WO2018190507A1 - 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템 - Google Patents

네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템 Download PDF

Info

Publication number
WO2018190507A1
WO2018190507A1 PCT/KR2018/002075 KR2018002075W WO2018190507A1 WO 2018190507 A1 WO2018190507 A1 WO 2018190507A1 KR 2018002075 W KR2018002075 W KR 2018002075W WO 2018190507 A1 WO2018190507 A1 WO 2018190507A1
Authority
WO
WIPO (PCT)
Prior art keywords
voice input
content
voice
progress
electronic device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2018/002075
Other languages
English (en)
French (fr)
Inventor
이현철
박진영
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Z Intermediate Global Corp
Naver Corp
Original Assignee
Line Corp
Naver Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Line Corp, Naver Corp filed Critical Line Corp
Publication of WO2018190507A1 publication Critical patent/WO2018190507A1/ko
Priority to US16/598,449 priority Critical patent/US11004452B2/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/002—Specific input/output arrangements not covered by G06F3/01 - G06F3/16
    • G06F3/005—Input arrangements through a video camera
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/72—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for transmitting results of analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; ELECTRIC HEARING AIDS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
    • H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
    • H04R1/40—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers
    • H04R1/406—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers microphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; ELECTRIC HEARING AIDS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers
    • H04R3/005—Circuits for transducers for combining the signals of two or more microphones
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/90—Pitch determination of speech signals

Definitions

  • the following description relates to a multimodal interaction method and system with a sound device connected to a network, and to a computer program stored in a computer readable recording medium coupled to a computer for executing the multimodal interaction method on a computer, and the recording medium.
  • Conventional consumption behavior for content or services is primarily based on display. For example, a user receives information through a screen, and interaction between a user and content or a service displayed through the screen occurs through manipulation of a controller and / or recognition of a voice command. In the conventional consumption of content or service, interaction occurs through the output of audio and recognition of voice commands, but this is a secondary means for a richer experience of content and service based on display.
  • Korean Patent Laid-Open No. 10-2011-0139797 is a technology related to a home media device and a home network system and method using the same.
  • a home network service a home network service using a second communication network such as Wi-Fi in addition to a mobile communication network is used. It is possible to provide, and a technology that allows a user to control a plurality of multimedia devices in the home through a voice command without a separate button operation is disclosed.
  • an electronic device receiving a user's voice command in such a home network service receives the user's voice input “turn off”.
  • the electronic device may turn off the light power of the smart lighting device by analyzing the received voice input “turn off the light”.
  • the electronic device receives the user's voice input "today's weather”.
  • Such an electronic device may receive information on today's weather from an external server based on the received voice input "weather today”, synthesize a voice corresponding to the received information, and output the synthesized voice through a speaker.
  • the processing of the simple voice command and the operation according to the voice command has the advantage of providing the user with an experience that can control the devices in the home more easily and an information that can be easily acquired. There is a problem that it is difficult to provide a variety of experiences with the content and / or services, such as the consumption behavior of.
  • Display-based interactions for content or services are limited in direction, location and movement of the user because the user must proceed in relation to a certain direction toward the display or a location defined by the display. For example, it is difficult to use content or services in locations where the user cannot see the display.
  • the voice-based interaction has an advantage that the direction, location, and movement of the talker are relatively free since the user (the talker) uses the auditory information rather than the visual information. For example, even if the talker moves from the front to the rear of the audio device, there is no problem in using contents or services utilizing the auditory information.
  • Multi-modal interaction method and system that can utilize the location or speaker's non-explicit information to transmit commands to electronic devices or use them as content and / or service materials by integrating pulse, daily travel, previous day's sleep time, etc.
  • the present invention provides a computer program stored in a computer readable recording medium and a recording medium thereof in combination with a computer for executing a multimodal interaction method on a computer.
  • a multi-modal interaction method of a multi-modal interaction system comprising: outputting audio information for content progress through a voice-based interface included in an electronic device; Receiving a voice input of a talker associated with the output audio information through the voice based interface; Generating location information associated with the voice input of the talker; And determining an action associated with the progress of the content by using the voice input and location information associated with the voice input.
  • a computer program for recording a computer program for causing the computer to execute the multimodal interaction method is provided.
  • a computer program stored in a computer readable recording medium for executing the multimodal interaction method on a computer in combination with a computer is provided.
  • a multi-modal interaction system comprising: a voice-based interface unit; And at least one processor configured to execute a computer readable command, wherein the at least one processor outputs audio information for the progress of content through the voice-based interface unit, and generates the voice-based interface unit.
  • Receive a voice input of the talker associated with the output audio information generate location information associated with the voice input of the talker, and associate the progression of the content with the voice input and location information associated with the voice input; It provides a multi-modal interaction system characterized in determining the operation.
  • the location information of the talker associated with the voice input (for example, receiving and By further utilizing at least one of a speaker's relative position or direction, whether or not the relative position or direction has changed, the degree of change in the relative position or direction, and the relative direction or direction of change relative to the electronic device measured at the associated time point or period),
  • the voice-based interface can provide a wider variety of user experiences.
  • sound tone or pitch obtained through voice input values acquired from peripheral devices (e.g., smart phones, smart watches, smart bands, etc.) possessed by the user (hands as explicit information of the talker)
  • peripheral devices e.g., smart phones, smart watches, smart bands, etc.
  • the location or the speaker's non-explicit information may be integrated with the pulse, the amount of movement of the day, the previous day's sleep time, etc. to transmit commands to the electronic device or to be used as a content and / or service material.
  • FIG. 1 is a diagram illustrating an example of a service environment using a voice-based interface according to an embodiment of the present invention.
  • FIG. 2 is a diagram illustrating another example of a service environment using a voice-based interface according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating an example of a cloud AI platform according to an embodiment of the present invention.
  • FIG. 4 is a block diagram illustrating an internal configuration of an electronic device and a server according to an embodiment of the present invention.
