KR20240038523A

KR20240038523A - 오거부 판단 방법 및 이를 수행하는 전자 장치

Info

Publication number: KR20240038523A
Application number: KR1020220127291A
Authority: KR
Inventors: 서현선; 송가진
Original assignee: 삼성전자주식회사
Priority date: 2022-09-16
Filing date: 2022-10-05
Publication date: 2024-03-25

Abstract

오거부 판단 방법 및 이를 수행하는 전자 장치가 개시된다. 일 실시예에 따른 전자 장치(101; 201; 520; 540; 701; 702; 705)는 인스트럭션들을 포함하는 메모리(130;207)와, 상기 메모리(130;207)와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(120;203)를 포함할 수 있다. 상기 프로세서(120;203)에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서(120;203)는 복수의 동작들을 수행할 수 있다. 상기 복수의 동작들은 사용자 입력에 기초하여, 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하는 동작을 포함할 수 있다.

Description

오거부 판단 방법 및 이를 수행하는 전자 장치{METHOD FOR JUDGING FALSE-REJECTION AND ELECTRONIC DEVICE PERFORMING THE SAME}

본 발명의 실시예들은 오거부 판단 방법 및 이를 수행하는 전자 장치에 관한 것이다.

사용자는 전자 장치를 이용하여 다양한 서비스를 제공받을 수 있다. 음성 인식 기술이 발전함에 따라, 사용자는 전자 장치에 음성(예: 발화)을 입력하고, 음성 어시스턴트(예: 음성 비서 서비스)를 통해 음성 입력에 따른 응답 메시지를 수신할 수 있다.

또한, 전자 장치는 음성 어시스턴트를 통한 음성 입력(예: 음성 호출 명령어)에 대한 인식에 기초하여 전자 장치의 기능을 수행하거나 다른 전자 장치(예: IoT 장치)에서 기능을 수행하는 것을 지원할 수 있다. 음성 호출 명령어에 의한 장치 제어는 음성 호출 명령어로부터 사용자의 의도를 파악하여 사용자가 원하는 기기 명령을 실행하는 동작을 포함할 수 있다.

일 실시예에 따른 전자 장치(101; 201; 520; 540; 701; 702; 705)는 인스트럭션들을 포함하는 메모리(130;207)와, 상기 메모리(130;207)와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(120;203)를 포함할 수 있다. 상기 프로세서(120;203)에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서(120;203)는 복수의 동작들을 수행할 수 있다. 상기 복수의 동작들은 사용자 입력을 수신하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 사용자 입력에 기초하여, 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하는 동작을 포함할 수 있다. 상기 피드백은 상기 화자 인식에 실패한 발화에 대한 화자 모델의 학습에 이용되는 것일 수 있다.

일 실시예에 따른 전자 장치(101; 201; 520; 540; 701; 702; 705)의 동작 방법은 사용자 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은 상기 사용자 입력에 기초하여, 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성하는 동작을 포함할 수 있다. 상기 동작 방법은 상기 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력하는 동작을 포함할 수 있다. 상기 동작 방법은 상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하는 동작을 포함할 수 있다. 상기 피드백은 상기 화자 인식에 실패한 발화에 대한 화자 모델의 학습에 이용되는 것일 수 있다.

일 실시예에 따른 전자 장치(101; 201; 520; 540; 701; 702; 705)는 인스트럭션들을 포함하는 메모리(130;207)와, 상기 메모리(130;207)와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(120;203)를 포함할 수 있다. 상기 프로세서(120;203)에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서(120;203)는 복수의 동작들을 수행할 수 있다. 상기 복수의 동작들은 수신한 발화 중 화자 인식에 실패한 발화를 분류하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 화자 인식에 실패한 발화의 발생 시점으로부터 지정된 시간 내에 사용자 입력을 수신하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 사용자 입력에 기초하여, 상기 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력하는 동작을 포함할 수 있다. 상기 복수의 동작들은 상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하는 동작을 포함할 수 있다. 상기 피드백은 상기 화자 인식에 실패한 발화에 대한 화자 모델의 학습에 이용되는 것일 수 있다.

도 1은 일 실시예에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 2는 일 실시예에 따른, 통합 지능(integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 일 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 일 실시예에 따른, 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도 5는 일 실시예에 따른, 지능형 음성 시스템을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른, 전자 장치가 오거부된 발화를 판단하기 위한 피드백을 획득하는 동작을 설명하기 위한 흐름도이다.
도 7a은 일 실시예에 따른, 하나의 장치에서 화자 인식에 실패한 발화에 대하여 다른 장치에서 오거부 여부를 판단하는 동작을 설명하기 위한 도면이다.
도 7b은 일 실시예에 따른, 하나의 장치에서 화자 인식에 실패한 발화에 대하여 동일한 장치에서 오거부 여부를 판단하는 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른, 전자 장치가 화자 인식에 실패한 발화를 분류하는 동작을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른, 지능형 서버가 오거부된 발화에 기초하여 화자 인식에 실패한 발화의 화자 모델을 업데이트하는 동작의 일 예를 설명하기 위한 도면이다.
도 10는 일 실시예에 따른, 지능형 서버가 오거부된 발화에 기초하여 화자 인식에 실패한 발화의 화자 모델을 업데이트하는 동작의 일 예를 설명하기 위한 도면이다.
도 11은 일 실시예에 따른, 지능형 서버가 오거부된 발화에 기초하여 오거부된 발화의 화자 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.
도 12a는 일 실시예에 따른, 피드백을 획득하기 위한 사용자 인터페이스의 일 예이다.
도 12b는 일 실시예에 따른, 피드백을 획득하기 위한 사용자 인터페이스의 일 예이다.
도 12c는 일 실시예에 따른, 피드백을 획득하기 위한 사용자 인터페이스의 일 예이다.

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 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 신호 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.

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

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

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

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

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

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

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

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

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

인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 신호 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 신호 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 제1 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 제1 네트워크(198) 또는 제2 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: 제2 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, 제1 네트워크(198) 또는 제2 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.

일 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 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 제2 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 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

도 2은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.

도 2을 참조하면, 일 실시예의 통합 지능화 시스템(20)은 전자 장치(201)(예: 도 1의 전자 장치(101)), 지능형 서버(290)(예: 도 1의 서버(108)), 및 서비스 서버(300)(예: 도 1의 서버(108))를 포함할 수 있다. 전자 장치(201)는 사용자 단말일 수 있다.

일 실시예의 전자 장치(201)는, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.

도시된 실시예에 따르면, 전자 장치(201)는 통신 인터페이스(202)(예: 도 1의 인터페이스(177)), 마이크(206)(예: 도 1의 입력 모듈(150)), 스피커(205)(예: 도 1의 음향 출력 모듈(155)), 디스플레이 모듈(204)(예: 도 1의 디스플레이 모듈(160)), 메모리(207)(예: 도 1의 메모리(130)), 또는 프로세서(203)(예: 도 1의 프로세서(120))를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

일 실시예의 통신 인터페이스(202)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시예의 마이크(206)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(205)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다.

일 실시예의 디스플레이 모듈(204)은 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시예의 디스플레이 모듈(204)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시예의 디스플레이 모듈(204)은 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이 모듈(204)은 디스플레이 모듈(204) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.

일 실시예의 메모리(207)는 클라이언트 모듈(209), SDK(software development kit)(208), 및 복수의 앱들(210)을 저장할 수 있다. 상기 클라이언트 모듈(209), 및 SDK(153)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(209) 또는 SDK(153)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.

일 실시예의 메모리(207)에 저장된 상기 복수의 앱들(210)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시예에 따르면, 복수의 앱(210)은 제1 앱(210_1), 제2 앱(210_2)을 포함할 수 있다. 일 실시예에 따르면, 복수의 앱(210) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시예에 따르면, 복수의 앱들(210)은 프로세서(203)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.

일 실시예의 프로세서(203)는 전자 장치(201)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(203)는 통신 인터페이스(202), 마이크(206), 스피커(205), 및 디스플레이 모듈(204)와 전기적으로 연결되어 지정된 동작을 수행할 수 있다.

