KR20240045933A - 인공지능과 음성 인식을 기반으로 동작하는 전자 장치 및 이의 제어 방법 - Google Patents

Abstract

일 실시예에 따르면, 전자 장치는 주변 소리를 수신하는 마이크, 스피커, 파라미터 정보가 저장된 메모리 및 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 제 1 응답 메시지를 출력하도록 스피커를 제어하는 프로세서를 포함할 수 있다. 프로세서는 음성 인식 결과 상에서 제 1 응답 메시지의 재요청을 지시하는 발화 표현을 감지하고, 제 1 응답 메시지를 구성하는 적어도 하나의 텍스트를 인식하고, 텍스트에 대응하는 적어도 하나의 파라미터에 기반하여 제 2 응답 메시지 상에 포함될 적어도 하나의 음성 신호를 결정하고, 결정된 적어도 하나의 음성 신호를 강조하는 제 2 응답 메시지를 생성할 수 있다.

Description

인공지능과 음성 인식을 기반으로 동작하는 전자 장치 및 이의 제어 방법{APPARATUS PERFORMING BASED ON VOICE RECOGNITION AND ARTIFICIAL INTELLIGENCE AND METHOD FOR CONTROLLING THEREOF}

본 문서에 개시된 다양한 실시예들은, 인공지능과 음성 인식을 기반으로 동작하는 전자 장치(예: 지능형 에이전트) 및 전자 장치의 제어 방법에 대한 것이다.

최근 음성 인식 기술이 발전함에 따라 음성 입력 장치(예컨대, 마이크)를 구비하는 다양한 전자 장치에서 음성 인식 기능이 구현될 수 있다. 예컨대, 음성 인식 기능을 통해 전자 장치는 사용자가 발화한 음성을 인식할 수 있으며, 발화한 음성에 기반하여 특정 기능을 실행할 수 있다. 이러한 음성 인식 기능은 최근 전자 장치에서 물리적 입력을 대체하고, 음성으로 전자 장치를 제어하기 위해 점점 보편화되고 있다.

지능형 에이전트(intelligent agent)를 사용하여 전자 장치를 활용하는 서비스가 대중화되어 가고 있다. 지능형 에이전트는 전자 장치에 기능적으로 연결된 여러 외부 장치들을 제어하여 사용자에게 통합적인 기능을 제공할 수 있다. 전자 장치가 음성 기반 지능형 에이전트 서비스를 제공함으로써, 전자 장치의 사용자는 음성을 이용하여 전자 장치의 다양한 기능을 실행할 수 있다.

사용자의 생활 환경에서 사용하는 장치들을 유무선 네트워크로 연결해 정보를 공유하는 사물 인터넷이 적용되기 시작하면서, 텔레비전 또는 냉장고와 같은 다양한 전자 장치를 이용하여 네트워크로 연결된 다른 외부 장치들에 대한 음성 인식을 수행할 수 있는 환경이 갖추어 지고 있다.

상술한 정보는 본 개시에 대한 이해를 돕기 위한 목적으로 하는 배경 기술(related art)로 제공될 수 있다. 상술한 내용 중 어느 것도 본 개시와 관련된 종래 기술(prior art)로서 적용될 수 있는지에 대하여 어떠한 주장이나 결정이 제기되지 않는다.

사용자의 생활 환경에서 음성 기반 지능형 에이전트 기능을 제공하는 전자 장치들이 증가하고 있다. 사용자가 음성 명령 후에 그 결과를 확인하는 상황에서 화면의 내용을 확인할 수 없는 경우라면 대부분 음성 피드백에 의존할 수 밖에 없는 한계가 있다. 전자 장치는, 사용자가 음성 피드백을 '재요청'하는 경우, 사용자 의도에 맞지 않는 엉뚱한 반응을 보일 수 있다. 사용자는 전자 장치로부터 바로 이전에 제공받은 음성 피드백과 동일한 조건의 음성 피드백을 제공받으면 이전과 마찬가지로 원하는 정보를 제대로 인식하기 어려울 수 있다.

일 실시예에 따르면, 전자 장치는 주변 소리를 수신하는 마이크, 스피커, 파라미터 정보가 저장된 메모리 및 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 제 1 응답 메시지를 출력하도록 스피커를 제어하는 프로세서를 포함할 수 있다. 프로세서는 음성 인식 결과 상에서 제 1 응답 메시지의 재요청을 지시하는 발화 표현을 감지하고, 제 1 응답 메시지를 구성하는 적어도 하나의 텍스트를 인식하고, 텍스트에 대응하는 적어도 하나의 파라미터에 기반하여 제 2 응답 메시지 상에 포함될 적어도 하나의 음성 신호를 결정하고, 결정된 적어도 하나의 음성 신호를 강조하는 제 2 응답 메시지를 생성할 수 있다.

일 실시예에 따르면, 전자 장치의 음성 피드백 제공 방법은 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 제 1 응답 메시지를 출력하는 동작, 음성 인식 결과 상에서 제 1 응답 메시지의 재요청을 지시하는 발화 표현을 감지하는 동작, 제 1 응답 메시지를 구성하는 적어도 하나의 텍스트를 인식하고, 텍스트에 대응하는 적어도 하나의 파라미터에 기반하여 제 2 응답 메시지 상에 포함될 적어도 하나의 음성 신호를 결정하는 동작 및 결정된 적어도 하나의 음성 신호를 강조하는 제 2 응답 메시지를 생성하는 동작을 포함할 수 있다.

일 실시예에 따르면, 전자 장치는 음성 피드백을 제공하고도 사용자가 다시 음성 피드백을 '재요청'하는 경우에 이전보다 효과적으로 음성 피드백을 제공하여 사용자 경험을 개선할 수 있다.

일 실시예에 따르면, 전자 장치는 음성 피드백을 사용자에게 보다 효과적으로 전달할 수 있으며, 이를 통해 차별화된 서비스를 제공할 수 있다.

도 1은 일 실시 예에 따른 통합 지능(integrated intelligence)(AI) 시스템을 나타낸 블록도이다.
도 2는 일 실시 예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 3은 일 실시예에 따라, 지능형 어플리케이션을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 4는 일 실시예에 따른 전자 장치의 구성을 나타낸 것이다.
도 5는 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 6a는 일 실시예에 따른 자연어 처리를 위한 지정 발화 처리부의 구성을 나타낸 것이다.도 6b는 일 실시예에 따른 음성 합성(TTS, text to speech) 알고리즘을 블록도로 나타낸 것이다.
도 7은 일 실시예에 따른 전자 장치의 음성 피드백 제공 방법을 나타낸 흐름도이다.
도 8a 및 8b 는 일 실시예에 따른 전자 장치의 음성 피드백 제공 방법을 나타낸 흐름도이다.

이하에서는 도면을 참조하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면의 설명과 관련하여, 동일하거나 유사한 구성요소에 대해서는 동일하거나 유사한 참조 부호가 사용될 수 있다. 또한, 도면 및 관련된 설명에서는, 잘 알려진 기능 및 구성에 대한 설명이 명확성과 간결성을 위해 생략될 수 있다.

도 1은 일 실시 예에 따른 통합 지능화(integrated intelligence) 시스템을 나타낸 블록도이다.

도 1을 참조하면, 일 실시 예의 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 및 서비스 서버(300)를 포함할 수 있다.

일 실시 예의 사용자 단말(100)은, 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.

일 실시 예에 따르면, 사용자 단말(100)(예: 도 5의 전자 장치(501))은 통신 인터페이스(110), 마이크(120), 스피커(130), 디스플레이(140), 메모리(150), 및 프로세서(160)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

일 실시 예에 따르면, 통신 인터페이스(110)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예에 따르면, 마이크(120)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시 예에 따르면, 스피커(130)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예에 따르면, 디스플레이(140)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예에 따르면, 디스플레이(140)는 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.

일 실시예의 디스플레이(140)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시예의 디스플레이(140)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(140)는 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이(140)는 디스플레이(140) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.

일 실시 예에 따르면, 메모리(150)는 클라이언트 모듈(151), SDK(software development kit)(153), 및 복수의 앱들(155)을 저장할 수 있다. 상기 클라이언트 모듈(151), 및 SDK(153)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램(solution program))를 구성할 수 있다. 또한, 클라이언트 모듈(151) 또는 SDK(153)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.

일 실시 예에 따르면, 메모리(150)는 상기 복수의 앱들(155)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(155)은 제1 앱(155_1), 제2 앱(155_3) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(155) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 복수의 앱(155)은, 알람 앱, 메시지 앱, 및 스케줄 앱 중 적어도 하나를 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(155)은 프로세서(160)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.

일 실시 예에 따르면, 프로세서(160)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(160)는 통신 인터페이스(110), 마이크(120), 스피커(130), 디스플레이(140), 및 메모리(150)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다.

일 실시 예에 따르면, 프로세서(160)는 또한 상기 메모리(150)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(160)는 클라이언트 모듈(151) 또는 SDK(153) 중 적어도 하나를 실행하여, 사용자 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(160)는, 예를 들어, SDK(153)를 통해 복수의 앱(155)의 동작을 제어할 수 있다. 클라이언트 모듈(151) 또는 SDK(153)의 동작으로 설명된 이하의 동작은 프로세서(160)의 실행에 의한 동작일 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(151)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 마이크(120)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 생성할 수 있다. 또는, 클라이언트 모듈(151)은 디스플레이(140)를 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(151)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 사용자 단말(100)에 포함된 입력 모듈 또는 사용자 단말(100)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 클라이언트 모듈(151)은 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 수신된 사용자 입력과 함께, 사용자 단말(100)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(151)은 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(151)은 상기 수신된 결과를 디스플레이(140)에 표시할 수 있다. 또한, 클라이언트 모듈(151)은 상기 수신된 결과를 스피커(130)를 통해 오디오로 출력할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(151)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(151)은 플랜에 따라 앱의 복수의 동작들을 실행한 결과를 디스플레이(140)에 표시할 수 있다. 예를 들어, 클라이언트 모듈(151)은 복수의 동작들의 실행 결과를 순차적으로 디스플레이에 표시할 수 있고, 스피커(130)를 통해 오디오를 출력할 수 있다.. 다른 예를 들어, 사용자 단말(100)은 복수의 동작들을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있으며, 스피커(130)를 통해 오디오를 출력할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(151)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 상기 결과를 산출하기 위해 필요한 정보는, 예를 들어, 사용자 단말(100)의 상태 정보일 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(151)은 플랜에 따라 복수의 동작들을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 통해 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(151)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.

