젝트 정보(예: 오브젝트의 외형을 정의하는 정점 좌표, 텍스쳐, 색상)를 수신하고, 수신된 데이터에 기초하여 자체적으로 렌더링을 수행할 수도 있다.

도 2는 일 실시 예에 따른 옵티컬 씨스루 장치를 도시한다.

전자 장치(201)는 디스플레이(예: 도 1의 디스플레이 모듈(160)), 비전 센서, 광원(230a, 230b), 광학 소자, 또는 기판 중 적어도 하나를 포함할 수 있다. 디스플레이가 투명하고, 투명한 디스플레이를 통해 영상을 제공하는 전자 장치(201)를 옵티컬 씨스루 장치(optical see-through device, OST device)라고 나타낼 수 있다.

디스플레이는, 예를 들면, 액정 표시 장치(liquid crystal display; LCD), 디지털 미러 표시 장치(digital mirror device; DMD), 실리콘 액정 표시 장치(liquid crystal on silicon; LCoS), 유기 발광 다이오드(organic light emitting diode; OLED) 또는 마이크로 엘이디(micro light emitting diode; micro LED)를 포함할 수 있다. 도시되지는 않지만, 디스플레이가 액정 표시 장치, 디지털 미러 표시 장치 또는 실리콘 액정 표시 장치 중 하나로 이루어지는 경우, 전자 장치(201)는 디스플레이의 화면 출력 영역(예: 화면 표시부(215a, 215b)으로 빛을 조사하는 광원(230a, 230b)을 포함할 수 있다. 다른 실시 예에서, 디스플레이가 자체적으로 빛을 발생시킬 수 있는 경우, 예를 들어, 유기 발광 다이오드 또는 마이크로 엘이디 중 하나로 이루어지는 경우, 전자 장치(201)는 별도의 광원(230a, 230b)을 포함하지 않더라도 사용자에게 양호한 품질의 가상 영상을 제공할 수 있다. 일 실시 예에서, 디스플레이가 유기 발광 다이오드 또는 마이크로 엘이디로 구현된다면 광원(230a, 230b)이 불필요하므로, 전자 장치(201)가 경량화될 수 있다.

도 2를 참조하면, 전자 장치(201)는, 디스플레이, 제1 투명 부재(225a) 및/또는 제2 투명 부재(225b)를 포함할 수 있으며, 사용자는 안면에 전자 장치(201)를 착용한 상태로 사용할 수 있다. 제1 투명 부재(225a) 및/또는 제2 투명 부재(225b)는 글래스 플레이트, 플라스틱 플레이트 또는 폴리머로 형성될 수 있으며, 투명 또는 반투명하게 제작될 수 있다. 한 실시 예에 따르면, 제1 투명 부재(225a)는 사용자의 우안에 대면하게 배치될 수 있고, 제2 투명 부재(225b)는 사용자의 좌안에 대면하게 배치될 수 있다. 디스플레이는 제1 투명 부재(225a)에 대응하는 제1 영상(예: 우영상)을 출력하는 제1 디스플레이(205) 및 제2 투명 부재(225b)에 대응하는 제2 영상(예: 좌영상)을 출력하는 제2 디스플레이(210)를 포함할 수 있다. 일 실시 예에 따라 각 디스플레이가 투명한 경우, 각 디스플레이 및 투명 부재는 사용자 눈과 대면하는 위치에 배치되어 화면 표시부(215a, 215b)를 구성할 수 있다.

일 실시예에서, 디스플레이(205, 210)로부터 방출되는 광은 입력 광학 부재(220a, 220b)를 통해 웨이브가이드로 광 경로가 유도될 수 있다. 웨이브가이드 내부를 이동하는 광은 출력 광학 부재(예: 도 3의 출력 광학 부재(340))를 통해 사용자 눈 방향으로 유도될 수 있다. 화면 표시부들(215a, 215b)는 사용자의 눈 방향으로 방출되는 광에 기반하여 결정될 수 있다.

예컨대, 디스플레이(205,210)로부터 방출되는 광은 입력 광학 부재(220a, 220b)와 화면 표시부들(215a, 215b)에 형성된 웨이브가이드의 그레이팅 영역(grating area)에 반사되어 사용자의 눈에 전달될 수 있다.

광학 소자는 렌즈 또는 광도파로 중 적어도 하나를 포함할 수 있다.

렌즈는 디스플레이로 출력되는 화면을 사용자의 눈에 보여질 수 있도록 초점을 조절할 수 있다. 렌즈는, 예를 들어, 프레넬(Fresnel) 렌즈, 팬케이크(Pancake) 렌즈, 또는 멀티채널 렌즈 중 적어도 하나를 포함할 수 있다.

광도파로는 디스플레이에서 발생한 영상 광(image ray)을 사용자 눈으로 전달할 수 있다. 예시적으로, 영상 광은 광원(230a, 230b)에 의해 방출된 빛(light)이 디스플레이의 화면 출력 영역을 통과한 광선(ray)을 나타낼 수 있다. 광도파로는 글래스, 플라스틱 또는 폴리머로 제작될 수 있다. 광도파로는 내부 또는 외부의 일부 표면에 형성된 나노 패턴, 예를 들어, 다각형 또는 곡면 형상의 격자 구조(grating structure)를 포함할 수 있다. 광도파로의 예시적인 구조는 하기 도 3에서 후술한다.

비전 센서는 카메라 센서 또는 깊이 센서 중 적어도 하나를 포함할 수 있다.

제1 카메라(265a, 265b)는 인식용 카메라로서, 3DoF, 6DoF의 헤드 트랙킹(Head Tracking), 손 검출, 핸드 트랙킹(Hand tracking) 및 공간인식을 위해 사용되는 카메라일 수 있다. 제1 카메라(265a, 265b)는 주로 GS(Global shutter) 카메라를 포함할 수 있다. Head Tracking과 공간 인식을 위해서는 Stereo 카메라가 필요하기 때문에, 제1 카메라(265a, 265b)는 2개 이상의 GS카메라를 포함할 수 있다. GS 카메라는, 빠른 손동작과 손가락 등 미세한 움직임을 검출하고 움직임을 추적하기 위한 측면에서, RS(Rolling shutter) 카메라 대비 성능이 우수할 수 있다. 예시적으로, GS 카메라는 낮은 영상끌림(image blur)을 가질 수 있다. 제1 카메라(265a, 265b)는 6DoF를 위한 공간인식, Depth 촬영을 통한 SLAM 기능에 사용되는 이미지 데이터를 캡처할 수 있다. 또한 제1 카메라(265a, 265b)에 의해 캡처된 이미지 데이터에 기초하여 사용자 제스쳐 인식 기능이 수행될 수 있다.

제2 카메라(270a, 270b)는, ET(Eye Tracking) 카메라로서, 사용자의 눈동자를 검출하고 추적하기 위한 이미지 데이터를 캡쳐하는 데 사용될 수 있다. 제2 카메라(270a, 270b)는 하기 도 3에서 후술한다.

제3 카메라(245)는 촬영용 카메라일 수 있다. 제3 카메라(245)는 HR(High Resolution) 또는 PV(Photo Video)의 이미지를 캡쳐하기 위한 고해상도의 카메라를 포함할 수 있다. 제3 카메라(245)는 AF 기능과 떨림 보정(OIS)등 고화질의 영상을 얻기 위한 기능들이 구비된 Color 카메라를 포함할 수 있다. 제3 카메라(245)는, GS 카메라 또는 RS 카메라 일 수 있다.

제4 카메라부(예: 하기 도 4의 얼굴 인식 카메라(430))는 얼굴 인식 카메라로서, FT(Face Tracking) 카메라는 사용자의 얼굴 표정을 검출하고 추적할 용도로 사용될 수 있다.

깊이 센서(미도시됨)는 TOF(Time of Flight)와 같이 물체와의 거리 확인을 위한 정보를 센싱하는 센서를 나타낼 수 있다. TOF는 신호(근적외선, 초음파, 레이저 등)를 이용하여 어떤 사물의 거리를 측정하는 기술이다. TOF 기술에 기초한 깊이 센서는 송신부에서 신호를 발사하고, 수신부에서 신호를 측정하는데 신호의 비행시간을 측정할 수 있다.

광원(230a, 230b)(예: 조명 모듈(illumination module))은 다양한 파장의 빛을 조사하는 소자(예: LED(light emitting diode))를 포함할 수 있다. 조명 모듈은 용도에 따라 다양한 위치에 부착될 수 있다. 일 사용 예로, 증강현실 안경 장치의 프레임 주변에 부착된 제1 조명 모듈(예: LED 소자)는 ET카메라로 눈의 움직임을 추적할 때 시선 검출을 보조하기 위한 빛을 방출할 수 있다. 제1 조명 모듈은 적외선 파장의 IR LED를 예시적으로 포함할 수 있다. 다른 사용　예로, 제2 조명 모듈(예: LED 소자)는 프레임(Frame)과 템플(Temple)을 연결하는 힌지(240a, 240b)(Hinge) 주변이나, 프레임(frame)을 연결해 주는 브릿지(bridge) 주변에 장착된 카메라와 인접하여 부착될 수 있다. 제2 조명 모듈은 카메라 촬영시 주변 밝기를 보충하기 위한 빛을 방출할 수 있다. 어두운 환경에서 피사체 검출이 용이하지 않은 경우, 제2 조명 모듈이 발광할 수 있다.

기판(235a, 235b)(예: 인쇄 회로 기판(printed circuit board, PCB))은 전술한 구성 요소들을 지지할 수 있다.

인쇄 회로 기판(printed circuit board, PCB)은 안경 다리부에 배치될 수 있다. FPCB는 각 모듈 (예: 카메라, 디스플레이, 오디오 모듈, 센서 모듈) 및 다른 인쇄 회로 기판에 전기 신호를 전달할 수 있다. 일 실시 예에 따라 적어도 하나의 인쇄 회로 기판은 제1 기판, 제2 기판 및 상기 제1 기판과 상기 제2 기판 사이에 배치된 인터포저를 포함하는 형태일 수 있다. 또 다른 예로, 인쇄 회로 기판은 세트 중앙부에 배치될 수 있다. FPCB를 통해 각 모듈 및 다른 인쇄 회로 기판에 전기 신호를 전달할 수 있다.

다른 구성요소는, 예를 들어, 복수의 마이크(예: 제1 마이크(250a), 제2 마이크(250b), 제3 마이크(250c)), 복수의 스피커(예: 제1 스피커(255a), 제2 스피커(255b)), 배터리(260), 안테나, 또는 센서(가속도 센서, 자이로 센서, 터치 센서 등) 중 적어도 하나를 포함할 수 있다.

도 3은 눈 추적 카메라, 투명 부재, 및 디스플레이에 관한 예시적인 광학계를 도시한다.

도 3은 일 실시예에 따른 전자 장치에 포함된 눈추적 카메라의 동작을 설명하기 위한 도면이다. 도 3을 참조하면, 일 실시예에 따른 전자 장치(301)의 눈추적 카메라(310)(예: 도 2의 제1 눈추적 카메라(270a), 제2 눈추적 카메라(270b))가 디스플레이(320)(예: 도 2의 제1 디스플레이(205), 제2 디스플레이(210))로부터 출력된 광(예: 적외선 광)을 이용하여 사용자의 눈(309), 다시 말해 사용자의 시선을 추적하는 과정이 도시된다.

제2 카메라(예: 도 2의 제2 카메라(270a, 270b))는 전자 장치(301)에 투영되는 가상영상의 중심이 전자 장치(301)의 착용자의 눈동자가 응시하는 방향에 따라 위치시키기 위한 정보를 수집하는 눈추적 카메라(310)일 수 있다. 제2 카메라도 눈동자(pupil)을 검출하고 빠른 눈동자 움직임을 추적할 수 있도록 GS 카메라를 포함할 수 있다. ET 카메라도 좌안, 우안용으로 각각 설치하며 각각의 카메라 성능과 규격은 동일한 것이 사용될 수 있다. 눈추적 카메라(310)는 시선 추적 센서(315)를 포함할 수 있다. 시선 추적 센서(315)는 눈추적 카메라(310)의 내부에 포함될 수 있다. 디스플레이(320)로부터 출력된 적외선 광이 하프 미러에 의해 사용자의 눈(309)으로 적외선 반사광(303)으로서 전달될 수 있다. 시선 추적 센서(315)는 적외선 반사광(303)이 사용자의 눈(309)으로부터 반사된 적외선 투과광(305)을 감지할 수 있다. 눈추적 카메라(310)는 시선 추적 센서(315)의 감지 결과를 기초로 사용자의 눈(309), 다시 말해 사용자의 시선을 추적할 수 있다.

디스플레이(320)는 복수의 가시광선 픽셀 및 복수의 적외선 픽셀을 포함할 수 있다. 가시광선 픽셀은 R, G, B 픽셀을 포함할 수 있다. 가시광선 픽셀은 가상 객체 이미지에 대응하는 가시광선 광을 출력할 수 있다. 적외선 픽셀은 적외선 광을 출력할 수 있다. 디스플레이(320)는 예를 들어, 마이크로 LED(micro light emitting diodes) 또는 OLED(organic light emitting diodes)를 포함할 수 있다.

디스플레이 광도파관(350) 및 눈추적 카메라 광도파관(360)은 투명 부재(370)(예: 도 2의 제1 투명 부재(225a), 제2 투명 부재(225b))의 내부에 포함될 수 있다. 투명 부재(370)는 글래스 플레이트, 플라스틱 플레이트 또는 폴리머로 형성될 수 있으며, 투명 또는 반투명하게 제작될 수 있다. 투명 부재(370)는 사용자의 눈과 대면하게 배치될 수 있다. 이때, 투명 부재(370)와 사용자의 눈(309) 사이의 거리를 '눈동자 거리'(eye relief)(380)라고 부를 수 있다.

투명 부재(370)는 광 도파관들(350, 360)을 포함할 수 있다. 투명 부재(370)는 입력 광학 부재(330) 및 출력 광학 부재(340)를 포함할 수 있다. 또한, 투명 부재(370)는 입력 광을 여러 도파로 분리하는 눈추적용 스플리터(splitter)(375)를 포함할 수 있다.

일 실시 예에 따르면, 디스플레이 광도파관(350)의 일단으로 입사된 광은 나노 패턴에 의해 디스플레이 광도파관(350) 내부에서 전파되어 사용자에게 제공될 수 있다. 또한 자유형(Free-form) 프리즘으로 구성된 디스플레이 광도파관(350)는 입사된 광을 반사 미러를 통해 사용자에게 영상 광을 제공할 수 있다. 디스플레이 광도파관(350)는 적어도 하나의 회절 요소(예: DOE(Diffractive Optical Element), HOE(Holographic Optical Element)) 또는 반사 요소(예: 반사 거울) 중 적어도 하나를 포함할 수 있다. 디스플레이 광도파관(350)는 상기 디스플레이 광도파관(350)에 포함된 적어도 하나의 회절 요소 또는 반사 요소를 이용하여 광원으로부터 방출된 디스플레이 광(예: 이미지 광)을 사용자의 눈으로 유도할 수 있다. 참고로, 또한, 도 3에서는 출력 광학 부재(340)가 눈추적용 광 도파관(360)과 분리된 것으로 표현되었지만, 출력 광학 부재(340)는 눈추적용 광 도파관(360)의 내부에 포함될 수도 있다.