일 실시예의 프로세서(203)는 또한 상기 메모리(207)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(203)는 클라이언트 모듈(209) 또는 SDK(153) 중 적어도 하나를 실행하여, 사용자 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(203)는, 예를 들어, SDK(208)를 통해 복수의 앱(210)의 동작을 제어할 수 있다. 클라이언트 모듈(209) 또는 SDK(208)의 동작으로 설명된 이하의 동작은 프로세서(203)의 실행에 의한 동작일 수 있다.

일 실시예의 클라이언트 모듈(209)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(209209)은 마이크(206)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 또는, 클라이언트 모듈(209)은 디스플레이 모듈(204)을 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(209)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 전자 장치(201)에 포함된 입력 모듈 또는 전자 장치(201)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 상기 클라이언트 모듈(209)은 수신된 사용자 입력을 지능형 서버(290)로 송신할 수 있다. 클라이언트 모듈(209)은 수신된 사용자 입력과 함께, 전자 장치(201)의 상태 정보를 지능형 서버(290)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.

일 실시예의 클라이언트 모듈(209)은 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(209)은 지능형 서버(290)에서 상기 수신된 사용자 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(209)은 상기 수신된 결과를 디스플레이 모듈(204)에 표시할 수 있다. 또한, 클라이언트 모듈(209)은 상기 수신된 결과를 스피커(205)를 통해 오디오 신호로 출력할 수 있다.

일 실시예의 클라이언트 모듈(209)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(209)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(204)에 표시할 수 있다. 클라이언트 모듈(209)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이 모듈(204)에 표시할 수 있고, 스피커(205)를 통해 오디오 신호를 출력할 수 있다. 전자 장치(201)는, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈(204)에 표시할 수 있으며, 스피커(205)를 통해 오디오 신호로 출력할 수 있다.

일 실시예에 따르면, 클라이언트 모듈(209)은 지능형 서버(290)로부터 사용자 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(209)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(290)로 송신할 수 있다.

일 실시예의 클라이언트 모듈(209)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(290)로 송신할 수 있다. 지능형 서버(290)는 상기 결과 정보를 이용하여 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.

일 실시예의 클라이언트 모듈(209)은 음성 인식 모듈을 포함할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(209)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(209)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.

일 실시예의 지능형 서버(290)는 통신 망을 통해 전자 장치(201)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시예에 따르면, 지능형 서버(290)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시예에 따르면, 지능형 서버(290)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다.

일 실시예에 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(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.

일 실시예의 지능형 서버(290)는 생성된 플랜에 따른 결과를 전자 장치(201)로 송신하거나, 생성된 플랜을 전자 장치(201)로 송신할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 플랜에 따른 결과를 디스플레이 모듈(204)에 표시할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 플랜에 따른 동작을 실행한 결과를 디스플레이 모듈(204)에 표시할 수 있다.

일 실시예의 지능형 서버(290)는 프론트 엔드(front end)(215), 자연어 플랫폼(natual language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.

일 실시예의 프론트 엔드(215)는 전자 장치(201)로부터 수신된 사용자 입력을 수신할 수 있다. 프론트 엔드(215)는 상기 사용자 입력에 대응되는 응답을 송신할 수 있다.

일 실시예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227)또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)를 포함할 수 있다.

일 실시예의 자동 음성 인식 모듈(221)은 전자 장치(201)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 텍스트 데이터 형태의 사용자 입력에 대하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 자연어 이해 모듈(223)은 사용자 발화에 대응되는 의도 정보(intent information)를 획득할 수 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있다. 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다.

일 실시예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시예에 따르면, 플래너 모듈(225)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 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)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(225)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.

일 실시예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.

일 실시예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 전자 장치(201)에서도 구현가능 할 수 있다.

상기 캡슐 데이터베이스(230)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.

상기 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 사용자 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)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 실시예에 따르면, 캡슐 데이터베이스(230)는 전자 장치(201)를 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(230)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 등록하는 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 실시예에서는 캡슐 데이터베이스(230) 은 전자 장치(201) 내에도 구현이 가능할 수 있다.

일 실시예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 전자 장치(201)로 송신할 수 있다. 이에 따라, 전자 장치(201)는 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시예의 매니지먼트 플랫폼(260)은 지능형 서버(290)에서 이용되는 정보를 관리할 수 있다. 일 실시예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시예의 분석 플랫폼(280)을 지능형 서버(290)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(290)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.

일 실시예의 서비스 서버(300)는 전자 장치(201)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시예의 서비스 서버(300)는 수신된 사용자 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(290)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(290)에 제공할 수 있다.

위에 기술된 통합 지능 시스템(10)에서, 상기 전자 장치(201)는, 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 실시예에서, 상기 전자 장치(201)는 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 전자 장치(201)는 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.

일 실시예에서, 전자 장치(201)는 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 전자 장치(201)는 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.

일 실시예에서, 전자 장치(201)가 지능형 서버(290) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 전자 장치(201)는, 상기 마이크(206)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 전자 장치(201)는, 상기 음성 데이터를 통신 인터페이스(202)를 이용하여 지능형 서버(290)로 송신할 수 있다.

일 실시예에 따른 지능형 서버(290)는 전자 장치(201)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 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 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.

일 실시예의 전자 장치(201)는, 통신 인터페이스(202)를 이용하여 상기 응답을 수신할 수 있다. 전자 장치(201)는 상기 스피커(205)를 이용하여 전자 장치(201) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(204)을 이용하여 전자 장치(201) 내부에서 생성된 이미지를 외부로 출력할 수 있다.

도 3은 일 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.

상기 지능형 서버(예: 도 2의 지능형 서버(290))의 캡슐 데이터베이스(예: 도 2의 캡슐 데이터베이스(230))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.

상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(401), capsule(B)(404))을 저장할 수 있다. 일 실시예에 따르면, 하나의 캡슐(예: capsule(A)(401))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(402) 또는 CP 2 (403))가 대응될 수 있다. 일 실시예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.

상기, 자연어 플랫폼(예: 도 2의 자연어 플랫폼(220))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(예: 도 2의 플래너 모듈(225))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (410)의 동작들(4011,4013)과 컨셉들(4012,4014) 및 캡슐 B(404)의 동작(4041) 과 컨셉(4042) 를 이용하여 플랜(470)을 생성할 수 있다.

도 4는 일 실시예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.

전자 장치(201)는 지능형 서버(예: 도 2의 지능형 서버(290))를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.

일 실시예에 따르면, 310 화면에서, 전자 장치(201)는 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 전자 장치(201)는, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 지능형 앱에 대응되는 오브젝트(예: 아이콘(311))를 디스플레이 모듈(204)(예: 도 1의 디스플레이 모듈(160), 도 2의 디스플레이 모듈(204))에 표시할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 전자 장치(201)는 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시예에 따르면, 전자 장치(201)는 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이 모듈(204)에 표시할 수 있다.

일 실시예에 따르면, 320 화면에서, 전자 장치(201)는 수신된 음성 입력에 대응되는 결과를 디스플레이 모듈(204)에 표시할 수 있다. 예를 들어, 전자 장치(201)는 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이 모듈(204)에 표시할 수 있다.

도 5는 일 실시예에 따른, 지능형 음성 시스템을 설명하기 위한 도면이다.

도 5를 참조하면, 일 실시예에 따르면, 화자 인식 기능을 탑재한 지능형 음성 시스템(예: 도 7a의 시스템(700-1), 도 7b의 시스템(700-2))은 화자 인식에 실패한 발화에 관한 제1 이벤트(510)를 분석하여, 분석 결과에 대응하는 제2 이벤트(530)에 기초하여 화자 인식에 실패한 발화가 오거부(false rejection)된 발화인지 판단할 수 있다. 제2 이벤트(530)의 전자 장치(540)는 화자 인식에 실패한 발화에 관한 제1 이벤트(510)의 전자 장치(520)와 실질적으로 동일할 수도 있고, 서로 다른 전자 장치일 수도 있다. 제1 이벤트(510)는 에 발생한 이벤트이고, 제2 이벤트(520)는 에 발생한 이벤트일 수 있다. 는 로부터 지정된 시간(예: 제1 이벤트의 유효 시간) 내의 시점일 수 있다. 전자 장치(540)와 전자 장치(520)가 서로 다른 다중 기기 시나리오에서, 지능형 음성 시스템은 기기 별 사용성(예: 발화 거리 및 사용 조건) 차이로 인한 성능 열화 문제를 개선할 수 있다.

