KR20240112028A

KR20240112028A - 발음열 유사도를 이용한 음성 자동 학습 시스템 및 방법과 이를 위한 컴퓨터 프로그램

Info

Publication number: KR20240112028A
Application number: KR1020230004123A
Authority: KR
Inventors: 진주영; 강남구; 윤주호
Original assignee: 다큐브 주식회사
Priority date: 2023-01-11
Filing date: 2023-01-11
Publication date: 2024-07-18

Abstract

음성 자동 학습 시스템은, 미리 설정된 질의에 상응하는 음성 데이터를 수신하고, 상기 음성 데이터를 미리 학습된 음성 인식 모델에 적용하여 상기 음성 데이터로부터 텍스트 데이터를 추출하도록 구성된 음성 인식 모듈; 상기 텍스트 데이터를 발음열 데이터로 변환하고, 상기 발음열 데이터를 미리 설정된 발음열 사전과 비교함으로써 상기 텍스트 데이터를 선택적으로 보정하도록 구성된 단어 보정 모듈; 및 상기 단어 보정 모듈에 의해 보정된 상기 텍스트 데이터를 상기 질의와 비교한 결과에 기초하여 상기 음성 인식 모델을 갱신하도록 구성된 학습 변경 모듈을 포함할 수 있다. 상기 음성 자동 학습 시스템을 이용하면, 제한된 질의에 대한 사용자의 발화를 이용하여 자동으로 음성 학습을 수행할 수 있고, 국제 음성 기호(International Phonetic Alphabet;　IPA)와 같은 발음열 데이터를 이용하여 개별 사용자의 특성을 반영하고 학습의 정확도를 높일 수 있다.

Description

발음열 유사도를 이용한 음성 자동 학습 시스템 및 방법과 이를 위한 컴퓨터 프로그램{SYSTEM AND METHOD FOR AUTOMATED LEARNING OF VOICES USING SIMILARITY OF PRONOUNCIATION AND COMPUTER PROGRAM FOR THE SAME}

실시예들은 음성 자동 학습 시스템 및 방법과 이를 위한 컴퓨터 프로그램에 관한 것이다. 보다 상세하게는, 실시예들은 음성 텍스트 변환(Speech-to-Text; STT), 텍스트 음성 변환(Text-to-Speech; TTS) 등을 이용하여 자동으로 음성 인식 모델의 학습을 수행하되, 국제 음성 기호(International Phonetic Alphabet;　IPA)와 같은 발음열 데이터를 이용하여 학습의 정확도를 높이는 기술에 대한 것이다.

기업 대 기업간(Business to Business; B2B) 또는 기업 대 소비자(Business to Customer; B2C) 전자상거래 데이터 등을 대상으로 하는 음성 자동 학습은, 통상의 음성 자동 학습과 달리 인증키를 가진 특정인만 데이터에 접근할 수 있는 점에서 폐쇄성을 특징으로 한다. 이처럼 폐쇄적인 데이터에 접근하여 이를 활용하기 위해, 스크래핑(scraping)을 통한 정보 조회나, 사전에 협의된 API(Application Programming Interface)를 이용한 정보 조회 등의 방법이 사용될 수 있다.

한정된 데이터를 기반으로 음성 인식을 위한 학습을 수행하기 위하여, 인터넷 상의 동영상 컨텐츠, 텔레비전, 라디오 등 다양한 채널로부터 음성 데이터를 수집하여 학습에 활용할 수 있다. 그러나, 이와 같이 수집된 음성 데이터들은 B2B 또는 B2C 서비스를 실제로 이용하는 개별 사용자의 특성을 반영하지 못하며, 예컨대, 동일한 단어라 하더라도 사용자 개인별로 차이가 있는 발음 특성을 학습에 반영하지 못하는 단점이 있다.

또한, 업무 환경에서의 발화는 상호명, 제품명 등 하나의 언어(예컨대, 한글)로 된 문장 속에 다른 언어(예컨대, 영어) 고유명사가 포함된 경우가 많고, 음성 인식의 정확한 처리를 위해서는 이러한 고유명사의 제대로 된 인식이 필요하다. 그러나, 종래의 음성 자동 학습 기술은 사전에 구축된 사전을 기반으로 동작하므로, 서로 다른 언어로 된 고유명사가 혼용되는 환경에는 적용되기 힘든 한계가 있다.

공개특허공보 제10-2022-0156344호

본 발명의 일 측면에 따르면, 음성 텍스트 변환(Speech-to-Text; STT), 텍스트 음성 변환(Text-to-Speech; TTS) 등을 이용하여 자동으로 음성 인식 모델의 학습을 수행하되, 국제 음성 기호(International Phonetic Alphabet;　IPA)와 같은 발음열 데이터를 이용하여 개별 사용자의 특성을 반영하고 학습의 정확도를 높일 수 있는 음성 자동 학습 시스템 및 방법과 이를 위한 컴퓨터 프로그램을 제공할 수 있다.

본 발명의 일 측면에 따른 음성 자동 학습 시스템은, 미리 설정된 질의에 상응하는 음성 데이터를 수신하고, 상기 음성 데이터를 미리 학습된 음성 인식 모델에 적용하여 상기 음성 데이터로부터 텍스트 데이터를 추출하도록 구성된 음성 인식 모듈; 상기 텍스트 데이터를 발음열 데이터로 변환하고, 상기 발음열 데이터를 미리 설정된 발음열 사전과 비교함으로써 상기 텍스트 데이터를 선택적으로 보정하도록 구성된 단어 보정 모듈; 및 상기 단어 보정 모듈에 의해 보정된 상기 텍스트 데이터를 상기 질의와 비교한 결과에 기초하여 상기 음성 인식 모델을 갱신하도록 구성된 학습 변경 모듈을 포함한다.

일 실시예에서, 상기 단어 보정 모듈은, 상기 텍스트 데이터를 상기 발음열 데이터로 변환하도록 구성된 발음열 변환부; 미리 설정된 복수 개의 단어의 발음열을 포함하는 상기 발음열 사전을 저장하도록 구성된 발음열 데이터베이스; 상기 발음열 데이터와 상기 복수 개의 단어의 발음열 사이의 유사도를 산출하도록 구성된 유사도 산출부; 및 상기 유사도에 기초하여 상기 텍스트 데이터에 상응하는 단어의 변환 여부 및 변환 단어 중 하나 이상을 결정하도록 구성된 단어 변환부를 포함한다.

일 실시예에서, 상기 단어 보정 모듈은, 상기 복수 개의 단어의 발음열에 대한 사용자별 가중치를 결정하는 부스팅 엔진(boosting engine)부를 더 포함한다. 이때 상기 단어 변환부는, 상기 유사도에 상응하여 결정되는 제1 가중치 및 상기 부스팅 엔진부에 의해 결정되는 제2 가중치에 기초하여 상기 변환 단어를 결정하도록 더 구성된다.

일 실시예에서, 상기 단어 보정 모듈은, 하나 이상의 단어의 문자열 데이터를 이용하여 상기 발음열 사전에 포함될 발음열을 생성하도록 구성된 발음열 생성부를 더 포함한다.

일 실시예에서, 상기 발음열 생성부는, 제1 언어로 된 문자열을 발음열로 변환하도록 구성된 발음열 생성기; 및 상기 제1 언어와 상이한 제2 언어로 된 문자열을 발음열로 변환하고, 상기 제2 언어의 문자열로부터 변환된 발음열을 상기 제1 언어의 문자열로 변환하여 상기 발음열 생성기에 입력하도록 구성된 문자열 변환기를 포함한다.