다양한 실시예들에 따라, 회절 요소는 입력 광학 부재(330) 및 출력 광학 부재(340)를 포함할 수 있다. 예컨대, 입력 광학 부재(330)는 입력 그레이팅 영역(input grating area)을 의미할 수 있다. 출력 광학 부재(340)는 출력 그레이팅 영역(output grating area)을 의미할 수 있다. 입력 그레이팅 영역은 (예: Micro LED)로부터 출력되는 빛을 화면 표시부의 투명 부재(예: 제1 투명 부재, 제2 투명 부재)로 빛을 전달하기 위해 회절(또는 반사)시키는 입력단 역할을 할 수 있다. 출력 그레이팅 영역은 웨이브가이드의 투명 부재(예: 제1 투명 부재, 제2 투명 부재)에 전달된 빛을 사용자의 눈으로 회절(또는 반사)시키는 출구 역할을 할 수 있다.

다양한 실시예들에 따라, 반사 요소는 전반사(total internal reflection, TIR)를 위한 전반사 광학 소자 또는 전반사 도파관을 포함할 수 있다. 예컨대, 전반사는 광을 유도하는 하나의 방식으로, 입력 그레이팅 영역을 통해 입력되는 빛(예: 가상 영상)이 웨이브가이드의 일면(예: 특정 면)에서 100% 반사되도록 입사각을 만들어, 출력 그레이팅 영역까지 100% 전달되도록 하는 것을 의미할 수 있다.

일 실시예에서, 디스플레이(320)로부터 방출되는 광은 입력 광학 부재(330)를 통해 웨이브가이드로 광 경로가 유도될 수 있다. 웨이브가이드 내부를 이동하는 광은 출력 광학 부재(340)를 통해 사용자 눈 방향으로 유도될 수 있다. 화면 표시부는 눈 방향으로 방출되는 광에 기반하여 결정될 수 있다.

도 4는 일 실시 예에 따른 비디오 씨스루 장치를 도시한다.

도 2 및 도 3에서는 디스플레이가 투명한 예시를 설명하였으나, 이로 한정하는 것은 아니다. 도 4를 참조하면 전자 장치(401)는 불투명 디스플레이(440)를 포함할 수도 있다. 전자 장치(401)는 카메라 센서들(410, 420)(예: 도 2의 촬영용 제1 카메라(265a, 265b) 또는 제3 카메라(245))를 이용하여 캡처된 이미지 데이터에 기초하여, 사용자의 시야(FOV, field of view)에 대응하는 장면 이미지를 생성할 수 있다. 전자 장치(401)는 생성된 장면 이미지를 불투명한 디스플레이(440)를 통해 출력할 수 있다. 전자 장치(401)는 디스플레이(440) 및 개별 렌즈를 통해, 사용자의 좌안에는 좌안 시야에 대응하는 장면 영상을 제공하고, 사용자의 우안에는 우안 시야에 대응하는 장면 영상을 제공할 수 있다. 따라서, 사용자는 카메라, 디스플레이(440), 및 렌즈에 기초하여 제공되는 비디오 이미지를 통해, 시야에 대응하는 시각적 정보를 제공받을 수 있다. 도 4에 도시된 전자 장치(401)를 비디오 씨스루 장치(Video See Through device, VST device)라고도 나타낼 수 있다. 전자 장치(401)는 얼굴 인식 카메라(430)를 포함할 수 있다.

참고로, 도 4에 도시된 전자 장치(401)에서, 카메라 센서들(410, 420), 깊이 센서(450), 디스플레이(440), 또는 렌즈의 배치는 예시적인 것으로서, 도시된 바로 한정하는 것은 아니다.

도 5는 일 실시 예에 따른 가상 공간의 구축, 가상 공간 내 사용자로부터의 입력 및 사용자에 대한 출력을 설명한다.

전자 장치(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201), 도 3의 전자 장치(301), 도 4의 전자 장치(401))는 센서를 이용하여 센서가 위치된 물리적 공간에 대한 공간 정보를 획득할 수 있다. 공간 정보는 센서가 위치된 물리적 공간의 지리적 위치, 공간의 크기, 공간의 외형(appearance), 공간 내 배치된 물리적 오브젝트(551)의 위치, 물리적 오브젝트(551)의 크기, 물리적 오브젝트(551)의 외형, 및 조명(illuminant) 정보를 포함할 수 있다. 공간 및 물리적 오브젝트(551)의 외형은, 공간 및 물리적 오브젝트(551)의 형상, 질감, 또는 색상 중 적어도 하나를 포함할 수 있다. 조명 정보는 물리적 공간 내에서 작용하는 빛을 방출하는 광원에 관한 정보로서, 조명의 세기, 방향, 또는 색상 중 적어도 하나를 포함할 수 있다. 전술한 센서는 증강 현실을 제공하기 위한 정보를 수집할 수 있다. 예를 들어, 도 2 내지 도 4에 도시된 증강현실 장치를 참조하면, 센서는 카메라 및 깊이 센서를 포함할 수 있다. 다만, 이로 한정하는 것은 아니고, 센서는 적외선 센서, 깊이 센서(예: 라이다 센서, 레이더 센서, 또는 스테레오 카메라), 자이로 센서, 가속도 센서, 또는 지자기 센서 중 적어도 하나를 더 포함할 수도 있다.

전자 장치(501)는 여러 시간 프레임들에 걸쳐 공간 정보를 수집할 수 있다. 예를 들어, 각 시간 프레임에서, 전자 장치(501)는 물리적 공간 중 전자 장치(501)의 위치에서 센서의 센싱 범위(예: 시야 범위(field of view, FOV)) 내의 장면(scene)에 속하는 부분의 공간에 관한 정보를 수집할 수 있다. 전자 장치(501)는 여러 시간 프레임들의 공간 정보를 분석함으로써, 시간 흐름에 따른 오브젝트의 변경(예: 위치 이동 또는 상태 변화)을 추적할 수 있다. 전자 장치(501)는 복수의 센서들을 통해 수집된 공간 정보를 통합적으로 분석함으로써, 복수의 센서들의 통합된 센싱 범위에 대한 통합된 공간 정보(예: 물리적 공간에서 전자 장치(501) 주변 장면들을 공간적으로 스티칭한 이미지)를 획득할 수도 있다.

일 실시예에 따른 전자 장치(501)는 센서의 다양한 입력 신호(예: RGB카메라, 적외선 센서, 깊이 센서, 또는 스테레오 카메라의 센싱 데이터)를 활용하여 물리적 공간을 3차원 정보로 분석할 수 있다. 예를 들어, 전자 장치(501)는 물리적 공간의 형상, 크기, 위치, 물리적 오브젝트(551)의 형상, 크기 또는 위치 중 적어도 하나를 분석할 수 있다.

예를 들어, 전자 장치(501)는 카메라의 센싱 데이터(예: 캡처된 이미지)를 이용하여, 카메라의 시야각에 대응하는 장면 내에 캡쳐된 오브젝트를 검출할 수 있다. 전자 장치(501)는 카메라의 2차원 장면 이미지로부터 물리적 오브젝트(551)의 라벨(예: 오브젝트의 분류를 지시하는 정보로서, 의자, 모니터, 또는 식물을 지시하는 값을 포함) 및 2차원 장면 내에서 물리적 오브젝트(551)가 차지하는 면적(예: 바운딩 박스)을 결정할 수 있다. 따라서, 전자 장치(501)는 사용자(590)가 바라보는 위치에서의 2차원 장면 정보를 획득할 수 있다. 또한, 전자 장치(501)는 카메라의 센싱 데이터에 기초하여 전자 장치(501)의 물리적 공간 내 위치도 계산할 수 있다.

전자 장치(501)는 깊이 센서의 센싱 데이터(예: 깊이 데이터)를 이용하여 사용자(590)의 위치 정보와 바라보는 방향의 실제 공간의 깊이 정보를 획득할 수 있다. 깊이 정보는 깊이 센서로부터 각 지점까지의 거리를 나타내는 정보로서, 깊이 맵의 형상으로 표현될 수 있다. 전자 장치(501)는 사용자(590)가 바라보는 3차원 위치에서의 각 픽셀단위의 거리를 분석할 수 있다.

전자 장치(501)는 다양한 센싱 데이터를 이용하여 3차원 포인트 클라우드 및 메쉬를 포함하는 정보를 획득할 수 있다. 전자 장치(501)는 물리적 공간을 분석하여 공간을 구성하는 면, 메쉬 또는 3차원 좌표 지점 클러스터를 획득할 수 있다. 전자 장치(501)는 전술한 바와 같이 획득된 정보에 기초하여 물리적 오브젝트들을 나타내는 3차원 포인트 클라우드를 획득할 수 있다.

전자 장치(501)는 물리적 공간을 분석하여, 물리적 공간 내 배치된 물리적 오브젝트들의 3차원 위치 좌표, 3차원 형상, 또는 3차원 크기(예: 3차원 바운딩 박스) 중 적어도 하나를 포함하는 정보를 획득할 수 있다.

따라서, 전자 장치(501)는 3차원 공간 내에서 검출된 물리적 오브젝트 정보 및 3차원 공간에 대한 시맨틱 분할 정보(semantic segmentation information)를 획득할 수 있다. 물리적 오브젝트 정보는 3차원 공간 내 물리적 오브젝트(551)의 위치, 외형(appearance)(예: 형상(shape), 질감(texture), 및 색상(color)) 또는 크기 중 적어도 하나를 포함할 수 있다. 시맨틱 분할 정보는 3차원 공간을 부분 공간으로 시맨틱하게 분할한 정보로서, 예를 들어, 3차원 공간이 오브젝트 및 배경으로 분할된 것을 나타내는 정보, 배경이 벽, 바닥, 및 천장으로 분할된 것을 나타내는 정보를 포함할 수 있다. 전자 장치(501)는 전술한 바와 같이 물리적 오브젝트(551) 및 물리적 공간에 대한 3차원 정보(예: 공간 정보)를 획득하고, 저장할 수 있다. 전자 장치(501)는 공간 정보와 함께 사용자(590)의 공간 내 3차원 위치정보를 저장할 수 있다.

일 실시예에 따른 전자 장치(501)는 전자 장치(501) 및/또는 사용자(590)의 물리적인 위치를 기준으로 가상 공간(500)을 구축할 수 있다. 전자 장치(501)는 전술한 공간 정보를 참조하여 가상 공간(500)을 생성할 수 있다. 전자 장치(501)는 공간 정보에 기초하여 물리적 공간과 동일한 스케일의 가상 공간(500)을 생성하고, 생성된 가상 공간(500) 내 오브젝트를 배치할 수 있다. 전자 장치(501)는 물리적 공간 전체를 대신하는 이미지를 출력함으로써 완전한 가상 현실을 사용자(590)에게 제공할 수 있다. 전자 장치(501)는 물리적 공간 중 일부를 대신하는 이미지를 출력함으로써 혼합 현실(mixed reality, MR) 또는 증강 현실(augmented reality, AR)을 제공할 수 있다. 다만, 전술한 물리적 공간에 대한 분석에 의해 획득된 공간 정보에 기초한 가상 공간(500)의 구축이 설명되나, 전자 장치(501)는 사용자(590)의 물리적인 위치와 무관하게 가상 공간(500)을 구축할 수도 있다. 본 명세서에서 가상 공간(500)은 증강 현실 또는 가상 현실에 대응하는 공간으로서, 메타버스 공간이라고도 나타낼 수 있다.

예시적으로, 전자 장치(501)는 물리적 공간 중 적어도 일부 공간을 대체하는 가상 그래픽 표현(virtual graphic representation)을 제공할 수 있다. 옵티컬 씨스루에 기반한 전자 장치(501)는, 화면 표시부에서 적어도 일부 공간에 대응하는 화면 영역에 가상 그래픽 표현을 오버레이하여 출력할 수 있다. 비디오 씨스루에 기반한 전자 장치(501)는, 공간 정보에 기초하여 렌더링된 물리적 공간에 대응하는 공간 이미지 중 적어도 일부 공간에 대응하는 이미지 영역을 가상 그래픽 표현으로 대체함으로써 생성된 이미지를 출력할 수 있다. 전자 장치(501)는 물리적 공간에서 배경의 적어도 일부를 가상 그래픽 표현으로 대체할 수 있으나, 이로 한정하는 것은 아니다. 전자 장치(501)는 배경에 대한 변경 없이 공간 정보에 기초한 가상 공간(500) 내에 가상 오브젝트(552)의 추가 배치만 수행할 수도 있다.

전자 장치(501)는 가상 오브젝트(552)를 가상 공간(500) 내 배치하고 출력할 수 있다. 전자 장치(501)는 가상 오브젝트(552)가 차지하는 공간(예: 가상 오브젝트(552)의 외형에 대응하는 부피)에 해당 가상 오브젝트(552)의 조작 영역을 설정할 수 있다. 조작 영역은 가상 오브젝트(552)에 대한 조작이 발생하는 영역을 나타낼 수 있다. 또한, 전자 장치(501)는 물리적 오브젝트(551)를 가상 오브젝트(552)로 대체하여 출력할 수 있다. 물리적 오브젝트(551)에 대응하는 가상 오브젝트(552)는 해당 물리적 오브젝트(551)와 동일 또는 유사한 형상을 가질 수 있다. 다만, 이로 한정하는 것은 아니고, 전자 장치(501)는, 물리적 오브젝트(551)를 대체하는 가상 오브젝트(552)의 출력 없이, 물리적 오브젝트(551)가 차지하는 공간 또는 물리적 오브젝트(551)에 대응하는 위치에 조작 영역만 설정할 수도 있다. 다시 말해, 전자 장치(501)는 물리적 오브젝트(551)를 나타내는 시각 정보(예: 물리적 오브젝트(551)로부터 반사된 빛 또는 물리적 오브젝트(551)를 캡처한 이미지)를 변경 없이 사용자(590)에게 그대로 전달하고, 해당 물리적 오브젝트(551)에 조작 영역을 설정할 수 있다. 조작 영역은 가상 오브젝트(552) 또는 물리적 오브젝트(551)가 차지하는 공간과 같은 형상 및 부피로 설정될 수 있으나, 이로 한정하는 것은 아니다. 전자 장치(501)는 가상 오브젝트(552)가 차지하는 공간 또는 물리적 오브젝트(551)가 차지하는 공간보다 작은 조작 영역을 설정할 수도 있다.

일 실시예에 따르면 전자 장치(501)는 사용자(590)를 나타내는 가상 오브젝트(552)(예: 아바타 오브젝트)를 가상 공간(500) 내에 배치할 수 있다. 아바타 오브젝트를 1인칭 시점으로 제공하는 경우, 전자 장치(501)는 전술한 디스플레이(예: 옵티컬 씨스루 디스플레이 또는 비디오 씨스루 디스플레이)를 통해 사용자(590)에게 아바타 오브젝트의 일부(예: 손, 몸통, 또는 다리)에 대응하는 그래픽 표현을 시각화할 수 있다. 다만, 이로 한정하는 것은 아니고, 아바타 오브젝트를 3인칭 시점으로 제공하는 경우, 전자 장치(501)는 전술한 디스플레이를 통해 사용자(590)에게 아바타 오브젝트의 전체 형상(예: 뒷모습)에 대응하는 그래픽 표현을 시각화할 수도 있다. 전자 장치(501)는 사용자(590)에게 아바타 오브젝트와 일체화된 경험을 제공할 수 있다.