  • 5 and 6 are diagrams for explaining an example of location information associated with a talker's speech in one embodiment of the present invention.
  • FIG. 7 is a flowchart illustrating an example of a multimodal interaction method that an electronic device may perform according to an embodiment of the present disclosure.
  • FIG. 8 is a flowchart illustrating an example of a multi-modal interaction method using an output value measured through a sensor of a peripheral device according to an embodiment of the present invention.
  • FIG. 9 is a flowchart illustrating another example of a multi-modal interaction method using an output value measured through a sensor of a peripheral device according to an embodiment of the present invention.
  • FIG. 10 is a flowchart illustrating an example of a multimodal interaction method when providing content through an external server according to an embodiment of the present invention.
  • the multi-modal interaction system may be implemented through an electronic device that provides an interface that operates based on voice.
  • the electronic device may output audio information to provide audio-based content to a user (speaker), and may obtain a voice input from the electronic device as the user speaks in response to the output audio information.
  • the electronic device may process a user command by recognizing and analyzing the acquired voice input through an external platform connected directly or through a separate interface connector, and proceed with audio-based content. In this case, the electronic device may further determine not only the voice input of the talker but also the location information associated with the voice input of the talker to determine an operation related to the progress of the content.
  • the multimodal interaction method according to embodiments of the present invention may be performed through the above-described electronic device.
  • a computer program according to an embodiment of the present invention may be installed and driven in an electronic device, and the electronic device may perform a multi-modal interaction method according to an embodiment of the present invention under control of the driven computer program.
  • the above-described computer program may be stored in a computer-readable recording medium in combination with an electronic device implemented as a computer to execute a multimodal interaction method on a computer.
  • FIG. 1 is a diagram illustrating an example of a service environment using a voice-based interface according to an embodiment of the present invention.
  • a technology of connecting and controlling devices in a home such as a smart home or a home network service
  • an electronic device 100 that provides an interface operating based on voice is provided by the user 110.
  • An example of controlling the light power of the indoor lighting device 120 connected to the electronic device 100 through the internal network by recognizing and analyzing the voice input “turn off the light” received according to the utterance is shown.
  • in-house devices include home appliances such as televisions, personal computers, peripherals, air conditioners, refrigerators, and robot cleaners, as well as energy consumption such as water, electricity, and heating and heating devices, in addition to the above-described in-house lighting devices 120. It may include a variety of devices that can be connected and controlled online, such as security devices such as devices, door locks, surveillance cameras and the like.
  • Internal networks also include wired network technologies such as Ethernet, HomePNA, and IEEE 1394, and wireless network technologies such as Bluetooth, Ultra Wide Band (UWB), ZigBee, Wireless 1394, and Home RF. Can be utilized.
  • the electronic device 100 may be one of indoor devices.
  • the electronic device 100 may be one of devices such as an artificial intelligence speaker or a robot cleaner provided in a home.
  • the electronic device 100 may be a mobile device of the user 110 such as a smart phone, a mobile phone, a notebook computer, a digital broadcasting terminal, a personal digital assistant (PDA), a portable multimedia player (PMP), a tablet PC, or the like.
  • PDA personal digital assistant
  • PMP portable multimedia player
  • the electronic device 100 is not particularly limited as long as the device includes a function that can be connected to the devices in the home to receive the voice input of the user 110 and control the devices in the home.
  • FIG. 2 is a diagram illustrating an example of a service environment using a voice-based interface according to an embodiment of the present invention.
  • FIG. 2 illustrates that the electronic device 100 providing an interface operating based on voice recognizes and analyzes a voice input “today's weather” received according to the user 110's speech from an external server 210 through an external network.
  • the example which acquires the information about the weather of today, and outputs the acquired information by a voice is shown.
  • the external network may be a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), a broadband network (BBN), the Internet, or the like. It may include any one or more of the network of.
  • PAN personal area network
  • LAN local area network
  • CAN campus area network
  • MAN metropolitan area network
  • WAN wide area network
  • BBN broadband network
  • the Internet or the like. It may include any one or more of the network of.
  • the electronic device 100 may be one of the devices in the home or one of the mobile devices of the user 110.
  • the electronic device 100 may include an external network and a function for receiving and processing a voice input of the user 110.
  • the device is not particularly limited as long as the device includes a function for providing the user 110 with a service or content provided by the external server 210 by accessing the external server 210.
  • the electronic device 100 is not particularly limited as long as it is a device capable of processing a user command including at least a voice input received according to the speech of the user 110 through a voice-based interface. You may not.
  • the electronic device 100 may process a user command by directly recognizing and analyzing a voice input of the user and performing an operation suitable for the voice input.
  • the electronic device 100 may recognize or recognize the voice input of the user. Analysis of voice input, synthesis of voice to be provided to the user, and the like may be performed through an external platform connected with the electronic device 100.
  • 3 is a diagram illustrating an example of a cloud AI platform according to an embodiment of the present invention. 3 illustrates electronic devices 310, cloud AI platform 320, and content / service 330.
  • the electronic devices 310 may refer to devices provided in a home, and may include at least the electronic device 100 described above.
  • Applications (hereinafter, referred to as apps) installed and driven on the electronic devices 310 or the electronic devices 310 may be associated with the cloud AI platform 320 through the interface connect 340.
  • the interface connect 340 may provide developers with software development kits (SDKs) and / or development documents for development of apps installed and driven on the electronic devices 310 or the electronic devices 310.
  • the interface connect 340 includes an application program interface (API) that enables applications installed and driven on the electronic devices 310 or the electronic devices 310 to utilize functions provided by the cloud AI platform 320. Can provide.
  • API application program interface
  • developers may develop a device or app using a software development kit (SDK) and / or a development document provided by the interface connect 340 using a cloud AI platform (API) provided by the interface connect 340.
  • SDK software development kit
  • API cloud AI platform
  • the functions provided by 320 may be utilized.