일 실시예에 따르면, 제1 이벤트(510)에서, 전자 장치(520)는 사용자의 발화(예: "오늘 일정 알려줘")에 대하여 화자 인식을 실패할 수 있다. 제2 이벤트(530)에서, 전자 장치(540)는 사용자 입력(예: "다음 일정 알려줘")을 수신할 수 있다. 사용자 입력은 음성, 터치, 제스처, 모션 등의 다양한 형태일 수 있다. 사용자 입력의 인텐트가 화자 인식에 실패한 발화의 인텐트에 대응되는 경우, 전자 장치(540)는 사용자 입력의 인텐트에 따른 액션을 수행할 뿐만 아니라 상기 화자 인식에 실패한 발화의 오거부 여부를 확인하기 위한 정보를 제공할 수 있다. 예를 들어, 오거부 여부를 확인하기 위한 정보는 상기 화자 인식에 실패한 발화의 화자가 전자 장치(540)의 사용자인지에 관한 질문을 포함할 수 있다. 오거부 여부를 확인하기 위한 정보는 시각, 청각, 또는 이외의 기능을 이용하여 사용자에게 제공될 수 있다. 전자 장치(540)는 사용자로부터 오거부 여부를 확인하기 위한 정보에 대한 피드백을 수신할 수 있다. 전자 장치(540)는 피드백에 기초하여 상기 화자 인식에 실패한 발화의 오거부 여부를 판단하고, 오거부된 발화에 기초하여 오거부된 발화의 화자 모델을 업데이트할 수 있다.

일 실시예에 따르면, 지능형 음성 시스템은 오거부된 발화에 기초하여 오거부된 발화의 화자 모델을 업데이트함으로써, 해당 화자 모델을 강화할 수 있다. 오거부된 발화는 음원 등록 과정에서 수집된 음성 클립을 기반으로 학습된 초기 화자 모델이 사용자의 음성을 완전하게 대변하지는 못하는 한계에서 비롯된 것일 수 있다. 예를 들어, 사용자가 음원 등록 시 녹음한 음성 샘플과 상이하게 다른 조건(예: 상이한 발화 거리, 주변 잡음 크기 및 종류)으로 화자 인식 기능을 사용하거나, 화자 내부 요인(예: 사용자의 건강, 감정 상태)으로 발화 스타일이 달라지는 경우, 초기 화자 모델은 화자를 인식하지 못할 수 있어 사용자의 발화가 오거부될 수 있다.

일 실시예에 따르면, 지능형 음성 시스템은 오거부된 발화에 기초하여 오거부된 발화의 화자 모델을 업데이트하므로, 사용자로부터 추가 녹음 클립을 제공받거나, 사용자의 사용 중에 사용자 목소리로 인식된 오디오를 수집하여 기존 모델을 다시 학습하는 형태의 한계를 극복할 수 있다. 예를 들어, 지능형 음성 시스템은 사용자가 의도적으로 추가 녹음을 진행해야 한다는 불편함에서 벗어날 수 있다. 또한 지능형 음성 시스템은 이미 인식에 성공한 음원들이 아닌 오거부된 발화를 학습 데이터로 이용하므로 오거부되는 발화의 영역을 corner case로 남지 않고 적극적으로 개선할 수 있다.

도 6은 일 실시예에 따른, 전자 장치가 오거부된 발화를 판단하기 위한 피드백을 획득하는 동작을 설명하기 위한 흐름도이다.

이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.

일 실시 예에 따르면, 동작 610 내지 640은 전자 장치(예: 도 2의 전자 장치(201))의 프로세서(예: 도 2의 프로세서(203))에서 수행되는 것으로 이해될 수 있다.

동작 610 내지 640은 일 실시예에 따른, 제2 전자 장치(예: 도 5의 제2 전자 장치(540))가 오거부된 발화를 판단하기 위한 피드백을 획득하는 동작을 설명하기 위한 것일 수 있다.

동작 610에서, 제2 전자 장치(540)는 사용자 입력을 수신할 수 있다. 사용자 입력은 다양한 형태일 수 있다. 예를 들어, 사용자 입력은 음성, 제스처, 터치 등의 형태일 수 있다. 예를 들어, 제2 전자 장치(540)는 캘린더 앱을 여는 터치 입력을 수신할 수 있다.

동작 620에서, 제2 전자 장치(540)는 사용자 입력(예: 캘린더 앱을 여는 터치 입력)에 기초하여, 이전에 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성할 수 있다. 화자 인식에 실패한 발화는 인텐트(intent) 인식에는 성공한 발화일 수 있다. 화자 인식에 실패한 발화는 제1 전자 장치(예: 도 5의 제1 전자 장치(520))가 화자 인식에 실패한 것일 수 있다. 일 예에서, 제1 전자 장치(520)는 제2 전자 장치(540)와 실질적으로 동일한 장치일 수 있다. 다른 예에서, 제1 전자 장치(520)는 제2 전자 장치(540)와 다른 장치일 수 있다.

일 실시예에서, 화자 인식에 실패한 발화에 연관된 이벤트는 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 이벤트인 것일 수 있다. 검출 이벤트는 사용자 입력에 대하여 상기 연관된 이벤트를 검출하는 이벤트일 수 있다. 다시 말해, 검출 이벤트는 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 사용자 입력을 검출하는 이벤트일 수 있다. 제2 전자 장치(540)는 화자 인식에 실패한 발화의 발생 시간 및 화자 인식에 실패한 발화의 인텐트(intent)에 기초하여 검출 이벤트를 생성할 수 있다.

일 실시예에서, 제2 전자 장치(540)는 사용자 입력(예: 캘린더 앱을 여는 터치 입력)이 이전에 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션을 수행하는지 판단함으로써, 이전에 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션을 수행하는 이벤트(예: 연관된 이벤트)를 검출하는 검출 이벤트를 생성할 수 있다. 일 예를 들어, 이전에 화자 인식에 실패한 발화 중 "음악 볼륨 키워줘" 및 "오늘 첫 번째 일정 알려줘"가 포함된 경우, 사용자 입력(예: 캘린더 앱을 여는 터치 입력)은 "오늘 첫 번째 일정 알려줘"의 인텐트(예: 일정 탐색)에 해당하는 액션(예: 캘린더 앱 실행)을 수행하므로, 제2 전자 장치(540)는 검출 이벤트를 생성할 수 있다.

동작 630에서, 제2 전자 장치(540)는 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력할 수 있다. 예를 들어, 제2 전자 장치(540)는 상기 연관된 이벤트에 대한 정보를 포함하는 사용자 인터페이스를 출력할 수 있다. 사용자 인터페이스는 화자 인식에 실패한 발화의 오디오 신호, 및 상기 화자 인식에 실패한 발화의 화자에 관한 질문 중 하나 이상을 포함할 수 있다.

동작 640에서, 제2 전자 장치(540)는 상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하여 지능형 서버(예: 예: 도 2의 지능형 서버(290))에 피드백을 전송할 수 있다. 피드백은 상기 화자 인식에 실패한 발화에 대한 화자 모델의 학습에 이용되는 것일 수 있다. 지능형 서버(290)는 피드백에 기초하여 화자 인식에 실패한 발화의 오거부(false-rejection) 여부를 판단할 수 있다. 일 예에서, 상기 화자 인식에 실패한 발화가 오거부된 것인 경우, 지능형 서버(290)는 오거부된 발화에 기초하여 상기 화자 인식에 실패한 발화의 화자 모델을 업데이트할 수 있다. 다른 예에서, 상기 화자 인식에 실패한 발화가 오거부된 것인 경우, 제2 전자 장치(540)는 상기 화자 인식에 실패한 발화의 화자 모델을 온디바이스(on-device)의 형태로 업데이트할 수 있다. 즉, 제2 전자 장치(540)는 상기 화자 인식에 실패한 발화의 화자 모델을 지능형 서버(290)를 통하지 않고 직접 업데이트함으로써 온디바이스의 형태로 업데이트할 수 있다.