또한, 전자 장치(501)는 같은 가상 공간(500)으로 진입한 다른 사용자의 아바타 오브젝트로 제공할 수 있다. 전자 장치(501)는 같은 가상 공간(500)에 진입한 다른 전자 장치(501)에게 제공되는 피드백 정보(예: 시각, 청각, 또는 촉각 중 적어도 하나에 기초한 정보)와 동일 또는 유사한 피드백 정보를 수신할 수 있다. 예를 들어, 임의의 가상 공간(500)에 한 오브젝트가 배치되고 복수의 사용자들이 해당 가상 공간(500)에 억세스한 경우, 복수의 사용자들의 전자 장치(501)들은 해당 가상 공간(500)에 배치된 같은 오브젝트의 피드백 정보(예: 그래픽 표현, 소리 신호, 또는 햅틱 피드백)를 수신하여 각 사용자(590)에게 제공할 수 있다.

전자 장치(501)는 다른 전자 장치(501)의 아바타 오브젝트에 대한 입력을 검출할 수 있고, 다른 전자 장치(501)의 아바타 오브젝트로부터 피드백 정보를 수신할 수도 있다. 가상 공간(500) 별 입력 및 피드백의 교환은 서버(예: 도 1의 서버(108))에 의해 수행될 수 있다. 예를 들어, 서버(예: 메타버스 공간을 제공하는 서버)가 사용자(590)의 아바타 오브젝트와 다른 사용자의 아바타 오브젝트 간의 입력 및 피드백을 사용자(590)들 간에 전달할 수 있다. 다만, 이로 한정하는 것은 아니고, 서버 경유 없이, 전자 장치(501)는 다른 전자 장치(501)와 직접 통신을 수립하여 아바타 오브젝트에 기초한 입력을 제공하거나, 피드백을 수신할 수 있다.

예시적으로, 전자 장치(501)는 조작 영역을 선택하는 사용자(590) 입력을 검출하는 것에 기초하여, 선택된 조작 영역에 대응하는 물리적 오브젝트(551)가 사용자(590)에 의해 선택된 것으로 결정할 수 있다. 사용자(590)의 입력은 신체의 일부(예: 손, 눈)를 이용한 제스쳐 입력 또는 별도의 가상현실용 악세서리 기기를 이용한 입력 중 적어도 하나를 포함할 수 있다.

제스쳐 입력은 사용자(590)의 신체 부위(510)를 추적한 것에 기초하여 식별된 제스쳐에 대응하는 입력으로서, 예를 들어, 제스쳐 입력은 오브젝트를 지시 또는 선택하는 입력을 포함할 수 있다. 제스쳐 입력은, 신체의 일부(예: 손)가 미리 결정된 시간 이상 오브젝트를 향하는 제스쳐, 신체의 일부(예: 손가락, 눈, 머리)로 오브젝트를 포인팅하는 제스쳐, 또는 신체의 일부와 오브젝트가 공간적으로 접촉하는 제스쳐 중 적어도 하나를 포함할 수 있다. 눈으로 오브젝트를 포인팅하는 제스쳐는 시선 추적에 기초하여 식별될 수 있다. 머리로 오브젝트를 포인팅하는 제스쳐는 헤드 트랙킹에 기초하여 식별될 수 있다.

사용자(590)의 신체 부위(510)의 추적은 주로 전자 장치(501)의 카메라에 기초하여 수행될 수 있으나, 이로 한정하는 것은 아니다. 전자 장치(501)는 비전 센서의 센싱 데이터(예: 카메라의 이미지 데이터 및 깊이 센서의 깊이 데이터) 및 후술하는 악세서리 기기에 의해 수집되는 정보(예: 컨트롤러 트랙킹, 컨트롤러 내 핑거 트랙킹)의 협력에 기초하여 신체 부위(510)를 추적할 수도 있다. 핑거 트랙킹은 컨트롤러에 내장된 센서(예: 적외선 센서)에 기초하여 개별 손가락과 컨트롤러 간의 거리 또는 접촉을 센싱함으로써 수행될 수 있다.

가상현실용 악세서리 기기는 탑승형 기기, 웨어러블 기기, 컨트롤러 기기(520), 또는 다른 센서 기반 기기를 포함할 수 있다. 탑승형 기기는 사용자(590)가 탑승하여 조작하는 기기로서, 예를 들어, 트레드밀형 기기, 또는 의자형 기기 중 적어도 하나를 포함할 수 있다. 웨어러블 기기는 사용자(590)의 신체 중 적어도 일부에 착용되는 조작 기기로서, 예를 들어, 전신 및 하프 바디 슈트형 컨트롤러, 조끼형 컨트롤러, 신발형 컨트롤러, 가방형 컨트롤러, 장갑형 컨트롤러(예: 햅틱 장갑), 또는 안면 마스크형 컨트롤러 중 적어도 하나를 포함할 수 있다. 컨트롤러 기기(520)는 예를 들어, 손, 발, 발가락, 또는 기타 신체 부위(510)에 의해 조작되는 입력 장치(예: 스틱형 컨트롤러, 또는 총기)를 포함할 수 있다.

전자 장치(501)는 악세서리 기기와 직접 통신을 수립하여, 악세서리 기기의 위치 또는 모션 중 적어도 하나를 추적할 수 있으나, 이로 한정하는 것은 아니다. 전자 장치(501)는 가상현실을 위한 기지국을 경유하여 악세서리 기기와 통신을 수행할 수도 있다.

예시적으로 전자 장치(501)는 전술한 시선 추적(Eye Gaze Tracking) 기술을 통해 미리 결정된 시간 이상 가상 오브젝트(552)를 응시하는 행위를 검출하는 것에 기초하여, 해당 가상 오브젝트(552)를 선택한 것으로 결정할 수 있다. 다른 예를 들어, 전자 장치(501)는 핸드 트래킹(Hand Tracking) 기술을 통해 가상 오브젝트(552)를 지시하는 제스쳐를 인식할 수 있다. 전자 장치(501)는 추적된 손이 가리키는 방향이 미리 결정된 시간 이상 가상 오브젝트(552)를 지시하거나, 가상 공간(500) 내에서 사용자(590)의 손이 가상 오브젝트(552)가 차지하는 영역에 접촉 또는 진입하는 것에 기초하여 해당 가상 오브젝트(552)를 선택한 것으로 결정할 수 있다. 전자 장치(501)는 전술한 사용자(590) 입력에 대한 반응으로서 후술하는 피드백을 제공할 수 있다.

피드백은 시각 피드백, 청각 피드백, 촉각 피드백, 후각 피드백, 또는 미각 피드백을 포함할 수 있다. 피드백들은 도 1에서 전술한 바와 같이, 서버(108), 전자 장치(101), 또는 외부 전자 장치(102)에 의해 렌더링될 수 있다.

시각 피드백은 전자 장치(501)의 디스플레이(예: 투명 디스플레이 또는 불투명 디스플레이)를 통해 이미지를 출력하는 동작을 포함할 수 있다.

청각 피드백은 전자 장치(501)의 스피커를 통해 소리를 출력하는 동작을 포함할 수 있다.

촉각 피드백은 무게, 모양, 질감, 치수 및 역학을 시뮬레이션하는 포스 피드백을 포함할 수 있다. 예시적으로, 햅틱 장갑은 사용자(590)의 신체를 긴장시키고 이완시켜 촉각을 시뮬레이션할 수 있는 햅틱 소자(예: 전기적 근육)를 포함할 수 있다. 햅틱 장갑 내부의 햅틱 소자는 힘줄로서 동작할 수 있다. 햅틱 장갑은 사용자(590)의 손 전체에 햅틱 피드백을 제공할 수 있다. 전자 장치(501)는 햅틱 장갑을 통해 오브젝트의 모양, 크기 및 강성을 나타내는 피드백을 제공할 수 있다. 예를 들어, 햅틱 장갑은 오브젝트의 모양, 크기 및 강성을 모방하는 힘을 생성할 수 있다. 햅틱 장갑(또는 슈트형 기기)의 외골격은 센서와 손가락 움직임 측정 장치를 포함하고, 사용자(590)의 손가락에 케이블을 당기는 힘 (예: 전자기, DC 모터 또는 공압에 기초한 힘)을 전달함으로써, 신체에 촉각 정보를 전달할 수 있다. 촉각 피드백을 제공하는 하드웨어는 센서, 액추에이터, 전원 및 무선 전송 회로를 포함할 수 있다. 햅틱 장갑은 장갑 표면의 팽창 식 공기 주머니를 팽창 및 수축시키는 방식으로 작동할 수 있다.

전자 장치(501)는 가상 공간(500) 내부의 오브젝트를 선택한 것에 기초하여, 피드백을 사용자(590)에게 제공할 수 있다. 예를 들어, 전자 장치(501)는 디스플레이를 통해 선택된 오브젝트를 지시하는 그래픽 표현(예: 선택된 오브젝트를 하이라이트하는 표현)을 출력할 수 있다. 다른 예를 들어 전자 장치(501)는 스피커를 통해 선택된 오브젝트를 안내하는 소리(예: 음성)를 출력할 수 있다. 또 다른 예를 들어, 전자 장치(501)는 전기 신호를 햅틱 지원 액세서리 기기(예: 햅틱 장갑)에 전달함으로써 해당 오브젝트에 대한 촉각을 시뮬레이션하는 햅틱 움직임을 사용자(590)에게 제공할 수 있다.

도 6은 일 실시예에 따른 서버가 음성 데이터의 재생 및 시각적 정보의 표시를 타겟 단말에게 명령하는 동작을 설명하기 위한 도면이다.

일 실시예에 따른 서버(예: 도 5의 전자 장치(501))는, 가상 공간을 구축할 수 있다. 서버는 구축된 가상 공간으로 진입한 복수의 사용자들 간 음성 데이터(또는 부분 음성 데이터)의 전달을 수행할 수 있다.

동작(610)에서, 서버는 가상 공간 내의 사용자들 중 제1 사용자의 단말로부터 제1 사용자의 음성 데이터를 수신할 수 있다. 서버는 수신된 제1 사용자의 음성 데이터로부터 제1 부분 음성 데이터를 추출할 수 있다. 가상 공간 내의 사용자들은, 서버에 의하여 제공된 메타버스 공간으로 진입한 하나 이상의 사용자들을 의미할 수 있다.

제1 부분 음성 데이터는, 제1 사용자의 음성 데이터의 부분 데이터로서, 타겟 발화(target utterance)에 대응하는 부분 데이터를 의미할 수 있다. 타겟 발화는 제1 사용자의 발화 중에서, 가상 공간 내의 사용자들 중 일부 사용자에게 전달되고 다른 일부 사용자에게 전달이 제한될 발화를 나타낼 수 있다. 다만, 이에 한정하는 것은 아니고, 타겟 발화는 가상 공간 내의 사용자들 모두에게 전달될 수도 있고, 인공 지능 서버에게 전달될 수도 있다. 제1 부분 음성 데이터의 추출은 도 8에서 후술한다. 타겟 발화가 인공 지능 서버에게 전달되는 실시예는 도 12에서 후술한다.

동작(620)에서, 서버는 제1 사용자의 제1 부분 음성 데이터를 수신할 타겟 사용자(target user)를 결정할 수 있다. 타겟 사용자는, 제1 부분 음성 데이터를 수신할 가상 공간 내의 사용자를 의미할 수 있다. 예를 들어, 타겟 사용자는 제1 사용자에 의하여 타겟 발화의 청자로 지정된 가상 공간 내의 사용자를 포함할 수 있다.

일 실시예에 따른 서버는 제1 사용자의 제스쳐 입력(gesture input) 또는 제1 부분 음성 데이터 중 적어도 하나에 기초하여 타겟 사용자를 결정할 수 있다.

서버는 제1 사용자의 제스쳐 입력을 획득할 수 있다. 예를 들어, 서버는 센싱 데이터에 기초하여, 제1 사용자의 제스쳐를 검출할 수 있다. 센싱 데이터는, 제1 사용자의 단말에 의하여 센싱된 데이터 또는 제1 사용자의 단말과 연결된 외부 장치(예: 가상현실용 악세서리 기기)에 의하여 센싱된 데이터를 포함할 수 있다. 제1 사용자의 단말과 연결된 외부 장치에 의하여 센싱된 데이터는, 제1 사용자의 단말에게 전송될 수 있다. 예를 들어, 제1 사용자의 단말은 센싱 데이터에 기초하여 제1 사용자의 제스쳐를 검출할 수 있다. 제1 사용자의 단말은 제1 사용자의 제스쳐를 검출하는 것에 기초하여, 서버에게 제1 사용자의 제스쳐 입력을 전송할 수 있다. 서버는, 제1 사용자 단말로부터 제1 사용자의 제스쳐 입력을 수신할 수 있다.

일 실시예에 따르면, 서버는 가상 공간 내의 사용자들 중 적어도 하나의 사용자에 대한 제스쳐를 검출할 수 있다. 사용자에 대한 제스쳐 입력은, 해당 사용자에 관한 오브젝트를 지시 또는 선택하는 제스쳐 입력을 포함할 수 있다. 사용자에 관한 오브젝트는, 해당 사용자를 지시하는데 이용될 수 있는 가상 공간 내의 오브젝트를 의미할 수 있다. 예를 들어, 사용자에 관한 오브젝트는 해당 사용자의 아바타 오브젝트, 또는 해당 사용자에 매핑된 가상 오브젝트 중 적어도 하나를 포함할 수 있다. 사용자에 매핑된 가상 오브젝트는, 예시적으로, 해당 사용자의 이름표, 의자, 또는 책상을 나타내는 가상 오브젝트, 및 해당 사용자의 업무 공간에 대응하는 서브 가상 공간에 위치한 가상 오브젝트를 포함할 수 있다. 서버는, 제1 사용자의 제스쳐 입력에 의하여 지시된 적어도 하나의 사용자를 타겟 사용자로 결정할 수 있다.

일 실시예에 따르면, 서버는 제1 부분 음성 데이터의 적어도 일부에서 가상 공간 내의 사용자들 중 적어도 하나의 사용자를 지시하는 키워드를 검출할 수 있다. 사용자를 지시하는 키워드는, 해당 사용자를 지시하는데 이용될 수 있는 단어로서, 예시적으로, 해당 사용자의 성(last name), 이름(first name), 성명(full name), 직급(job title), 직책(one's responsibility), 별명(nickname), 호칭(appellation) 중 하나 또는 둘 이상의 조합을 포함할 수 있다.

예를 들어, 서버는 제1 부분 음성 데이터를 분석함으로써, 제1 부분 음성 데이터의 일부(예: 부분 음성 데이터의 초반에 대응하는 일부)에서 적어도 하나의 사용자를 지시하는 키워드를 검출할 수 있다. 예시적으로, 제1 부분 음성 데이터의 일부는, 제1 부분 음성 데이터의 시작 시점으로부터 미리 결정된 시간 길이 이후의 시점까지의 구간에 대한 부분 데이터를 의미할 수 있다. 서버는, 제1 부분 음성 데이터의 일부에서 검출된 키워드에 의하여 지시된 적어도 하나의 사용자를 타겟 사용자로 결정할 수 있다.