  • the cloud AI platform 320 may provide a function for providing a voice-based service.
  • the cloud AI platform 320 recognizes the received voice, and a voice processing module 321 for synthesizing the output voice, and a vision processing module 322 for analyzing and processing the received image or video.
  • a dialogue processing module 323 for determining an appropriate dialogue in order to output a suitable speech according to the received speech, a recommendation module 324 for recommending a function suitable for the received speech, and a sentence unit of artificial intelligence through data learning
  • It may include various modules for providing a voice-based service, such as neural machine translation (NMT, 325) that supports the translation of the language.
  • NMT neural machine translation
  • the electronic device 100 may transmit the voice input of the user 110 to the cloud AI platform 320 using an API provided by the interface connect 340.
  • the cloud AI platform 320 may recognize and analyze the received voice input by using the above-described modules 321 to 325, and synthesize and provide an appropriate answer voice according to the received voice input. Proper action can be recommended.
  • the extension kit 350 may provide a development kit that allows third-party content developers or companies to implement new voice-based functions based on the cloud AI platform 320.
  • the electronic device 100 may transmit the received voice input of the user 110 to the external server 210, and the external server 210 may use the expansion kit 350.
  • the voice input may be transmitted to the cloud AI platform 320 through the provided API.
  • the cloud AI platform 320 recognizes and analyzes the received voice input, synthesizes an appropriate answer voice, and provides recommendation information about a function to be processed through the voice input. ) Can be provided.
  • the external server 210 can send a voice input “today's weather” to the cloud AI platform 320 and through recognition of the voice input “today's weather” from the cloud AI platform 320.
  • the extracted keywords "today” and “weather” can be received.
  • the external server 210 generates text information such as “today's weather " through the keywords "today” and "weather”, and transmits the text information generated to the cloud AI platform 320 again. Can be.
  • the cloud AI platform 320 may synthesize text information into a voice and provide it to the external server 210.
  • the external server 210 may transmit the synthesized voice to the electronic device 100, and the electronic device 100 outputs the synthesized voice “Weather of the day...” through the speaker, thereby outputting the synthesized voice from the user 110.
  • the received voice input "Weather today" can be processed.
  • the electronic device 100 may perform a multimodal interaction method according to an embodiment of the present invention in order to provide audio-based content provided by the external server 210 to a user.
  • FIG. 4 is a block diagram illustrating an internal configuration of an electronic device and a server according to an embodiment of the present invention.
  • the electronic device 410 of FIG. 4 may correspond to the electronic device 100 described above, and the server 420 may correspond to one computer device implementing the external server 210 or the cloud AI platform 320 described above. Can be.
  • the electronic device 410 and the server 420 may include memories 411 and 421, processors 412 and 422, communication modules 413 and 423, and input / output interfaces 414 and 424.
  • the memories 411 and 421 may be computer-readable recording media, and may include permanent mass storage devices such as random access memory (RAM), read only memory (ROM), and disk drives.
  • the non-volatile mass storage device such as a ROM and a disk drive may be included in the electronic device 410 or the server 420 as a separate permanent storage device that is separate from the memories 411 and 421.
  • the memory 411 and 421 may store an operating system and at least one program code (for example, a code installed in the electronic device 410 and driven by the electronic device 410 to provide a specific service). Can be.
  • These software components may be loaded from a computer readable recording medium separate from the memories 411 and 421.
  • a separate computer-readable recording medium may include a computer-readable recording medium such as a floppy drive, disk, tape, DVD / CD-ROM drive, memory card, and the like.
  • software components may be loaded into the memory 411, 421 through a communication module 413, 423 rather than a computer readable recording medium.
  • the at least one program may be electronically based on a computer program (for example, the above-described application) installed by files provided through a network 430 by a file distribution system that distributes installation files of developers or applications.
  • the memory 411 of the device 410 may be loaded.
  • Processors 412 and 422 may be configured to process instructions of a computer program by performing basic arithmetic, logic, and input / output operations. Instructions may be provided to the processors 412 and 422 by the memory 411 and 421 or the communication modules 413 and 423. For example, the processors 412 and 422 may be configured to execute a command received according to a program code stored in a recording device such as the memory 411 and 421.
  • the communication modules 413 and 423 may provide a function for the electronic device 410 and the server 420 to communicate with each other through the network 430, and the electronic device 410 and / or the server 420 may be different from each other. It may provide a function for communicating with an electronic device or another server.
  • a request generated by the processor 412 of the electronic device 410 according to a program code stored in a recording device such as a memory 411 is controlled by the server 420 through the network 430 under the control of the communication module 213. Can be delivered.
  • control signals, commands, contents, files, and the like provided according to the control of the processor 422 of the server 420 pass through the communication module 223 and the network 430 to the communication module 213 of the electronic device 410.
  • the electronic device 410 May be received by the electronic device 410.
  • the control signal, command, content, file, etc. of the server 420 received through the communication module 213 may be transmitted to the processor 412 or the memory 411, and the content, file, etc. may be transferred to an electronic device ( 410 may be stored as a storage medium (permanent storage device described above) that may further include.
  • the input / output interface 414 may be a means for interfacing with the input / output device 415.
  • the input device may include a device such as a microphone, a keyboard or a mouse, and the output device may include a device such as a display or a speaker.
  • the input / output interface 414 may be a means for interfacing with a device in which functions for input and output are integrated into one, such as a touch screen.
  • the input / output device 415 may be configured as one device with the electronic device 410.
  • the input / output interface 424 of the server 420 may be a means for interfacing with an apparatus (not shown) for input or output that may be connected to or included in the server 420.
  • the electronic device 410 and server 420 may include fewer or more components than the components of FIG. 4. However, it is not necessary to clearly show most of the prior art components.
  • the electronic device 410 may be implemented to include at least some of the above-described input and output devices 415 or other components such as a transceiver, a global positioning system (GPS) module, a camera, various sensors, a database, and the like. It may also include more.