일 실시예에서, 상기 음성 인식 모델은 하나 이상의 단어에 대한 사용자별 가중치를 결정하는 화자 종속 음향 모델을 포함한다.

일 실시예에 따른 음성 자동 학습 시스템은, 하나 이상의 상기 질의를 포함하는 질의 데이터베이스 및 화자별 음성 데이터베이스를 포함하는 데이터베이스; 및 상기 질의 데이터베이스 및 상기 화자별 음성 데이터베이스를 이용한 텍스트 음성 변환을 통해 상기 음성 데이터를 생성하도록 구성된 음성 변환 모듈을 더 포함한다.

본 발명의 일 측면에 따른 음성 자동 학습 방법은, 음성 자동 학습 시스템이, 미리 설정된 질의에 상응하는 음성 데이터를 미리 학습된 음성 인식 모델에 적용하여 상기 음성 데이터로부터 텍스트 데이터를 추출하는 단계; 상기 음성 자동 학습 시스템이, 상기 텍스트 데이터를 발음열 데이터로 변환하는 단계; 상기 음성 자동 학습 시스템이, 상기 발음열 데이터를 미리 설정된 발음열 사전과 비교함으로써 상기 텍스트 데이터를 선택적으로 보정하는 단계; 및 상기 음성 자동 학습 시스템이, 보정된 상기 텍스트 데이터를 상기 질의와 비교한 결과에 기초하여 상기 음성 인식 모델을 갱신하는 단계를 포함한다.

일 실시예에서, 상기 텍스트 데이터를 선택적으로 보정하는 단계는, 상기 음성 자동 학습 시스템이, 상기 발음열 데이터와 상기 발음열 사전의 미리 설정된 복수 개의 단어의 발음열 사이의 유사도를 산출하는 단계; 및 상기 음성 자동 학습 시스템이, 상기 유사도에 기초하여 상기 텍스트 데이터에 상응하는 단어의 변환 여부 및 변환 단어 중 하나 이상을 결정하는 단계를 포함한다.

일 실시예에서, 상기 텍스트 데이터를 선택적으로 보정하는 단계는, 상기 음성 자동 학습 시스템이, 상기 복수 개의 단어의 발음열에 대한 사용자별 가중치를 결정하는 단계를 더 포함한다. 이때, 상기 단어의 변환 여부 및 변환 단어 중 하나 이상을 결정하는 단계는, 상기 음성 자동 학습 시스템이, 상기 유사도에 상응하여 결정되는 제1 가중치 및 상기 사용자별 가중치를 결정하는 단계에 의해 결정되는 제2 가중치에 기초하여 상기 변환 단어를 결정하는 단계를 포함한다.

일 실시예에 따른 음성 자동 학습 방법은, 상기 음성 자동 학습 시스템이, 하나 이상의 단어의 문자열 데이터를 이용하여 상기 발음열 사전에 포함될 발음열을 생성하는 단계를 더 포함한다.

일 실시예에서, 상기 발음열을 생성하는 단계는, 제1 언어로 된 문자열을 발음열로 변환하도록 구성된 발음열 생성기를 상기 음성 자동 학습 시스템에 저장하는 단계; 상기 음성 자동 학습 시스템의 문자열 변환기가, 상기 제1 언어와 상이한 제2 언어로 된 문자열을 발음열로 변환하는 단계; 및 상기 문자열 변환기가, 상기 제2 언어의 문자열로부터 변환된 발음열을 상기 제1 언어의 문자열로 변환하여 상기 발음열 생성기에 입력하는 단계를 포함한다.

일 실시예에서, 상기 텍스트 데이터를 추출하는 단계는, 상기 음성 자동 학습 시스템이, 하나 이상의 단어에 대한 사용자별 가중치를 결정하는 화자 종속 음향 모델을 이용하여 상기 텍스트 데이터를 결정하는 단계를 포함한다.

일 실시예에 따른 음성 자동 학습 방법은, 상기 음성 자동 학습 시스템이, 하나 이상의 상기 질의를 포함하는 질의 데이터베이스 및 화자별 음성 데이터베이스를 상기 음성 자동 학습 시스템에 저장하는 단계; 및 상기 음성 자동 학습 시스템이, 상기 질의 데이터베이스 및 상기 화자별 음성 데이터베이스를 이용한 텍스트 음성 변환을 통해 상기 음성 데이터를 생성하는 단계를 더 포함한다.

본 발명의 일 측면에 컴퓨터 프로그램은, 하드웨어와 결합되어 전술한 실시예들에 따른 음성 자동 학습 방법을 실행하기 위한 것으로서 컴퓨터로 판독 가능한 기록매체에 저장될 수 있다.

본 발명의 일 측면에 따른 음성 자동 학습 시스템 및 방법에 의하면, 제한된 질의에 대한 사용자의 발화를 대상으로 음성 텍스트 변환(Speech-to-Text; STT), 텍스트 음성 변환(Text-to-Speech; TTS) 등을 적용함으로써 자동으로 음성 인식 모델의 학습을 수행할 수 있다.

특히, 본 발명의 일 측면에 따른 음성 자동 학습 시스템 및 방법에 의하면, STT 및/또는 TTS 단계에 의해 생성된 음성 데이터로부터 국제 음성 기호(International Phonetic Alphabet;　IPA)와 같은 발음열 데이터를 추출하고 이를 이용하여 해당 음성에 상응하는 단어를 보정함으로써, 개별 사용자의 발음 특성을 반영하고 학습의 정확도를 높일 수 있는 이점이 있다.

나아가, 본 발명의 일 측면에 따른 음성 자동 학습 시스템 및 방법에 의하면, 서로 상이한 언어의 텍스트 데이터로부터 국제 음성 기호(IPA) 등 문자열 정보를 자동으로 생성함으로써, 하나의 언어(예컨대, 한글)로 된 문장 속에 상호명, 제품명 등 다른 언어(예컨대, 영어) 고유명사가 포함된 업무 발화의 경우에도 발음열을 기반으로 음성 학습이 가능한 이점이 있다.

도 1은 일 실시예에 따른 음성 자동 학습 시스템의 개략적인 블록도이다.
도 2는 일 실시예에 따른 음성 자동 학습 시스템의 하드웨어 구성을 나타내는 개략적인 블록도이다.
도 3a는 일 실시예에 따른 음성 자동 학습 방법의 각 단계를 나타내는 순서도이다.
도 3b는 또 다른 실시예에 따른 음성 자동 학습 방법의 각 단계를 나타내는 순서도이다.
도 4a는 일 실시예에 따른 음성 자동 학습 시스템의 음성 인식 모듈의 동작을 설명하기 위한 개략적인 블록도이다.
도 4b는 일 실시예에 따른 음성 자동 학습 시스템의 음성 변환 모듈의 동작을 설명하기 위한 개략적인 블록도이다. 도 5는 일 실시예에 따른 음성 자동 학습 방법에서 발음열을 이용한 단어 보정 과정의 각 단계를 나타내는 순서도이다.
도 6은 일 실시예에 따른 음성 자동 학습 시스템의 단어 보정 모듈의 동작을 설명하기 위한 개략적인 블록도이다.
도 7은 일 실시예에 따른 음성 자동 학습 시스템의 발음열 생성부의 동작을 설명하기 위한 개략적인 블록도이다.

이하에서, 도면을 참조하여 본 발명의 실시예들에 대하여 상세히 살펴본다.

도 1은 일 실시예에 따른 음성 자동 학습 시스템의 개략적인 블록도이다.