일 실시 예에 따르면, 지능형 서버(200)는 통신 망을 통해 사용자 단말(100)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다

일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공 지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural 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 상이한 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.

일 실시 예에 따르면, 지능형 서버(200)는 생성된 플랜에 따라 산출된 결과를 사용자 단말(100)로 송신하거나, 생성된 플랜을 사용자 단말(100)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따라 산출된 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.

일 실시 예의 지능형 서버(200)는 프론트 엔드(front end)(210), 자연어 플랫폼(natural 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), 및 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.

일 실시 예에 따르면, 프론트 엔드(210)는 사용자 단말(100)로부터 수신된 사용자 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 사용자 입력에 대응되는 응답을 송신할 수 있다.

일 실시 예에 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), 및 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)를 포함할 수 있다.

일 실시 예에 따르면, 자동 음성 인식 모듈(221)은 사용자 단말(100)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 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 실시 예에 따르면, 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 실시 예에 따르면, 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인들을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인들 각각에 포함된 복수의 동작들을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작들을 실행하는데 필요한 파라미터나, 상기 복수의 동작들의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터 및 상기 결과 값은 지정된 형식(또는, 클래스)과 관련된 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작들, 및 복수의 컨셉들을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작들, 및 상기 복수의 컨셉들 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉들에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작들의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작들의 실행에 필요한 파라미터, 및 복수의 동작들의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작들의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)는 복수의 동작들, 및 복수의 컨셉들 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 온톨로지(ontology)는 모든 개체(entity)들 간의 관계를 '주어(subject), 서술어(predicate), 목적어(object)' 형태로 정의할 수 있음을 나타낸다. 온톨로지(ontology)는 전자 장치가 모든 개체들 관의 관계를 정의하여 모든 개체의 의미를 이해할 수 있음을 의미할 수 있다.

상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.

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

일 실시 예에 따르면, 캡슐 데이터베이스(230)는 복수의 도메인들에 대응되는 복수의 컨셉들과 동작들의 관계에 대한 정보를 저장할 수 있다. 예를 들어, 캡슐 데이터베이스(230)는 플랜의 복수의 동작 오브젝트(action object 또는, 동작 정보)들 및 컨셉 오브젝트(concept object 또는 컨셉 정보)들을 포함하는 복수의 캡슐들을 저장할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 상기 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐들은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.

일 실시 예에 따르면, 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 플랜들이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 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 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자 단말(100)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다.

일 실시 예에 따르면, 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 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다.

일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자 단말(100) 내에도 구현될 수 있다. 다시 말해, 사용자 단말(100)은 음성 입력에 대응되는 동작을 결정하기 위한 정보를 저장하는 캡슐 데이터베이스(230)를 포함할 수 있다.

일 실시 예에 따르면, 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 일 실시 예에 따르면, 엔드 유저 인터페이스(250)는 산출된 결과를 사용자 단말(100)로 송신할 수 있다. 이에 따라, 사용자 단말(100)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예에 따르면, 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시 예에 따르면, 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시 예에 따르면, 분석 플랫폼(280)을 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.

일 실시 예에 따르면, 서비스 서버(300)는 사용자 단말(100)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 예를 들어, 서비스 서버(300)는 서로 다른 제3 자에 의해 운영되는 제1 서비스 서버(301), 제2 서비스 서버(303), 및 제3 서비스 서버(305)를 포함할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 수신된 사용자 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)에 제공할 수 있다. 상기 제공된 정보는, 예를 들어, 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(200)에 제공할 수 있다.

상기에 기술된 통합 지능화 시스템(10)에서, 상기 사용자 단말(100)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.

일 실시 예에 따르면, 상기 사용자 단말(100)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(100)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.

일 실시 예에 따르면, 사용자 단말(100)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.

일 실시 예에 따르면, 사용자 단말(100)이 지능형 서버(200) 및/또는 서비스 서버(300)와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말(100)은, 상기 마이크(120)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말(100)은, 상기 음성 데이터를 통신 인터페이스(110)를 이용하여 지능형 서버(200)로 송신할 수 있다.

일 실시 예에 따르면, 지능형 서버(200)는 사용자 단말(100)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 동작들, 및 상기 복수의 동작들과 관련된 복수의 컨셉들을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작들의 실행에 입력되는 파라미터나, 복수의 동작들의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작들, 및 복수의 컨셉들 사이의 연관 정보를 포함할 수 있다.

일 실시 예의 사용자 단말(100)은, 통신 인터페이스(110)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(100)은 상기 스피커(130)를 이용하여 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(140)를 이용하여 사용자 단말(100) 내부에서 생성된 이미지를 외부로 출력할 수 있다.

도 2는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.

상기 지능형 서버(예: 도 1의 지능형 서버(200))의 캡슐 데이터베이스(예: 도 1의 캡슐 데이터베이스(230))는 CAN(concept action network)(400) 형태로 복수의 캡슐들을 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 CAN은 동작(action)과 상기 동작을 수행하는데 필요한 파라미터(parameter)를 정의한 컨셉(concept) 사이의 유기적인 관계를 나타낸 것일 수 있다.

상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션)들 각각에 대응되는 복수의 캡슐(예: Capsule A(401), Capsule B(404))들을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: Capsule A(401))은 하나의 도메인(예: 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐은 캡슐과 관련된 도메인의 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(402), CP 2 (403), CP 3(405), 또는 CP 4(406))에 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(예: 도 1의 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 1의 플래너 모듈(225))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, Capsule A (401) 의 동작들(4011, 4013)과 컨셉들(4012, 4014) 및 Capsule B(404)의 동작(4041)과 컨셉들(4042)을 이용하여 플랜(407)을 생성할 수 있다.

도 3는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.

사용자 단말(100)은 지능형 서버(예: 도 1의 지능형 서버(200))를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.

일 실시 예에 따르면, 310 화면에서, 사용자 단말(100)은 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. 사용자 단말(100)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이(예: 도 1의 디스플레이(140))에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(100)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 320 화면에서, 사용자 단말(100)은 수신된 음성 입력에 대응되는 결과를 디스플레이(140)에 표시할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이(140)에 표시할 수 있다.

도 4는 일 실시예에 따른 전자 장치(500)의 구성을 나타낸 것이다.

일 실시예에서, 전자 장치(500)(예: 도 5의 전자 장치(501))는 마이크(450)(예: 도 5의 입력 모듈(550)), 스피커(460)(예: 도 5의 음향 출력 모듈(555)), 프로세서(430)(예: 도 5의 프로세서(520)) 및 메모리(440)(예: 도 5의 메모리(530))를 포함할 수 있다.

일 실시예에서, 마이크(450)는 외부로부터 사운드를 입력받고, 입력된 사운드에 대응하는 신호를 생성하기 위한 구성이다. 구체적으로, 마이크(450)는 사용자 음성을 입력 받아, 사용자 음성에 대응하는 사용자 음성 신호를 생성할 수 있다.

또한, 마이크(450)는 전자 장치(500) 주변에서 발생하는 소음을 입력받고, 입력된 소음에 대응되는 신호를 생성할 수도 있다. 마이크(450)는 아날로그 형태의 사운드(사용자 음성 또는 주변 소음)를 수집하는 마이크, 수집된 사용자 음성을 증폭하는 앰프 회로, 증폭된 사용자 음성을 샘플링하여 디지털 신호로 변환하는 A/D 변환회로, 변환된 디지털 신호로부터 노이즈 성분을 제거하는 필터 회로와 같은 다양한 구성을 포함할 수 있다.

한편, 사운드를 입력받기 위한 구성은 마이크로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 사운드 신호를 수신할 수 있는 입력 단자로 구현될 수 있다.

일 실시예에서, 스피커(460)는 프로세서(430)에 의해 디코딩같은 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다. 스피커(460)는 각종 알림 음이나 음성 메시지를 출력을 증폭시킬 수 있다.

특히, 스피커(460)는 사용자 음성에 대한 응답 정보를 자연어 형태의 사운드 음성 메시지의 형식으로 출력할 수 있다. 또는, 전자 장치(500)가 주변 소음을 감지하여 사용자 음성에 대한 응답 정보를 요약한 경우, 스피커(460)는 요약된 응답 정보를 자연어 형태의 음성 메시지의 형식으로 출력할 수 있다.

한편, 오디오를 출력하기 위한 구성은 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.

일 실시예에서, 프로세서(430)는 메모리(440)와 전기적으로 연결되어 전자 장치(500)의 전반적인 동작 및 기능을 제어할 수 있다. 예를 들어, 프로세서(430)는 운영 체제 또는 응용 프로그램(예: 도 5의 프로그램(540))을 구동하여 프로세서(430)에 연결된 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 또한, 프로세서(430)는 다른 구성요소들 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리(예: 도 5의 휘발성 메모리(532))에 로드하여 처리하고, 다양한 데이터를 비휘발성 메모리(예: 도 5의 비휘발성 메모리(534))에 저장할 수 있다.

이를 위해, 프로세서(430)는 해당 동작을 수행하기 위한 전용 프로세서(예, 임베디드 프로세서) 또는 메모리 디바이스에 저장된 하나 이상의 소프트웨어 프로그램을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU (Central Processing Unit) 또는 어플리케이션 프로세서 (application processor (AP))로 구현될 수 있다.