도 7a은 일 실시예에 따른, 하나의 장치에서 화자 인식에 실패한 발화에 대하여 다른 장치에서 오거부 여부를 판단하는 동작을 설명하기 위한 도면이고, 도 7b은 일 실시예에 따른, 하나의 장치에서 화자 인식에 실패한 발화에 대하여 동일한 장치에서 오거부 여부를 판단하는 동작을 설명하기 위한 도면이다.

도 7a 및 도 7b를 참조하면, 일 실시예에 따르면, 시스템(700-1, 700-2)은 오디오 분석 모듈(710), 오디오 분류 모듈(720), 매칭 데이터베이스(730), 매칭 모듈(740), 업데이트 모듈(751, 752), UI 분석 모듈(760), 생성 모듈(770), 및 출력 모듈(780)을 포함할 수 있다. 오디오 분석(audio analysis) 모듈(710)은 발화를 수신하여 발화의 인텐트 및 화자를 분석할 수 있다. 오디오 분류 모듈(720)은 발화의 인텐트 및 화자의 분석 결과에 기초하여 발화를 분류할 수 있다.

일 실시예에 따르면, 오디오 분류 모듈(720)은 발화를 음성 인식 여부 및 화자 인식 여부에 기초하여 복수의 그룹으로 분류할 수 있다. 음성 인식 여부는 발화의 인텐트(intent)를 인식했는지 여부를 의미하고, 화자 인식 여부는 발화의 주체를 인식했는지 여부를 의미할 수 있다. 예를 들어, 음성 인식은 ASR(automatic speech recognition), NLU(natural language understanding), 또는 이외의 발화의 문맥 정보를 추출하여 발화의 인텐트를 인식하는 기술을 이용하여 수행할 수 있다. 화자 인식은 발화의 주체 또는 그에 대응되는 것(예: 화자의 ID)을 인식하는 기술을 이용하여 수행할 수 있다.

예를 들어, 복수의 그룹은 음성 인식에 성공하고 화자 인식에 성공한 경우(예: 제1 그룹), 음성 인식에 성공하고 화자 인식에 실패한 경우(예: 제2 그룹), 음성 인식에 실패하고 화자 인식에 성공한 경우(예: 제3 그룹), 음성 인식에 실패하고 화자 인식 실패한 경우(예: 제4 그룹)을 포함할 수 있다.

일 실시예에 따르면, 오디오 분류 모듈(720)은 음성 인식에 성공하고 화자 인식에 실패한 경우(예: 제2 그룹)의 발화를 매칭 데이터베이스(730)에 저장할 수 있다. 매칭 데이터베이스(730)는 화자 인식에 실패한 발화에 연관된 정보를 포함할 수 있다. 표 1은 매칭 데이터베이스(730)에 저장된 화자 인식에 실패한 발화에 연관된 정보의 일 예를 도시한 것이다.

[표 1]

여기서, 발화에 연관된 정보는 발화의 인텐트, 화자 인식에 실패한 발화에 연관된 이벤트의 유효 시간, 및 발화의 오디오 신호가 저장된 장치의 ID 및 메모리 주소를 포함할 수 있다.

예를 들어, 표 1의 Entry 2는 화자 인식에 실패한 발화의 인텐트가 "일정 검색"으로 분석된 발화가 저장된 것이다. 해당 발화는 해당 발화의 발생 시점으로부터 현재까지 t1의 시간이 경과하였고, 해당 발화에 연관된 이벤트의 유효 시간은 앞으로 T-t1의 시간만큼 남은 것일 수 있다. T는 지정된 화자 인식에 실패한 발화에 연관된 이벤트의 최대 유효 시간일 수 있다. 해당 발화의 오디오 신호는 Device ID가 3인 장치의 메모리에 저장되어 있고, 메모리의 주소는 0x01일 수 있다.

다른 예를 들어, 발화의 오디오 신호가 서버(예: IoT 서버(703))에 저장되는 경우, 발화에 연관된 정보는 발화의 인텐트, 화자 인식에 실패한 발화에 연관된 이벤트의 유효 시간, 및 발화의 오디오 신호를 전송한 장치의 ID 및 발화의 오디오 신호가 저장된 메모리 주소를 포함할 수 있다.

일 실시예에 따르면, 매칭 모듈(740)은 매칭 데이터베이스(730)에 신규 엔트리(entry)가 저장될 경우 활성화될 수 있다. 매칭 모듈(740)은 화자 인식에 실패한 발화에 연관된 이벤트를 해당 이벤트의 유효 시간 동안 모니터링할 수 있다. 화자 인식에 실패한 발화에 연관된 이벤트는 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 이벤트인 것일 수 있다. 매칭 모듈(740)은 상기 연관된 이벤트에 대응하는 검출 이벤트를 모니터링할 수 있다. 즉, 매칭 모듈(740)은 상기 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 사용자 입력을 검출하는 이벤트가 발생하는지 모니터링할 수 있다. 검출 이벤트가 존재하는 경우, 매칭 모듈(740)은 상기 액션의 주체를 상기 화자 인식에 실패한 발화의 화자 후보군으로 선별할 수 있다.

예를 들어, 매칭 모듈(740)은 이벤트 리스너(event listener)를 기반으로 검출 이벤트를 모니터링할 수 있다. 이때, 매칭 모듈(740)은 하나 이상의 전자 장치에 대하여 리스너를 등록할 수 있다. 리스너는 화자 인식에 실패한 발화에 연관된 이벤트를 대상 이벤트로 할 수 있다. 매칭 모듈(740)은 하나 이상의 전자 장치로부터 상기 연관된 이벤트에 대응하는 검출 이벤트를 수신할 경우, 생성 모듈(770)을 활성화함과 동시에 매칭 데이터베이스(730)로부터 검출 이벤트에 대응하는 엔트리(entry)를 삭제할 수 있다.

다른 예를 들어, 서버(예: 지능형 서버(704)) 상에서 하나 이상의 전자 장치의 사용자 입력(예: 어플리케이션 사용)의 이력을 저장하고 관리하는 경우, 매칭 모듈(740)은 서버(예: 지능형 서버(704))의 활동 로그(Log) 상에 리스너를 등록할 수 있다.

일 실시예에 따르면, UI 분석 모듈(760)은 사용자 입력을 수신할 수 있다. 사용자 입력은 다양한 형태일 수 있다. 예를 들어, 사용자 입력은 음성, 터치, 제스처 등일 수 있다. UI 분석 모듈(760)은 사용자 입력에 기초하여 검출 이벤트를 생성할 수 있다. 즉, UI 분석 모듈(760)은 사용자 입력이 수행하는 액션(action)이 상기 화자 인식에 실패한 발화의 인텐트에 해당하는 액션과 대응되는 경우, 검출 이벤트를 생성할 수 있다. UI 분석 모듈(760)은 검출 이벤트를 매칭 모듈(740)에 전송할 수 있다.

일 실시예에 따르면, 생성 모듈(770)은 매칭 모듈(740)이 검출 이벤트를 수신함에 따라 매칭 모듈(740)에 의하여 호출될 수 있다. 생성 모듈(770)은 검출 이벤트에 응답하여 상기 연관된 이벤트에 대한 정보를 생성할 수 있다. 생성 모듈(770)은 검출 이벤트에 응답하여 연관된 이벤트에 대한 정보를 포함하는 사용자 인터페이스를 생성할 수 있다. 사용자 인터페이스는 화자 인식에 실패한 발화의 오디오 신호 및 상기 화자 인식에 실패한 발화의 화자에 관한 질문 중 하나 이상을 포함할 수 있다. 사용자 인터페이스의 예시는 도 12a 내지 도12c을 참조하여 설명하도록 한다.