도 1을 참조하면, 본 실시예에 따른 음성 자동 학습 시스템(2)은 미리 설정된 질의에 상응하는 음성 데이터로부터 음성 텍스트 변환(Speech-to-Text; STT)을 통해 텍스트를 인식하고, 인식된 텍스트를 그 발음열에 기초하여 선택적으로 보정하며, 보정을 통해 인식된 단어를 질의와 비교한 결과를 통해 음성 인식 모델의 학습을 수행할 수 있다.

또한 일 실시예에서, 음성 자동 학습 시스템(2)은 사용자(100)로부터 발화 입력을 수신하여 화자별 음성 데이터베이스(database; DB)를 구축하고, 텍스트 음성 변환(Text-to-Speech; TTS)을 통해 학습을 위한 음성 데이터를 생성하여, 이를 이용하여 음성 인식 모델의 자동 학습을 수행할 수도 있다.

이상의 동작을 위하여, 음성 자동 학습 시스템(2)은 사용자(100)가 사용하는 사용자 장치(1)와 유선 및/또는 무선 네트워크를 통해 통신하도록 구성되어, 사용자 장치(1)로부터 발화 입력 데이터를 수신할 수도 있다. 본 명세서에서 유선 및/또는 무선 네트워크를 통한 통신 방법은 객체와 객체가 네트워킹 할 수 있는 임의의 통신 방법을 이용하여 구현된 것일 수 있으며, 유선 통신, 무선 통신, 3G, 4G, 혹은 그 이외의 방법에 의한 것으로 제한되지 않는다. 예를 들어, 음성 자동 학습 시스템(2)은 사전에 정의된 API(Application Programming Interface)를 통하여 사용자 장치(1)와 통신하도록 구성될 수 있다.

도면에 도시된 사용자 장치(1)의 수는 단지 예시적인 것으로서, 음성 자동 학습 시스템(2)과 관련하여 동작하는 사용자 또는 장치의 수를 제한하는 것이 아니라는 점이 통상의 기술자에게 용이하게 이해될 것이다. 또한, 도 1에서 사용자 장치(1)는 스마트폰(smartphone)으로 도시되었으나, 이는 예시적인 것으로서, 음성 자동 학습 시스템(2)은 다른 형태의 이동 통신 단말기, 개인용 컴퓨터(personal computer), 노트북(notebook) 컴퓨터, PDA(personal digital assistant), 태블릿(tablet) 컴퓨터, IPTV(Internet Protocol Television) 등을 위한 셋톱박스(set-top box), 인공지능(Artificial Intelligence) 스피커, 또는 네트워크 서버 등 임의의 컴퓨팅 장치인 사용자 장치(1)와 통신 가능하게 구성될 수도 있다.

예를 들어, 음성 자동 학습 시스템(2)은 사용자 장치(1) 상에서 실행되는 애플리케이션(또는, 앱(app))의 동작을 가능하게 하는 애플리케이션 서비스 서버(application service server)일 수 있다. 또는, 음성 자동 학습 시스템(2)은 사용자 장치(1) 상에서 실행되는 웹 브라우저(web browser)에 의하여 접근 가능한 웹 페이지(web page)를 제공하는 웹 서버(web server)일 수도 있다. 그러나 이는 예시적인 것으로서, 다른 실시예에서는 음성 자동 학습 시스템(2) 자체가 서버가 아니라 스마트폰 등 사용자 장치의 형태로 구현될 수 있으며, 이 경우 도 1에 도시된 사용자 장치(1)는 생략될 수 있다.

일 실시예에서, 음성 자동 학습 시스템(2)은 음성 인식 모듈(22), 단어 보정 모듈(24) 및 학습 변경 모듈(25)을 포함한다. 일 실시예에서, 음성 자동 학습 시스템(2)은 질의 DB, 화자별 음성 DB 등 하나 이상의 정보 집합체가 기록된 DB(21)를 더 포함할 수 있다. 또한 일 실시예에서, 음성 자동 학습 시스템(2)은 음성 변환 모듈(23)을 더 포함할 수 있다. 나아가 일 실시예에서, 음성 자동 학습 시스템(2)은 사용자의 음성 입력을 활용하는 서비스를 사용자에게 제공하는 서비스 제공 모듈(26)을 더 포함할 수 있다.

본 명세서에 기재된 장치들은 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 사용자 장치(1) 및 음성 자동 학습 시스템(2)은 특정 형식 및 내용의 데이터를 전자통신 방식으로 주고받기 위한 장치 및 이에 관련된 소프트웨어를 통칭할 수 있다. 본 명세서에서 "부(unit)", "모듈(module)", "서버", "시스템", "플랫폼", "장치" 또는 "단말" 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되는 소프트웨어의 조합을 지칭하는 것으로 의도된다. 예를 들어, 여기서 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.

또한, 본 명세서에서 음성 자동 학습 시스템(2)을 구성하는 각각의 모듈 또는 부는 반드시 물리적으로 구분되는 별개의 구성요소를 지칭하는 것으로 의도되지 않는다. 즉, 도 1에서 음성 자동 학습 시스템(2)의 DB(21) 또는 각 모듈(22-26)은 서로 구분되는 별개의 블록으로 도시되었으나, 이는 음성 자동 학습 시스템(2)을 이에 의해 실행되는 동작에 의해 기능적으로 구분한 것이다. 실시예에 따라서는 전술한 DB(21) 또는 각 모듈(22-26) 중 일부 또는 전부가 동일한 하나의 장치 내에 집적화될 수 있으며, 또는 하나 이상의 부분이 다른 부분과 물리적으로 구분되는 별개의 장치로 구현될 수도 있다. 예컨대, 음성 자동 학습 시스템(2)의 각 모듈은 분산 컴퓨팅 환경 하에서 서로 통신 가능하게 연결된 컴포넌트들일 수도 있다.

음성 인식 모듈(22)은, 미리 설정된 질의에 상응하는 음성 데이터를 수신하고, 음성 데이터를 미리 학습된 음성 인식 모델에 적용함으로써 음성 데이터로부터 텍스트 데이터를 추출할 수 있다. 음성 인식 모듈(22)의 전술한 동작은, DB(21)에 저장된 발음열 사전에 기반하여 이루어질 수도 있으며, 이때 발음열 사전은 미리 설정된 복수 개의 단어의 국제 음성 기호(International Phonetic Alphabet;　IPA)와 같은 발음열 데이터를 포함할 수 있다.

본 명세서에서 음성 인식 모델이란, 음성에 해당하는 입력 데이터로부터 음소를 추정하고, 추정된 음소가 나타내는 발음을 어휘 사전, 발음 규칙 등 언어 모델에 기반하여 단어와 매핑(mapping)하는 일련의 과정을 통하여 음성으로부터 STT 방식으로 텍스트 데이터를 추출하기 위한 소프트웨어 수단 및 이를 실행하기 위한 하드웨어 수단을 통칭하는 것으로 의도된다.

일 실시예에서, 음성 인식 모듈(22)은 발음열을 활용한 학습을 통하여 음성 인식 모델을 업데이트하고, 업데이트된 음성 인식 모델을 서비스 제공 모듈(26)에 제공하기 위한 학습 수단의 기능을 한다. 예컨대, 서비스 제공 모듈(26)은 사용자 장치(1)상에서 실행되는 애플리케이션의 동작을 가능하게 하는 애플리케이션 서비스 서버이며, 음성 인식 모듈(22)은 서비스 제공 모듈(26)에 탑재된 것과 동일한 음성 인식 모델을 기반으로 발음열을 이용한 학습을 통하여 음성 인식 모델을 고도화하고 일정 기준이 충족되는 경우 고도화된 음성 인식 모델을 서비스 제공 모듈(26)에 전송하여 기존 모델을 업데이트할 수 있다.