본 개시에서, 프로세서(430)는 디지털 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP)), 마이크로프로세서(microprocessor), TCON(time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(micro controller unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), GPU(graphics processing unit) 또는 커뮤니케이션 프로세서(communication processor(CP)), ARP 프로세서(address resolution protocol processor) 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(430)는 프로세싱 알고리즘이 내장된 SoC(system on chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(field programmable gate array) 형태로 구현될 수도 있다.

일 실시예에서, 프로세서(430)는 마이크(450)를 통하여 사용자가 발화한 사용자 음성을 감지할 수 있다. 구체적으로, 프로세서(430)는 마이크(450)를 통하여 입력된 사용자 음성에 대한 신호를 수신하여, 사용자 음성을 감지할 수 있다.

일 실시예에서, 프로세서(430)는 사용자 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 정보를 출력하도록 스피커(460)를 제어할 수 있다. 본 개시에서 음성 인식 결과에 대응되는 정보는, 사용자 음성에 포함된 질의에 대한 응답정보를 의미할 수 있다. 즉, 사용자 음성이 특정 정보에 대한 요청을 포함하는 경우, 음성 인식 결과에 대응되는 정보는 사용자 음성에 포함된 특정 정보에 대한 응답 정보를 의미할 수 있다.

한편, 프로세서(430)는 사용자 음성을 수신하고 사용자 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 정보를 출력하는 일련의 과정에서 전자 장치(500) 주변의 소음을 감지할 수 있다.

구체적으로, 프로세서(430)는 마이크(450)를 이용하여 전자 장치(500) 주변의 소음을 확인할 수 있다. 프로세서(430)는 마이크(450)를 통하여 전자 장치(500) 주변에서 발생된 소리 신호를 수신하고, 수신된 소리 신호에서 소음을 확인할 수 있다.

일 실시예에서, 프로세서(430)는 주변 소음에 대응하는 신호의 주파수 분석을 기초로 주변 소음의 종류를 확인할 수 있다. 예를 들어, 프로세서(430)는 수신되는 소리 내에서 주변 소음 신호에 대한 진폭, 주기와 같은 특징을 추출하여 주파수 분석을 수행하고, 주변 소음의 종류를 확인할 수 있다. 프로세서(430)는, 주변 소음이 다른 사용자의 음성에 해당하는지, 다른 전자 장치에서 발생되는 소리에 해당하는지, 또는 아기의 울음소리나 유리창 깨지는 소리와 같이 사용자의 즉각적인 행동이 필요한 상황에서 발생된 소리에 해당하는지 확인할 수 있다.

또는, 프로세서(430)는 인공지능 모델을 이용하여 주변 소음의 종류를 확인할 수 있다. 구체적으로, 프로세서(430)는 소리의 종류를 식별하도록 학습된 인공지능 모델을 이용하여 전자 장치(500) 주변의 소음의 종류를 확인할 수도 있다. 이를 위하여, 전자 장치(500)는 마이크(450)를 통해 입력된 소리를 입력 받아 소음의 종류를 식별하도록 학습된 인공지능 모델을 포함할 수 있다.

일 실시예에서, 프로세서(430)는 확인된 소음의 종류에 기초하여 음성 인식 결과에 대응하는 정보의 출력 상태를 변경할 수 있다. 예를 들면, 정보의 출력 상태를 변경하는 것은 음성 인식 결과에 대응하는 정보의 출력을 중지하는 것을 포함할 수 있다. 정보의 출력 상태를 변경하는 것은 음성 인식 결과에 대응하는 정보를 요약하여 출력하는 것을 포함할 수 있다. 정보의 출력 상태를 변경하는 것은 특정 단어를 포함하는 사운드를 다른 단어를 포함하는 사운드에 비해 상대적으로 크게 출력하는 것을 포함할 수 있다. 정보의 출력 상태를 변경하는 것은 음성 인식 결과에 대응하는 정보 대신에 소음에 관한 정보를 출력하는 것을 포함할 수 있다.

일 실시예에서, 메모리(440)는 전자 장치(500)의 동작에 필요한 각종 프로그램 및 데이터 등을 저장하기 위한 구성요소이다.

일 실시예에서, 메모리(440)는 프로세서(430)에 포함된 롬(ROM)(예를 들어, EEPROM(electrically erasable programmable read only memory)), 램(RAM) 등의 내부 메모리로 구현되거나, 프로세서(430)와 별도의 메모리로 구현될 수도 있다. 이 경우, 메모리(440)는 데이터 저장 용도에 따라 전자 장치(500)에 임베디드된 메모리 형태로 구현되거나, 전자 장치(500)에 탈부착이 가능한 메모리 형태로 구현될 수도 있다. 예를 들어, 전자 장치(500)의 구동을 위한 데이터의 경우 전자 장치(500)에 임베디드된 메모리에 저장되고, 전자 장치(500)의 확장 기능을 위한 데이터의 경우 전자 장치(500)에 탈부착이 가능한 메모리에 저장될 수 있다.

일 실시예에서, 메모리(440)는 NLG(natural language generator) 모듈을 통하여 생성된 사용자 음성 인식 결과 생성된 응답 정보를 요약하는 NLG abstraction 모듈(미도시)을 포함할 수 있다. NLG abstraction 모듈(미도시)은 대화시스템의 NLG 모듈을 통하여 생성된 응답 정보에서 키워드를 추출하고, 추출된 키워드를 기초로 응답 정보를 요약하여 요약 정보를 생성할 수 있다.

이를 위하여, 메모리(440)에는 도메인별 키워드 정보가 기 저장되어 있을 수 있을 수 있다. 본 개시에서 도메인은 사용자 음성 또는 사용자 음성에 대한 응답 정보와 관련된 분야를 의미한다. 가령, 사용자가 '오늘 날씨는 어때?'라고 발화한 경우 사용자 발화 음성에 대한 도메인은 '날씨'가 될 수 있다.

일 실시예에서, 메모리(440)는 소음의 종류에 따라 사용자의 반응 정보를 출력하도록 학습된 인공지능 모델이 저장되어 있을 수 있다. 이때, 인공지능 모델을 전자 장치(500)를 구동하면서 발생되는 소음의 종류 및/또는 소음에 대한 사용자의 반응 정보를 이용하여 재학습할 수 있다.

또는, 일 실시 예에 따라 소음의 종류 및/또는 소음의 종류에 따른 사용자의 반응 정보가 저장될 수 있다. 구체적으로, 메모리(440)에는 소음이 발생될 때 출력되는 음성 인식 결과에 대한 사용자 반응 정보가 소음의 종류에 따라 저장될 수 있다. 가령, 음성 인식 결과를 제공하는 과정에서 청소기 소리와 같은 외부 장치의 소음이 발생하였을 때 사용자가 음성 인식 결과를 요약하기 보다는 음성 정보의 소리를 증폭하였다면, 메모리(440)에는 '음성 인식 결과 출력 단계-청소기 소리-소리 증폭'과 같은 사용자 반응 정보가 저장될 수 있다.

일 실시예에서, 자연어 이해 동작(natural language understanding, NLU)은 규칙기반 또는 통계기반을 포함한 다양한 방식의 알고리듬(algorithm)으로 구현될 수 있다. 프로세서(430)는 사용된 알고리듬의 규칙 또는 모델에 적용되지 않거나 별도의 처리를 요구하는 명령 처리가 필요한 경우, 상기 명령들을 자연어 이해 동작 처리 전에 별도로 인식하여 미리 처리하도록 할 수 있다. 예를 들어, 프로세서(430)는 사용자 지정 명령어(예: quick command)의 경우, 지정발화 처리부(미도시)에서 문장 매치(예: exact matching, levenshtein distance, cosine distance)를 통해 인식하고, 인식되었을 경우 사용자가 설정해둔 명령들을 순차적으로 수행할 수 있다. 사용자 지정 명령어(quick command)는 사용자가 지정한 명칭으로 생성된 명령으로서 자연어 이해 동작에서는 처리할 수 없는 명령을 의미할 수 있다. 프로세서(430)는 자연어 이해 동작 에서 인식될 수 있는 명령이지만, 다른 기능을 수행하도록 임시적으로 지정하고 싶은 경우에도 사용자가 설정해둔 명령들을 순차적으로 수행할 수 있다. 또 다른 예로, 프로세서(430)는 전체 도메인에 걸쳐 공통적으로 처리하고 싶은 공통 명령의 경우, 모든 도메인에서 상기 공통 명령을 인식하고 동작을 지정하는 것이 아니라 지정발화 처리부(미도시)를 이용하여 공통 명령을 처리할 수 있다. 본 개시에서 도메인은 사용자 음성 또는 사용자 음성에 대한 응답 정보와 관련된 분야를 의미한다.

일 실시예에서, 지정발화 처리부(미도시)는 구현에 따라 하나의 도메인으로 처리될 수도 있다. 지정발화 처리부는 프로세서(430) 상에 구현될 수 있다. 지정발화 처리부가 하나의 도메인으로 처리되는 경우, 하나의 도메인이 다른 도메인보다 우선순위를 갖고 선택될 수 있다. 지정발화 처리부는 하나의 입력 명령에서 도메인 분류(domain classification)를 수행하고, 하나의 도메인으로 처리되는 경우 해당 도메인에 해당하는 의도(intent)를 우선적으로 선택할 수 있다.

일 실시예에서, 프로세서(430)는 사용자 요청에 대한 기능을 수행한 후, 사용자에게 전달할 메시지를 소리로 변환할 수 있다. 프로세서(430)는 TTS (text to speech) 기능을 이용할 수 있다. 프로세서(430)는 TTS 모델에 기반하여 음성을 생성할 수 있다. TTS 모델은 사용되는 음성 합성 알고리듬(예: 파라미터 음성합성, 유닛접합 음성합성, 신경망 음성합성)에 따라 다르게 결정될 수 있다.