일 실시예에 따르면, 출력 모듈(780)은 연관된 이벤트에 대한 정보를 출력할 수 있다. 예를 들어, 출력 모듈(780)은 사용자 인터페이스를 전자 장치(예: 제2 전자 장치(702), 제3 전자 장치(705))의 디스플레이 상에 출력할 수 있다. 다른 예를 들어, 출력 모듈(780)은 연관된 이벤트에 대한 정보를 서버(예: 지능형 서버(704))의 활동 로그(Log) 상에 저장하여, 이후 사용자가 서버(예: 지능형 서버(704))의 활동을 열람하고자 할 때 확인하도록 할 수 있다.

일 실시예에 따르면, 출력 모듈(780)은 연관된 이벤트에 대한 정보에 대한 피드백을 획득할 수 있다. 피드백은 상기 화자 인식에 실패한 발화가 i) 사용자 본인의 목소리가 맞는지, 및 ii) 사용자 본인의 목소리가 아닌 경우 누구의 발화인지 중 하나 이상을 포함할 수 있다. 출력 모듈(780)은 피드백을 매칭 모듈(740)에 전송할 수 있다. 매칭 모듈(740)은 피드백에 기초하여 상기 화자 인식에 실패한 발화의 오거부(false-rejection) 여부를 판단할 수 있다.

일 실시예에 따르면, 업데이트 모듈(751, 또는 752)은 매칭 모듈(740)로부터 상기 화자 인식에 실패한 발화의 오거부 여부를 수신할 수 있다. 업데이트 모듈(751, 또는 752)은 오거부 여부에 기초하여 상기 화자 인식에 실패한 발화의 화자 모델을 학습(예: 업데이트)시킬 수 있다. 업데이트 모듈(751, 또는752)은 상기 화자 인식에 실패한 발화가 오거부된 발화인 것으로 판단된 경우, 상기 화자 인식에 실패한 발화를 상기 화자 인식에 실패한 발화의 화자 모델의 학습 데이터로 사용할 수 있다. 이에, 화자 모델은 incremental learning 및 continual learning을 수행할 수 있다.

일 실시예에 따르면, 시스템(700-1)은 하나의 장치(예: 제1 전자 장치(701))에서 화자 인식에 실패한 발화에 대하여 다른 장치(예: 제2 전자 장치(702))에서 오거부 여부를 판단하는 시스템일 수 있다. 여기서, 제1 전자 장치(701)와 제2 전자 장치(702)는 공통의 IoT 플랫폼을 공유할 수 있다. 도 7a에서는 설명의 편의상 2개의 전자 장치(예: 제1 전자 장치(701)와 제2 전자 장치(702))만을 포함하는 경우를 들어 설명하지만, 반드시 이에 한정되는 것은 아니며, 실시예에 따라 시스템(700-1)은 둘 이상의 전자 장치를 포함할 수 있다.

일 실시예에 따르면, 제1 전자 장치(701) 상에는 오디오 분석 모듈(710) 및 오디오 분류 모듈(720)이 구현되고, IoT 서버(703) 상에는 매칭 데이터베이스(730)가 구현되며, 지능형 서버(704) 상에는 매칭 모듈(740) 및 업데이트 모듈(751)이 구현되며, 제2 전자 장치(702) 상에는 업데이트 모듈(752), UI 분석 모듈(760), 생성 모듈(770), 및 출력 모듈(780)이 구현될 수 있다. 업데이트 모듈(751) 및 업데이트 모듈(752)는 택일적으로 구현될 수 있다.

일 실시예에 따르면, 시스템(700-1)이 on-device 연산을 미지원하는 경우, 오디오 분석 모듈(710)은 IoT 서버(703) 상에 구현될 수 있다.

일 실시예에 따르면, 매칭 데이터베이스(730)는 IoT 서버(703) 상에 구현되므로, IoT 플랫폼에 등록된 공용 기기 또는 홈구성원으로 등록된 사용자들의 개별 장치로부터 매칭 데이터베이스(730)의 읽기/쓰기가 가능할 수 있다. 즉, 매칭 데이터베이스(730)는 해당 장치들 간의 공유가 가능하고, 개별 장치들로 입력된 사용자의 발화는 매칭 데이터베이스(730)에 추가로 저장되거나, 또는 삭제될 수 있다.

이때, 개별 장치들로 입력된 사용자의 발화 중 매칭 데이터베이스(730)에 추가로 저장되는 발화는, 발화의 인텐트 인식은 성공하였으나 화자 인식을 실패한 발화일 수 있다. 개별 장치들로 입력된 사용자의 발화에 대응하는 엔트리 중 매칭 데이터베이스(730)에 삭제되는 엔트리는, 발화의 발생 시점 이후 지정된 유효 시간이 지난 발화에 대응하는 엔트리, 및 유효 시간 이내에 다른 장치에서의 사용자 입력과 인텐트 매칭이 완료된 발화에 대응하는 엔트리를 포함할 수 있다.

일 실시예에 따르면, 제2 전자 장치(702) 상에 업데이트 모듈(752)이 구현되는 경우, 제2 전자 장치(702)는 오거부된 발화의 화자 모델을 오거부된 발화에 기초하여 직접 업데이트하고, 업데이트된 화자 모델을 IoT 플랫폼을 공유하는 다른 전자 장치(예: 제1 전자 장치(701))에 공유할 수 있다.

도 7a에서는 설명의 편의상 제1 전자 장치(701) 및 제2 전자 장치(702) 상에서 복수의 모듈(710, 720, 760, 770, 780, 752) 중 일부만이 구현되는 경우를 들어 설명하지만, 이는 시스템(700-1)의 동작에 관련된 모듈을 설명하기 위한 것이고, 제1 전자 장치(701) 및 제2 전자 장치(702)은 각각 복수의 모듈(710, 720, 760, 770, 780, 752)을 모두 포함할 수 있다.

일 실시예에 따르면, 시스템(700-2)은 하나의 장치(예: 제3 전자 장치(705))에서 화자 인식에 실패한 발화에 대하여 동일한 장치(예: 제3 전자 장치(705))에서 오거부 여부를 판단하는 동작을 설명하기 위한 도면이다. 제3 전자 장치(705) 상에는 오디오 분석 모듈(710), 오디오 분류 모듈(720), 업데이트 모듈(752), UI 분석 모듈(760), 생성 모듈(770), 및 출력 모듈(780)이 구현되고, IoT 서버(703) 상에는 매칭 데이터베이스(730)가 구현되며, 지능형 서버(704) 상에는 매칭 모듈(740) 및 업데이트 모듈(751)이 구현될 수 있다. 업데이트 모듈(751) 및 업데이트 모듈(752)는 택일적으로 구현될 수 있다.

도 8은 일 실시예에 따른, 전자 장치가 화자 인식에 실패한 발화를 분류하는 동작을 설명하기 위한 도면이다.

도 8을 참조하면, 일 실시예에 따르면, 전자 장치(예: 도 7a의 제1 전자 장치(701), 도 7b의 제3 전자 장치(705))는 발화를 음성 인식 여부 및 화자 인식 여부에 기초하여 복수의 그룹으로 분류할 수 있다. 음성 인식 여부는 발화의 인텐트(intent)를 인식했는지 여부를 의미하고, 화자 인식 여부는 발화의 주체를 인식했는지 여부를 의미할 수 있다. 예를 들어, 음성 인식은 ASR(automatic speech recognition), NLU(natural language understanding), 또는 이외의 발화의 문맥 정보를 추출하여 발화의 인텐트를 인식하는 기술을 이용하여 수행할 수 있다. 화자 인식은 발화의 주체 또는 그에 대응되는 것(예: 화자의 ID 등)을 인식하는 기술을 이용하여 수행할 수 있다.