  • GPS global positioning system
  • the electronic device 410 is a smart phone, an acceleration sensor or gyro sensor, a camera module, various physical buttons, a button using a touch panel, an input / output port, a vibrator for vibration generally included in the smart phone
  • various components such as may be implemented to be further included in the electronic device 410.
  • the electronic device 410 may basically include a microphone for receiving a voice input of the user as the input / output device 415, and may provide a sound such as an answer voice or audio content corresponding to the voice input of the user.
  • a speaker for outputting may be further included as the input / output device 415.
  • the electronic device 410 may adjust the output volume of the sound to be output in response to the voice input according to the input volume of the voice input of the user.
  • the output volume may be proportional to the input volume. For example, as the voice of the user calling the electronic device 410 is louder, the output volume of the sound to be output in response to the user command may be relatively increased. Conversely, as the voice of the user calling the electronic device 410 is smaller, the output volume of the sound to be output in response to the user command may be adjusted to be relatively small. As a specific example, the output volume of the sound to be output may be adjusted to be equal to the input volume of the voice input. If the user calls the electronic device 410 with a small voice or a whispering voice, the electronic device 410 may also respond to the user's call with a small voice or a whispering voice.
  • FIG. 5 and 6 are diagrams for explaining an example of location information associated with a talker's speech in one embodiment of the present invention.
  • 5 and 6 illustrate examples of providing audio-based game content through an electronic device 410 including a voice-based interface.
  • FIG. 5 illustrates an example in which the electronic device 410 outputs "arrows flying to the right" as shown in the first speech bubble 510 as audio information for progressing game content.
  • FIG. 5 and FIG. 6 Shows an example of moving to the second position 630.
  • the electronic device 410 may input the voice input "avoid” input through the speech of the user 110 and the location information of the user 110 (the user 110 may utter the voice input "avoid” while the first position (
  • information related to the progress of the game content may be determined using the information moved to the second location 630.
  • the electronic device 410 may determine a distance between the first position 620 and the second position 630 as a virtual character on the game content based on the received voice input and the location information of the user 110. It can be determined to move as much as possible, through which it is possible to determine whether to avoid the arrow on the game content.
  • the audio-based content is not simply processed by the command included in the voice input, but also further utilizes the location information of the talker associated with the voice input, thereby providing various interaction experiences and high interaction with the talker.
  • Content immersion may be provided.
  • the movement of the user's position and the change of direction in the existing visually provided content is limited to the area where the display can be viewed, whereas the talker according to the embodiments of the present invention utilizes auditory information rather than visual information. It can be seen that the relatively high degree of freedom in the movement of the position and the change of direction.
  • FIG. 7 is a flowchart illustrating an example of a multimodal interaction method that an electronic device may perform according to an embodiment of the present disclosure.
  • the multi-modal interaction system according to the embodiments of the present invention may be implemented in the form of a computer device such as the electronic device 410 described above.
  • the electronic device 410 may perform steps 710 to 740 included in the multimodal interaction method of FIG. 7.
  • the processor 412 may be implemented to execute a control instruction according to a code of an operating system included in the memory 411 or a code of at least one program.
  • the processor 412 may control the electronic device 410 such that the electronic device 410 performs the steps 710 to 740 of FIG. 7 according to a control command provided by a code stored in the electronic device 410. have.
  • the electronic device 410 may output audio information for the progress of content through a voice-based interface.
  • the speech-based interface may basically include an output module for outputting synthesized speech information and an input module for receiving a talker's speech, and content may basically be interacted with the talker through the speech-based interface. Can proceed.
  • the electronic device 410 may receive a voice input of a talker associated with audio information output through the voice-based interface.
  • Techniques for receiving a speaker's voice input will be readily understood by those skilled in the art through well known techniques with respect to speech recognition.
  • the electronic device 410 may generate location information associated with the voice input of the talker.
  • the location information associated with the voice input may be a relative position or direction of the talker relative to the electronic device 410 measured at a time point or period associated with the reception of the voice input, whether the relative position or direction has changed, or the relative position or direction change. It may include at least one of the degree and the change direction of the relative position or direction.
  • the electronic device 410 may generate location information associated with the voice input based on a phase shift of a plurality of microphone input voice inputs included in the voice-based interface.
  • Techniques for measuring the generation position of the sound signal using the phase shift of the same sound signal input to a plurality of microphones will be easily understood by those skilled in the art through well-known techniques such as beam forming technology.
  • the location information is measured through the voice input of the talker, the talker does not need to be directed in a specific direction, and the location of the talker may not be limited if the talker is within a recognized distance.
  • the electronic device 410 in order to acquire the location information of the talker, the case where the electronic device 410 includes additional equipment such as a camera or a sensor may be considered, and the location information of the talker and the camera measured through a voice-based interface may be considered. All of the talker's location information measured using additional equipment, such as sensors, may be utilized. When utilizing a camera and / or a sensor, the electronic device 410 may generate location information associated with the voice input based on output values of the camera and / or sensor when the voice input is received.
  • additional equipment such as a camera or a sensor
  • the electronic device 410 may determine an operation associated with the progress of the content by using the voice input and the location information associated with the voice input.
  • the operation associated with the progress of the content may be set in various forms according to the content.
  • the determined operation may include an operation of the electronic device 410 itself, an operation of a peripheral device interworking with the electronic device 410, and interlocking with the electronic device 410 through a network to provide content through the electronic device 410.
  • the type or characteristic of the content such as the operation of an external server (for example, the external server 210 of FIG.
  • FIGS. 5 and 6 illustrate an example in which an operation related to the avoidance of an arrow shot to a virtual character on game content is determined.
  • the electronic device 410 may display information about the voice input "volume” generated by the speaker in response to the audio information "adjust volume” and the position information about the movement of the speaker associated with the voice input to the left or the right. An operation for adjusting the output volume to decrease or increase may be determined.
  • the audio information may include information for requesting the talker to change the location of the talker and the talker.