일 실시예에서, 프로세서(430)는 다양한 목소리에 대응되는 복수의 TTS 모델을 포함할 수 있다. 프로세서(430)는 다양한 감정을 표현하는 emotional TTS 모델 또는 발성을 강조하는 emphasis TTS 모델을 포함할 수 있다. 프로세서(430)는 재확인 요청 발화가 인식되었을 때, 이전 발화에 대한 응답을 이용하여 음성 응답을 생성할 수 있다. 프로세서(430)는 음성 응답 생성을 위해 이전 응답에서 사용되지 않은 다른 TTS 모델을 이용할 수도 있다. 또는 프로세서(430)는 음성 응답 생성을 위해 이전 응답에서 사용되지 않은 다른 합성 파라미터를 사용할 수 있다. 예를 들어, 프로세서(430)는 디코더(decoder)에서 생성된 어쿠스틱 프레임(acoustic frame)들을 이용하여 보코더(vocoder)에서 웨이브폼(waveform) 형태의 합성을 생성할 수 있다. 보코더(vocoder)는 voice coder의 합성어로 디지털로 바뀐 음성신호인 PCM(pulse code modulation) 신호를 압축하는 기술을 의미할 수 있다. 프로세서(430)는 보코더 동작 중에 강조가 필요한 구간에 대해 복수의 특성들(features)(예: pitch, spectrum, cepstrum, duration, energy)중 적어도 어느 하나를 조절하여 합성된 음에 강조 느낌을 적용할 수 있다. 캡스트럼(cepstrum)은 스펙트럼(spectrum) 상에 역방향 고속 푸리에 변환을 적용하여 얻을 수 있다.

도 5는, 다양한 실시예들에 따른, 네트워크 환경(500) 내의 전자 장치(501)의 블록도이다. 도 5를 참조하면, 네트워크 환경(500)에서 전자 장치(501)는 제 5 네트워크(598)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(502)와 통신하거나, 또는 제 2 네트워크(599)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(504) 또는 서버(508) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(501)는 서버(508)를 통하여 전자 장치(504)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(501)는 프로세서(520), 메모리(530), 입력 모듈(550), 음향 출력 모듈(555), 디스플레이 모듈(560), 오디오 모듈(570), 센서 모듈(576), 인터페이스(577), 연결 단자(578), 햅틱 모듈(579), 카메라 모듈(580), 전력 관리 모듈(588), 배터리(589), 통신 모듈(590), 가입자 식별 모듈(596), 또는 안테나 모듈(597)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(501)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(578))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(576), 카메라 모듈(580), 또는 안테나 모듈(597))은 하나의 구성요소(예: 디스플레이 모듈(560))로 통합될 수 있다.

프로세서(520)는, 예를 들면, 소프트웨어(예: 프로그램(540))를 실행하여 프로세서(520)에 연결된 전자 장치(501)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(520)는 다른 구성요소(예: 센서 모듈(576) 또는 통신 모듈(590))로부터 수신된 명령 또는 데이터를 휘발성 메모리(532)에 저장하고, 휘발성 메모리(532)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(534)에 저장할 수 있다. 일실시예에 따르면, 프로세서(520)는 메인 프로세서(525)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(523)(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(501)가 메인 프로세서(525) 및 보조 프로세서(523)를 포함하는 경우, 보조 프로세서(523)는 메인 프로세서(525)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(523)는 메인 프로세서(525)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(523)는, 예를 들면, 메인 프로세서(525)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(525)를 대신하여, 또는 메인 프로세서(525)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(525)와 함께, 전자 장치(501)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(560), 센서 모듈(576), 또는 통신 모듈(590))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(523)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(580) 또는 통신 모듈(590))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(523)(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(501) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(508))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(530)는, 전자 장치(501)의 적어도 하나의 구성요소(예: 프로세서(520) 또는 센서 모듈(576))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(540)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(530)는, 휘발성 메모리(532) 또는 비휘발성 메모리(534)를 포함할 수 있다.

프로그램(540)은 메모리(530)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(542), 미들 웨어(544) 또는 어플리케이션(546)을 포함할 수 있다.

입력 모듈(550)은, 전자 장치(501)의 구성요소(예: 프로세서(520))에 사용될 명령 또는 데이터를 전자 장치(501)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(550)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(555)은 음향 신호를 전자 장치(501)의 외부로 출력할 수 있다. 음향 출력 모듈(555)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(560)은 전자 장치(501)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(560)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(560)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(570)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(570)은, 입력 모듈(550)을 통해 소리를 획득하거나, 음향 출력 모듈(555), 또는 전자 장치(501)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(502))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(576)은 전자 장치(501)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(576)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(577)는 전자 장치(501)가 외부 전자 장치(예: 전자 장치(502))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(577)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(578)는, 그를 통해서 전자 장치(501)가 외부 전자 장치(예: 전자 장치(502))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(578)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(579)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(579)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(580)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(580)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(588)은 전자 장치(501)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(588)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(589)는 전자 장치(501)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(589)는, 예를 들면, 재충전 불가능한 5차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(590)은 전자 장치(501)와 외부 전자 장치(예: 전자 장치(502), 전자 장치(504), 또는 서버(508)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(590)은 프로세서(520)(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(590)은 무선 통신 모듈(592)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(594)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 5 네트워크(598)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(599)(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(504)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(592)은 가입자 식별 모듈(596)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 5 네트워크(598) 또는 제 2 네트워크(599)와 같은 통신 네트워크 내에서 전자 장치(501)를 확인 또는 인증할 수 있다.

무선 통신 모듈(592)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(592)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(592)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(592)은 전자 장치(501), 외부 전자 장치(예: 전자 장치(504)) 또는 네트워크 시스템(예: 제 2 네트워크(599))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(592)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 564dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 5ms 이하)를 지원할 수 있다.

안테나 모듈(597)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(597)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(597)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 5 네트워크(598) 또는 제 2 네트워크(599)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(590)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(590)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(597)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(597)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 5 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(599)에 연결된 서버(508)를 통해서 전자 장치(501)와 외부의 전자 장치(504)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(502, 또는 504) 각각은 전자 장치(501)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(501)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(502, 504, 또는 508) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(501)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(501)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(501)로 전달할 수 있다. 전자 장치(501)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(501)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(504)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(508)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(504) 또는 서버(508)는 제 2 네트워크(599) 내에 포함될 수 있다. 전자 장치(501)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

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

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 5", "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 5) 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(501)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(536) 또는 외장 메모리(538))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(540))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(501))의 프로세서(예: 프로세서(520))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 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.

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.

도 6a는 일 실시예에 따른 자연어 처리를 위한 지정 발화 처리부의 구성을 나타낸 것이다.

일 실시 예에서, 자동 음성 인식부(ASR, automatic speech recognition)(605)는 음성을 인식하고 텍스트로 변환 후 자연어 이해 동작 (natural language understanding)제어부(610)로 전송할 수 있다.

자연어 이해 동작(natural language understanding)은 규칙 기반 또는 통계 기반을 포함한 다양한 방식의 알고리즘(algorithm)으로 구현될 수 있다. 자연어 이해 동작 제어부(610) 내 지정 발화 처리부(predefined command recoginition)(612)는 사용된 알고리즘 모델에 적용되지 않거나 별도 처리가 요구되는 명령에 대해 자연어 이해 동작 전 별도로 인식하여 미리 처리할 수 있다. 예를 들어, 지정 발화 처리부(612)는 사용자가 지정한 명칭으로 생성된 사용자 지정 명령어(예:quick command)에 대해 문장 매치(예: exact matching, Levenshtein distance, cosine distance)를 통해 인식하고, 사용자가 설정해둔 명령들을 순차적으로 수행할 수 있다.

또한, 지정된 것과는 다른 기능을 수행하도록 임시적으로 지정하고 싶은 명령어에 대해, 모든 도메인에서 공통 명령을 인식하고 지정하는 것이 아니라 하나의 지정 발화 처리부(612)에서 명령어에 대해 다른 기능을 수행하도록 임시적으로 지정할 수 있다. 지정 발화 처리부(612)는 각 도메인 상에서 처리해야 하는 명령어를 하나의 모듈을 이용하여 처리할 수 있다.

자연어 이해 동작 제어부(610)는 지정 발화 처리부(612), 도메인 분류부(domain classifier)(615), 도메인 별 의도 판별부(intent classifier)(617) 및 도메인 별 응답 생성부(action executor)(619)를 포함할 수 있다. 자연어 이해 동작 제어부(610)는 도메인 분류부(domain classifier)(615), 도메인 별 의도 판별부(intent classifier)(617) 및 도메인 별 응답 생성부(action executor)를 이용하여 도메인 별로 발화 의도를 결정할 수 있다. 발화 의도는 음성 인식 동작에 의해 결정된 사용자의 의도(예: 알람 설정, 알람 해제)를 의미할 수 있다.

지정 발화 처리부(612)는 하나의 도메인으로 처리될 수도 있다. 이 경우 하나의 도메인은 다른 도메인 보다 우선순위를 가질 수 있다. 예를 들어, 하나의 사용자 입력 명령에 대해 도메인 분류 수행 결과, 지정 발화 처리부(612)에 대응되는 제 1 도메인과 별도의 제 2 도메인이 감지되면, 프로세서(예: 도 4의 프로세서(430))는 제 2 도메인에 대응하는 의도(intent) 대신 제 1 도메인에 대응하는 의도(intent)를 우선적으로 선택할 수 있다. 지정 발화 처리부(612)는 제 1 도메인에 대응하는 의도를 우선적으로 인식하고, 음성 응답 생성부(620)로 전송할 수 있다.

자연어 이해 동작 제어부(610)는 사용자의 음성 입력 중 재확인을 요청하는 발화(예: "뭐라고?", "다시 얘기해줘.", "최고 온도가 뭐라고?")를 인식할 수 있다. 자연어 이해 동작 제어부(610)는 재확인을 요청하는 발화를 인식하고 음성 응답 생성부(620)로 전송할 수 있다.