예를 들어, 복수의 그룹은 음성 인식에 성공하고 화자 인식에 성공한 경우(예: 제1 그룹), 음성 인식에 성공하고 화자 인식에 실패한 경우(예: 제2 그룹)(810), 음성 인식에 실패하고 화자 인식에 성공한 경우(예: 제3 그룹), 음성 인식에 실패하고 화자 인식 실패한 경우(예: 제4 그룹)을 포함할 수 있다.

도 9는 일 실시예에 따른, 지능형 서버가 오거부된 발화에 기초하여 화자 인식에 실패한 발화의 화자 모델을 업데이트하는 동작의 일 예를 설명하기 위한 도면이고, 도 10는 일 실시예에 따른, 지능형 서버가 오거부된 발화에 기초하여 화자 인식에 실패한 발화의 화자 모델을 업데이트하는 동작의 다른 예를 설명하기 위한 도면이다.

동작 901 내지 동작 907은 일 실시예에 따른 공통의 IoT 플랫폼을 공유하는 전자 장치들(예: 기기1, 기기2, 기기 3)에 대하여 지능형 서버(예: 도 7a의 지능형 서버(704))가 인텐트를 매칭하는 동작의 일 예를 설명하기 위한 것일 수 있다.

동작 901에서, 화자 A는 기기1(예: 스피커)로 “내 플레이리스트 재생해줘”라는 발화(예: 음성 명령)을 입력할 수 있다.

동작 902에서, 오디오 분석 모듈(예: 도 7a의 오디오 분석 모듈(710))은 발화를 수신하여 발화의 인텐트 및 화자를 분석할 수 있다. 오디오 분류 모듈(예: 도 7a의 오디오 분류 모델(720))은 발화를 음성 인식 여부 및 화자 인식 여부에 기초하여 복수의 그룹으로 분류할 수 있다. 예를 들어, 오디오 분류 모듈(720)은 발화를 음성 인식에 성공하고 화자 인식에 실패한 발화로 분류할 수 있다. 오디오 분류 모듈(720)은 분류 결과를 IoT 서버(예: 도 7a의 IoT 서버(703))에 전송할 수 있다.

동작 903에서, IoT 서버(703)는 분류 결과에 따른 응답을 기기 1에 전송할 수 있다. 예를 들어, 분류 결과에 따른 응답은 "음성 인식은 성공했지만, 화자 인식 실패로 사용자의 등록이 필요함"을 포함할 수 있다. IoT 서버(703)는 화자 인식에 실패한 발화에 대한 정보(예: 오디오, 인텐트 등)를 매칭 데이터베이스(예: 도 7a의 매칭 데이터베이스(730))의 voice match fail history 테이블(910)에 작성할 수 있다.

동작 904에서, IoT 서버(703)는 IoT 플랫폼을 공유하는 개별 기기(예: 기기2, 기기3)에 대하여 동시에 리스너를 등록할 수 있다. 리스너의 대상 이벤트는 화자 인식에 실패한 발화에 연관된 이벤트일 수 있다. 예를 들어, 리스너의 대상 이벤트는 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 이벤트인 것일 수 있다. 리스너의 대상 이벤트는 화자 인식에 실패한 발화의 발생 시점으로부터 최대 T 시간의 유효 시간 동안 활성화될 수 있다.

동작 905에서, 기기2의 UI 분석 모듈(예: 도 7a의 UI 분석 모듈(760))은 기기2에 대한 리스너가 대상 이벤트(예: 플레이리스트 재생에 대응하는 액션을 수행하는 이벤트)를 검출함에 따라 검출 이벤트를 생성할 수 있다. IoT 서버(704)는 검출 이벤트에 응답하여 voice match fail history(910) 테이블 상에서 상기 화자 인식에 실패한 발화에 대응하는 엔트리를 삭제할 수 있다. UI 분석 모듈(760)은 지능형 서버(예: 도 7a의 지능형 서버(704))에 검출 이벤트를 전송하고, 지능형 서버(704)는 검출 이벤트에 응답하여 생성 모듈(예: 도 7a의 생성 모듈(770))을 활성화(trigger)함으로써 기기2의 사용자에게 상기 화자 인식에 실패한 발화에 연관된 이벤트에 대한 정보를 사용자 인터페이스를 통하여 제공할 수 있다.

동작 906에서, 기기2의 사용자는 사용자 인터페이스를 통하여 피드백을 입력할 수 있다. 예를 들어, 기기2의 사용자가 기기1의 사용자인 A와 일치하는 경우, 피드백은 "5분 전에 '내 플레이리스트 재생해줘'라고 입력했음"일 수 있다. 기기2는 지능형 서버(704)에 피드백을 전송할 수 있다,

동작 907에서 지능형 서버(704)는 피드백에 따라 기기2의 사용자가 기기1의 사용자인 A와 일치하므로, 상기 화자 인식에 실패한 발화가 오거부된 것임을 판단하고, 오거부된 발화에 기초하여 화자 인식에 실패한 발화의 화자 모델(예: 계정A의 화자 모델)을 업데이트할 수 있다.

일 실시예에 따르면, 화자 모델을 계정 별로 운용할 수 있다. 예를 들어, 도 9의 IoT 플랫폼을 공유하는 하나 이상의 기기(예: 기기1, 기기2, 기기3)은 계정A 화자 모델, 계정B 화자 모델을 공유할 수 있다.

일 실시예에 따르면, 계정과 기기 별로 각각의 화자 모델을 운용할 수 있다. 예를 들어, 도 10 의 IoT 플랫폼을 공유하는 하나 이상의 기기(예: 기기1, 기기2, 기기3)은 계정A의 기기1 화자 모델, 계정A의 기기2 화자 모델, 계정B의 기기1 화자 모델, 계정B의 기기3 화자 모델을 공유할 수 있다.

도 11은 일 실시예에 따른, 지능형 서버가 오거부된 발화에 기초하여 오거부된 발화의 화자 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.

동작 1110 내지 동작 1190은 일 실시예에 따른 지능형 서버(예: 도 7a 및 도 7b의 지능형 서버(704))가 사용자 발화가 화자 인식에 실패한 경우 매칭 데이터베이스의 실패 이력으로 관리하고, 사용자 발화가 음성 인식 및 화자 인식에 성공한 경우 이전에 화자 인식에 실패한 발화의 오거부 여부를 판단하여 오거부된 발화의 화자 모델을 업데이트하는 동작을 설명하기 위한 것일 수 있다.

동작 1110에서, 전자 장치(예: 도 7a의 제1 전자 장치(701) 또는 도 7b의 제3 전자 장치(705))는 사용자의 발화(예: "오늘 일정 알려줘")를 수신할 수 있다. 사용자의 발화는 음성 명령어에 대응하는 것일 수 있다.

동작 1120에서, 전자 장치(701, 705)는 발화의 음성 인식 여부를 판단할 수 있다. 음성 인식 여부는 발화의 인텐트(intent)를 인식했는지 여부를 의미할 수 있다. 전자 장치(701, 705)는 음성 인식에 성공한 경우 동작 1140을 수행하고, 음성 인식에 실패한 경우 동작 1130을 수행할 수 있다.

동작 1130에서, 전자 장치(701, 705)는 발화의 음성 인식에 실패한 경우, 발화를 무시할 수 있다.

동작 1140에서, 전자 장치(701, 705)는 발화의 화자 인식 여부를 판단할 수 있다. 화자 인식 여부는 발화의 주체를 인식했는지 여부를 의미할 수 있다. 전자 장치(701, 705)는 화자 인식에 성공한 경우 동작 1160을 수행하고, 화자 인식에 실패한 경우 동작 1150을 수행할 수 있다.