일 실시예에서, 음성 인식 모듈(22)에 입력되는 음성 데이터는 음성 변환 모듈(23)에 의해 TTS 방식으로 생성된 것일 수도 있다. 예를 들어, 서비스 제공 모듈(26)은 사용자(100)가 실제로 발화한 발화 입력 데이터를 수신하고, 발화 입력 데이터 및/또는 이로부터 STT 방식으로 추출된 발화 데이터를 포함하여 화자별 음성 DB를 구축하고 이를 DB(21)에 저장할 수 있다.

이때, 음성 변환 모듈(23)은 DB(21)에 저장된 화자별 음성 DB 및 질의 DB를 이용하여 학습을 위한 음성 데이터를 생성하고 이를 음성 인식 모듈(22)에 입력함으로써, 사용자의 발화 입력이 한정된 상태에서 학습을 위한 음성 데이터를 생성함으로써 반복적인 학습이 자동으로 이루어지도록 할 수 있다.

단어 보정 모듈(24)은, 음성 데이터로부터 음성 인식 모듈(22)에 의해 추출된 텍스트 데이터를 국제 음성 기호(IPA) 등 발음열 데이터로 변환하고, 발음열 데이터를 미리 저장된 발음열 사전과 비교하여 비교 결과를 토대로 텍스트 데이터의 하나 이상의 단어를 선택적으로 보정할 수 있다. 예를 들어, 단어 보정 모듈(24)은 텍스트 데이터로부터 변환된 발음열 데이터와 발음열 사전의 복수 개의 단어의 발음열 사이의 유사도를 산출하고, 유사도를 기반으로 텍스트 데이터의 단어의 변환 여부 및/또는 변환 단어를 결정할 수 있다.

또한 일 실시예에서, 단어 보정 모듈(24)은 하나 이상의 단어에 대한 문자열 데이터(예컨대, 일반 언어 사전)를 이용하여, 발음열 사전에 포함되기 위한 해당 단어의 발음열을 생성할 수도 있다. 예컨대, 발음열의 생성에는 특정 언어(예컨대, 영어)와 국제 음성 기호(IPA) 등 발음열 사이의 매칭(matching)을 정의하는 사전이 이용될 수 있고, 이러한 사전에 포함되어 있지 않은 단어에 대해서는 LSTM (Long Short Term Memory) 등 인공지능(Artificial Intelligence; AI) 알고리즘 기반의 변환기를 이용하여 발음열을 생성할 수도 있다.

학습 변경 모듈(25)은, 단어 보정 모듈(24)에 의하여 발음열을 기반으로 선택적으로 보정된 텍스트 데이터를 입력으로 하여, 음성 인식 모듈(22)이 이용하는 음성 인식 모델의 재학습, 즉, 음성 인식 모델의 하나 이상의 패러미터(parameter)에 대한 갱신을 수행할 수 있다. 예를 들어, 학습 변경 모듈(25)은 음성 인식 과정에서 키워드 부스팅(keyword boosting)에 적용되기 위한 사용자별 단어 가중치를 조정하거나, 패턴 기반의 단어 인식을 위한 언어 모델을 보정할 수 있다.

도 2는 일 실시예에 따른 음성 자동 학습 시스템의 하드웨어 구성을 나타내는 개략적인 블록도이다.

도 1 및 도 2를 참조하면, 실시예들에 따른 음성 자동 학습 시스템(2)은 하드웨어(200)를 포함하는 컴퓨팅 장치의 형태로 구현되며, 이때 하드웨어(200)는 메모리(201), 프로세서(202), 통신 모듈(203) 그리고 입출력부(204)를 포함할 수 있다.

메모리(201)는 비-일시적인 컴퓨터 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리(201)와는 구분되는 별도의 영구 저장 장치로서 상술한 장치나 서버에 포함될 수도 있다.

또한, 메모리(201)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 사용자 장치(1) 등에 설치되어 구동되는 보안 모듈이나 특정 서비스의 제공을 위해 사용자 장치(1) 등에 설치된 애플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(201)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다.

다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(203)을 통해 메모리(201)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 애플리케이션 스토어 서비스 서버)이 네트워크를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(201)에 로딩될 수 있다.

프로세서(202)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(201) 또는 통신 모듈(203)에 의해 프로세서(202)로 제공될 수 있다. 예를 들어 프로세서(202)는 메모리(201)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(203)은 네트워크를 통해 음성 자동 학습 시스템(2)이 사용자 장치(1)와 통신하기 위한 기능을 제공할 수 있다. 또한, 통신 모듈(203)은 음성 자동 학습 시스템(2)이 유선 및/또는 무선 네트워크를 통해 다른 하나 이상의 장치와 통신하기 위한 기능을 제공할 수 있다. 즉, 통신 모듈(203)은 메모리(201)를 참조하는 프로세서(202)에 의하여 그 기능이 제어됨으로써, 도 1을 참조하여 전술한 각 기능 모듈을 실현하는 부분이다.

입출력부(204)는 외부 입력/출력장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 외부 입력장치는 키보드, 마우스, 마이크로폰, 카메라 등의 장치를, 그리고 외부 출력 장치는 디스플레이, 스피커, 햅틱 피드백 장치(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로 입출력부(204)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다.

또한, 다른 실시예들에서 하드웨어(200)는 적용되는 장치의 성질에 따라서 도 2에 도시된 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 예를 들어, 하드웨어(200)는 상술한 입출력 장치 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 컴퓨팅 장치가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 더 포함되도록 구현될 수 있다.

이하에서 설명하는 음성 자동 학습 방법은, 도 2를 참조하여 전술한 하드웨어(200) 구성을 포함하는 컴퓨팅 장치에 의하여 수행될 수 있다. 일 예로, 음성 자동 학습 방법은 사용자 장치 또는 서버상에서 실행되는 웹 브라우저를 통하여 접근 가능한 웹 페이지를 통하여 제공되는 서비스의 형태로 사용자에게 제공될 수 있다.

도 3a는 일 실시예에 따른 음성 자동 학습 방법의 각 단계를 나타내는 순서도로서, 전술한 실시예들에 따른 음성 자동 학습 시스템에 의하여 수행될 수 있는 음성 자동 학습 방법의 일 예를 나타낸다. 또한, 도 4a는 일 실시예에 따른 음성 자동 학습 시스템의 음성 인식 모듈의 동작을 설명하기 위한 개략적인 블록도이다.

일 실시예에서, 음성 자동 학습 시스템(2)의 음성 인식 모듈(22)은 도 4a에 도시된 것과 같이 전처리부(221), 패턴 인식부(222), 디코딩부(223), 부스팅 엔진(boosting engine)부(224), 언어 모델링부(225) 및/또는 자연어 처리(Natural Language Processing; NLP)부(226)를 포함할 수 있다. 일 실시예에서, 음성 인식 모듈(22)은 기록매체에 저장된 화자 종속 음향 모델(227)을 더 포함할 수 있다. 이하에서는, 설명의 편의를 위하여 도 1, 도 3a 및 도 4a를 참조하여 본 실시예에 따른 음성 자동 학습 방법에 대하여 설명한다.

먼저, 음성 자동 학습 시스템(2)의 DB(21)에 미리 설정된 하나 이상의 질의를 포함하는 질의 DB를 저장할 수 있다(S11). 질의 DB에 저장된 질의는 텍스트 형태의 데이터이며, 이는 음성 자동 학습 시스템(2)에 의해 인식된 텍스트와 비교되기 위한 정답 데이터에 해당된다.