  • the electronic device 410 performs an operation related to the progress of the content according to whether the voice input received in step 740 and location information associated with the received voice input satisfy a predetermined condition corresponding to the requested information. You can decide.
  • the electronic device 410 outputs audio information "move three steps to the left", and based on whether the talker actually moved three steps to the left based on the location information associated with the voice input pipe of the talker, The related action can be determined.
  • a process for performing the determined operation may be performed. For example, when the operation of the electronic device 410 itself is determined, the electronic device 410 may perform the determined operation. As another example, when an operation for requesting the talker is determined, the electronic device 410 may synthesize a voice for requesting the determined operation for the talker and output the voice through the voice-based interface. As another example, when the electronic device 410 directly controls the operation of the virtual character or the virtual object on the content or provides the content from an external server, transmits information for controlling the operation of the virtual character or the virtual object to the external server. This allows external servers to control the behavior of virtual characters or virtual objects.
  • the interaction between the talker and the electronic device 410 providing content through the voice-based interface may be performed in more various ways. For example, not only the command recognized by the voice input but also information such as tone and / or pitch of the sound corresponding to the voice input, a value obtained from a peripheral device connected with the electronic device 410, and the like. It can be further utilized to determine the action related to the progress of this content.
  • the electronic device 410 analyzes the tone of the sound, the pitch of the sound, and the voice input corresponding to the voice input in operation 740 of FIG. To determine an action associated with the progress of the content.
  • a command extracted from a voice input in game content that throws a virtual object to meet a virtual target may indicate a starting point of the throwing of the virtual object, and the distance of the talker may determine the force to throw the object.
  • the tone or pitch of the sound corresponding to may be utilized to determine the angle at which the object is thrown.
  • the electronic device 410 may further determine an operation associated with the progress of the content by further using a value acquired from the peripheral device linked with the electronic device 410.
  • Steps 810 and 820 of FIG. 8 may be performed instead of step 740 of FIG. 7.
  • the electronic device 410 may receive a measurement value measured in association with a voice input from a sensor of an associated peripheral device from the peripheral device.
  • the measured value measured in association with the voice input may include a measured value measured by a sensor of the peripheral device at a time point or period associated with the reception of the voice input.
  • the electronic device 410 and the speaker may be linked to a peripheral device such as a smart phone, a smart watch, a smart band, or the like, which is worn or worn by the speaker, and the electronic device 410 receives a voice input through the speaker's speech. It may include the measured value measured by the sensor of the peripheral device during the time point or the voice input is received.
  • the electronic device 410 may determine an operation associated with the progress of the content by using the voice input, the location information associated with the voice input, and the received measurement value. For example, when a talker raises a hand holding a smartphone while speaking, the hand's hand movement may be measured using an output value such as an acceleration sensor or a gyroscope sensor included in the smartphone according to the hand's movement. . In this case, the electronic device 410 may measure the movement of the talker's hand through the received measurement value, and further determine the operation associated with the progress of the content by further using the measured hand movement.
  • different operations may be determined in relation to the progress of the content when the talker simply moves when speaking and when the talker moves while shaking his or her hand while speaking.
  • the talker's pulse measured in connection with voice input may be utilized to determine an action associated with the progress of the content.
  • the measured value may be used to select a specific talker (eg, the talker who has raised the hand first among the plurality of talkers who cry out the correct answer in the quiz content) when there are a plurality of talkers.
  • the content may be transmitted through at least two of a command extracted from a voice input, a tone of a sound corresponding to the voice input, a pitch of a sound, and a measurement value measured by a sensor of a peripheral device, without using the location information of the talker.
  • An action associated with the progression of may be determined. For example, in a basketball game, the action of throwing a basketball through the command "shoot" of the voice input "shoot", the pitch of the basketball through the tone of "shoot” is the pitch of the sound "shoot”. Through the basketball throwing force may be determined.
  • the multimodal interaction between the content and the talker may be provided through various other information as well as a command extracted from the voice input in the voice-based interface.
  • Steps 910 and 920 of FIG. 9 may be performed before or after steps 710 to 740 of FIG. 7, or may be performed between steps 710 to 740 of FIG. 7.
  • the electronic device 410 may receive a measurement value measured by the sensor of the peripheral device regardless of the voice input from the peripheral device.
  • the measured value may utilize various values specific to the sensor, such as a user's pulse, a moving amount for a certain period of time, the previous day's sleep time, and the like.
  • the electronic device 410 may change a setting related to the progress of the content based on the received measurement value. For example, based on the speaker's previous day's sleep time or the previous day's amount of movement in the game content, stats such as the physical strength or strength of the virtual character may be adjusted today. Alternatively, the setting may be changed to steadily increase the stat of the virtual character according to the accumulated movement amount of the talker. As will be appreciated by those skilled in the art, the type of measurement value or the type of setting related to the progress of the content may be variously used according to the characteristic or type of the content.
  • FIG. 10 is a flowchart illustrating an example of a multimodal interaction method when providing content through an external server according to an embodiment of the present invention. Steps 1010 to 1030 of FIG. 10 may be performed by being included in step 740 of FIG. 7.
  • the electronic device 410 may transmit a voice input and location information associated with the voice input to an external server through a network.
  • the external server may correspond to the external server 210 described with reference to FIG. 2, and may be a device that provides content while communicating with the electronic device 410 through a network.
  • the electronic device 410 may receive operation information generated on the external server based on the voice input and the location information associated with the voice input from the external server through the network.
  • the electronic device 410 does not directly analyze voice input and location information, but transmits the information to an external server to generate operation information based on the information transmitted from the external server, and then receive the result. .
  • step 1030 the electronic device 410 may determine an operation associated with the progress of the content based on the received operation information.
  • step 1030 may be a process of determining an operation related to progress of content in an external server and receiving the information about the operation and confirming the determined operation.
  • the voice input and the command are obtained as well as the command obtained through the voice input received from the talker.