일 실시예에 따르면, 음성 응답 생성부(620)는 재확인을 요청하는 발화가 이전 발화 입력 시점 또는 이전 발화에 대한 응답 시점 이후 지정된 시간(예: 3분) 내에 입력되었을 경우 재확인 의도가 있다고 판단할 수 있다. 음성 응답 생성부(620)는 재확인 의도가 있다고 판단되지 않는 경우 지정된 답변(예:'답변이 어렵습니다.','이해하지 못한 명령입니다')을 생성할 수 있다. 일 실시예에 따르면, 지정 발화 처리부(612)는 이전 발화 입력 시점 또는 이전 발화에 대한 응답 시점 이후 지정된 시간(예: 30초) 내에만 재확인을 요청하는 발화를 인식할 수 있도록 제어할 수 있다. 응답을 위해 지정된 시간은 일 예시일 뿐, 이것으로 한정되는 것은 아니다.

일 실시예에 따르면, 지정 발화 처리부(612)는 사용자 음성이 지정된 명령들 중 적어도 하나로 인식되지 않은 경우, 자연어 이해부의 도메인 분류부(615) 또는 도메인별 의도 반별부(617) 중 어느 하나를 이용하여 입력된 사용자 음성을 분석할 수 있다. 지정 발화 처리부(612)는 분석 결과에 기반하여 사용자 음성의 의도를 결정하고, 결정된 의도에 대응되는 동작을 수행할 수 있다.

음성 응답 생성부(620)는 지정 발화 처리부(610)로부터 수신된 재확인 요청 발화에 기반하여 대응되는 응답을 생성할 수 있다. 음성 응답 생성부(620)는 사용자에게 전달할 메시지를 소리로 변환하기 위해 음성 합성(TTS, text to speech) 알고리즘을 이용할 수 있다. 음성 합성(TTS, text to speech) 알고리즘은 도 6b에서 설명될 것이다. 음성 응답 생성부(620)는 TTS 모델에 기반하여 음성을 생성할 수 있으며, TTS 모델은 음성 합성 알고리즘(예: 파라미터 음성합성, 유닛 접합 음성합성, 신경망 음성합성)에 따라 달라질 수 있다. 음성 응답 생성부(620)는 다양한 목소리들 또는 음성들에 대응되는 복수의 TTS 모델들(621,622,623)을 포함할 수 있다.

일 실시예에서, 음성 응답 생성부(620)는 다양한 감정을 표현하는 감정(emotional) TTS 모델 및/또는 강조 발성을 생성하는 강조(emphasis) TTS 모델을 포함할 수 있다. 음성 응답 생성부(620)는 지정 발화 처리부(610)로부터 수신된 재확인 요청 발화를 인식하고 이전 발화에 대한 응답을 이용하여 음성 응답을 생성할 수 있다. 또는 음성 응답 생성부(620)는 이전 발화에 대한 응답과는 별도의 합성 파라미터를 사용하여 음성 응답을 생성할 수 있다. 별도의 합성 파라미터를 사용하여 응답을 생성하는 과정에 대해서는 도 6b에서 설명될 것이다.

도 6b는 일 실시예에 따른 음성 합성(TTS, text to speech) 알고리즘을 블록도로 나타낸 것이다.

일 실시 예에서, 인코더(encoder)(630)는 입력된 텍스트를 기반으로 복수의 latent vector들 또는 latent frame들을 생성할 수 있다. 길이 예측부(duration encoder)(640)는 복수의 latent vector들 또는 latent frame들에 기반하여 음소별 길이를 예측할 수 있다. 또는 길이 예측부(duration encoder)(640)는 사전에 지정된 수준의 음소 별 길이를 갖도록 latent vector들 또는 latent frame들을 재생성할 수 있다. latent vector는 하나의 이미지 또는 데이터가 갖는 벡터 형태의 변수를 의미할 수 있다. latent vector 또는 latent frame 은 관측 데이터의 잠재 공간(latent space)을 결정하는데 사용될 수 있다. 잠재 공간(latent space)은 실제 관찰 공간(observation space)보다는 상대적으로 작을 수 있다. 딥러닝 학습 모델은 관측 데이터의 학습에 있어서 잠재 공간(latent space) 내 특정한 feature만을 학습하여 효율성을 높일 수 있다. 디코더(decoder)(650)는 생성된 latent vector들 또는 latent frame들 중 적어도 어느 하나를 이용하여 합성에 필요한 acoustic frame들을 생성할 수 있다. 디코더(decoder)(650)는 embedding의 형태로 감정 flag를 삽입하고 감정에 따른 합성 음성을 생성할 수 있다. 보코더(vocoder)(660)는 디코더(decoder)(650)에서 생성된 acoustic frame들을 이용하여 waveform형태의 합성음을 생성할 수 있다. 보코더(vocoder)(660)는 합성음 중에서 강조가 필요한 구간을 결정하고, 결정된 구간들에 합성 특성들(features)(예: pitch, spectrum, cepstrum, duration, energy) 중 적어도 하나를 이용하여 합성음에 강조 느낌을 적용할 수 있다.

도 7은 일 실시예에 따른 전자 장치의 음성 피드백 제공 방법을 나타낸 흐름도이다.

도 7을 통하여 설명되는 동작들은 컴퓨터 기록 매체 또는 메모리(예: 도 5의 메모리(530))에 저장될 수 있는 인스트럭션들을 기반으로 구현될 수 있다. 도시된 방법(700)은 앞서 도 1 내지 도 6을 통해 설명한 전자 장치(예: 도 5의 전자 장치(501))에 의해 실행될 수 있으며, 앞서 설명한 바 있는 기술적 특징은 이하에서 생략하기로 한다. 도 7의 각 동작의 순서가 변경될 수 있으며, 일부 동작이 생략될 수도 있고, 일부 동작들이 병렬적으로 수행될 수도 있다.

동작 710에서, 프로세서(예: 도 4의 프로세서(430))는 마이크(예: 도 4의 마이크(450))를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 제 1 응답 메시지를 출력할 수 있다.

동작 720에서, 프로세서(430)는 음성 인식 결과 상에서 제 1 응답 메시지의 재출력 요청을 감지할 수 있다. 또는 지정 발화 처리부(predefined command recognition)는 음성 인식 결과 상에서 제 1 응답 메시지의 재출력 요청을 감지할 수 있다. 제 1 응답 메시지는 재출력 요청을 받기 전 사용자 요청에 대응하여 제공된 출력 메시지를 의미할 수 있다. 일 실시예에서, 음성 인식 동작은 지정 발화 처리부(예: 도 6a의 지정 발화 처리부(610)) 내 도메인 분류부(domain classifier)(예: 도 6a의 도메인 분류부(615)) 및 도메인 별 의도 판별부(intent classifier)(예: 도 6a의 도메인 별 의도 판별부(617))에 의해 수행될 수 있다. 도메인 별 응답 생성부(action executor)(예: 도 6a의 도메인 별 응답 생성부 (619))는 상기 음성 인식 동작에 의해 결정된 사용자의 의도(예: 알람 설정, 알람 해제) 또는 파라미터(예: 알람 시간, 반복 횟수, 알람음)를 이용해 응답 텍스트를 생성할 수 있다. 생성된 응답 텍스트에 대해 합성 파라미터(예: pitch, spectrum, cepstrum, duration, energy) 에 기반하여 음성 합성(TTS)을 수행하여 제 1 응답 메시지를 생성할 수 있다. 일 실시예에서, 프로세서(430)는 "뭐라고?" 또는 "다시 말해줘"와 같은 사용자의 음성 피드백을 수신할 수 있다. 프로세서(430)는 구체적으로 "OO이 뭐라고?" 또는 "OO를 다시 말해줘"와 같이 특정 항목을 지정하는 음성 피드백을 수신할 수도 있다. 프로세서(430)는 사용자의 음성 피드백에 대응하여 인공지능 에이전트(AI agent)(또는 지능형 에이전트)를 이용하여 복수의 대응 방법들을 제공할 수 있다.

예를 들어, 프로세서(430)는 제 1 응답 메시지 또는 이전 음성 피드백을 다시 재생시킬 수 있다. 일 실시예에서, 프로세서(430)는 이전 사용자 발화 음성에 대해 생성된 응답 텍스트에 대해 제1 합성 파라미터와 상이한 제2 합성 파라미터에 기반하여 음성 합성(TTS)을 수행하여 제2 응답 메시지를 생성할 수 있다. 프로세서(430)는 상황에 맞게 응답 메시지의 볼륨을 조절하여 사용자에게 제공할 수 있다. 프로세서(430)는 특정 태그에 대응하는 음성 피드백의 일부를 강조하여 출력할 수 있다. 프로세서(430)는 제 1 응답 메시지 상에서 적어도 하나의 단어에 대응하는 감정 표현을 결정하고, 적어도 하나의 단어 및 감정 표현에 기반하여 제 2 응답 메시지를 생성할 수 있다. 제 2 응답 메시지는 사용자의 재출력 요청에 대응하여 생성된 응답 메시지를 의미할 수 있다. 제 2 응답 메시지는 제 1 응답 메시지의 적어도 일부를 포함할 수 있다. 또는 제 2 응답 메시지의 내용은 제 1 응답 메시지의 내용과 동일하고, 볼륨만 다를 수도 있다.

동작 730에서, 프로세서(430)는 제 1 응답 메시지를 구성하는 적어도 하나의 단어에 대응하는 적어도 하나의 파라미터에 기반하여 제 2 응답 메시지 상에 포함될 적어도 하나의 단어를 결정할 수 있다. 일 실시예에서, 프로세서(430)는 음성 피드백의 '재요청'에 대응하여 전체 내용 중에 중요한 정보들을 강조하여 표현할 수 있다. 프로세서(430)는 제 1 응답 메시지 상에서 지정된 파라미터를 이용하여 적어도 하나의 단어를 결정할 수 있다. 프로세서(430)는 지정된 파라미터 근처의 태그에 기반하여 결정된 단어를 강조하여 스피커(예: 도 2의 스피커(460)) 상으로 출력할 수 있다. 예를 들면, 태그는 가변 문구부에 작동적으로 연결될 수 있다. 프로세서(430)는 음성 피드백 내용중의 일부를 강조함으로써 사용자에게 메시지의 내용을 보다 명확하게 전달할 수 있다.