음성 인식 모듈(22)은 학습을 위하여 임의의 질의에 상응하는 음성 데이터를 입력받을 수 있다(S12). 일 실시예에서, 음성 인식 모듈(22)의 전처리부(221)는 음성 데이터에 대한 전처리를 수행할 수 있다(S13). 본 명세서에서 전처리란, 입력 데이터를 음성 인식 모델에 적용하기 위한 데이터의 정제 과정을 지칭한다. 예를 들어, 전처리부(221)는 음성 데이터로부터 잡음을 제거하거나, 또는/또한 음성 인식 모델에 대한 입력값으로 적용되기 위한 하나 이상의 특징(feature)값을 추출할 수 있다.

음성 인식 모듈(22)은 전처리가 완료된 음성 데이터를 음성 인식 모델에 적용하여 텍스트를 추출할 수 있다(S14). 더 구체적으로, 패턴 인식부(222)는 음성에 해당하는 벡터 데이터를 입력받고, 언어 모델링부(225)에 저장되며 어휘 사전, 발음 규칙 등을 포함하는 언어 모델과 부스팅 엔진부(224)가 제공하는 사용자별 키워드 부스팅 결과(즉, 해당 사용자의 단어별 가중치)를 기반으로 벡터 데이터와 매핑될 단어를 결정할 수 있다.

일 실시예에서, 패턴 인식부(222)는 각 사용자별로 단어에 해당하는 음성 패턴 및/또는 각 단어에 대한 사용자별 가중치를 정의하는 화자 종속 음향 모델(227)을 더 이용하여 음성에 매핑될 단어를 결정할 수도 있다. 예컨대, 화자 종속 음향 모델(227)을 통하여 벡터 데이터에 상응하는 음소를 추정하고, 추정된 음소를 언어 모델과 키워드 부스팅을 기반으로 특정 단어에 매핑시킬 수 있다. 음성에 매핑되는 단어는 디코딩부(263)를 통해 텍스트 데이터로 변환될 수 있다.

일 실시예에서, 음성 자동 학습 시스템(2)의 자연어 처리부(226)는 음성 데이터의 텍스트에 대한 응답을 결정하기 위한 자연어 처리 학습을 수행할 수도 있다. 자연어 처리부(226)의 해석기(2261)는 자연어 이해(Natural Language Understanding; NLU)를 위한 부분으로, 발화 데이터에 상응하는 사용자의 의도 및 대상 엔티티(entity)의 분류를 수행할 수 있다.

대화 처리기(2262)는, 해석기(2261)를 통해 분류된 의도 및 대상에 상응하는 대화 상태 추적(Dialogue State Tracking; DST) 및 대화 정책 학습(Dialogue Policy Learning; DPL)을 통해 시스템의 응답을 결정할 수 있다. 대화 처리기(2262)를 통해 제공되는 응답은, 음성 자동 학습 시스템(2)이 적용되는 서비스의 종류에 따라 다양할 수 있다. 예를 들어, 전자상거래 데이터에 관련된 서비스의 경우 해석기(2261)는 발화 데이터로부터 사용자의 의도(예컨대, 거래내역 조회) 및 대상 정보(예컨대, 입출금 내역)를 추출하며, 대화 처리기(2262)는 이에 상응하는 답변으로 해당 정보를 추출할 수 있다.

생성기(2263)는 자연어 생성(Natural Language Generation; NLG)을 위한 부분으로, 대화 처리기(2262)를 통해 결정된 응답을 사용자가 이해할 수 있는 단어의 조합 또는 문장으로 생성하기 위한 부분이다. 자연어 처리부(226)는 실시예들에 따른 음성 자동 학습 시스템(2)의 음성 인식 모델의 일부에 해당하는 것으로, 단어 보정 모듈(24)이 음성 데이터의 발음열 유사도에 기반하여 보정된 단어를 도출하면, 자연어 처리부(226)는 원본 질의와 일치하는 보정 단어를 입력값으로 이용하여 자연어 처리를 학습할 수 있다.

한편, 음성 자동 학습 시스템(2)의 단어 보정 모듈(24)은, 음성 인식 모듈(22)에 의해 추출된 텍스트 데이터를 발음열 데이터로 변환하고, 발음열 데이터를 발음열 사전과 비교함으로써 텍스트 데이터의 하나 이상의 단어에 대한 선택적인 보정을 수행할 수 있다(S15). 발음열 데이터를 이용한 단어 보정 과정에 대해서는 도 5 및 도 6을 참조하여 상세히 후술한다.

다음으로, 음성 자동 학습 시스템(2)은 단어 보정 모듈(24)에 의하여 보정된 단어가 원본 질의와 일치하는지 여부를 검사할 수 있다(S16). 단어 보정 모듈(24)에 의하여 보정된 단어가 원본 질의와 일치하지 않는 경우, 음성 자동 학습 시스템(2)의 학습 변경 모듈(25)은, 단어 보정 모듈(24)에 의한 선택적인 보정의 결과에 기반하여 음성 인식 모델의 재학습을 수행할 수 있다(S17). 구체적으로, 학습 변경 모듈(25)은 단어 보정 모듈(24)에 의해 선택적으로 보정된 텍스트 데이터를 미리 저장된 질의 DB와 비교함으로써 텍스트 데이터와 발화 내용의 일치 여부를 라벨링(labeling)할 수 있다. 다음으로, 학습 변경 모듈(25)은 이와 같이 라벨링된 텍스트 데이터를 학습 데이터로 이용하여 음성 인식 모델을 학습시킴으로써, 화자 종속 음향 모델을 정의할 사용자별 단어 가중치 및/또는 언어 모델을 조정하는 등 음성 인식 모델의 하나 이상의 패러미터에 대한 갱신을 수행할 수 있다.

한편, 단어 보정 모듈(24)에 의하여 보정된 단어가 질의와 일치하는 경우, 단어 보정 모듈(24)에 의한 보정 과정은 종료된다. 이때, 음성 자동 학습 시스템(2)은 음성 데이터로부터 인식된 텍스트 데이터를 자연어 처리부(226)의 자연어 처리 학습을 위한 학습 데이터로 이용할 수도 있다(S18).

일 실시예에서, 전술한 과정에 의하여 학습에 이용되는 음성 데이터는 TTS 방식으로 생성된 것일 수도 있다. 도 3b는 일 실시예에 따라 TTS를 통하여 학습을 위한 음성 데이터를 생성하는 방법의 각 단계를 나타내며, 도 4b는 음성 데이터를 생성하기 위한 음성 자동 학습 시스템의 음성 변환 모듈의 동작을 설명하기 위한 개략적인 블록도이다. 이하에서는, 설명의 편의를 위하여 도 1, 도 3b 및 도 4b를 참조하여 본 실시예에 따른 음성 데이터의 생성 과정에 대하여 설명한다.

음성 입력을 기반으로 사용자에게 서비스를 제공하는 서비스 제공 모듈(26)은, 도 4b에 도시된 것과 같이 전처리부(261), 패턴 인식부(262), 디코딩부(263), 부스팅 엔진부(264), 언어 모델링부(265) 및/또는 자연어 처리부(266)를 포함할 수 있다. 또한 일 실시예에서, 서비스 제공 모듈(26)은 기록매체에 저장된 화자 종속 음향 모델(267)을 더 포함할 수 있다. 서비스 제공 모듈(26)의 전술한 각 구성요소의 기능은 도 4a를 참조하여 전술한 음성 인식 모듈(22)의 대응되는 구성요소와 동일하므로, 설명의 중복을 피하기 위하여 자세한 설명은 생략한다.