동작(630)에서, 서버는 타겟 사용자의 타겟 단말에게 제1 부분 음성 데이터의 재생을 명령할 수 있다. 타겟 단말은, 타겟 사용자의 전자 장치(예: 도 1의 전자 장치(101), 도 2의 전자 장치(201), 도 3의 전자 장치(301), 도 4의 전자 장치(401))를 포함할 수 있다. 타겟 단말은 서버로부터 제1 부분 음성 데이터의 재생 명령을 수신할 수 있다. 타겟 단말은 서버로부터 수신된 제1 부분 음성 데이터를 재생할 수 있다.

일 실시예에 따르면, 서버는 타겟 단말의 모듈을 통해 제1 부분 음성 데이터를 재생하도록 명령할 수 있다. 서버는 타겟 단말에게 제1 부분 음성 데이터를 전송할 수 있다. 타겟 단말은 서버로부터 제1 부분 음성 데이터를 수신할 수 있다. 타겟 단말은, 서버로부터 제1 부분 음성 데이터의 재생 명령을 수신하는 것에 기초하여, 제1 부분 음성 데이터를 재생할 수 있다. 예를 들어, 타겟 단말(예: 도1의 전자 장치(101))은, 음향 출력 모듈(예: 도 1의 음향 출력 모듈(155)) 및/또는 오디오 모듈(예: 도1의 오디오 모듈(170))을 포함할 수 있다. 타겟 단말은 타겟 단말의 음향 출력 모듈 및/또는 오디오 모듈을 통해 제1 부분 음성 데이터에 기초한 소리를 타겟 단말의 외부로 출력할 수 있다.

다만, 이에 한정하는 것은 아니고, 타겟 단말은 타겟 단말과 연결된 외부 전자 장치(예: 도 1의 전자 장치(102))(예: 스피커, 헤드폰)를 통해 제1 부분 음성 데이터를 재생할 수 있다. 일 실시예에 따르면, 서버는 타겟 단말과 연결된 외부 전자 장치를 통해 제1 부분 음성 데이터를 재생하도록 명령할 수 있다. 서버는 타겟 단말에게 제1 부분 음성 데이터를 전송할 수 있다. 타겟 단말은, 서버로부터 제1 부분 음성 데이터를 수신할 수 있다. 타겟 단말은, 서버로부터 제1 부분 음성 데이터의 재생 명령을 수신하는 것에 기초하여, 타겟 단말과 직접 또는 무선으로 연결된 외부 전자 장치에게 제1 부분 음성 데이터의 재생을 명령할 수 있다. 타겟 단말은 외부 전자 장치를 통해 제1 부분 음성 데이터에 기초한 소리를 출력할 수 있다.

일 실시예에 따르면, 서버는 제1 사용자의 아바타 오브젝트와 타겟 사용자의 아바타 오브젝트 간의 가상 공간 상에서의 거리에 기초한 음량으로 제1 부분 음성 데이터를 재생하도록 명령할 수 있다. 서버는, 제1 사용자의 아바타 오브젝트와 타겟 사용자의 아바타 오브젝트 간의 가상 공간 상에서의 거리가 제1 거리인 경우, 제1 음량으로 제1 부분 음성 데이터의 재생을 타겟 단말에게 명령할 수 있다. 서버는 제1 사용자의 아바타 오브젝트와 타겟 사용자의 아바타 오브젝트 간의 가상 공간 상에서의 거리가 제1 거리보다 큰 값을 가지는 제2 거리인 경우, 제1 음량보다 작은 값을 가지는 제2 음량으로 제1 부분 음성 데이터의 재생을 타겟 단말에게 명령할 수 있다. 예를 들어, 서버는 제1 사용자와 타겟 사용자 간의 가상 공간 상에서의 거리에 반비례하는 값으로 제1 부분 음성 데이터의 재생을 위한 음량을 결정할 수 있다. 서버는 결정된 음량으로 제1 부분 음성 데이터를 재생하도록 타겟 단말에게 명령할 수 있다.

서버는 가상 공간 내의 사용자들 중 결정된 타겟 사용자와 다른 사용자에게 제1 부분 음성 데이터를 전달하는 것을 제한할 수 있다.

일 실시예에 따르면, 서버는 결정된 타겟 사용자와 다른 사용자에게 제1 부분 음성 데이터를 전달하는 것을 제한할 수 있다. 예를 들어, 서버는 제1 부분 음성 데이터를 재생하는 것을 제한하도록 다른 사용자의 단말에게 명령할 수 있다. 예를 들어, 서버는 제1 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하는 것을 제한하도록 다른 사용자의 단말에게 명령할 수 있다.

일 실시예에 따르면, 제1 사용자의 아바타 오브젝트와 다른 사용자의 아바타 오브젝트 간의 가상 공간 상에서의 거리와 독립적으로, 서버는 타겟 사용자와 다른 사용자에게 제1 부분 음성 데이터의 전달하는 것을 제한할 수 있다. 예시적으로, 가상 공간 상에서, 제1 사용자의 아바타 오브젝트가 타겟 사용자의 아바타 오브젝트보다 다른 사용자의 아바타 오브젝트와 가까운 거리에 위치하더라도, 서버는 제1 사용자의 제1 부분 음성 데이터를 타겟 사용자에게 전달하고, 제1 사용자의 제1 부분 음성 데이터를 다른 사용자에게 전달하는 것을 제한할 수 있다.

동작(640)에서, 서버는 타겟 단말이 제1 부분 음성 데이터를 재생하는 동안 타겟 사용자에 대해 제2 사용자의 제2 부분 음성 데이터의 전달이 요청된 것에 기초하여, 제2 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 타겟 단말에게 명령할 수 있다. 제2 부분 음성 데이터에 기초하여 생성된 시각적 정보는, 제2 부분 음성 데이터에 포함된 발화에 대응하는 텍스트를 가지는 화면을 포함할 수 있다.

일 실시예에 따르면, 서버는 제2 부분 음성 데이터에 포함된 사용자의 발화를 텍스트(text)로 변환할 수 있다. 서버는 변환된 텍스트를 가지는 화면을 생성할 수 있다. 서버는 생성된 화면을 타겟 단말에게 전송할 수 있다. 타겟 단말은, 서버로부터 수신된 화면을 타겟 단말의 디스플레이를 통해 표시할 수 있다. 다만, 서버가 시각적 정보를 생성하는 것으로 한정하는 것은 아니다. 일 실시예에 따르면, 서버는 제2 부분 음성 데이터를 타겟 단말에게 전송할 수 있다. 타겟 단말은 서버로부터 수신된 제2 부분 음성 데이터에 포함된 사용자의 발화를 텍스트로 변환할 수 있다. 타겟 단말은, 변환된 텍스트를 가지는 화면을 생성할 수 있다. 타겟 단말은, 생성된 화면을 디스플레이를 통해 표시할 수 있다.

서버는 타겟 단말이 제1 부분 음성 데이터를 재생하는 동안 타겟 사용자에 대하여 제2 부분 음성 데이터의 전달이 요청된 것에 기초하여, 타겟 단말에게 제2 부분 음성 데이터의 재생을 제한하도록 명령할 수 있다.

일 실시예에 따르면, 타겟 사용자에 대하여 복수의 부분 음성 데이터들(예: 제1 사용자의 제1 부분 음성 데이터 및 제2 사용자의 제2 부분 음성 데이터)의 전달이 서버에게 요청될 수 있다. 예를 들어, 타겟 사용자에 대하여 제1 부분 음성 데이터의 전달이 요청될 수 있다. 타겟 단말은, 서버로부터 제1 부분 음성 데이터의 재생 명령을 수신하는 것에 기초하여, 제1 부분 음성 데이터를 재생할 수 있다. 타겟 단말이 제1 부분 음성 데이터를 재생하는 동안, 타겟 사용자에 대하여 제2 부분 음성 데이터의 전달이 요청될 수 있다. 서버는 타겟 단말에게 제2 부분 음성 데이터의 재생을 제한하도록 명령할 수 있다. 타겟 단말은, 제2 부분 음성 데이터의 재생을 제한할 수 있다. 예를 들어, 타겟 단말은, 복수의 부분 음성 데이터들 중 하나의 음성 데이터(예: 제1 부분 음성 데이터)를 재생하는 동안, 다른 음성 데이터(예: 제2 부분 음성 데이터)의 재생을 제한할 수 있다.

도 7은 일 실시예에 따른 서버가 가상 공간에 진입한 복수의 사용자들 간에 음성 데이터를 전달하는 예시를 설명하기 위한 도면이다.

서버는 가상 공간(700)(예: 도 5의 가상 공간(500))을 제공할 수 있다. 예시적으로, 가상 공간(700)은 회의실에 대응할 수 있다. 서버는 가상 공간(700)으로 진입한 복수의 사용자들을 각 사용자의 아바타 오브젝트를 제공할 수 있다. 본 명세서에서, 가상 공간으로 진입한 사용자는, 가상 공간 내의 사용자로 표현될 수 있다.

일 실시예에 따르면, 가상 공간(700)은 물리적 공간(예: 회의실)에 기초하여 구축될 수 있다. 예를 들어, 도 5에서 전술한 바와 같이, 서버는, 사용자의 물리적인 위치를 기준으로, 사용자가 위치한 물리적 공간(예: 회의실)에 대응하는 가상 공간(700)을 제공할 수 있다. 가상 공간(700)으로 진입한 사용자는, 가상 공간(700)이 대응하는 물리적 공간(예: 회의실)에 위치한 사용자 또는 가상 공간(700)이 대응하는 물리적 공간(예: 회의실)과 다른 물리적 공간(예: 자택)에 위치한 사용자 중 적어도 하나를 포함할 수 있다. 예를 들어, 복수의 사용자들이 가상 공간(700)으로 진입한 상태인 경우, 복수의 사용자들 중 일부 사용자는 가상 공간이 대응하는 물리적 공간에 위치하고, 복수의 사용자들 중 다른 일부 사용자는 가상 공간이 대응하는 물리적 공간에 위치하지 않을 수 있다.

도 7에서, 복수의 사용자들(예: 제1 사용자, 제2 사용자, 제3 사용자, 제4 사용자)는 가상 공간(700)으로 진입한 상태일 수 있다. 서버는 가상 공간(700)에 진입한 복수의 사용자들의 아바타 오브젝트들(701, 702, 703, 704)을 제공할 수 있다. 예시적으로, 제1 아바타 오브젝트(701)는, 제1 사용자를 나타낼 수 있다. 제2 아바타 오브젝트(702)는, 제2 사용자를 나타낼 수 있다. 제3 아바타 오브젝트(703)는, 제3 사용자를 나타낼 수 있다. 제4 아바타 오브젝트(704)는, 제4 사용자를 나타낼 수 있다.

서버는, 제1 사용자의 단말로부터 제1 사용자의 음성 데이터를 수신할 수 있다. 서버는 제1 사용자의 음성 데이터로부터 제1 부분 음성 데이터(710)를 추출할 수 있다. 서버는 제1 사용자, 제2 사용자, 제3 사용자, 및 제4 사용자를 제1 부분 음성 데이터(710)를 수신할 타겟 사용자로 결정할 수 있다. 서버는 타겟 사용자로 결정된 복수의 사용자들에게 제1 부분 음성 데이터(710)를 전달할 수 있다. 예를 들어, 서버는 제1 사용자의 단말에게 제1 부분 음성 데이터(710)의 재생을 명령할 수 있다. 서버는 제2 사용자의 단말에게 제1 부분 음성 데이터(710)의 재생을 명령할 수 있다. 서버는 제3 사용자의 단말에게 제1 부분 음성 데이터(710)의 재생을 명령할 수 있다. 서버는 제4 사용자의 단말에게 제1 부분 음성 데이터(710)의 재생을 명령할 수 있다. 도 7에서 나타난 바와 같이, 동작(760)에서, 타겟 사용자로 결정된 제3 사용자의 단말은 제1 부분 음성 데이터(710)를 재생할 수 있다. 제3 사용자의 단말이 서버로부터 제1 부분 음성 데이터(710)의 재생 명령을 수신한 것에 기초하여, 제1 부분 음성 데이터(710)가 제3 사용자의 단말에 의하여 재생됨으로써 제3 사용자에게 전달될 수 있다.

서버는, 제2 사용자의 단말로부터 제2 사용자의 음성 데이터를 수신할 수 있다. 서버는 제2 사용자의 음성 데이터로부터 제2 부분 음성 데이터(720)를 추출할 수 있다. 서버는, 제2 부분 음성 데이터(720)에서 검출된 키워드(예시적으로, 도 7에서 '김영희')가 제3 사용자를 지시하는 것에 기초하여, 제3 사용자를 제2 부분 음성 데이터(720)를 수신할 타겟 사용자로 결정할 수 있다. 제3 사용자의 단말이 제1 부분 음성 데이터(710)를 재생하는 동안, 제3 사용자에 대하여 제2 부분 음성 데이터(720)의 전달이 요청될 수 있다. 서버는 제3 사용자에게 제2 부분 음성 데이터(720)를 전달할 수 있다. 서버는, 제2 부분 음성 데이터(720)의 타겟 사용자와 다른 사용자(예: 제1 사용자, 제4 사용자)에게 제2 부분 음성 데이터(720)를 전달하는 것을 제한할 수 있다.

서버는, 제3 사용자의 단말이 제1 부분 음성 데이터(710)를 재생하는 동안, 제3 사용자에 대해 제2 사용자의 제2 부분 음성 데이터(720)의 전달이 요청된 것에 기초하여, 제2 부분 음성 데이터(720)에 기초하여 생성된 시각적 정보(752)를 표시하도록 제3 사용자의 단말에게 명령할 수 있다. 제3 사용자의 단말은, 제2 부분 음성 데이터(720)에 기초하여 생성된 시각적 정보(752)를 표시할 수 있다.

제3 사용자의 단말은 서버로부터 제2 부분 음성 데이터(720)에 기초하여 생성된 시각적 정보(752)의 표시 명령을 수신한 것에 기초하여, 제2 부분 음성 데이터(720)에 기초하여 생성된 시각적 정보(752)를 포함하는 화면(750)을 표시할 수 있다. 시각적 정보(752)는, 제2 부분 음성 데이터에 포함된 제2 사용자의 발화가 변환된 텍스트를 가질 수 있다. 시각적 정보(752)는, 제2 부분 음성 데이터에 포함된 발화의 주체인 제2 사용자(예시적으로, 도 7에서 '김철수 대리')를 지시하는 텍스트를 가질 수 있다. 제3 사용자의 단말이 시각적 정보(752)를 표시함으로써, 제2 부분 음성 데이터(720)가 제3 사용자에게 전달될 수 있다.

서버는, 제3 사용자의 단말에게 제2 부분 음성 데이터(720)의 재생을 제한하도록 명령할 수 있다. 제3 사용자의 단말은 서버로부터 제2 부분 음성 데이터(720)의 재생에 대한 제한 명령을 수신한 것에 기초하여, 제2 부분 음성 데이터(720)의 재생을 제한할 수 있다.

도 8은 일 실시예에 따른 서버의 제1 부분 음성 데이터를 추출하는 동작을 설명하기 위한 도면이다.