일 실시예에 따르면, 도메인 별 응답 생성부(action executor)(619)는 "오늘 날씨 알려줘"에 대한 응답 템플릿으로서 아래 문구를 선택할 수 있다.

{speech ("오늘 #{displayLocation}은(는) #{conditionAnd} 최저 기온이 #{MinTemp}, 최고 기온이 #{MaxTemp}로 예상됩니다. 미세먼지는 #{fineDustLevel}(이에)예요. #{description}.")}

일 실시 예에서, 응답 템플릿은 고정 문구부와 가변 문구부로 구성될 수 있다. 고정 문구부는 '오늘', '최저 기온이', '최고 기온이', '로 예상됩니다' 와 같이 요청 상황에 따라 변하지 않는 부분을 의미할 수 있다. 가변 문구부는 '#{displayLocation}', '#{MinTemp}, '#{MaxTemp}'와 같이 주변 상황에 따라 변화할 수 있는 부분을 의미할 수 있다. 응답 생성부(619)는 전자 장치(예: 도 5의 전자 장치(501))와 외부 서버 또는 내부 데이터베이스에서 수집된 정보에 기반하여 가변 문구부에 대응되는 값을 결정할 수 있다. 예를 들어, 응답 생성부(619)는 #{displayLocation}은 '서울', #{MinTemp}는 '24도', #{MaxTemp}는 '29도'로 결정할 수 있다. 응답 생성부는 결정된 가변 문구부를 이용하여 응답 텍스트를 생성할 수 있다. (예: "오늘 서울은 구름이 끼고 흐리며, 최저 기온이 24도, 최고 기온이 29도로 예상됩니다.).

일 실시 예에서, 도메인 별 응답 생성부(action executor)(619)는 사용자의 재요청에 대응되는 제2 응답 메시지를 생성하기 위해, 이전 발화에 대한 응답 템플릿을 이용할 수 있다. 도메인 별 응답 생성부(action executor)(619)는 응답 템플릿의 가변 문구부에 강조 합성파라미터를 적용하여 음성을 합성할 수 있다.

또 다른 실시예에서, 도메인 별 응답 생성부(action executor)(619)는 복수의 가변 문구부들 중 일부에 대해 강조 합성 파라미터를 적용하지 않을 수 있다. 예를 들어, 도메인 별 응답 생성부(action executor)(619)는 복수의 가변 문구부들 중 입력 발화에 포함된 단어 또는 문구와 내용이 일치하는 경우, 이미 사용자가 알고 있는 정보라고 판단하고 강조 합성 파라미터를 적용하지 않을 수 있다.

프로세서(430)는 수신된 다이얼로그(dialog) 상에서 파라미터(parameter)를 이용하여 강조할 단어 또는 문구를 결정할 수 있다. 다이얼로그(dialog)는 사용자와 지능형 에이전트 사이의 대화(또는 음성) 내역을 의미할 수 있다. 파라미터(parameter)는 프로그래밍 상의 매개변수를 의미할 수 있다. 파라미터는 특정 정보(예: 시간, 장소, 최고 온도 또는 최저 온도)에 기반하여 생성 및 출력되는 단어를 의미할 수 있다. 예를 들어, 사용자 음성 발화 표현은 "최고 온도가 뭐야?(what is the highest temperature?)"인 경우, 파라미터는 '최고 온도(highest temperature)'를 의미할 수 있다. 예를 들어, 사용자 음성 발화 표현은 "지금 몇 시야?(what time is it now?)"인 경우, 파라미터는 '시간(time)'을 의미할 수 있다. 이는 일 예시일 뿐, 파라미터(parameter)의 종류는 이것으로 한정되는 것은 아니다.

예를 들어, 프로세서(430)는 사용자의 날씨 정보 요청 시 날짜, 최저 기온, 최고 기온, 미세먼지 농도 또는 강수 여부 중 적어도 어느 하나를 이용하여 응답 메시지를 구성할 수 있다. 프로세서(430)는 사용자의 날씨 정보 요청 시 날짜, 최저 기온, 최고 기온, 미세먼지 농도 또는 강수 여부 중 적어도 어느 하나에 대한 파라미터에 기반하여 파라미터에 대응하는 요소를 강조하는 것으로 결정할 수 있다. 또는 프로세서(430)는 파라미터에 기반하여 파라미터에 대응하는 요소만을 응답 메시지에 포함시키는 것으로 결정할 수 있다.

동작 740에서, 프로세서(430)는 결정된 적어도 하나의 단어에 대한 강조 억양을 포함하는 제 2 응답 메시지를 생성할 수 있다. 일 실시예에서, 프로세서(430)는 결정된 적어도 하나의 단어를 응답 메시지 상에 포함시킬 수 있다. 일 실시예에서, 프로세서(430)는 결정된 적어도 하나의 단어를 강조하는 응답 메시지를 생성할 수 있다. 제 2 응답 메시지는 제 1 응답 메시지 상에서 결정된 상기 적어도 하나의 단어에 대한 강조 억양을 포함할 수 있다. 제 2 응답 메시지는 사용자의 재출력 요청에 대응하여 생성된 응답 메시지를 의미할 수 있다. 프로세서(430)는 태그(tag)를 이용하여 어느 단어에 대한 강조 여부를 결정할 수 있다. 태그는 어떤 정보에 메타데이터로 부여된 키워드 또는 분류를 의미할 수 있다. 태그는 응답 템플릿 내의 파라미터 앞에 위치할 수도 있고, 뒤에 위치할 수도 있다. 일 실시예에서, 프로세서(430)는 파라미터 근처의 태그를 인식하고, 태그에 기반하여 파라미터에 대응하는 단어를 강조하여 출력할 수 있다.

일 실시예에서, 프로세서(430)는 제 1 응답 메시지 상에서 지정된 파리미터를 이용하여 적어도 하나의 단어를 결정할 수 있다. 프로세서(430)는 결정된 적어도 하나의 단어에 대응하는 감정 표현을 결정할 수 있다. 프로세서(430)는 결정된 적어도 하나의 단어 및 감정 표현에 기반하여 제 2 응답 메시지를 생성할 수 있다. 프로세서(430)는 감정 표현에 기반하여 제 2 응답 메시지의 억양(tone) 또는 발화 속도 중 어느 하나를 결정할 수 있다. 프로세서(430)는 음성 피드백을 제공할 때, 감정 표현을 통해 전달하고자 하는 내용을 더 사실적으로 표현할 수 있다. 감정 표현에 대한 동작은 도 8b에서 설명될 것이다.

도 8a 및 8b는 일 실시예에 따른 전자 장치의 음성 피드백 제공 방법을 나타낸 흐름도이다.

도 8a 및 8b를 통하여 설명되는 동작들은 컴퓨터 기록 매체 또는 메모리(예: 도 5의 메모리(530))에 저장될 수 있는 인스트럭션들 을 기반으로 구현될 수 있다. 도시된 방법(800a 및 800b)은 앞서 도 1 내지 도 6을 통해 설명한 전자 장치(예: 도 5의 전자 장치(501))에 의해 실행될 수 있으며, 앞서 설명한 바 있는 기술적 특징은 이하에서 생략하기로 한다. 도 8a 및 8b의 각 동작의 순서가 변경될 수 있으며, 일부 동작이 생략될 수도 있고, 일부 동작들이 병렬적으로 수행될 수도 있다.

일 실시예에서, 프로세서(예: 도 4의 프로세서(430))는 마이크(예: 도 4의 마이크(450))를 이용하여 전자 장치(500)의 주변의 소음을 확인하고, 확인된 소음의 종류에 기초하여 음성 인식 결과에 대응되는 정보의 출력 상태를 변경시킬 수 있다.

동작 810a에서, 프로세서(430)는 사용자에 의한 음성 피드백의 재요청을 확인할 수 있다.

동작 812a에서 프로세서(430)는 주변 상황이나 사전에 정의된 조건을 분석할 수 있다. 사용자가 음성 피드백을 '재요청'하는 경우는 대부분 사용자와의 거리가 멀거나 소음과 같은 외부적인 요인에 의해 음성 피드백이 제대로 전달되지 못한 경우일 수 있다. 프로세서(430)는 이전과 실질적으로 동일한 볼륨으로 음성 피드백을 제공하면 사용자로부터 음성 피드백을 '재요청'받을 수 있다. 프로세서(430)는 주변 상황이나 사전에 정의된 조건에 따라 볼륨 크기를 '일시적'으로 또는 부분적으로 자동 조절하여 효과적인 음성 피드백을 제공할 수 있다. 일 실시예에서, 프로세서(430)는 주변 소음의 정도, 사용자의 목소리 크기 또는 센서로 측정된 사용자와의 거리 정보 중 어느 하나를 이용하여 주변 상황을 분석할 수 있다.

동작 814a에서 프로세서(430)는 분석 결과에 기반하여 제 2 응답 메시지의 볼륨 크기를 결정할 수 있다. 제 2 응답 메시지는 사용자의 재출력 요청에 대응하여 생성된 응답 메시지를 의미할 수 있다. 일 실시 예에서, 프로세서(430)는 분석된 상황에 기반하여 제 2 응답 메시지의 볼륨 크기를 결정할 수 있다. 제 2 응답 메시지의 볼륨 크기는 사전에 정의되거나 또는 분석된 상황에 따라 다르게 결정될 수 있다. 예를 들어, 프로세서(430)는 주변 소음이 일정 수준을 초과하면 주변 소음이 적은 경우와 비교하여 상대적으로 제 2 응답 메시지의 볼륨 크기를 더 크게 만들 수 있다.