사용자(100)가 실제로 발화한 발화 입력 데이터가 서비스 제공 모듈(26)에 입력되면(S21), 서비스 제공 모듈(26)은 발화 입력 데이터로부터 사용자의 STT 방식으로 텍스트 형태의 발화 데이터를 추출할 수 있다. 발화 텍스트를 추출하는 과정은 발화 입력 데이터에 대한 전처리 과정(S22), 및 키워드 부스팅 및 언어 모델을 이용하여 텍스트를 인식하는 과정(S23)을 포함할 수 있으며, 이는 도 3a를 참조하여 전술한 음성 데이터의 인식 과정과 동일하므로 자세한 설명을 생략한다.

또한, 사용자의 발화 입력 데이터 및/또는 이로부터 추출된 발화 데이터는 화자별 음성 DB(212)로서 음성 자동 학습 시스템(2)의 DB(21)에 저장될 수 있다(S24). 또한, DB(21)에는 학습을 위한 하나 이상의 질의 내용을 정의하는 질의 DB(211)가 더 저장될 수 있다.

이때, 음성 변환 모듈(23)은 DB(21)의 질의 DB(211) 및 화자별 음성 DB(212)에 기초한 TTS 방식으로 미리 설정된 질의에 상응하는 음성 데이터(예컨대, mp3 파일 등)를 생성할 수 있다(S25). 이상의 구성을 이용하면, 제한된 발화 내용에 대한 사용자(100)의 발화 입력만이 있는 상태에서, 질의 DB(211)가 정의하는 다양한 질의에 대한 사용자의 음성 데이터를 생성할 수 있다. 이와 같이 자동 생성된 음성 데이터를 이용하여 반복적인 학습을 수행함으로써, 각 화자의 특성을 반영한 음성 인식을 위한 화자 종속 음향 모델을 생성할 수 있고 학습의 정확도를 높일 수 있다.

그러나 도 3b 및 4b를 참조하여 전술한 실시예는 예시적인 것으로, 다른 실시예에서 음성 자동 학습 시스템(2)은 사용자(100) 실제 음성 데이터 또는 다른 채널을 통해 수집된 음성 데이터만을 이용하여 학습을 수행할 수도 있으며, 이 경우 음성 변환 모듈(23)에 의한 TTS 방식의 음성 데이터 생성 과정은 생략될 수도 있다.

도 5는 일 실시예에 따른 음성 자동 학습 방법에서 발음열을 이용한 단어 보정 과정의 각 단계를 나타내는 순서도이며, 도 6은 일 실시예에 따른 음성 자동 학습 시스템의 단어 보정 모듈의 동작을 설명하기 위한 개략적인 블록도이다.

일 실시예에서, 음성 자동 학습 시스템(2)의 단어 보정 모듈(24)은 도 6에 도시된 것과 같이 발음열 DB(241), 발음열 변환부(242), 유사도 산출부(243) 및 단어 변환부(245)를 포함할 수 있다. 일 실시예에서, 단어 보정 모듈(24)은 부스팅 엔진부(244)를 더 포함할 수 있다. 나아가 일 실시예에서, 단어 보정 모듈(24)은 발음열 생성부(246)를 더 포함할 수 있다. 이하에서는, 설명의 편의를 위하여 도 1, 도 5 및 도 6을 참조하여 본 실시예에 따른 음성 자동 학습 방법에 대하여 설명한다.

먼저, 발음열 데이터에 기반한 음성 학습을 위하여 단어 보정 모듈(24)의 발음열 DB(241)에 복수 개의 단어의 발음열 데이터를 포함하는 발음열 사전을 저장할 수 있다(S21). 본 명세서에서 발음열 데이터는 국제 음성 기호(IPA)에 기반하여 설명되나, 이에 제한되는 것은 아니며, 다른 상이한 형태의 발음 정보가 실시예들에서 발음열 데이터로 사용되는 것도 가능하다.

일 실시예에서, 단어 보정 모듈(24)의 발음열 생성부(246)는, 하나 이상의 언어로 된 텍스트 데이터에 기반하여 발음열 DB(241)에 저장되기 위한 발음열 사전을 자동으로 생성할 수도 있으며(S21), 이에 대해서는 도 7을 참조하여 상세히 후술한다.

음성 인식 모듈(22)을 통해 인식된 텍스트 데이터에 대한 발음열 기반의 학습을 위하여, 발음열 변환부(242)는 텍스트 데이터를 국제 음성 기호(IPA) 등 발음열 데이터로 변환할 수 있다(S22). 다음으로 유사도 산출부(243)는, 텍스트 데이터로부터 변환된 발음열 데이터와 발음열 DB(241)의 발음열 사전의 각 발음열 사이의 유사도를 산출할 수 있다(S23). 일 실시예에서, 유사도는 텍스트 데이터로부터 변환된 발음열 데이터와 발음열 사전의 발음열 사이의 편집 거리(edit distance)로 정의되며, 편집 거리 알고리즘을 이용하여 산출될 수 있으나, 이에 한정되는 것은 아니다.

다음으로, 단어 변환부(245)는 텍스트 데이터로부터 변환된 발음열 데이터와 발음열 사전의 발음열 사이의 유사도를 기반으로, 텍스트 데이터의 단어에 대한 변환이 필요할지 여부 또는/또한 텍스트 데이터의 특정 단어에 대하여 변환된 단어를 결정할 수 있다(S26). 예를 들어, 단어 변환부(245)는 텍스트 데이터로부터 변환된 발음열 데이터와 편집 거리가 2 이하인 발음열을 갖는 단어를 변환된 단어로 결정할 수 있으나, 유사도의 산출 방식 및 판단 기준은 이에 한정되는 것은 아니다.

일 실시예에서, 단어의 변환 여부 및/또는 변환 단어에 대한 결정은 부스팅을 위한 사용자별 단어 가중치를 더 적용하여 결정될 수도 있다. 본 실시예에서, 유사도 산출부(243)는 텍스트 데이터의 특정 단어에대하여 편집 거리 등 유사도를 기반으로 가중치(또는, 제1 가중치로도 지칭함)를 부여할 수 있다(S24). 예를 들어, 발음열의 유사도가 높을 수록(즉, 편집 거리가 가까울수록) 더 높은 가중치를 부여할 수 있다. 한편, 부스팅 엔진부(244)는 화자 종속 음향 모델을 기반으로 개별 단어에 대한 사용자별 가중치(또는, 제2 가중치로도 지칭함)를 부여할 수 있다(S25).

이때, 단어 변환부(245)는 유사도에 기반한 제1 가중치와 사용자별 키워드 부스팅을 통한 제2 가중치를 종합적으로 반영하여 단어의 변환 여부 및/또는 변환 단어를 결정할 수 있다. 그러나 이는 예시적인 것으로서, 키워드 부스팅에 기반하여 사용자별 가중치가 부여된 단어가 없는 경우 단어 변환부(245)는 발음열의 유사도에 대한 가중치만을 기반으로 단어의 변환 여부 및/또는 변환 단어를 결정할 수도 있다.

단어 변환부(245)는, 텍스트 데이터의 하나 이상의 단어가 발음열의 유사도에 기반하여 선택적으로 변경된 텍스트 데이터를 생성할 수 있다(S27). 이와 같이 생성된 텍스트 데이터는, 전술한 것과 같이 학습 변경 모듈(25)에 의한 음성 인식 모델의 재학습을 위하여 사용된다.