  • Location information of the associated talker e.g., the location or direction of the talker relative to the electronic device measured at the time or period associated with the reception of the voice input, whether the location or direction has changed, the degree of change in the location or direction, and the relative location
  • a more diverse user experience can be provided through the voice-based interface.
  • sound tone or pitch obtained through voice input values acquired from peripheral devices (e.g., smart phones, smart watches, smart bands, etc.) possessed by the user (hands as explicit information of the talker)
  • peripheral devices e.g., smart phones, smart watches, smart bands, etc.
  • the location or the speaker's non-explicit information may be integrated with the pulse, the amount of movement of the day, the previous day's sleep time, etc. to transmit commands to the electronic device or to be used as a content and / or service material.
  • the system or apparatus described above may be implemented as a hardware component, a software component or a combination of hardware components and software components.
  • the devices and components described in the embodiments are, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors, microcomputers, field programmable gate arrays (FPGAs).
  • ALUs arithmetic logic units
  • FPGAs field programmable gate arrays
  • PLU programmable logic unit
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system.
  • the processing device may also access, store, manipulate, process, and generate data in response to the execution of the software.
  • processing device includes a plurality of processing elements and / or a plurality of types of processing elements. It can be seen that it may include.
  • the processing device may include a plurality of processors or one processor and one controller.
  • other processing configurations are possible, such as parallel processors.
  • the software may include a computer program, code, instructions, or a combination of one or more of the above, and configure the processing device to operate as desired, or process it independently or collectively. You can command the device.
  • Software and / or data may be any type of machine, component, physical device, virtual equipment, computer storage medium or device in order to be interpreted by or to provide instructions or data to the processing device. It can be embodied in.
  • the software may be distributed over networked computer systems so that they may be stored or executed in a distributed manner.
  • Software and data may be stored on one or more computer readable media.
  • the method according to the embodiment may be embodied in the form of program instructions that can be executed by various computer means and recorded in a computer readable medium.
  • the computer readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the medium may be to continue to store a computer executable program, or to temporarily store for execution or download.
  • the medium may be a variety of recording means or storage means in the form of a single or several hardware combined, not limited to a medium directly connected to any computer system, it may be distributed on the network.
  • Examples of the medium include magnetic media such as hard disks, floppy disks and magnetic tape, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, And ROM, RAM, flash memory, and the like, configured to store program instructions.
  • examples of another medium may include a recording medium or a storage medium managed by an app store that distributes an application or a site or server that supplies or distributes various software.
  • Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Tourism & Hospitality (AREA)
  • Otolaryngology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템을 제공한다. 멀티모달 인터렉션 방법은 전자 기기가 포함하는 음성 기반의 인터페이스를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하는 단계, 상기 음성 기반의 인터페이스를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하는 단계, 상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하는 단계, 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계를 포함할 수 있다.

Description

네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
아래의 설명은 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템, 그리고 컴퓨터와 결합되어 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체에 관한 것이다.
컨텐츠나 서비스에 대한 종래의 소비 행위는 주로 디스플레이에 기반한다. 예를 들어, 사용자는 스크린을 통해 정보를 전달받고, 컨트롤러에 대한 조작 및/또는 음성 명령의 인식을 통해 스크린을 통해 표시되는 컨텐츠나 서비스와 사용자간의 인터렉션이 발생하게 된다. 컨텐츠나 서비스에 대한 종래의 소비 행위에서도 오디오의 출력과 음성 명령의 인식을 통한 인터렉션이 발생하나, 이는 디스플레이에 기반한 컨텐츠와 서비스의 보다 풍부한 경험을 위한 부차적인 수단에 머물러 있는 실정이다.
한편, 홈 네트워크 서비스의 인공지능 스피커와 같이 음성을 기반으로 동작하는 인터페이스는 시각 정보를 사용할 수 없기 때문에, 디스플레이 기반의 컨텐츠 및/또는 서비스에 비해 컨텐츠 및/또는 서비스와 사용자간의 인터렉션이 용이하지 않다는 문제점이 있다. 예를 들어, 한국공개특허 제10-2011-0139797호는 홈 미디어 디바이스 및 이를 이용한 홈 네트워크 시스템, 방법에 관한 기술로, 홈 네트워크 서비스에서 이동통신망 외에 와이파이와 같은 제2 통신망을 이용하여 홈 네트워크 서비스를 제공하는 것이 가능하고, 홈내 복수의 멀티미디어 기기를 사용자가 별도의 버튼 조작 없이도 음성 명령을 통해 다중 제어할 수 있는 기술을 개시하고 있다. 예를 들어, 이러한 홈 네트워크 서비스에서 사용자의 음성 명령을 입력받는 전자 기기가 사용자의 음성 입력 "불 꺼줘"를 수신한 경우를 고려할 수 있다. 이러한 전자 기기는 수신한 음성 입력 "불 꺼줘"를 분석하여 스마트 조명기기의 라이트 전원을 오프(OFF)할 수 있다. 또는 전자 기기가 사용자의 음성 입력 "오늘 날씨"를 수신한 경우를 고려할 수 있다. 이러한 전자 기기는 수신한 음성 입력 "오늘 날씨"에 기반하여 외부 서버로부터 오늘의 날씨에 대한 정보를 수신하고, 수신한 정보에 대응하는 음성을 합성하여 스피커를 통해 출력할 수 있다. 그러나, 이러한 단순한 음성 명령과 음성 명령에 따른 동작의 처리는, 보다 쉽게 댁내 기기들을 제어할 수 있는 경험과 보다 쉽게 정보를 획득할 수 있는 경험을 사용자에게 제공할 수 있다는 장점을 갖는 반면, 디스플레이 기반의 소비 행위와 같이 컨텐츠 및/또는 서비스에 대한 다양한 경험을 제공하기 어렵다는 문제점이 있다.