동작 816a에서 프로세서(430)는 일시적으로 또는 부분적으로 볼륨 크기를 조절하여 제 2 응답 메시지를 제공할 수 있다. 프로세서(430)는 사용자의 음성 피드백 재요청에 기반하여 일시적으로 볼륨을 다르게 조절하여 응답 메시지를 제공할 수 있다. 프로세서(430)는 주변 소음의 정도, 사용자의 목소리 크기 및/또는 사용자와의 거리 정보에 기반하여 사용자의 현재 상황을 분석할 수 있다. 프로세서(430)는 분석된 사용자의 현재 상황에 기반하여 볼륨 크기를 일시적으로 또는 부분적으로 조절할 수 있다. 예를 들어, 프로세서(430)는 주변 소음이 지정된 수준을 초과함에 기반하여 일시적으로 볼륨을 높여서 응답 메시지를 출력할 수 있다. 또는 프로세서(430)는 사용자의 목소리의 크기가 지정된 수준 미만임에 기반하여 소리를 크게 낼 수 없는 상황(예: 도서관) 일시적으로 볼륨을 낮춰서 응답 메시지를 출력할 수 있다. 일 실시예에 따르면, 프로세서(430)는 재요청 메시지(예: 뭐라고(what)?)의 사용자 목소리의 크기가 지정된 수준을 초과함에 기반하여 일시적으로 볼륨을 크게 조절하여 응답 메시지를 출력할 수 있다.

일 실시예에서, 프로세서(430)는 제 1 응답 메시지 상에서 파라미터에 기반하여 결정된 적어도 하나의 단어에 대응하는 감정 표현을 결정하고, 결정된 적어도 하나의 단어 및 감정 표현에 기반하여 제 2 응답 메시지를 생성할 수 있다. 제 2 응답 메시지는 사용자의 재출력 요청에 대응하여 생성된 응답 메시지를 의미할 수 있다.

일 실시예에서, 프로세서(430)는 음성 피드백을 제공할 때, 감정 표현을 통해 전달하고자 하는 내용을 좀 더 사실적으로 표현할 수 있다. 감정표현은 문장에 따라 바뀔 수 있다. 프로세서(430)는 여러 문장이 연속되는 경우에 전체 음성 피드백 문단에서 문장을 구분하고, 각 문장마다 감정을 분석하여, 이에 따라 문장마다 감정의 효과를 적용할 수 있다. 프로세서(430)는 문장 내 특정 단어를 인식하고, 해당 문장을 발화한 발화자의 감정을 인식할 수 있다. 예를 들어, 프로세서(430)는 "고요한 아침이에요" 라는 문장에서 '고요한(calm)'이라는 단어를 인식하고, 이에 대응하여 응답 메시지의 속도를 지정된 수준으로 설정하거나, 톤(tone)을 조절하여 '고요한(calm)'에 대응하는 감정 효과를 적용할 수 있다.

동작 820b에서 프로세서(430)는 인식된 문단에서 문장을 분리하여 인식할 수 있다.

동작 822b에서 프로세서(430)는 분리된 문장 마다 감정을 분석할 수 있다.

동작 824b에서 프로세서(430)는 문장 마다 분석된 감정 효과를 응답 메시지 상에 적용시킬 수 있다. 일 실시예에서, 프로세서(430)는 연속된 문장이 동일한 감정인 경우 하나로 묶어서 처리할 수 있다. 프로세서(430)는 사용자가 음성 피드백을 '재요청'하는 경우에는 음성 피드백의 내용에 따라 사실적인 감정 표현을 제공할 수 있다. 프로세서(430)는 사실적인 감정 표현을 제공하여 사용자에게 다양한 경험을 제공할 수 있다. 사실적인 감정은 예를 들어, 화남(angry), 지루함(bored), 만족스러운(content), 기쁜(delighted) 또는 행복한(happy) 중 적어도 어느 하나를 포함할 수 있다. 이는 예시일 뿐, 사실적인 감정의 종류는 이것으로 한정되는 것은 아니다.

일 실시예에서, 프로세서(430)는 사용자가 일정 횟수를 초과하여 음성 피드백을 요청하는 경우, 음성 피드백에 대한 감정 변화를 제공할 수 있다. 프로세서(430)는 재요청 명령의 횟수에 따라 다른 응답 음성을 생성할 수 있다. 예를 들어, 프로세서(430)는 재요청 명령 횟수가 일정 수준 미만일 때는 행복한(happy) 또는 짜릿한(excited) 톤으로 응답 메시지를 생성할 수 있다. 프로세서(430)는 재요청 명령의 횟수가 일정 수준을 초과함에 기반하여 행복한(happy) 또는 짜릿한(excited) 톤 대신 피곤한(tired) 도는 지루한(bored) 톤으로 응답 메시지를 생성할 수 있다. 재요청 명령의 횟수 및/또는 응답 메시지의 톤은 이에 한정되는 것은 아니고 설정에 따라 달라질 수 있다. 프로세서(430)는 음성 피드백에 대한 감정 변화를 제공하여, 대화의 재미 요소를 추가할 수 있다.

일 실시예에 따르면, 전자 장치(예: 도 4의 전자 장치(500))는 주변 소리를 수신하는 마이크(예: 도 4의 마이크(450)), 스피커(예: 도 4의 스피커(460)), 파라미터 정보가 저장된 메모리(예: 도 4의 메모리(440)) 및 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 제 1 응답 메시지를 출력하도록 스피커를 제어하는 프로세서(예: 도 4의 프로세서(430))를 포함할 수 있다. 프로세서(430)는 음성 인식 결과 상에서 제 1 응답 메시지의 재요청을 지시하는 발화 표현을 감지하고, 제 1 응답 메시지를 구성하는 적어도 하나의 텍스트를 인식하고, 텍스트에 대응하는 적어도 하나의 파라미터에 기반하여 제 2 응답 메시지 상에 포함될 적어도 하나의 음성 신호를 결정하고, 결정된 적어도 하나의 음성 신호를 강조하는 제 2 응답 메시지를 생성할 수 있다.

일 실시예에 따르면, 제 2 응답 메시지는 응답 템플릿(dialog template)에 기반하여 생성되고, 응답 템플릿은 사전에 결정되어 내용이 고정된 문구 또는 단어를 포함하는 제 1 영역 및 어플리케이션에서 수신된 정보에 기반하여 내용이 변경될 수 있는 문구 또는 단어를 포함하는 제 2 영역을 포함하고, 제 2 영역 내 적어도 하나의 문구 또는 단어는 각각 적어도 하나의 파라미터에 대응하며, 파라미터는 시간, 장소, 최고 온도 또는 최저 온도에 기반하여 생성 및 출력될 수 있으며,최고온도, 최저 온도, 알람 시간, 알람 반복 횟수, 알람음을 포함할 수 있다.

일 실시예에 따르면, 프로세서는 어플리케이션에서 수신된 정보에 기반하여 제 2 영역 내 적어도 하나의 문구 또는 단어의 내용을 결정할 수 있다.

일 실시예에 따르면, 프로세서는 음성 인식 결과 상에 포함된 적어도 하나의 파라미터에 기반하여 제 2 영역 내 적어도 하나의 문구 또는 단어 중에서 제 2 응답 메시지에 포함될 문구 또는 단어를 결정할 수 있다.

일 실시예에 따르면, 프로세서는 사용자 발화 음성을 분석하여 사용자 발화 음성에 포함된 적어도 하나의 음성 신호를 인식하고, 인식된 적어도 하나의 음성 신호에 대응하는 적어도 하나의 파라미터를 결정하고, 결정된 적어도 하나의 파라미터에 기반하여 제 1 응답 메시지 상의 음성 신호들 중에서 제 2 응답 메시지에 포함될 음성 신호를 결정하고,결정된 적어도 하나의 음성 신호에 대해서 강조 억양을 제공하는 제 2 응답 메시지를 생성 할 수 있다.

일 실시예에 따르면, 프로세서는 제 1 응답 메시지 상에서 지정된 파라미터를 이용하여 결정된 적어도 하나의 음성 신호에 대응하는 감정 표현을 결정하고,결정된 적어도 하나의 음성 신호 및 감정 표현에 기반하여 제 2 응답 메시지를 생성 할 수 있다.

일 실시예에 따르면, 프로세서는 제 1 응답 메시지의 재출력 요청 횟수에 기반하여 제 2 응답 메시지의 억양 또는 출력 속도 중 어느 하나를 결정 할 수 있다.

일 실시예에 따르면, 프로세서는 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준 미만임에 기반하여 제 2 응답 메시지의 억양을 상대적으로 높은 톤(tone)으로 결정하고, 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준을 초과함에 기반하여 제 2 응답 메시지의 억양을 상대적으로 낮은 톤(tone)으로 결정 할 수 있다.

일 실시예에 따르면, 프로세서는 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준 미만임에 기반하여 제 2 응답 메시지의 출력 속도를 상대적으로 빠르게 결정하고, 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준을 초과함에 기반하여 제 2 응답 메시지의 출력 속도를 상대적으로 느리게 결정 할 수 있다.

일 실시예에 따르면, 프로세서는, 마이크를 이용하여 전자 장치의 주변의 소음을 확인하고, 확인된 소음의 크기 또는 종류 중 어느 하나에 기초하여 음성 인식 결과에 대응되는 정보의 출력 상태를 변경 할 수 있다.

일 실시예에 따르면, 프로세서는 제 1 응답 메시지 상에서 지정된 파라미터에 대응하지 않는 적어도 하나의 음성 신호를 제 2 응답 메시지 상에 포함시키지 않도록 제어할 수 있다.

일 실시예에 따르면, 전자 장치의 음성 피드백 제공 방법은 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 제 1 응답 메시지를 출력하는 동작, 음성 인식 결과 상에서 제 1 응답 메시지의 재요청을 지시하는 발화 표현을 감지하는 동작, 제 1 응답 메시지를 구성하는 적어도 하나의 텍스트를 인식하고, 텍스트에 대응하는 적어도 하나의 파라미터에 기반하여 제 2 응답 메시지 상에 포함될 적어도 하나의 음성 신호를 결정하는 동작 및 결정된 적어도 하나의 음성 신호를 강조하는 제 2 응답 메시지를 생성하는 동작을 포함할 수 있다.