동작(810)에서, 서버는 제1 사용자의 음성 데이터로부터 시작 이벤트 및 종료 이벤트를 검출할 수 있다. 시작 이벤트는 타겟 발화의 시작에 대응할 수 있다. 종료 이벤트는 타겟 발화의 종료에 대응할 수 있다. 타겟 발화는, 제1 사용자로부터 타겟 사용자에게 전달될 발화를 의미할 수 있다.

일 실시예에 따른 서버는 제1 사용자의 제스쳐 입력 또는 제1 사용자의 음성 데이터의 일부 중 적어도 하나에 기초하여, 제1 사용자의 음성 데이터로부터 시작 이벤트를 검출할 수 있다.

일 실시예에 따르면, 서버는 가상 공간 내의 사용자들 중 적어도 하나의 사용자에 대한 제스쳐를 검출할 수 있다. 서버는 다른 사용자에 대한 제스쳐를 검출하는 것에 기초하여, 시작 이벤트를 검출할 수 있다.

일 실시예에 따르면, 서버는 제1 사용자의 음성 데이터에 기초하여 시작 이벤트를 검출할 수 있다.

예를 들어, 서버는 제1 사용자의 음성 데이터의 음량에 기초하여 시작 이벤트를 검출할 수 있다. 서버는, 제1 사용자의 음성 데이터의 음량이 임계 값 이하의 값에서 임계 값을 초과하는 값으로 변경되는 것에 기초하여, 시작 이벤트를 검출할 수 있다.

예를 들어, 서버는, 제1 사용자의 음성 데이터에서 시작 이벤트를 지시하는 키워드를 검출할 수 있다. 서버는, 제1 사용자의 음성 데이터에서 시작 이벤트를 지시하는 키워드를 검출하는 것에 기초하여, 시작 이벤트를 검출할 수 있다. 시작 이벤트를 지시하는 키워드는, 예시적으로, 첫인사말(예: 안녕하세요, 여보세요), 자기 소개(예: 저는 A 팀의 OOO입니다), 적어도 하나의 사용자를 지시하는 키워드, 또는 인공 지능 서버(또는 음성 비서 애플리케이션)을 지시하는 키워드 중 하나 또는 둘 이상의 조합을 포함할 수 있다. 도 12에서 후술하겠으나, 인공 지능 서버를 지시하는 키워드는, 인공 지능 서버를 지시하는데 이용될 수 있는 단어로서, 예시적으로, 인공 지능 서버의 명칭, 사용자에 의하여 미리 설정된 단어(예: 웨이크 업 키워드(wake up keyword))를 포함할 수 있다.

일 실시예에 따른 서버는 제1 사용자의 제스쳐 입력 또는 음성 데이터의 일부 중 적어도 하나에 기초하여 종료 이벤트를 검출할 수 있다.

일 실시예에 따르면, 서버는 가상 공간 내의 사용자들 중 적어도 하나의 사용자에 대한 제스쳐를 검출할 수 있다. 서버는 적어도 하나의 사용자에 대한 제스쳐를 미리 결정된 시간 길이 동안 검출할 수 있다. 서버는, 적어도 하나의 사용자에 대한 제스쳐를 미리 결정된 시간 길이 동안 검출한 이후에, 적어도 하나의 사용자에 대한 제스쳐의 해제(removal)를 검출하는 것에 기초하여, 종료 이벤트를 검출할 수 있다.

예시적으로, 서버는 제1 사용자의 손가락으로 타겟 사용자의 아바타 오브젝트를 포인팅하는 제스쳐를 미리 결정된 시간 길이 동안 검출할 수 있다. 그 이후에, 서버는 제1 사용자의 타겟 사용자에 대한 제스쳐가 해제된 것을 검출할 수 있다. 서버는, 제1 사용자의 타겟 사용자에 대한 제스쳐의 해제를 검출하는 것에 기초하여, 종료 이벤트를 검출할 수 있다.

일 실시예에 따르면, 서버는 제1 사용자의 음성 데이터에 기초하여 종료 이벤트를 검출할 수 있다.

예를 들어, 서버는 제1 사용자의 음성 데이터의 음량에 기초하여, 종료 이벤트를 검출할 수 있다. 예시적으로, 서버는 제1 사용자의 음성 데이터의 음량이 임계 값을 초과하는 값에서 임계 값 이하의 값으로 변경되는 것에 기초하여, 종료 이벤트를 검출할 수 있다. 예시적으로, 서버는 제1 사용자의 음성 데이터의 음량이 미리 결정된 시간 길이 동안 임계 값 이하인 것에 기초하여, 종료 이벤트를 검출할 수 있다. 종료 이벤트의 검출에 이용되는 임계 값은, 시작 이벤트의 검출에 이용되는 임계 값과 독립적일 수 있다. 예시적으로, 서버는 제1 사용자의 음성 데이터의 음량이 미리 결정된 시간 길이 동안 무음(mute)에 대응하는 임계 값 이하인 것에 기초하여, 종료 이벤트를 검출할 수 있다.

예를 들어, 서버는, 제1 사용자의 음성 데이터에서 종료 이벤트를 지시하는 키워드를 검출할 수 있다. 서버는, 제1 사용자의 음성 데이터에서 종료 이벤트를 지시하는 키워드를 검출하는 것에 기초하여, 종료 이벤트를 검출할 수 있다. 종료 이벤트를 지시하는 키워드는, 예시적으로, 끝인사말(예: 감사합니다, 수고하세요, 안녕히 계세요)을 포함할 수 있다.

본 명세서에서, 주로 서버가 제1 사용자의 제스쳐 또는 제1 사용자의 음성 데이터에 기초하여 시작 이벤트 및 종료 이벤트를 검출하는 것으로 설명하나, 이에 한정하는 것은 아니다. 예를 들어, 제1 사용자의 단말이 제1 사용자의 제스쳐 또는 제1 사용자의 음성 데이터에 기초하여 시작 이벤트(또는 종료 이벤트)를 검출하는 것에 기초하여, 서버에게 시작 이벤트(또는 종료 이벤트)의 데이터를 전송할 수 있다. 시작 이벤트의 데이터는, 음성 데이터에서 시작 이벤트를 검출한 시각, 시작 이벤트에 관한 정보를 포함하는 플래그 등을 포함하 수 있다. 종료 이벤트의 데이터는, 음성 데이터에서 종료 이벤트를 검출한 시각, 종료 이벤트에 관한 정보를 포함하는 플래그 등을 포함하 수 있다. 서버는, 제1 사용자의 단말로부터 시작 이벤트(또는 종료 이벤트)의 정보를 수신하는 것에 기초하여, 시작 이벤트(또는 종료 이벤트)를 검출할 수 있다.

동작(820)에서, 서버는 제1 사용자의 음성 데이터로부터 시작 이벤트 및 종료 이벤트 사이의 시간 구간에 대응하는 일부를 제1 부분 음성 데이터로서 추출할 수 있다. 시작 이벤트 및 종료 이벤트 사이의 시간 구간은, 시작 이벤트가 검출된 음성 데이터 상의 제1 시점에서부터 종료 이벤트가 검출된 음성 데이터 상의 제2 시점까지의 시간 구간을 의미할 수 있다.

일 실시예에 따르면, 서버는 제1 부분 음성 데이터를 추출한 이후에, 제1 부분 음성 데이터의 타겟 사용자를 결정하는 동작(예: 도 6의 동작(610)), 및 타겟 단말에게 제1 부분 음성 데이터의 재생을 명령하는 동작(예: 도 6의 동작(620))을 수행할 수 있다. 다만, 이에 한정하는 것은 아니고, 제1 사용자의 음성 데이터에서 시작 이벤트를 검출한 이후에 제1 부분 음성 데이터의 타겟 사용자를 결정하는 동작, 및 타겟 단말에게 제1 부분 음성 데이터의 재생을 명령하는 동작을 수행하고, 그 이후에 종료 이벤트를 검출하는 동작을 수행할 수도 있다.

도 9는 일 실시예에 따른 서버의 시작 이벤트 및 종료 이벤트 검출에 따른 가상 공간 내의 사용자들에게 음성 데이터의 전달 동작을 설명하기 위한 도면이다.

동작(910)에서, 서버는 제1 사용자의 단말로부터 제1 사용자의 음성 데이터를 수신하는 것에 기초하여, 음성 데이터를 가상 공간 내의 사용자들에게 전달하는 것을 시작할 수 있다. 예를 들어, 서버는 제1 사용자의 단말로부터 제1 사용자의 음성 데이터를 수신할 수 있다. 서버는 가상 공간 내의 사용자들의 단말들에게 음성 데이터를 전달할 수 있다.

일 실시예에 따르면, 서버는 시작 이벤트가 검출되지 않은 것에 기초하여, 수신된 제1 사용자의 음성 데이터를 가상 공간 내의 사용자들 모두에게 전달할 수 있다. 예를 들어, 서버는 제1 사용자의 단말로부터 제1 사용자의 음성 데이터를 수신할 수 있다. 시작 이벤트가 제1 사용자의 음성 데이터에서 검출되지 않을 수 있다. 서버는, 시작 이벤트가 검출되지 않은 것에 기초하여, 제1 사용자의 음성 데이터를 가상 공간 내의 사용자들 모두에게 전달할 수 있다.

전술한 바와 같이, 시작 이벤트는 타겟 사용자에게 전달할 타겟 발화의 시작에 대응할 수 있다. 제1 사용자로부터 타겟 사용자에게 전달될 타겟 발화가 시작되지 않은 것에 기초하여, 시작 이벤트가 검출되지 않을 수 있다. 서버는, 시작 이벤트가 검출되지 않은 것에 기초하여, 음성 데이터를 수신할 사용자의 결정을 생략(skip)할 수 있다. 서버는 음성 데이터를 수신할 사용자의 결정이 생략된 것에 기초하여, 제1 사용자의 음성 데이터를 가상 공간 내의 사용자들 모두에게 전달할 수 있다.

서버는 가상 공간 내의 사용자들의 단말들에게 제1 사용자의 음성 데이터를 재생하고/하거나 제1 사용자의 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 명령할 수 있다. 가상 공간 내의 사용자들의 단말들 각각은 제1 사용자의 음성 데이터를 재생하고/하거나 제1 사용자의 음성 데이터에 기초하여 생성된 시각적 정보를 표시할 수 있다.

동작(920)에서, 서버는 제1 사용자의 음성 데이터에서 시작 이벤트를 검출하는 것에 기초하여, 제1 사용자의 음성 데이터를 가상 공간 내의 사용자들에게 전달하는 것을 중단할 수 있다.

일 실시예에 따르면, 제1 사용자로부터 타겟 사용자에게 전달될 타겟 발화가 시작된 것에 기초하여, 서버는 제1 사용자의 음성 데이터에서 시작 이벤트를 검출할 수 있다. 서버는 시작 이벤트 이후의 음성 데이터를 가상 공간 내의 사용자들에게 전달하는 것을 중단할 수 있다. 시작 이벤트 이후의 음성 데이터는, 타겟 발화를 가지는 제1 부분 음성 데이터를 포함할 수 있다. 서버는 제1 부분 음성 데이터를 타겟 사용자에게만 전달하기 위하여, 가상 공간 내의 사용자들에게 시작 이벤트 이후의 음성 데이터의 전달을 중단할 수 있다.

서버는 시작 이벤트 이후의 제1 사용자의 음성 데이터를 가상 공간 내의 사용자들에게 전달하는 것을 제한할 수 있다. 서버는 제1 사용자의 음성 데이터의 전달이 제한되도록 가상 공간 내의 사용자들의 단말들에게 명령할 수 있다. 예를 들어, 가상 공간 내의 사용자들의 단말들은 제1 사용자의 음성 데이터를 재생하는 것을 제한할 수 있다. 예를 들어, 가상 공간 내의 사용자들의 단말들은 제1 사용자의 음성 데이터에 기초하여 생성된 시각적 정보를 표시하는 것을 제한할 수 있다.

동작(930)에서, 서버는 제1 사용자의 음성 데이터에서 종료 이벤트를 검출하는 것에 기초하여, 제1 사용자의 음성 데이터를 가상 공간 내의 사용자들에게 전달하는 것을 다시 시작할 수 있다.

일 실시예에 따르면, 제1 사용자로부터 타겟 사용자에게 전달될 타겟 발화가 종료된 것에 기초하여, 서버는 제1 사용자의 음성 데이터에서 종료 이벤트를 검출할 수 있다. 서버는 종료 이벤트를 검출하는 것에 기초하여, 제1 사용자의 음성 데이터를 가상 공간 내의 사용자들에게 전달하는 것을 다시 시작할 수 있다. 종료 이벤트 이후의 음성 데이터는, 타겟 발화가 배제될 수 있다. 서버는 타겟 발화가 배제된 제1 사용자의 음성 데이터를 가상 공간 내의 사용자들 모두에게 전달하기 위하여, 가상 공간 내의 사용자들에게 종료 이벤트 이후의 제1 사용자의 음성 데이터의 전달을 다시 시작할 수 있다.

서버는 가상 공간 내의 사용자들에게 종료 이벤트 이후의 제1 사용자의 음성 데이터를 전달할 수 있다. 서버는 가상 공간 내의 사용자들의 단말들에게 종료 이벤트 이후의 제1 사용자의 음성 데이터를 재생하고/하거나 제1 사용자의 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 명령할 수 있다. 가상 공간 내의 사용자들의 단말들 각각은 종료 이벤트 이후의 제1 사용자의 음성 데이터를 재생하고/하거나 종료 이벤트 이후의 제1 사용자의 음성 데이터에 기초하여 생성된 시각적 정보를 표시할 수 있다.

도 10은 일 실시예에 따른 서버가 타겟 사용자를 결정하는 동작 및 결정된 타겟 사용자에 따른 서버의 동작을 설명하기 위한 도면이다.

일 실시예에 따른 서버는 제1 사용자의 제1 부분 음성 데이터를 수신할 타겟 사용자를 결정할 수 있다. 도 6에서 전술한 바와 같이, 서버는 제1 사용자의 제스쳐 입력 또는 제1 부분 음성 데이터 중 적어도 하나에 기초하여 타겟 사용자를 결정할 수 있다.

동작(1010)에서, 서버는 가상 공간 내의 복수의 사용자들을 타겟 사용자로 결정한 것에 기초하여, 복수의 사용자들의 단말들에게 제1 부분 음성 데이터를 재생하도록 명령할 수 있다.

서버는 가상 공간 내의 복수의 사용자들을 타겟 사용자로 결정할 수 있다. 서버는 제1 사용자의 제스쳐 입력 또는 제1 부분 음성 데이터 중 적어도 하나에 기초하여 복수의 사용자들을 타겟 사용자로 결정할 수 있다.

일 실시예에 따른 서버는 가상 공간 내의 사용자들 중 복수의 사용자들에 대한 제스쳐를 검출할 수 있다. 복수의 사용자들에 대한 제스쳐 입력은, 복수의 사용자들에 관한 하나 이상의 오브젝트들을 지시 또는 선택하는 제스쳐 입력을 포함할 수 있다.

일 실시예에 따르면, 복수의 사용자들에 대한 제스쳐 입력은, 사용자 그룹에 관한 오브젝트에 대한 제스쳐 입력을 포함할 수 있다. 사용자 그룹은, 해당 사용자 그룹에 관한 조건을 만족하는 복수의 사용자들을 포함하는 그룹을 나타낼 수 있다.