컨텐츠나 서비스에 대한 디스플레이 기반의 인터렉션은 사용자가 디스플레이를 향한 일정한 방향이나 디스플레이에 의해 한정되는 위치와 연관되어 진행되어야 하기 때문에 사용자의 방향, 위치 및 이동이 제한된다. 예를 들어, 사용자가 디스플레이를 볼 수 없는 위치에서는 컨텐츠나 서비스를 이용하기 어렵다.
반면, 음성 기반의 인터렉션은 사용자(발화자)가 시각적 정보가 아닌 청각적 정보를 활용하기 때문에 발화자의 방향, 위치 및 이동이 상대적으로 자유롭다는 장점이 있다. 예를 들어, 발화자는 음향기기의 정면에서 후면으로 이동한다 하더라도, 청각적 정보를 활용한 컨텐츠나 서비스를 이용하는데 아무런 지장이 없다.
이러한 장점을 활용하여 네트워크에 연결되고, 음성을 기반으로 동작하는 전자 기기를 통한 인터렉션에 있어서, 발화자로부터 수신된 음성 입력을 통해 획득되는 명령어뿐만 아니라, 음성 입력과 연관된 발화자의 위치 정보(일례로, 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 전자 기기에 대한 발화자의 상대적인 위치나 방향, 상대적인 위치나 방향의 변화 여부, 상대적인 위치나 방향의 변화 정도 및 상대적인 위치나 방향의 변화 방향 중 적어도 하나)를 더 활용함으로써, 음성 기반의 인터페이스를 통해 보다 다양한 사용자 경험을 제공할 수 있는 멀티모달 인터렉션 방법 및 시스템 그리고, 컴퓨터와 결합되어 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체를 제공한다.
또한, 음성 입력을 통해 획득되는 소리톤이나 피치, 전자 기기와 연동되는 주변기기(일례로, 사용자가 소지한 스마트폰, 스마트워치, 스마트밴드 등)에서 취득되는 값(발화자의 명시적인 정보로서의 손의 위치나 발화자의 비명시적인 정보로서 맥박, 하루 이동량, 전날 수면시간 등) 등을 통합적으로 활용하여 전자 기기에 명령을 전달하거나 또는 컨텐츠 및/또는 서비스의 소재로 활용할 수 있는 멀티모달 인터렉션 방법 및 시스템 그리고, 컴퓨터와 결합되어 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램과 그 기록매체를 제공한다.
멀티모달 인터렉션 시스템의 멀티모달 인터렉션 방법에 있어서, 전자 기기가 포함하는 음성 기반의 인터페이스를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하는 단계; 상기 음성 기반의 인터페이스를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하는 단계; 상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하는 단계; 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계를 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법을 제공한다.
상기 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위한 컴퓨터 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터 판독 가능한 기록매체를 제공한다.
컴퓨터와 결합하여 상기 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
멀티모달 인터렉션 시스템에 있어서, 음성 기반의 인터페이스부; 및 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 음성 기반의 인터페이스부를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하고, 상기 음성 기반의 인터페이스부를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하고, 상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하고, 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것을 특징으로 하는 멀티모달 인터렉션 시스템을 제공한다.
네트워크에 연결되고, 음성을 기반으로 동작하는 전자 기기를 통한 인터렉션에 있어서, 발화자로부터 수신된 음성 입력을 통해 획득되는 명령어뿐만 아니라, 음성 입력과 연관된 발화자의 위치 정보(일례로, 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 전자 기기에 대한 발화자의 상대적인 위치나 방향, 상대적인 위치나 방향의 변화 여부, 상대적인 위치나 방향의 변화 정도 및 상대적인 위치나 방향의 변화 방향 중 적어도 하나)를 더 활용함으로써, 음성 기반의 인터페이스를 통해 보다 다양한 사용자 경험을 제공할 수 있다.
또한, 음성 입력을 통해 획득되는 소리톤이나 피치, 전자 기기와 연동되는 주변기기(일례로, 사용자가 소지한 스마트폰, 스마트워치, 스마트밴드 등)에서 취득되는 값(발화자의 명시적인 정보로서의 손의 위치나 발화자의 비명시적인 정보로서 맥박, 하루 이동량, 전날 수면시간 등) 등을 통합적으로 활용하여 전자 기기에 명령을 전달하거나 또는 컨텐츠 및/또는 서비스의 소재로 활용할 수 있다.
도 1은 본 발명의 일실시예에 따른 음성 기반의 인터페이스를 활용한 서비스 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 음성 기반의 인터페이스를 활용한 서비스 환경의 다른 예를 도시한 도면이다.
도 3은 본 발명의 일실시예에 있어서, 클라우드 인공지능 플랫폼의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 5 및 도 6은 본 발명의 일실시예에 있어서, 발화자의 발화와 연관된 위치 정보의 예를 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 있어서, 전자 기기가 수행할 수 있는 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다.
도 8은 본 발명의 일실시예에 있어서, 주변기기의 센서를 통해 측정된 출력값을 활용하는 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다.
도 9는 본 발명의 일실시예에 있어서, 주변기기의 센서를 통해 측정된 출력값을 활용하는 멀티모달 인터렉션 방법의 다른 예를 도시한 흐름도이다.
도 10은 본 발명의 일실시예에 있어서, 외부 서버를 통해 컨텐츠를 제공하는 경우의 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 멀티모달 인터렉션 시스템은 음성을 기반으로 동작하는 인터페이스를 제공하는 전자 기기를 통해 구현될 수 있다. 전자 기기는 오디오 기반의 컨텐츠를 사용자(발화자)에게 제공하기 위해 오디오 정보를 출력할 수 있으며, 사용자가 출력된 오디오 정보에 응답하여 발화함에 따라 전자 기기에서 음성 입력을 획득할 수 있다. 전자 기기는 획득한 음성 입력을 직접 또는 별도의 인터페이스 커넥트를 통해 연결되는 외부 플랫폼을 통해 인식 및 분석하여 사용자 명령을 처리할 수 있으며, 오디오 기반의 컨텐츠를 진행할 수 있다. 이때, 전자 기기는 발화자의 음성 입력뿐만 아니라, 발화자의 음성 입력과 연관된 위치 정보를 더 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다.