본 명세서와 도면에 개시된 본 문서의 실시예는 본 문서의 실시예에 따른 기술 내용을 쉽게 설명하고 본 문서의 실시예의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 문서의 실시예의 범위를 한정하고자 하는 것은 아니다. 따라서 본 문서의 일 실시예의 범위는 여기에 개시된 실시예 이외에도 본 문서의 일 실시예의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 문서의 일 실시예의 범위에 포함되는 것으로 해석되어야 한다.

Claims (20)

1. 전자 장치에 있어서,
   주변 소리를 수신하는 마이크;
   스피커;
   파라미터 정보가 저장된 메모리;및
   상기 마이크를 통하여 사용자 발화 음성을 감지하면, 상기 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 제 1 응답 메시지를 출력하도록 상기 스피커를 제어하는 프로세서를 포함하고,
   상기 프로세서는
   상기 음성 인식 결과 상에서 상기 제 1 응답 메시지의 재요청을 지시하는 발화 표현을 감지하고,
   상기 제 1 응답 메시지를 구성하는 적어도 하나의 텍스트를 인식하고, 상기 텍스트에 대응하는 적어도 하나의 파라미터에 기반하여 제 2 응답 메시지 상에 포함될 적어도 하나의 음성 신호를 결정하고,
   결정된 상기 적어도 하나의 음성 신호를 강조하는 상기 제 2 응답 메시지를 생성하는 전자 장치.
   
2. 제 1항에 있어서,
   상기 제 2 응답 메시지는
   응답 템플릿(dialog template)에 기반하여 생성되고,
   상기 응답 템플릿은
   사전에 결정되어 내용이 고정된 문구 또는 단어를 포함하는 제 1 영역 및 어플리케이션에서 수신된 정보에 기반하여 내용이 변경될 수 있는 문구 또는 단어를 포함하는 제 2 영역을 포함하고,
   상기 제 2 영역 내 적어도 하나의 문구 또는 단어는 각각 적어도 하나의 파라미터에 대응하며,
   상기 파라미터는
   시간, 장소, 최고 온도 또는 최저 온도에 기반하여 생성 및 출력될 수 있으며,
   최고온도, 최저 온도, 알람 시간, 알람 반복 횟수, 알람음을 포함하는 전자 장치.
   
3. 제 2항에 있어서,
   상기 프로세서는
   상기 어플리케이션에서 수신된 정보에 기반하여 상기 제 2 영역 내 적어도 하나의 문구 또는 단어의 내용을 결정하는 전자 장치.
   
4. 제 2항에 있어서,
   상기 프로세서는
   상기 음성 인식 결과 상에 포함된 적어도 하나의 파라미터에 기반하여 상기 제 2 영역 내 적어도 하나의 문구 또는 단어 중에서 상기 제 2 응답 메시지에 포함될 문구 또는 단어를 결정하는 전자 장치.
   
5. 제 1 항에 있어서,
   상기 프로세서는
   상기 사용자 발화 음성을 분석하여 상기 사용자 발화 음성에 포함된 적어도 하나의 음성 신호를 인식하고,
   인식된 적어도 하나의 음성 신호에 대응하는 적어도 하나의 파라미터를 결정하고,
   결정된 상기 적어도 하나의 파라미터에 기반하여 상기 제 1 응답 메시지 상의 음성 신호들 중에서 상기 제 2 응답 메시지에 포함될 음성 신호를 결정하고,
   결정된 상기 적어도 하나의 음성 신호에 대해서 강조 억양을 제공하는 상기 제 2 응답 메시지를 생성하는 전자 장치.
   
6. 제 1항에 있어서,
   상기 프로세서는
   상기 제 1 응답 메시지 상에서 지정된 파라미터를 이용하여 결정된 상기 적어도 하나의 음성 신호에 대응하는 감정 표현을 결정하고,
   결정된 상기 적어도 하나의 음성 신호 및 상기 감정 표현에 기반하여 상기 제 2 응답 메시지를 생성하는 전자 장치.
   
7. 제 1항에 있어서,
   상기 프로세서는
   상기 제 1 응답 메시지의 재출력 요청 횟수에 기반하여
   상기 제 2 응답 메시지의 억양 또는 출력 속도 중 어느 하나를 결정하는 전자 장치.
   
8. 제 7항에 있어서,
   상기 프로세서는
   상기 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준 미만임에 기반하여 상기 제 2 응답 메시지의 억양을 상대적으로 높은 톤(tone)으로 결정하고,
   상기 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준을 초과함에 기반하여 상기 제 2 응답 메시지의 억양을 상대적으로 낮은 톤(tone)으로 결정하는 전자 장치.
   
9. 제 7항에 있어서,
   상기 프로세서는
   상기 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준 미만임에 기반하여 상기 제 2 응답 메시지의 출력 속도를 상대적으로 빠르게 결정하고,
   상기 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준을 초과함에 기반하여 상기 제 2 응답 메시지의 출력 속도를 상대적으로 느리게 결정하는 전자 장치.
   
10. 제 1항에 있어서,
    상기 프로세서는,
    상기 마이크를 이용하여 상기 전자 장치의 주변의 소음을 확인하고, 상기 확인된 소음의 크기 또는 종류 중 어느 하나에 기초하여 상기 음성 인식 결과에 대응되는 정보의 출력 상태를 변경하는 전자 장치.
    
11. 제 1 항에 있어서,
    상기 프로세서는
    상기 제 1 응답 메시지 상에서 지정된 파라미터에 대응하지 않는 적어도 하나의 음성 신호를 상기 제 2 응답 메시지 상에 포함시키지 않도록 제어하는 전자 장치.
    
12. 전자 장치의 음성 피드백 제공 방법에 있어서,
    마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 제 1 응답 메시지를 출력하는 동작;
    상기 음성 인식 결과 상에서 상기 제 1 응답 메시지의 재요청을 지시하는 발화 표현을 감지하는 동작;
    상기 제 1 응답 메시지를 구성하는 적어도 하나의 텍스트를 인식하고, 상기 텍스트에 대응하는 적어도 하나의 파라미터에 기반하여 제 2 응답 메시지 상에 포함될 적어도 하나의 음성 신호를 결정하는 동작;및
    결정된 상기 적어도 하나의 음성 신호를 강조하는 상기 제 2 응답 메시지를 생성하는 동작을 포함하는 방법.
    
13. 제 12항에 있어서,
    상기 제 2 응답 메시지는
    응답 템플릿(dialog template)에 기반하여 생성되고,
    상기 응답 템플릿은
    사전에 결정되어 내용이 고정된 문구 또는 단어를 포함하는 제 1 영역 및 어플리케이션에서 수신된 정보에 기반하여 내용이 변경될 수 있는 문구 또는 단어를 포함하는 제 2 영역을 포함하고,
    상기 제 2 영역 내 적어도 하나의 문구 또는 단어는 각각 적어도 하나의 파라미터에 대응하는 방법.
    
14. 제 13항에 있어서,
    상기 어플리케이션에서 수신된 정보에 기반하여 상기 제 2 영역 내 적어도 하나의 문구 또는 단어의 내용을 결정하는 동작을 더 포함하는 방법.
    
15. 제 13항에 있어서,
    상기 음성 인식 결과 상에 포함된 적어도 하나의 파라미터 에 기반하여 상기 제 2 영역 내 적어도 하나의 문구 또는 단어 중에서 상기 제 2 응답 메시지에 포함될 문구 또는 단어를 결정하는 동작을 더 포함하는 방법.
    
16. 제 12항에 있어서,
    상기 사용자 발화 음성을 분석하여 상기 사용자 발화 음성에 포함된 적어도 하나의 음성 신호를 인식하는 동작;
    인식된 적어도 하나의 음성 신호에 대응하는 적어도 하나의 파라미터를 결정하는 동작;
    결정된 상기 적어도 하나의 파라미터에 기반하여 상기 제 1 응답 메시지 상의 단어들 중에서 상기 제 2 응답 메시지에 포함될 음성 신호를 결정하는 동작;및
    결정된 상기 적어도 하나의 음성 신호에 대해서 강조 억양을 제공하는 상기 제 2 응답 메시지를 생성하는 동작을 더 포함하는 방법.
    
17. 제 12항에 있어서,
    상기 제 1 응답 메시지 상에서 지정된 파라미터를 이용하여 결정된 상기 적어도 하나의 음성 신호에 대응하는 감정 표현을 결정하는 동작;및
    결정된 상기 적어도 하나의 음성 신호 및 상기 감정 표현에 기반하여 상기 제 2 응답 메시지를 생성하는 동작을 더 포함하는 방법.
    
18. 제 12항에 있어서,
    상기 제 1 응답 메시지의 재출력 요청 횟수에 기반하여
    상기 제 2 응답 메시지의 억양 또는 출력 속도 중 어느 하나를 결정하는 동작을 더 포함하는 방법.
    
19. 제 18항에 있어서,
    상기 제 1 응답 메시지의 재출력 요청 횟수에 기반하여 상기 제 2 응답 메시지의 억양 또는 출력 속도 중 어느 하나를 결정하는 동작은
    상기 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준 미만임에 기반하여 상기 제 2 응답 메시지의 억양을 상대적으로 높은 톤(tone)으로 결정하는 동작;및
    상기 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준을 초과함에 기반하여 상기 제 2 응답 메시지의 억양을 상대적으로 낮은 톤(tone)으로 결정하는 동작을 더 포함하는 방법.
    
20. 제 18항에 있어서,
    상기 제 1 응답 메시지의 재출력 요청 횟수에 기반하여 상기 제 2 응답 메시지의 억양 또는 출력 속도 중 어느 하나를 결정하는 동작은
    상기 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준 미만임에 기반하여 상기 제 2 응답 메시지의 출력 속도를 상대적으로 빠르게 결정하는 동작;및
    상기 제 1 응답 메시지의 재출력 요청 횟수가 일정 수준을 초과함에 기반하여 상기 제 2 응답 메시지의 출력 속도를 상대적으로 느리게 결정하는 동작을 더 포함하는 방법.
    

Images