예를 들어, 사용자 그룹은 회사의 조직에 포함된 팀(team)(예: 인사팀, 회계팀, 재무팀, 영업팀)에 대응할 수 있다. 예시적으로, 회계팀에 대응하는 사용자 그룹은, 회계팀에 속하는 복수의 사용자들을 포함할 수 있다.

예를 들어, 사용자 그룹은 사용자에게 할당된 물리적 업무 공간의 위치가 포함된 물리적 공간(예: A 건물, B 건물의 C 층)에 대응할 수 있다. 예시적으로, A 건물에 대응하는 사용자 그룹은, 사용자의 물리적 업무 공간이 A 건물에 존재하는 복수의 사용자들을 포함할 수 있다.

예를 들어, 사용자 그룹은, 사용자의 아바타 오브젝트의 가상 공간 상에서의 위치가 포함된 서브 가상 공간(예: D 회의실을 나타내는 서브 가상 공간, E 휴게실을 나타내는 서브 가상 공간)에 대응할 수 있다. 예시적으로, D 회의실을 나타내는 서브 가상 공간에 대응하는 사용자 그룹은, 사용자의 아바타 오브젝트가 위치한 D 회의실을 나타내는 서브 가상 공간에 복수의 사용자들을 포함할 수 있다.

사용자 그룹에 관한 오브젝트는, 사용자 그룹을 지시하는데 이용될 수 있는 가상 공간 내의 오브젝트로서, 사용자 그룹에 매핑된 가상 오브젝트를 포함할 수 있다. 사용자 그룹에 매핑된 가상 오브젝트는, 예시적으로, 사용자 그룹이 대응하는 팀을 지시하는 가상 오브젝트, 사용자 그룹이 대응하는 물리적 업무 공간을 지시하는 가상 오브젝트, 사용자 그룹이 대응하는 서브 가상 공간을 지시하는 가상 오브젝트를 포함할 수 있다.

복수의 사용자들에 대한 제스쳐 입력은, 복수의 사용자들에 관한 복수의 오브젝트들에 대한 제스쳐 입력을 포함할 수 있다. 서버는 복수의 오브젝트들에 대한 제스쳐 입력을 획득하는 경우, 제스쳐 입력에 의하여 지시되는 복수의 오브젝트들에 대응하는 사용자들을 타겟 사용자로 결정할 수 있다.

예를 들어, 서버는 제1 사용자에 관한 오브젝트를 지시 또는 선택하는 제1 제스쳐를 검출할 수 있다. 서버는 그 이후에, 제2 사용자에 관한 오브젝트를 지시 또는 선택하는 제2 제스쳐를 검출할 수 있다. 제2 사용자에 대한 제2 제스쳐는, 제1 사용자에 대한 제1 제스쳐와 연속적으로 연결될 수 있다. 예시적으로, 제1 제스쳐와 제2 제스쳐의 조합은 드래그 제스쳐(drag gesture)를 포함할 수 있다. 예시적으로, 제2 제스쳐는 제1 제스쳐가 검출된 후 임계 시간 길이 이내에 검출될 수 있다. 서버는, 제1 제스쳐 및 제2 제스쳐를 검출하는 것에 기초하여, 제1 사용자 및 제2 사용자에 대한 제스쳐 입력을 획득할 수 있다.

일 실시예에 따르면, 서버는 제1 부분 음성 데이터의 적어도 일부에서 가상 공간 내의 사용자들 중 복수의 사용자들을 지시하는 키워드를 검출할 수 있다.

예를 들어, 서버는 제1 부분 음성 데이터를 분석함으로써, 제1 부분 음성 데이터의 일부(예: 제1 부분 음성 데이터의 초반에 대응하는 일부)에서 복수의 사용자들을 지시하는 키워드를 검출할 수 있다.

복수의 사용자들을 지시하는 키워드는, 사용자 그룹을 지시하는 키워드를 포함할 수 있다. 사용자 그룹을 지시하는 키워드는, 해당 사용자를 지시하는데 이용될 수 있는 단어를 의미할 수 있다. 예시적으로, 사용자 그룹을 지시하는 키워드는, 사용자 그룹이 팀에 대응하는 경우, 팀의 명칭(designation)(예: 인사팀, 회계팀, 재무팀, 영업팀)을 포함할 수 있다. 예시적으로, 사용자 그룹을 지시하는 키워드는, 사용자 그룹이 물리적 공간에 대응하는 경우, 해당 영역을 지시하는 단어(예: A 건물, B 건물의 C 층)을 포함할 수 있다. 예시적으로, 사용자 그룹을 지시하는 키워드는, 사용자 그룹이 서브 가상 공간(예: D 회의실을 나타내는 서브 가상 공간, E 휴게실을 나타내는 서브 가상 공간)에 대응하는 경우, 해당 서브 가상 공간을 지시하는 단어(예: D 회의실, E 휴게실)을 포함할 수 있다.

복수의 사용자들을 지시하는 키워드는, 사용자를 지시하는 키워드들을 포함할 수 있다. 예를 들어, 서버는 제1 부분 음성 데이터의 일부에서 복수의 키워드들(예: 제1 키워드 및 제2 키워드)을 검출할 수 있다. 제1 키워드는 제1 사용자를 지시하는 키워드일 수 있다. 제2 키워드는 제2 사용자를 지시하는 키워드일 수 있다. 서버는, 검출된 복수의 키워드들에 의하여 지시된 제1 사용자 및 제2 사용자를 타겟 사용자로 결정할 수 있다.

서버는, 가상 공간 내의 복수의 사용자들에게 제1 부분 음성 데이터를 전달할 수 있다. 예를 들어, 서버는 가상 공간 내의 복수의 사용자들을 타겟 사용자로 결정한 것에 기초하여, 복수의 사용자들의 단말들에게 제1 부분 음성 데이터를 재생하도록 명령할 수 있다. 복수의 사용자들의 단말들 각각은, 서버로부터 제1 부분 음성 데이터의 재생 명령을 수신하는 것에 기초하여, 제1 부분 음성 데이터를 재생할 수 있다.

동작(1020)에서, 서버는 제1 부분 음성 데이터에 기초하여, 타겟 사용자를 제1 사용자로 결정할 수 있다. 서버는, 제1 사용자의 음성 데이터로부터 제1 사용자의 혼잣말(private speech)인 타겟 발화에 대응하는 제1 부분 음성 데이터를 추출할 수 있다. 서버는 제1 사용자의 혼잣말인 타겟 발화에 대응하는 제1 부분 음성 데이터를 수신할 타겟 사용자를 제1 사용자로 결정할 수 있다. 예를 들어, 서버는 제1 부분 음성 데이터가 임계 값 이하의 음량을 가지는 것 또는 타겟 발화가 제1 사용자를 지시하는 것 중 적어도 하나에 기초하여, 타겟 사용자를 제1 사용자로 결정할 수 있다.

일 실시예에 따르면, 서버는 제1 부분 음성 데이터의 음량에 기초하여, 타겟 사용자를 제1 사용자로 결정할 수 있다. 예를 들어, 서버는, 제1 부분 음성 데이터가 임계 값 이하의 음량을 가지는 것에 기초하여, 타겟 사용자를 제1 사용자로 결정할 수 있다. 제1 부분 음성 데이터의 음량은, 예시적으로, 최소 음량, 최대 음량, 또는 평균 음량 중 적어도 하나로 계산될 수 있다.

제1 사용자를 타겟 사용자로 결정하기 위하여 제1 부분 음성 데이터의 음량과 비교되는 임계 값(예: 혼잣말에 관한 임계 값)은, 도 6에서 전술한 시작 이벤트를 검출하기 위한 제1 사용자의 음성 데이터의 음량과 비교되는 임계 값(예: 시작 이벤트에 관한 임계 값)과 독립적일 수 있다. 예시적으로, 시작 이벤트에 관한 임계 값은, 혼잣말에 관한 임계 값보다 작을 수 있다. 서버는 제1 사용자의 음성 데이터의 음량이 시작 이벤트에 관한 임계 값을 초과하는 경우, 시작 이벤트를 검출할 수 있다. 서버는, 검출된 시작 이벤트에 기초하여 제1 사용자의 음성 데이터로부터 제1 부분 음성 데이터를 추출할 수 있다. 서버는 추출된 제1 사용자의 제1 부분 음성 데이터의 음량이 혼잣말에 관한 임계 값 이하인 것에 기초하여, 타겟 사용자를 제1 사용자로 결정할 수 있다.

일 실시예에 따르면, 서버는 제1 부분 음성 데이터가 대응하는 타겟 발화에 기초하여, 타겟 사용자를 제1 사용자로 결정할 수 있다. 예를 들어, 서버는 타겟 발화가 제1 사용자를 지시하는 것에 기초하여, 타겟 사용자를 제1 사용자로 결정할 수 있다. 서버는 제1 부분 음성 데이터로부터 타겟 발화를 식별할 수 있다. 서버는 타겟 발화를 분석함으로써, 타겟 발화가 제1 사용자를 지시하는지 여부를 결정할 수 있다.

예시적으로, 서버는 타겟 발화의 적어도 일부를 혼잣말 목록에서 검색할 수 있다. 서버는 타겟 발화의 적어도 일부가 혼잣말 목록에 포함되는 것에 기초하여, 해당 발화가 제1 사용자를 지시하는 것을 결정할 수 있다. 혼잣말 목록은, 미리 결정된 하나 이상의 발화들을 가지는 목록으로서, 혼잣말에 대응하는 하나 이상의 발화들을 포함할 수 있다. 예시적으로, 혼잣말 목록은, 제1 발화(예: '아이고'), 제2 발화(예: '힘내자'), 제3 발화(예: '하기 싫다'), 및 제4 발화(예: '아휴')를 가질 수 있다. 서버는 타겟 발화가 제1 사용자를 지시하는 것에 기초하여, 타겟 사용자를 제1 사용자로 결정할 수 있다.

서버는, 제1 사용자에게 제1 부분 음성 데이터를 전달할 수 있다. 예를 들어, 서버는 제1 사용자의 단말에게 제1 사용자의 혼잣말에 대응하는 제1 부분 음성 데이터의 재생을 명령할 수 있다. 또한, 서버는, 가상 공간 내의 사용자들 중 제1 사용자와 다른 사용자에게 제1 사용자의 혼잣말에 대응하는 제1 부분 음성 데이터를 전달하는 것을 제한할 수 있다. 예를 들어, 서버는, 가상 공간 내의 제1 사용자와 다른 사용자에게 제1 사용자의 혼잣말에 대응하는 제1 부분 음성 데이터를 재생하는 것을 제한하도록 명령할 수 있다. 예를 들어, 서버는, 가상 공간 내의 제1 사용자와 다른 사용자에게 제1 사용자의 혼잣말에 대응하는 제1 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하는 것을 제한하도록 명령할 수 있다.

동작(1030)에서, 서버는 가상 공간 내의 사용자들 중 제1 부분 음성 데이터를 수신할 사용자를 결정하지 않은 것에 기초하여, 가상 공간 내의 사용자들 모두를 타겟 사용자로 결정할 수 있다. 서버는 가상 공간 내의 사용자들 중 제1 부분 음성 데이터를 수신할 사용자를 결정하지 않을 수 있다. 예를 들어, 서버는, 제1 사용자의 제스쳐 입력이 획득되지 않은 경우, 제스쳐 입력에 기초하여 타겟 사용자를 결정하는 것을 생략(skip)할 수 있다. 서버는, 제1 부분 음성 데이터에서 키워드가 검출되지 않은 경우, 키워드에 기초하여 타겟 사용자를 결정하는 것을 생략(skip)할 수 있다. 서버는, 제1 부분 음성 데이터의 음량이 임계 값(예: 혼잣말에 관한 임계 값)을 초과하는 경우, 제1 부분 음성 데이터의 음량에 기초하여 제1 사용자를 타겟 사용자로 결정하는 것을 생략(skip)할 수 있다. 서버는, 제1 부분 음성 데이터로부터 식별된 발화가 제1 사용자를 지시하지 않는 경우(예: 제1 부분 음성 데이터로부터 식별된 발화가 혼잣말 목록에 포함되지 않는 경우), 제1 부분 음성 데이터로부터 식별된 발화에 기초하여 제1 사용자를 타겟 사용자로 결정하는 것을 생략(skip)할 수 있다.

서버는, 가상 공간 내의 사용자들 중 제1 부분 음성 데이터를 수신할 사용자를 결정하지 않은 것에 기초하여, 가상 공간 내의 사용자들 모두를 타겟 사용자로 결정할 수 있다. 예를 들어, 서버는 제1 부분 음성 데이터에 포함될 타겟 발화를 수신할 사용자가 가상 공간 내의 사용자들 중 적어도 하나의 사용자로 결정되지 않은 경우, 제1 부분 음성 데이터에 포함된 타겟 발화를 가상 공간 내의 사용자들 모두에게 전달될 발화로 결정할 수 있다.

서버는, 가상 공간 내의 모든 사용자들에게 제1 부분 음성 데이터를 전달할 수 있다. 예를 들어, 서버는 가상 공간 내의 모든 사용자들을 타겟 사용자로 결정한 것에 기초하여, 가상 공간 내의 모든 사용자들의 단말들에게 제1 부분 음성 데이터를 재생하도록 명령할 수 있다. 가상 공간 내의 모든 사용자들의 단말들 각각은, 서버로부터 제1 부분 음성 데이터의 재생 명령을 수신하는 것에 기초하여, 제1 부분 음성 데이터를 재생할 수 있다.

도 11은 일 실시예에 따른 서버가 타겟 사용자에 대하여 복수의 부분 음성 데이터들의 전달이 요청된 경우에 수행하는 동작을 설명하기 위한 도면이다.

일 실시예에 따르면, 타겟 단말이 제1 사용자의 제1 부분 음성 데이터를 재생하는 동안 타겟 사용자에 대하여 제2 사용자의 제2 부분 음성 데이터의 전달이 요청될 수 있다. 서버는 제1 부분 음성 데이터 및 제2 부분 음성 데이터 중 한 부분 음성 데이터를 재생하도록 타겟 단말에게 명령할 수 있다. 서버는 제1 부분 음성 데이터 및 제2 부분 음성 데이터 중 다른 부분 음성 데이터의 재생을 제한할 수 있다. 서버는, 다른 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 타겟 단말에게 명령할 수 있다.

동작(1110)에서, 서버는 제1 부분 음성 데이터 및 제2 부분 음성 데이터 중 타겟 단말에게 재생을 명령할 부분 음성 데이터를 선택할 수 있다.

일 실시예에 따르면, 서버는 제1 사용자 및 제2 사용자 각각의 우선 순위(priority)에 기초하여 결정할 수 있다. 가상 공간 내의 사용자들 각각에 대하여, 해당 사용자의 우선 순위가 할당될 수 있다. 예시적으로, 사용자의 우선 순위는 타겟 사용자의 입력에 기초하여 설정될 수 있다. 예시적으로, 사용자의 우선 순위는 해당 사용자의 특성에 기초하여 결정될 수 있다.