동작 1150에서, 전자 장치(701, 705)는 사용자 등록 요청에 대응하는 정보(예: "사용자를 등록해주세요")를 사용자에게 출력할 수 있다. 전자 장치(701, 705)는 발화를 매칭 데이터베이스(예: 도 7a 및 7b의 매칭 데이터베이스(730))에 저장할 수 있다. 매칭 데이터베이스(730)는 상기 화자 인식에 실패한 발화를 포함하여, 화자 인식에 실패한 다른 발화를 더 포함할 수 있다. 지능형 서버(예: 도 7a 및 7b의 지능형 서버(704))는 매칭 데이터베이스(730)에 저장된 하나 이상의 화자 인식에 실패한 발화에 연관된 이벤트를 생성할 수 있다. 상기 연관된 이벤트는, 상기 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 이벤트일 수 있다. 예를 들어, "오늘 일정 알려줘"라는 발화에 대하여 화자 인식에 실패한 경우, 상기 연관된 이벤트는 "오늘 일정 알려줘"의 인텐트(예: 일정 탐색)에 해당하는 액션(예: 캘린더 앱 실행)을 수행하는 이벤트일 수 있다.

동작 1160에서, 지능형 서버(704)는 음성 인식 및 화자 인식에 성공한 발화에 기초하여 검출 이벤트가 생성되는지 여부를 판단할 수 있다. 지능형 서버(704)는 음성 인식 및 화자 인식에 성공한 발화에 기초하여 이전에 화자 인식에 실패한 발화에 연관된 이벤트를 검출하는 이벤트(예: 검출 이벤트)가 생성되는지 여부를 판단할 수 있다. 즉, 지능형 서버(704)는 음성 인식 및 화자 인식에 성공한 발화의 인텐트가 매칭 데이터베이스(730)에 저장된 하나 이상의 화자 인식에 실패한 발화의 인텐트에 대응하는 검출 이벤트가 생성되는지 여부를 확인할 수 있다. 전자 장치(701, 705)는 검출 이벤트가 생성되는 경우에는 동작 1170을 수행하고, 검출 이벤트가 생성되지 않는 경우에는 동작 1200을 수행할 수 있다. 즉, 지능형 서버(704)는 "오늘 일정 알려줘"라는 발화의 인텐트(예: 일정 탐색)가 매칭 데이터베이스(730)에 저장된 하나 이상의 화자 인식에 실패한 발화의 인텐트에 대응하는지 여부를 판단함으로써, 인텐트에 대응하는 검출 이벤트가 생성되는지 여부를 판단할 수 있다. 예를 들어, 지능형 서버(704)는 "오늘 일정 알려줘"라는 발화에 대하여 음성 인식 및 화자 인식에 성공하고, "오늘 일정 알려줘"라는 발화의 인텐트(예: 일정 탐색)가 이전에 화자 인식에 실패한 발화의 인텐트에 대응하는 경우, 동작 1170을 수행할 수 있다. 지능형 서버(704)는 "오늘 일정 알려줘"라는 발화에 대하여 음성 인식 및 화자 인식에 성공하고, "오늘 일정 알려줘"라는 발화의 인텐트(예: 일정 탐색)가 이전에 화자 인식에 실패한 발화의 인텐트에 대응하지 않는 경우, 동작 1200을 수행할 수 있다.

동작 1170에서, 전자 장치(701, 705)는 검출 이벤트가 생성되는 경우에는, 지능형 서버(704)가 검출 이벤트가 응답하여 활성화한 생성 모듈을 이용하여 사용자 인터페이스를 생성할 수 있다. 전자 장치(701, 705)는 사용자 인터페이스를 통하여 하나 이상의 화자 인식에 실패한 발화 중 검출 이벤트에 대응하는 발화에 대한 피드백을 획득할 수 있다. 전자 장치(701, 705)는 피드백을 지능형 서버(704)에 전송할 수 있다.

동작 1180에서, 지능형 서버(704)는 피드백에 기초하여 검출 이벤트에 대응하는 발화가 오거부(false-rejection)된 발화인지 판단할 수 있다. 전자 장치(701, 705)는 검출 이벤트에 대응하는 발화가 오거부(false-rejection)된 발화인 경우 동작 1190을 수행하고, 검출 이벤트에 대응하는 발화가 오거부(false-rejection)된 발화가 아닌 경우 동작 1200을 수행할 수 있다.

동작 1190에서, 지능형 서버(740)는 오거부된 발화에 기초하여 오거부된 발화에 대응되는 화자 모델을 업데이트할 수 있다. 일 실시예에서, 전자 장치(701, 705)는 직접 오거부된 발화에 기초하여 오거부된 발화에 대응되는 화자 모델을 업데이트할 수 있다.

동작 1200에서, 전자 장치(701, 705)는 음성 인식 및 화자 인식에 성공한 발화의 인텐트에 대응하는 액션을 수행할 수 있다.

도 11b는 일 실시예에 따른, 지능형 서버가 오거부된 발화에 기초하여 오거부된 발화의 화자 모델을 업데이트하는 동작을 설명하기 위한 흐름도이다.

도 12a는 일 실시예에 따른, 피드백을 획득하기 위한 사용자 인터페이스의 일 예이다.

도 12a를 참조하면, 일 실시예에 따르면, 전자 장치(예: 도 7a의 제2 전자 장치(702), 도 7b의 제3 전자 장치(705))는 사용자 입력에 기초하여 검출 이벤트가 생성된 경우, 사용자 입력 이후 검출 이벤트에 대응되는 화자 인식에 실패한 발화에 관한 정보를 출력할 수 있다. 예를 들어, 사용자는 홈 디바이스로 연락처에 통화 기록 저장을 음성 명령으로 요청하였으나, 화자 인식 실패로 명령이 수행되지 못했고, 이후 화자 인식에 실패한 발화에 연관된 이벤트의 유효 시간 내에 다른 장치(예: 스마트 폰)으로 음성 명령하여 화자 인식에 실패한 발화에 대응되는 인텐트(예: 통화 기록 저장)의 기능을 수행할 수 있다. 이때, 사용자는 화자 인식에 실패한 발화(예: "지금 통화기록 저장해 줘")의 오디오가 사용자 본인의 목소리가 맞는지 아닌지에 관한 사용자 인터페이스를 제공받을 수 있다. 사용자 인터페이스는 화자 인식에 실패한 발화(예: "지금 통화기록 저장해 줘")의 오디오의 재생, 및 본인의 목소리에 대한 긍정/부정 선택란(예: 디스플레이 객체)을 포함할 수 있다. 사용자는 사용자 인터페이스를 통하여, 화자 인식에 실패한 발화(예: "지금 통화기록 저장해 줘")에 대한 피드백을 입력할 수 있다.

도 12b는 일 실시예에 따른, 피드백을 획득하기 위한 사용자 인터페이스의 일 예이다.

도 12b를 참조하면, 일 실시예에 따르면, 전자 장치(702, 705)는 도 12a에서 전술한 사용자 인터페이스에, 사용자가 화자 인식에 실패한 발화의 화자가 아닐 경우 IoT 플랫폼을 공유하는 하나 이상의 장치의 사용자 중에 화자가 존재하는지에 대한 선택란(예: "아니, 동생(홍두깨) 목소리야")을 더 포함하는 사용자 인터페이스를 생성할 수 있다.

도 12c는 일 실시예에 따른, 피드백을 획득하기 위한 사용자 인터페이스의 일 예이다.

도 12c를 참조하면, 일 실시예에 따르면, 전자 장치(702, 705)는 연관된 이벤트에 대한 정보를 서버(예: 지능형 서버(704))의 활동 로그(Log) 상에 저장하여, 이후 사용자가 서버(예: 지능형 서버(704))의 활동을 열람하고자 할 때 확인하도록 할 수 있다. 또한, 전자 장치(702, 705)는 활동 로그 열람시에 화자 인식에 실패한 발화에 대한 피드백을 획득할 수 있는 사용자 인터페이스를 함께 제공할 수 있다.

상기 화자 인식에 실패한 발화는 인텐트(intent) 인식에는 성공한 발화인 것일 수 있다.

상기 연관된 이벤트는 상기 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 이벤트인 것일 수 있다.

상기 검출 이벤트는 상기 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 사용자 입력을 검출하는 이벤트인 것일 수 있다.

상기 생성하는 동작은 상기 화자 인식에 실패한 발화의 발생 시간 및 상기 화자 인식에 실패한 발화의 인텐트(intent)에 기초하여 상기 검출 이벤트를 생성하는 동작을 포함할 수 있다.