즉, 학습 변경 모듈(25)은 단어 변환부(245)를 통해 출력된 텍스트 데이터가 DB(21)의 발화 내용과 일치하는 경우, 해당 텍스트 데이터를 입력으로 하여 언어 인식 모듈의 언어 모델링 및 자연어 처리부를 학습시킬 수 있다. 또한 학습 변경 모듈(25)은, 단어 변환부(245)를 통해 출력된 텍스트 데이터가 DB(21)의 발화 내용과 일치하지 않는 경우, 단어 변환부(245)의 출력 텍스트 데이터를 학습 데이터로 이용하여 사용자별 단어 가중치 및/또는 사용자의 화자 종속 음향 패턴에 대한 재학습을 진행할 수 있다.

도 7 일 실시예에 따른 음성 자동 학습 시스템의 발음열 생성부의 동작을 설명하기 위한 개략적인 블록도이다.

도 7을 참조하면, 일 실시예에서 단어 보정 모듈(24)의 발음열 생성부(246)는 문자열 분석기(2461) 및 발음열 생성기(2462)를 포함한다. 이때 발음열 생성기(2462)에는 특정 언어의 문자열 데이터와 이에 상응하는 발음열 데이터를 정의하는 발음열 사전이 저장될 수 있다. 또한, 발음열 생성기(2462)는 발음열 사전에 저장되어 있지 않은 단어에 대해서도 LSTM(Long Short Term Memory) 등 AI알고리즘 기반의 변환기를 통해 발음열 데이터를 생성할 수 있도록 구성될 수도 있다.

또한 일 실시예에서, 발음열 생성부(246)는 특정 언어(예컨대, 영어)의 문자열을 다른 언어(예컨대, 한국어)의 문자열로 변환하기 위한 문자열 변환기(2463)를 더 포함할 수도 있다.

특정 문자열에 대한 발음열을 생성하고자 하는 경우, 발음열 생성부(246)는 문자열 분석기(2461)를 통하여 해당 문자열에 포함된 문자에 대한 분석을 진행할 수 있다. 문자열에 포함된 문자에 대한 분석이란, 해당 문자열의 언어 분석(예컨대, 영어인지, 한글인지, 영어 및 한글 혼용인지 등)과, 해당 문자열 또는 이를 구성하는 각 부분 문자열이 발음열 사전(2464)에 포함되어 있는지 여부를 확인하는 과정을 지칭할 수 있다.

발음열 생성기(2462)는, 문자열 분석기(2461)를 통해 분석된 각 문자열을 발음열로 변환하는 과정을 수행할 수 있다. 특정 문자열이 발음열 사전에 등록되어 있는 문자열일 경우, 발음열 생성기(2462)는 발음열 사전을 이용하여 문자열을 발음열로 변환할 수 있다. 예를 들어, 영어의 경우 발음열 사전이란 CMU 발음 사전(the　Carnegie Mellon Pronouncing Dictionary)과 같이 단어별 발음을 정의해 놓은 사전을 지칭할 수 있으나, 이에 한정되는 것은 아니다.

또한, 특정 문자열이 발음열 사전에 등록되지 않은 단어일 경우, 발음열 생성기(2462)는 AI에 기반하여 학습된 발음열 변환기를 이용하여 문자열을 발음열로 변환할 수 있다. 예를 들어, 발음열 변환기는 전술한 CMU 발음 사전이나 기타 기업명, 제품명 등 고유명사에 대해 수기로 생성된 발음열을 학습 데이터로 이용하여 학습된 AI 기반의 변환기일 수 있으나, 이에 한정되는 것은 아니다.

발음열 생성기(2462)에 저장된 발음열 사전 또는 발음열 변환기는 미리 설정된 입력 언어에 상응하도록 구성된 것일 수 있다. 예를 들면, 한글과 영어에서는 사용하는 발음이 상이하기 때문에, 한글 단어를 표현하기 위한 발음열 사전과 영어 단어를 표현하기 위한 발음열 사전은 서로 상이할 수 있다. 발음열 생성기(2462)의 발음열 사전 및/또는 발음열 변환기가 복수 개의 언어별로 구비되어 있는 경우, 발음열 생성부(246)는 문자열 분석기(2461)에 의하여 분류된 각 언어의 문자열을 이에 해당하는 발음열 사전 또는 변환기에 적용함으로써 발음열로 변환할 수 있다.

한편, 발음열을 생성하고자 하는 문자열의 일부 또는 전부가 발음열 생성기(2462)의 입력 언어(또는, 제1 언어로도 지칭함)와 상이한 언어의 문자열인 경우가 있을 수 있다. 이 경우, 문자열 변환기(2463)는 문자열의 일부 또는 전부를 발음열 생성기(2462)의 입력 언어에 해당하는 문자열로 변환할 수 있다. 일 실시예에서, 문자열 변환기(2463)는 사전 또는 AI 알고리즘에 기반하여 제2 언어(예컨대, 영어)의 문자열을 발음열로 변환하기 위한 발음열 생성기(2464)를 포함하며, 발음열 생성기(2464)를 통해 변환된 발음열을 제2 언어를 입력 언어로 하는 문자열 사전(2465)을 참조하여 제1 언어(예컨대, 한국어)의 문자열로 변환할 수 있다.

예를 들어, 발음열을 생성하고자 하는 문자열이 "Company회사"와 같이 한글과 영어를 혼용하여 구성되며, 발음열 생성기(2462)는 한글을 입력 언어로 하여 발음열을 생성하도록 구성된 경우를 가정한다. 이 경우, 한글 문자열인 "회사"는 바로 발음열 생성기(2462)에 입력되어 발음열로 변환된다. 한편, 영어 문자열인 "Company"는 문자열 변환기(2463)를 통하여 한글 문자열 "컴퍼니"로 변환된 후 발음열 생성기(2462)에 입력되어 발음열로 변환될 수 있다. 이러한 변환을 위하여, 문자열 변환기(2463)는 영어를 입력 언어로 하는 발음열 생성기(2464) 및 영어 발음열과 한글의 매핑을 정의하는 문자열 사전(2465)을 포함한다. 발음열 생성기(2464)를 통해 영문 "Company"에 해당하는 발음열이 얻어지면, 문자열 변환기(2463)는 문자열 사전(2465)을 참조하여 이를 한글 문자열 "컴퍼니"로 변환할 수 있다.

문자열 변환기(2463)를 통한 변환 과정은 기업명, 제품명 등과 같이 영어로 된 고유명사가 다른 한글과 혼용되어 질의를 구성하는 환경에 있어 용이하게 활용될 수 있다. 이상에서는 발음열을 생성하고자 하는 문자열이 한글과 영어를 혼용하는 경우를 예시로 하여 설명하였으나, 발음열을 생성할 문자열이 온전히 하나의 언어(예컨대, 영어)로만 된 경우에도 해당 언어가 발음열 생성기(2462)의 입력 언어와 상이할 경우 문자열 변환기(2463)를 통한 변환이 활용될 수도 있다.

이상에서 도 7을 참조하여 설명한 실시예에 의하면, 각각의 언어에 대해 공지된 문자열 사전을 이용하여 자동으로 각 단어에 대한 국제 음성 기호(IPA) 등 발음열 데이터를 생성하여 발음열 사전을 구축할 수 있다. 예를 들어, 문자열 사전은 개체 사전, 어휘 사전, 명사 사전 등으로 구성될 수 있고, 이러한 사전에 포함된 각 단어에 대한 발음열 변환을 통해 개체 발음열 사전, 어휘 발음열 사전, 명사 발음열 사전 등을 구축할 수 있다. 이상과 같은 구성을 이용하면, 상호명, 제품명 등 여러 언어가 혼용되어 질의를 구축하는 업무 환경에서의 발화를 정확하게 인식하고 음성 학습을 수행할 수 있다.