예를 들어, 제1 사용자의 우선 순위가 제2 사용자의 우선 순위보다 높거나 같은 경우, 서버는 타겟 단말에게 재생을 명령할 부분 음성 데이터로 제1 사용자의 제1 부분 음성 데이터를 선택할 수 있다. 예를 들어, 제1 사용자의 우선 순위가 제2 사용자의 우선 순위보다 낮은 경우, 서버는 타겟 단말에게 재생을 명령할 부분 음성 데이터로 제2 사용자의 제2 부분 음성 데이터를 선택할 수 있다.

일 실시예에 따르면, 서버는 제1 부분 음성 데이터 및 제2 부분 음성 데이터 각각을 수신할 사용자의 수에 기초하여 결정할 수 있다. 서버는 제1 사용자의 제1 부분 음성 데이터를 수신할 제1 타겟 사용자를 결정할 수 있다. 서버는 제2 사용자의 제2 부분 음성 데이터를 수신할 제2 타겟 사용자를 결정할 수 있다. 제1 타겟 사용자 및 제2 타겟 사용자 각각은, 가상 공간 내의 사용자들 중에서 한 사용자로 또는 복수의 사용자들로 결정될 수 있다.

예를 들어, 서버는 제1 부분 음성 데이터 및 제2 부분 음성 데이터 중에서, 수신할 사용자의 수가 다른 부분 음성 데이터보다 더 크거나 같은 부분 음성 데이터를 타겟 단말에게 재생을 명령할 부분 음성 데이터로 선택할 수 있다. 예시적으로, 제1 타겟 사용자의 수(예: 5)가 제2 타겟 사용자의 수(예: 1) 보다 크거나 같은 경우, 서버는 타겟 단말에게 재생을 명령할 부분 음성 데이터로 제1 사용자의 제1 부분 음성 데이터를 선택할 수 있다.

예를 들어, 서버는 제1 부분 음성 데이터 및 제2 부분 음성 데이터 중에서, 수신할 사용자의 수가 다른 부분 음성 데이터보다 더 작거나 같은 부분 음성 데이터를 타겟 단말에게 재생을 명령할 부분 음성 데이터로 선택할 수 있다. 예시적으로, 제1 타겟 사용자의 수(예: 1)가 제2 타겟 사용자의 수(예: 5) 보다 작거나 같은 경우, 서버는 타겟 단말에게 재생을 명령할 부분 음성 데이터로 제2 사용자의 제2 부분 음성 데이터를 선택할 수 있다.

일 실시예에 따르면, 서버는 제1 부분 음성 데이터의 음량 및 제2 부분 음성 데이터의 음량에 기초하여 결정할 수 있다. 제1 부분 음성 데이터의 음량은, 제1 부분 음성 데이터의 최소 음량, 최대 음량, 또는 평균 음량 중 적어도 하나를 포함할 수 있다.

예를 들어, 서버는 제1 부분 음성 데이터 및 제2 부분 음성 데이터 중에서, 부분 음성 데이터의 음량이 다른 부분 음성 데이터의 음량보다 크거나 같은 부분 음성 데이터를 타겟 단말에게 재생을 명령할 부분 음성 데이터로 선택할 수 있다. 예시적으로, 제1 부분 음성 데이터의 음량이 제2 부분 음성 데이터의 음량보다 크거나 같은 경우, 서버는 타겟 단말에게 재생을 명령할 부분 음성 데이터로 제1 사용자의 제1 부분 음성 데이터를 선택할 수 있다.

동작(1120)에서, 서버는 선택된 부분 음성 데이터의 재생을 타겟 단말에게 명령할 수 있다. 예를 들어, 제1 부분 음성 데이터가 타겟 단말에게 명령할 부분 음성 데이터로 선택된 경우, 서버는 타겟 단말에게 제1 사용자의 제1 부분 음성 데이터의 재생을 계속하도록 명령할 수 있다. 예를 들어, 제2 부분 음성 데이터가 타겟 단말에게 명령할 부분 음성 데이터로 선택된 경우, 서버는 타겟 단말에게 제2 사용자의 제2 부분 음성 데이터를 재생하도록 명령할 수 있다.

동작(1130)에서, 서버는 제1 부분 음성 데이터 및 제2 부분 음성 데이터 중 선택된 부분 음성 데이터와 다른 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 타겟 단말에게 명령할 수 있다. 서버는, 다른 부분 음성 데이터를 재생하는 것을 제한하도록 타겟 단말에게 명령할 수 있다.

예를 들어, 제1 부분 음성 데이터가 타겟 단말에게 명령할 부분 음성 데이터로 선택된 경우, 서버는 타겟 단말에게 제2 사용자의 제2 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 명령할 수 있다. 서버는 타겟 단말에게 제2 사용자의 제2 부분 음성 데이터의 재생을 제한하도록 명령할 수 있다.

예를 들어, 제2 부분 음성 데이터가 타겟 단말에게 명령할 부분 음성 데이터로 선택된 경우, 서버는 타겟 단말에게 제1 사용자의 제1 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 명령할 수 있다. 서버는 타겟 단말에게 제1 사용자의 제1 부분 음성 데이터의 재생을 중단하도록 명령할 수 있다.

도 12는 일 실시예에 따른 서버가 인공 지능 서버에게 부분 음성 데이터를 전달하는 동작 및 인공 지능 서버로부터 피드백 음성 데이터를 수신하는 동작을 나타낼 수 있다.

동작(1210)에서, 서버는 제1 사용자의 제스쳐 입력 또는 제1 부분 음성 데이터 중 적어도 하나에 기초하여, 인공 지능 서버를 제1 부분 음성 데이터의 수신자(receiver)로 결정할 수 있다.

예시적으로, 인공 지능 서버가 제1 사용자의 제1 부분 음성 데이터의 수신자로 결정되는 것에 기초하여, 제1 사용자의 단말은 음성 비서 애플리케이션(또는 AI 비서 애플리케이션)을 실행할 수 있다. 제1 사용자의 단말은 음성 비서 애플리케이션을 통해, 제1 부분 음성 데이터를 인공 지능 서버에게 전달할 수 있다. 예를 들어, 제1 사용자의 단말은 제1 부분 음성 데이터를 인공 지능 서버에게 전송할 수 있다. 예를 들어, 제1 사용자의 단말은 제1 부분 음성 데이터를 가상 공간을 구축하는 서버에게 전송하고, 가상 공간을 구축하는 서버가 인공 지능 서버에게 제1 부분 음성 데이터를 전송할 수 있다.

인공 지능 서버(예: 제2 서버)는, 가상 공간을 구축하는 서버(예: 제1 서버)와 다른 서버를 포함할 수 있다. 인공 지능 서버는 사용자의 발화를 가지는 부분 음성 데이터를 분석하여 부분 음성 데이터에 대한 피드백 음성 데이터를 생성할 수 있다.

일 실시예에 따른 인공 지능 서버는, 자동 음성 인식 모듈(automatic speech recognition module; ASR module), 자연어 이해 모듈(natural language understanding module; NLU module), 자연어 생성 모듈(natural language generator module; NLG module) 또는 텍스트 음성 변환 모듈(text to speech module; TTS module) 중 적어도 하나를 포함할 수 있다. 자동 음성 인식 모듈은 사용자의 단말로부터 수신된 사용자의 음성 데이터를 텍스트 데이터로 변환할 수 있다. 자연어 이해 모듈은 음성 데이터로부터 변환된 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 데이터로부터 검출된 단어(예: 키워드)의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 자연어 생성 모듈은 지정된 정보를 자연어 발화의 형태의 텍스트 데이터로 변경할 수 있다. 텍스트 음성 변환 모듈은 텍스트 데이터를 음성 형태의 정보로 변환할 수 있다.

일 실시예에 따르면, 서버는 제1 사용자의 제스쳐 입력에 기초하여 인공 지능 서버를 제1 부분 음성 데이터의 수신자로 결정할 수 있다. 서버는 인공 지능 서버에 대한 제스쳐 입력을 획득하는 것에 기초하여, 인공 지능 서버를 제1 부분 음성 데이터의 수신자로 결정할 수 있다.

인공 지능 서버에 대한 제스쳐 입력은, 해당 인공 지능 서버에 관한 오브젝트를 지시 또는 선택하는 제스쳐 입력을 포함할 수 있다. 인공 지능 서버에 관한 오브젝트는, 인공 지능 서버를 지시하는데 이용될 수 있는 가상 공간 내의 오브젝트를 의미할 수 있다. 예시적으로, 인공 지능 서버에 관한 오브젝트는, 인공 지능 서버를 지시하는 가상 오브젝트를 포함할 수 있다.

인공 지능 서버에 대한 제스쳐 입력은, 인공 지능 서버의 입출력 인터페이스를 지시 또는 선택하는 제스쳐 입력을 포함할 수 있다. 인공 지능 서버의 입출력 인터페이스는, 사용자로부터 인공 지능 서버에게 전달되는 인공 지능 서버의 입력 데이터를 사용자에게 재생 및/또는 표시하는 인터페이스를 포함할 수 있다. 인공 지능 서버의 입출력 인터페이스는, 인공 지능 서버로부터 사용자에게 전달되는 인공 지능 서버의 출력 데이터를 사용자에게 재생 및/또는 표시하는 인터페이스를 포함할 수 있다.

일 실시예에 따르면, 서버는 제1 부분 음성 데이터에 기초하여 인공 지능 서버를 제1 부분 음성 데이터의 수신자로 결정할 수 있다.

예를 들어, 서버는 제1 부분 음성 데이터의 적어도 일부에서 인공 지능 서버를 지시하는 키워드를 검출할 수 있다. 인공 지능 서버를 지시하는 키워드는, 인공 지능 서버를 지시하는데 이용될 수 있는 단어를 포함할 수 있다. 예시적으로, 인공 지능 서버를 지시하는 키워드는 인공 지능 서버의 명칭(title)을 포함할 수 있다. 예시적으로, 인공 지능 서버를 지시하는 키워드는 사용자에 의하여 미리 설정된 단어(예: 웨이크 업 키워드)를 포함할 수 있다.

예를 들어, 서버는, 제1 부분 음성 데이터의 타겟 발화가 인공 지능 서버에 대한 명령에 대응하는 것을 결정할 수 있다. 예를 들어, 제1 부분 음성 데이터의 타겟 발화는, 인공 지능 서버에 의하여 수행 가능한 동작에 관한 명령에 대응할 수 있다. 인공 지능 서버에 의하여 수행 가능한 동작은, 예시적으로, 날씨 예보의 전달 동작, 단위 변환 동작 등을 포함할 수 있다.

예를 들어, 서버는 제1 부분 음성 데이터의 음량에 기초하여, 인공 지능 서버를 제1 부분 음성 데이터의 수신자로 결정할 수 있다. 서버는, 제1 부분 음성 데이터의 음량이 임계 값 이하인 것에 기초하여, 인공 지능 서버를 제1 부분 음성 데이터의 수신자로 결정할 수 있다.

인공 지능 서버를 제1 부분 음성 데이터의 수신자로 결정하기 위하여 제1 부분 음성 데이터의 음량과 비교되는 임계 값(예: 인공 지능 서버에 관한 임계 값)은, 도 6에서 전술한 시작 이벤트를 검출하기 위한 제1 사용자의 음성 데이터의 음량과 비교되는 임계 값(예: 타겟 발화 시작 임계 값), 및 도 10에서 제1 사용자를 타겟 사용자로 결정하기 위하여 제1 부분 음성 데이터의 음량과 비교되는 임계 값(예: 혼잣말에 관한 임계 값)과 독립적일 수 있다. 예시적으로, 시작 이벤트에 관한 임계 값은, 혼잣말에 관한 임계 값보다 작고, 혼잣말에 관한 임계 값은 인공 지능 서버에 관한 임계 값보다 작을 수 있다. 서버는 제1 사용자의 음성 데이터의 음량이 시작 이벤트에 관한 임계 값을 초과하는 경우, 시작 이벤트를 검출할 수 있다. 서버는, 검출된 시작 이벤트에 기초하여 제1 사용자의 음성 데이터로부터 제1 부분 음성 데이터를 추출할 수 있다. 서버는 추출된 제1 사용자의 제1 부분 음성 데이터의 음량이 혼잣말에 관한 임계 값을 초과하는 것에 기초하여, 타겟 사용자를 제1 사용자로 결정하는 것을 생략할 수 있다. 서버는 추출된 제1 사용자의 제1 부분 음성 데이터의 음량이 인공 지능 서버에 관한 임계 값을 이하인 것에 기초하여, 인공 지능 서버를 제1 부분 음성 데이터의 수신자로 결정할 수 있다.

동작(1220)에서, 서버는 인공 지능 서버를 제1 부분 음성 데이터의 수신자로 결정하는 것에 기초하여, 제1 부분 음성 데이터를 인공 지능 서버에게 전달할 수 있다. 예를 들어, 제1 서버는 제2 서버에게 제1 부분 음성 데이터에 대한 피드백 음성 데이터를 생성하도록 명령할 수 있다. 제1 서버는 제2 서버에게 생성된 피드백 음성 데이터를 제1 서버에게 전송하도록 명령할 수 있다.

도 12에서 명시적으로 도시되지는 않으나, 제1 서버는 제1 부분 음성 데이터를 제2 서버에게 전송할 수 있다. 제2 서버는 제1 서버로부터 제1 부분 음성 데이터로부터 수신할 수 있다. 제2 서버는 제1 서버로부터 제1 부분 음성 데이터로부터 수신할 수 있다. 제2 서버는 제1 부분 음성 데이터를 분석함으로써, 제1 부분 음성 데이터에 대한 피드백 음성 데이터를 생성할 수 있다. 예를 들어, 제1 부분 음성 데이터는 질문을 가지는 타겟 발화(예: 23인치가 몇 센티미터야?)를 가질 수 있다. 제2 서버는 타겟 발화에 대한 답변 발화(예: 23인치는 58.42센티미터입니다)를 가지는 피드백 음성 데이터를 생성할 수 있다. 제2 서버는, 제1 서버에게 피드백 음성 데이터를 전송할 수 있다. 후술하겠으나, 제1 서버는 제2 서버로부터 피드백 음성 데이터를 수신하는 것에 기초하여 수신된 피드백 음성 데이터를 타겟 사용자에게 전달할 수 있다.

동작(1230)에서, 제1 서버는 가상 공간 내의 사용자들 중 제1 사용자와 다른 사용자에게 제1 부분 음성 데이터를 전달하는 것을 제한할 수 있다.

일 실시예에 따르면, 제1 서버는 제1 사용자와 다른 사용자에게 제1 부분 음성 데이터를 전달하는 것을 제한할 수 있다. 예를 들어, 제1 서버는 제1 부분 음성 데이터를 재생하는 것을 제한하도록 다른 사용자의 단말에게 명령할 수 있다. 예를 들어, 제1 서버는 제1 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하는 것을 제한하도록 다른 사용자의 단말에게 명령할 수 있다.

일 실시예에 따르면, 제1 사용자의 아바타 오브젝트와 다른 사용자의 아바타 오브젝트 간의 가상 공간 상에서의 거리와 독립적으로, 제1 서버는 제1 사용자와 다른 사용자에게 제1 부분 음성 데이터를 전달하는 것을 제한할 수 있다. 예시적으로, 가상 공간 상에서, 제1 사용자의 아바타 오브젝트가 다른 사용자의 아바타 오브젝트와 가까운 거리(예: 임계 거리 이하의 거리)에 위치하더라도, 제1 서버는 제1 부분 음성 데이터를 제1 사용자와 다른 사용자에게 전달하는 것을 제한할 수 있다.