상기 출력하는 동작은 상기 검출 이벤트에 기초하여 상기 사용자 입력의 인텐트(intent)가 상기 화자 인식에 실패한 발화의 인텐트(intent)에 매칭되는 것으로 판단된 경우, 상기 화자 인식에 실패한 발화의 정보를 출력하는 동작을 포함할 수 있다.

상기 출력하는 동작은 상기 연관된 이벤트에 대한 정보를 포함하는 사용자 인터페이스를 출력하는 동작을 포함할 수 있다.

상기 사용자 인터페이스는 상기 화자 인식에 실패한 발화의 오디오 신호와, 상기 화자 인식에 실패한 발화의 화자에 관한 질문 중 하나 이상을 포함할 수 있다.

상기 피드백은 상기 화자 인식에 실패한 발화가 오거부(false rejection)된 것인지 여부를 판단하기 위한 것일 수 있다.

상기 복수의 동작들은 상기 화자 인식에 실패한 발화에 기초하여 상기 화자 모델을 업데이트하는 동작을 더 포함할 수 있다.

상기 복수의 동작들은 업데이트된 화자 모델을 다른 전자 장치로 공유하는 동작을 더 포함할 수 있다.

상기 화자 모델은 상기 화자 인식에 실패한 발화에 기초하여 업데이트되는 것일 수 있다.

일 실시예에 따른 전자 장치(101; 201; 520; 540; 701; 702; 705)의 동작 방법은

사용자 입력을 수신하는 동작을 포함할 수 있다. 상기 동작 방법은 상기 사용자 입력에 기초하여, 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성하는 동작을 포함할 수 있다. 상기 동작 방법은 상기 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력하는 동작을 포함할 수 있다. 상기 동작 방법은 상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하는 동작을 포함할 수 있다. 상기 피드백은 상기 화자 인식에 실패한 발화에 대한 화자 모델의 학습에 이용되는 것일 수 있다.

상기 사용자 인터페이스는 상기 화자 인식에 실패한 발화의 오디오 신호 및 상기 화자 인식에 실패한 발화의 화자에 관한 질문 중 하나 이상을 포함할 수 있다.

본 문서에 개시된 일 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 일 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: 제1) 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 일 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 일 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 일 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 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.

일 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. 일 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. 일 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

전자 장치(101; 201; 520; 540; 701; 702; 705)에 있어서,
인스트럭션들을 포함하는 메모리(130;207); 및
상기 메모리(130;207)와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(120;203)
를 포함하고,
상기 프로세서(120;203)에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서(120;203)는, 복수의 동작들을 수행하고,
상기 복수의 동작들은,
사용자 입력을 수신하는 동작;
상기 사용자 입력에 기초하여, 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성하는 동작;
상기 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력하는 동작; 및
상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하는 동작
을 포함하고,
상기 피드백은 상기 화자 인식에 실패한 발화에 대한 화자 모델의 학습에 이용되는 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항에 있어서,
상기 화자 인식에 실패한 발화는,
인텐트(intent) 인식에는 성공한 발화인 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 및 제2항 중 어느 한 항에 있어서,
상기 연관된 이벤트는,
상기 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 이벤트인 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제3항 중 어느 한 항에 있어서,
상기 검출 이벤트는,
상기 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 사용자 입력을 검출하는 이벤트인 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 생성하는 동작은,
상기 화자 인식에 실패한 발화의 발생 시간 및 상기 화자 인식에 실패한 발화의 인텐트(intent)에 기초하여 상기 검출 이벤트를 생성하는 동작
을 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제5항 중 어느 한 항에 있어서,
상기 출력하는 동작은,
상기 검출 이벤트에 기초하여 상기 사용자 입력의 인텐트(intent)가 상기 화자 인식에 실패한 발화의 인텐트(intent)에 매칭되는 것으로 판단된 경우, 상기 화자 인식에 실패한 발화의 정보를 출력하는 동작
을 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 출력하는 동작은,
상기 연관된 이벤트에 대한 정보를 포함하는 사용자 인터페이스를 출력하는 동작
을 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제7항 중 어느 한 항에 있어서,
상기 사용자 인터페이스는,
상기 화자 인식에 실패한 발화의 오디오 신호; 및
상기 화자 인식에 실패한 발화의 화자에 관한 질문
중 하나 이상을 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제8항 중 어느 한 항에 있어서,
상기 피드백은,
상기 화자 인식에 실패한 발화가 오거부(false rejection)된 것인지 여부를 판단하기 위한 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제9항 중 어느 한 항에 있어서,
상기 복수의 동작들은,
상기 화자 인식에 실패한 발화에 기초하여 상기 화자 모델을 업데이트하는 동작
을 더 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제10항 중 어느 한 항에 있어서,
상기 복수의 동작들은,
업데이트된 화자 모델을 다른 전자 장치로 공유하는 동작
을 더 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제1항 내지 제11항 중 어느 한 항에 있어서,
상기 화자 모델은,
상기 화자 인식에 실패한 발화에 기초하여 업데이트되는 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
전자 장치(101; 201; 520; 540; 701; 702; 705)의 동작 방법에 있어서,
사용자 입력을 수신하는 동작;
상기 사용자 입력에 기초하여, 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성하는 동작;
상기 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력하는 동작; 및
상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하는 동작
을 포함하고,
상기 피드백은 상기 화자 인식에 실패한 발화에 대한 화자 모델의 학습에 이용되는 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705)의 동작 방법.
전자 장치(101; 201; 520; 540; 701; 702; 705)에 있어서,
인스트럭션들을 포함하는 메모리(130;207); 및
상기 메모리(130;207)와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서(120;203)
를 포함하고,
상기 프로세서(120;203)에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서(120;203)는, 복수의 동작들을 수행하고,
상기 복수의 동작들은,
수신한 발화 중 화자 인식에 실패한 발화를 분류하는 동작;
상기 화자 인식에 실패한 발화의 발생 시점으로부터 지정된 시간 내에 사용자 입력을 수신하는 동작;
상기 사용자 입력에 기초하여, 상기 화자 인식에 실패한 발화에 연관된 이벤트에 대응하는 검출 이벤트를 생성하는 동작;
상기 검출 이벤트에 응답하여 생성된 상기 연관된 이벤트에 대한 정보를 출력하는 동작; 및
상기 연관된 이벤트에 대한 정보에 대한 피드백을 획득하는 동작
을 포함하고,
상기 피드백은 상기 화자 인식에 실패한 발화에 대한 화자 모델의 학습에 이용되는 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제14항에 있어서,
상기 화자 인식에 실패한 발화는,
인텐트(intent) 인식에는 성공한 발화인 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제14항 및 제15항 중 어느 한 항에 있어서,
상기 연관된 이벤트는,
상기 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 이벤트인 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제14항 내지 제16항 중 어느 한 항에 있어서,
상기 검출 이벤트는,
상기 화자 인식에 실패한 발화의 인텐트(intent)에 해당하는 액션(action)을 수행하는 사용자 입력을 검출하는 이벤트인 것인, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제14항 내지 제17항 중 어느 한 항에 있어서,
상기 출력하는 동작은,
상기 검출 이벤트에 기초하여 상기 사용자 입력의 인텐트(intent)가 상기 화자 인식에 실패한 발화의 인텐트(intent)에 매칭되는 것으로 판단된 경우, 상기 화자 인식에 실패한 발화의 정보를 출력하는 동작
을 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제14항 내지 제18항 중 어느 한 항에 있어서,
상기 출력하는 동작은,
상기 연관된 이벤트에 대한 정보를 포함하는 사용자 인터페이스를 출력하는 동작
을 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).
제14항 내지 제19항 중 어느 한 항에 있어서,
상기 사용자 인터페이스는,
상기 화자 인식에 실패한 발화의 오디오 신호; 및
상기 화자 인식에 실패한 발화의 화자에 관한 질문
중 하나 이상을 포함하는, 전자 장치(101; 201; 520; 540; 701; 702; 705).