이상에서 설명한 실시예들에 따른 음성 자동 학습 방법에 의한 동작은 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들에 따른 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.

이상에서 살펴본 본 발명은 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다.

Claims

미리 설정된 질의에 상응하는 음성 데이터를 수신하고, 상기 음성 데이터를 미리 학습된 음성 인식 모델에 적용하여 상기 음성 데이터로부터 텍스트 데이터를 추출하도록 구성된 음성 인식 모듈;
상기 텍스트 데이터를 발음열 데이터로 변환하고, 상기 발음열 데이터를 미리 설정된 발음열 사전과 비교함으로써 상기 텍스트 데이터를 선택적으로 보정하도록 구성된 단어 보정 모듈; 및
상기 단어 보정 모듈에 의해 보정된 상기 텍스트 데이터를 상기 질의와 비교한 결과에 기초하여 상기 음성 인식 모델을 갱신하도록 구성된 학습 변경 모듈을 포함하는 음성 자동 학습 시스템.
제1항에 있어서,
상기 단어 보정 모듈은,
상기 텍스트 데이터를 상기 발음열 데이터로 변환하도록 구성된 발음열 변환부;
미리 설정된 복수 개의 단어의 발음열을 포함하는 상기 발음열 사전을 저장하도록 구성된 발음열 데이터베이스;
상기 발음열 데이터와 상기 복수 개의 단어의 발음열 사이의 유사도를 산출하도록 구성된 유사도 산출부; 및
상기 유사도에 기초하여 상기 텍스트 데이터에 상응하는 단어의 변환 여부 및 변환 단어 중 하나 이상을 결정하도록 구성된 단어 변환부를 포함하는 음성 자동 학습 시스템.
제2항에 있어서,
상기 단어 보정 모듈은, 상기 복수 개의 단어의 발음열에 대한 사용자별 가중치를 결정하는 부스팅 엔진부를 더 포함하며,
상기 단어 변환부는, 상기 유사도에 상응하여 결정되는 제1 가중치 및 상기 부스팅 엔진부에 의해 결정되는 제2 가중치에 기초하여 상기 변환 단어를 결정하도록 더 구성된 음성 자동 학습 시스템.
제2항에 있어서,
상기 단어 보정 모듈은, 하나 이상의 단어의 문자열 데이터를 이용하여 상기 발음열 사전에 포함될 발음열을 생성하도록 구성된 발음열 생성부를 더 포함하는 음성 자동 학습 시스템.
제4항에 있어서,
상기 발음열 생성부는,
제1 언어로 된 문자열을 발음열로 변환하도록 구성된 발음열 생성기; 및
상기 제1 언어와 상이한 제2 언어로 된 문자열을 발음열로 변환하고, 상기 제2 언어의 문자열로부터 변환된 발음열을 상기 제1 언어의 문자열로 변환하여 상기 발음열 생성기에 입력하도록 구성된 문자열 변환기를 포함하는 음성 자동 학습 시스템.
제1항에 있어서,
상기 음성 인식 모델은 하나 이상의 단어에 대한 사용자별 가중치를 결정하는 화자 종속 음향 모델을 포함하는 음성 자동 학습 시스템.
제1항에 있어서,
하나 이상의 상기 질의를 포함하는 질의 데이터베이스 및 화자별 음성 데이터베이스를 포함하는 데이터베이스; 및
상기 질의 데이터베이스 및 상기 화자별 음성 데이터베이스를 이용한 텍스트 음성 변환을 통해 상기 음성 데이터를 생성하도록 구성된 음성 변환 모듈을 더 포함하는 음성 자동 학습 시스템.
음성 자동 학습 시스템이, 미리 설정된 질의에 상응하는 음성 데이터를 미리 학습된 음성 인식 모델에 적용하여 상기 음성 데이터로부터 텍스트 데이터를 추출하는 단계;
상기 음성 자동 학습 시스템이, 상기 텍스트 데이터를 발음열 데이터로 변환하는 단계;
상기 음성 자동 학습 시스템이, 상기 발음열 데이터를 미리 설정된 발음열 사전과 비교함으로써 상기 텍스트 데이터를 선택적으로 보정하는 단계; 및
상기 음성 자동 학습 시스템이, 보정된 상기 텍스트 데이터를 상기 질의와 비교한 결과에 기초하여 상기 음성 인식 모델을 갱신하는 단계를 포함하는 음성 자동 학습 방법.
제8항에 있어서,
상기 텍스트 데이터를 선택적으로 보정하는 단계는,
상기 음성 자동 학습 시스템이, 상기 발음열 데이터와 상기 발음열 사전의 미리 설정된 복수 개의 단어의 발음열 사이의 유사도를 산출하는 단계; 및
상기 음성 자동 학습 시스템이, 상기 유사도에 기초하여 상기 텍스트 데이터에 상응하는 단어의 변환 여부 및 변환 단어 중 하나 이상을 결정하는 단계를 포함하는 음성 자동 학습 방법.
제9항에 있어서,
상기 텍스트 데이터를 선택적으로 보정하는 단계는, 상기 음성 자동 학습 시스템이, 상기 복수 개의 단어의 발음열에 대한 사용자별 가중치를 결정하는 단계를 더 포함하며,
상기 단어의 변환 여부 및 변환 단어 중 하나 이상을 결정하는 단계는, 상기 음성 자동 학습 시스템이, 상기 유사도에 상응하여 결정되는 제1 가중치 및 상기 사용자별 가중치를 결정하는 단계에 의해 결정되는 제2 가중치에 기초하여 상기 변환 단어를 결정하는 단계를 포함하는 음성 자동 학습 방법.
제8항에 있어서,
상기 음성 자동 학습 시스템이, 하나 이상의 단어의 문자열 데이터를 이용하여 상기 발음열 사전에 포함될 발음열을 생성하는 단계를 더 포함하는 음성 자동 학습 방법.
제11항에 있어서,
상기 발음열을 생성하는 단계는,
제1 언어로 된 문자열을 발음열로 변환하도록 구성된 발음열 생성기를 상기 음성 자동 학습 시스템에 저장하는 단계;
상기 음성 자동 학습 시스템의 문자열 변환기가, 상기 제1 언어와 상이한 제2 언어로 된 문자열을 발음열로 변환하는 단계; 및
상기 문자열 변환기가, 상기 제2 언어의 문자열로부터 변환된 발음열을 상기 제1 언어의 문자열로 변환하여 상기 발음열 생성기에 입력하는 단계를 포함하는 음성 자동 학습 방법.
제8항에 있어서,
상기 텍스트 데이터를 추출하는 단계는, 상기 음성 자동 학습 시스템이, 하나 이상의 단어에 대한 사용자별 가중치를 결정하는 화자 종속 음향 모델을 이용하여 상기 텍스트 데이터를 결정하는 단계를 포함하는 음성 자동 학습 방법.
제8항에 있어서,
상기 음성 데이터를 수신하는 단계 전에,
상기 음성 자동 학습 시스템이, 하나 이상의 상기 질의를 포함하는 질의 데이터베이스 및 화자별 음성 데이터베이스를 상기 음성 자동 학습 시스템에 저장하는 단계; 및
상기 음성 자동 학습 시스템이, 상기 질의 데이터베이스 및 상기 화자별 음성 데이터베이스를 이용한 텍스트 음성 변환을 통해 상기 음성 데이터를 생성하는 단계를 더 포함하는 음성 자동 학습 방법.
하드웨어와 결합되어 청구항 제8항 내지 제14항 중 어느 한 항에 따른 음성 자동 학습 방법을 실행하도록 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.