동작(1240)에서, 서버는 인공 지능 서버로부터 수신된 피드백 음성 데이터를 제1 사용자에게 전달할 수 있다.

제1 서버는 제2 서버로부터 피드백 음성 데이터를 수신할 수 있다. 제1 서버는, 수신된 피드백 음성 데이터가 제1 사용자의 제1 부분 음성 데이터에 대한 것에 기초하여, 수신된 피드백 음성 데이터를 제1 사용자에게 전달할 수 있다. 예를 들어, 제1 서버는 제1 사용자의 단말에게, 피드백 음성 데이터의 재생하고/하거나 피드백 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 명령할 수 있다.

일 실시예에 따르면, 제1 서버는 제1 사용자의 단말에게 피드백 음성 데이터의 재생을 명령할 수 있다. 제1 서버는, 제1 사용자의 단말이 다른 음성 데이터를 재생하는 동안 제1 사용자에 대하여 피드백 음성 데이터의 전달이 요청된 것에 기초하여, 제1 사용자의 단말에게 피드백 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 명령할 수 있다. 제1 서버는, 제1 사용자의 단말이 다른 음성 데이터를 재생하는 동안 제1 사용자에 대하여 피드백 음성 데이터의 전달이 요청된 것에 기초하여, 제1 사용자의 단말에게 피드백 음성 데이터를 재생하는 것을 제한하도록 명령할 수 있다.

일 실시예에 따르면, 제1 서버는 제1 사용자의 단말에게 피드백 음성 데이터의 재생을 명령할 수 있다. 제1 서버는, 제1 사용자의 단말이 다른 음성 데이터를 재생하는 동안 제1 사용자에 대하여 피드백 음성 데이터의 전달이 요청된 것에 기초하여, 제1 사용자의 단말에게 다른 음성 데이터와 피드백 음성 데이터가 믹싱(mix)된 음성 데이터를 재생하도록 명령할 수 있다. 믹싱된 음성 데이터는, 미리 결정된 비율로 다른 음성 데이터 및 피드백 음성 데이터를 믹싱함으로써 생성될 수 있다.

동작(1250)에서, 서버는 제1 사용자와 다른 사용자에게 피드백 음성 데이터를 전달하는 것을 제한할 수 있다.

일 실시예에 따르면, 제1 서버는 제1 사용자와 다른 사용자에게 피드백 음성 데이터를 전달하는 것을 제한할 수 있다. 예를 들어, 제1 서버는 피드백 음성 데이터를 재생하는 것을 제한하도록 다른 사용자의 단말에게 명령할 수 있다. 예를 들어, 제1 서버는 피드백 음성 데이터에 기초하여 생성된 시각적 정보를 표시하는 것을 제한하도록 다른 사용자의 단말에게 명령할 수 있다.

일 실시예에 따르면, 제1 사용자의 아바타 오브젝트와 다른 사용자의 아바타 오브젝트 간의 가상 공간 상에서의 거리와 독립적으로, 제1 서버는 제1 사용자와 다른 사용자에게 피드백 음성 데이터를 전달하는 것을 제한할 수 있다. 예시적으로, 가상 공간 상에서, 제1 사용자의 아바타 오브젝트가 다른 사용자의 아바타 오브젝트와 가까운 거리(예: 임계 거리 이하의 거리)에 위치하더라도, 제1 서버는 피드백 음성 데이터를 제1 사용자와 다른 사용자에게 전달하는 것을 제한할 수 있다.

일 실시예에 따른 서버는, 사용자와 인공 지능 서버 간의 인터랙션이 다른 사용자에게 제공되는 것을 제한할 수 있다. 서버는, 사용자로부터 인공 지능 서버에게 전달된 음성 데이터(예: 제1 부분 음성 데이터)를 다른 사용자에게 전달하는 것을 제한할 수 있다. 서버는, 인공 지능 서버로부터 사용자에게 전달된 음성 데이터(예: 피드백 음성 데이터)를 다른 사용자에게 전달하는 것을 제한할 수 있다. 서버는, 다른 사용자에게 노출되지 않고 인공 지능 서버와 인터랙션을 자유롭게 수행 가능한 메타버스 공간을 사용자에게 제공할 수 있다.

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

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어^TM)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

가상 공간을 구축하는 서버(108)에 있어서,
컴퓨터로 실행 가능한 명령어들(computer-executable instructions)이 저장된 메모리(183); 및
상기 메모리(1830)에 억세스(access)하여 상기 명령어들을 실행하는 프로세서(181)
를 포함하고,
상기 명령어들은,
가상 공간 내의 사용자들 중 제1 사용자의 단말로부터 수신된 상기 제1 사용자의 음성 데이터로부터, 타겟 발화(target utterance)에 대응하는 제1 부분 음성 데이터를 추출하고,
상기 제1 사용자의 제1 부분 음성 데이터를 수신할 타겟 사용자를 결정하고,
상기 타겟 사용자의 타겟 단말에게 상기 제1 부분 음성 데이터의 재생을 명령하며,
상기 타겟 단말이 상기 제1 부분 음성 데이터를 재생하는 동안 상기 타겟 사용자에 대해 제2 사용자의 제2 부분 음성 데이터의 전달이 요청된 것에 기초하여, 상기 제2 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 상기 타겟 단말에게 명령
하도록 설정되는,
서버(108).
제1항에 있어서,
상기 명령어들은,
상기 제1 사용자의 제스쳐 입력(gesture input) 또는 상기 제1 사용자의 음성 데이터의 일부 중 적어도 하나에 기초하여, 상기 제1 사용자의 음성 데이터로부터 시작 이벤트 및 종료 이벤트를 검출하며,
상기 제1 사용자의 음성 데이터로부터 상기 시작 이벤트 및 상기 종료 이벤트 사이의 시간 구간에 대응하는 일부를 상기 제1 부분 음성 데이터로서 추출
하도록 설정되는,
서버(108).
제1항 내지 제2항에 있어서,
상기 명령어들은,
상기 제1 사용자의 단말로부터 상기 제1 사용자의 음성 데이터를 수신하는 것에 기초하여, 상기 제1 사용자의 음성 데이터를 상기 가상 공간 내의 사용자들에게 전달하는 것을 시작하고,
상기 제1 사용자의 음성 데이터에서 시작 이벤트를 검출하는 것에 기초하여, 상기 제1 사용자의 음성 데이터를 상기 가상 공간 내의 사용자들에게 전달하는 것을 중단하며,
상기 제1 사용자의 음성 데이터에서 종료 이벤트를 검출하는 것에 기초하여, 상기 제1 사용자의 음성 데이터를 상기 가상 공간 내의 사용자들에게 전달하는 것을 다시 시작
하도록 설정되는,
서버(108).
제1항 내지 제3항 중 어느 한 항에 있어서,
상기 명령어들은,
상기 가상 공간 내의 사용자들 중 상기 결정된 타겟 사용자와 다른 사용자에게 상기 제1 부분 음성 데이터를 전달하는 것을 제한
하도록 설정되는,
서버(108).
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 명령어들은,
상기 타겟 단말에게 상기 제2 부분 음성 데이터의 재생을 제한하도록 명령
하도록 설정되는,
서버(108).
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 명령어들은,
상기 제1 부분 음성 데이터 및 상기 제2 부분 음성 데이터 중 상기 타겟 단말에게 재생을 명령할 부분 음성 데이터를 선택하고,
상기 선택된 부분 음성 데이터의 재생을 상기 타겟 단말에게 명령하며,
상기 제1 부분 음성 데이터 및 상기 제2 부분 음성 데이터 중 상기 선택된 부분 음성 데이터와 다른 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 상기 타겟 단말에게 명령
하도록 설정되는,
서버(108).
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 명령어들은,
상기 가상 공간 내의 복수의 사용자들을 상기 타겟 사용자로 결정한 것에 기초하여, 상기 복수의 사용자들의 단말들에게 상기 제1 부분 음성 데이터를 재생하도록 명령
하도록 설정되는,
서버(108).
제1항 내지 제7항 중 어느 한 항에 있어서,
상기 명령어들은,
상기 제1 사용자의 제스쳐 입력 또는 상기 제1 부분 음성 데이터 중 적어도 하나에 기초하여, 상기 서버(108)와 다른 인공 지능 서버를 상기 제1 부분 음성 데이터의 수신자(receiver)로 결정하고,
상기 인공 지능 서버를 상기 제1 부분 음성 데이터의 수신자로 결정하는 것에 기초하여, 상기 제1 부분 음성 데이터를 인공 지능 서버에게 전달하며,
상기 가상 공간 내의 사용자들 중 상기 제1 사용자와 다른 사용자에게 상기 제1 부분 음성 데이터를 전달하는 것을 제한
하도록 설정되는,
서버(108).
제1항 내지 제8항 중 어느 한 항에 있어서,
상기 명령어들은,
상기 서버(108)와 다른 인공 지능 서버로부터 수신된 피드백 음성 데이터를 상기 제1 사용자에게 전달하고,
상기 제1 사용자와 다른 사용자에게 상기 피드백 음성 데이터를 전달하는 것을 제한
하도록 설정되는,
서버(108).
제1항 내지 제9항 중 어느 한 항에 있어서,
상기 명령어들은,
상기 제1 부분 음성 데이터의 음량(volume)이 임계 값 이하인 것 또는 상기 타겟 발화의 적어도 일부가 상기 제1 사용자를 지시하는 것 중 적어도 하나에 기초하여, 상기 타겟 사용자를 상기 제1 사용자로 결정
하도록 설정되는,
서버(108).
제1항 내지 제10항 중 어느 한 항에 있어서,
상기 명령어들은,
상기 가상 공간 내의 사용자들 중 제1 음성 데이터를 수신할 사용자를 결정하지 않은 것에 기초하여, 상기 가상 공간 내의 사용자들 모두를 상기 타겟 사용자로 결정
하도록 설정되는,
서버(108).
가상 공간을 구축하는 서버(108)에 의하여 수행되는 방법에 있어서,
가상 공간 내의 사용자들 중 제1 사용자의 단말로부터 수신된 상기 제1 사용자의 음성 데이터로부터, 타겟 발화(target utterance)에 대응하는 제1 부분 음성 데이터를 추출하는 동작;
상기 제1 사용자의 제1 부분 음성 데이터를 수신할 타겟 사용자를 결정하는 동작;
상기 타겟 사용자의 타겟 단말에게 상기 제1 부분 음성 데이터의 재생을 명령하는 동작; 및
상기 타겟 단말이 상기 제1 부분 음성 데이터를 재생하는 동안 상기 타겟 사용자에 대해 제2 사용자의 제2 부분 음성 데이터의 전달이 요청된 것에 기초하여, 상기 제2 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 상기 타겟 단말에게 명령하는 동작
을 포함하는 방법.
제12항에 있어서,
상기 제1 부분 음성 데이터를 추출하는 동작은,
상기 제1 사용자의 제스쳐 입력(gesture input) 또는 상기 제1 사용자의 음성 데이터의 일부 중 적어도 하나에 기초하여, 상기 제1 사용자의 음성 데이터로부터 시작 이벤트 및 종료 이벤트를 검출하는 동작; 및
상기 제1 사용자의 음성 데이터로부터 상기 시작 이벤트 및 상기 종료 이벤트 사이의 시간 구간에 대응하는 일부를 상기 제1 부분 음성 데이터로서 추출하는 동작을 포함하는,
방법.
제12항 내지 제13항에 있어서,
상기 제1 사용자의 단말로부터 상기 제1 사용자의 음성 데이터를 수신하는 것에 기초하여, 상기 제1 사용자의 음성 데이터를 상기 가상 공간 내의 사용자들에게 전달하는 것을 시작하는 동작;
상기 제1 사용자의 음성 데이터에서 시작 이벤트를 검출하는 것에 기초하여, 상기 제1 사용자의 음성 데이터를 상기 가상 공간 내의 사용자들에게 전달하는 것을 중단하는 동작; 및
상기 제1 사용자의 음성 데이터에서 종료 이벤트를 검출하는 것에 기초하여, 상기 제1 사용자의 음성 데이터를 상기 가상 공간 내의 사용자들에게 전달하는 것을 다시 시작하는 동작
을 더 포함하는 방법.
제12항 내지 제14항 중 어느 한 항에 있어서,
상기 제1 부분 음성 데이터의 재생을 명령하는 동작은,
상기 가상 공간 내의 사용자들 중 상기 결정된 타겟 사용자와 다른 사용자에게 상기 제1 부분 음성 데이터를 전달하는 것을 제한하는 동작을 포함하는,
방법.
제12항 내지 제15항 중 어느 한 항에 있어서,
상기 제2 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 상기 타겟 단말에게 명령하는 동작은,
상기 타겟 단말에게 상기 제2 부분 음성 데이터의 재생을 제한하도록 명령하는 동작을 포함하는,
방법.
제12항 내지 제16항 중 어느 한 항에 있어서,
상기 제1 부분 음성 데이터 및 상기 제2 부분 음성 데이터 중 상기 타겟 단말에게 재생을 명령할 부분 음성 데이터를 선택하는 동작;
상기 선택된 부분 음성 데이터의 재생을 상기 타겟 단말에게 명령하는 동작; 및
상기 제1 부분 음성 데이터 및 상기 제2 부분 음성 데이터 중 상기 선택된 부분 음성 데이터와 다른 부분 음성 데이터에 기초하여 생성된 시각적 정보를 표시하도록 상기 타겟 단말에게 명령하는 동작
을 더 포함하는 방법.
제12항 내지 제17항 중 어느 한 항에 있어서,
상기 제1 사용자의 제스쳐 입력 또는 상기 제1 부분 음성 데이터 중 적어도 하나에 기초하여, 상기 서버(108)와 다른 인공 지능 서버를 상기 제1 부분 음성 데이터의 수신자(receiver)로 결정하는 동작;
상기 인공 지능 서버를 상기 제1 부분 음성 데이터의 수신자로 결정하는 것에 기초하여, 상기 제1 부분 음성 데이터를 인공 지능 서버에게 전달하는 동작; 및
상기 가상 공간 내의 사용자들 중 상기 제1 사용자와 다른 사용자에게 상기 제1 부분 음성 데이터를 전달하는 것을 제한하는 동작
을 더 포함하는 방법.
제12항 내지 제18항 중 어느 한 항에 있어서,
상기 서버(108)와 다른 인공 지능 서버로부터 수신된 피드백 음성 데이터를 상기 제1 사용자에게 전달하는 동작; 및
상기 제1 사용자와 다른 사용자에게 상기 피드백 음성 데이터를 전달하는 것을 제한하는 동작
을 더 포함하는 방법.
제12항 내지 제19항 중 어느 한 항에 있어서,
상기 타겟 사용자를 결정하는 동작은,
상기 가상 공간 내의 사용자들 중 제1 음성 데이터를 수신할 사용자를 결정하지 않은 것에 기초하여, 상기 가상 공간 내의 사용자들 모두를 상기 타겟 사용자로 결정하는 동작을 포함하는,
방법.