본 발명의 실시예들에 따른 멀티모달 인터렉션 방법은 상술한 전자 기기를 통해 수행될 수 있다. 이때, 전자 기기에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 전자 기기는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 일실시예에 따른 멀티모달 인터렉션 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터로 구현되는 전자 기기와 결합되어 멀티모달 인터렉션 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 음성 기반의 인터페이스를 활용한 서비스 환경의 예를 도시한 도면이다. 도 1의 실시예에서는 스마트홈(smart home)이나 홈 네트워크 서비스와 같이 댁내의 기기들을 연결하여 제어하는 기술에서, 음성을 기반으로 동작하는 인터페이스를 제공하는 전자 기기(100)가 사용자(110)의 발화에 따라 수신되는 음성 입력 "불 꺼줘"를 인식 및 분석하여 댁내에서 전자 기기(100)와 내부 네트워크를 통해 연계된 댁내 조명기기(120)의 라이트 전원을 제어하는 예를 나타내고 있다.
예를 들어, 댁내의 기기들은 상술한 댁내 조명기기(120) 외에도 텔레비전, PC(Personal Computer), 주변기기, 에어컨, 냉장고, 로봇 청소기 등과 같은 가전제품을 비롯하여, 수도, 전기, 냉난방 기기 등과 같은 에너지 소비장치, 도어록, 감시카메라 등과 같은 보안기기 등 온라인 상에서 연결되어 제어될 수 있는 다양한 기기들을 포함할 수 있다. 또한, 내부 네트워크는 이더넷(Ethernet), HomePNA, IEEE 1394와 같은 유선 네트워크 기술이나, 블루투스(Bluetooth), UWB(ultra Wide Band), 지그비(ZigBee), Wireless 1394, Home RF와 같은 무선 네트워크 기술 등이 활용될 수 있다.
전자 기기(100)는 댁내의 기기들 중 하나일 수 있다. 예를 들어, 전자 기기(100)는 댁내에 구비된 인공지능 스피커나 로봇 청소기 등과 같은 기기들 중 하나일 수 있다. 또한, 전자 기기(100)는 스마트폰(smart phone), 휴대폰, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등과 같은 사용자(110)의 모바일 기기일 수도 있다. 이처럼 전자 기기(100)는 사용자(110)의 음성 입력을 수신하여 댁내의 기기들을 제어하기 위해 댁내의 기기들과 연결 가능한 기능을 포함하는 기기라면 특별히 제한되지 않는다.
도 2는 본 발명의 일실시예에 따른 음성 기반의 인터페이스를 활용한 서비스 환경의 예를 도시한 도면이다. 도 2는 음성을 기반으로 동작하는 인터페이스를 제공하는 전자 기기(100)가 사용자(110)의 발화에 따라 수신되는 음성 입력 "오늘 날씨"를 인식 및 분석하여 외부 네트워크를 통해 외부 서버(210)로부터 오늘의 날씨에 대한 정보를 획득하고, 획득한 정보를 음성으로 출력하는 예를 나타내고 있다.
예를 들어, 외부 네트워크는 PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다.
도 2의 실시예에서도 전자 기기(100)는 댁내의 기기들 중 하나이거나 사용자(110)의 모바일 기기 중 하나일 수 있으며, 사용자(110)의 음성 입력을 수신하여 처리하기 위한 기능과 외부 네트워크를 통해 외부 서버(210)에 접속하여 외부 서버(210)가 제공하는 서비스나 컨텐츠를 사용자(110)에게 제공하기 위한 기능을 포함하는 기기라면 특별히 제한되지 않는다.
이처럼, 본 발명의 실시예들에 따른 전자 기기(100)는 음성 기반의 인터페이스를 통해 사용자(110)의 발화에 따라 수신되는 음성 입력을 적어도 포함하는 사용자 명령을 처리할 수 있는 기기라면 특별히 제한되지 않을 수 있다. 예를 들어, 전자 기기(100)는 직접 사용자의 음성 입력을 인식 및 분석하여 음성 입력에 알맞은 동작을 수행함으로써 사용자 명령을 처리할 수도 있으나, 실시예에 따라 사용자의 음성 입력에 대한 인식이나 인식된 음성 입력의 분석, 사용자에게 제공될 음성의 합성 등의 처리를 전자 기기(100)와 연계된 외부의 플랫폼을 통해 수행할 수도 있다.
도 3은 본 발명의 일실시예에 있어서, 클라우드 인공지능 플랫폼의 예를 도시한 도면이다. 도 3은 전자 기기들(310)과 클라우드 인공지능 플랫폼(320) 및 컨텐츠/서비스(330)를 나타내고 있다.
일례로, 전자 기기들(310)은 댁내에 구비되는 기기들을 의미할 수 있으며, 적어도 앞서 설명한 전자 기기(100)를 포함할 수 있다. 이러한 전자 기기들(310)이나 전자 기기들(310)에 설치 및 구동되는 어플리케이션들(이하, 앱들)은 인터페이스 커넥트(340)를 통해 클라우드 인공지능 플랫폼(320)과 연계될 수 있다. 여기서 인터페이스 커넥트(340)는 전자 기기들(310)이나 전자 기기들(310)에 설치 및 구동되는 앱들의 개발을 위한 SDK(Software Development Kit) 및/또는 개발 문서들을 개발자들에게 제공할 수 있다. 또한, 인터페이스 커넥트(340)는 전자 기기들(310)이나 전자 기기들(310)에 설치 및 구동되는 앱들이 클라우드 인공지능 플랫폼(320)이 제공하는 기능들을 활용할 수 있는 API(Application Program Interface)를 제공할 수 있다. 구체적인 예로, 개발자들은 인터페이스 커넥트(340)가 제공하는 SDK(Software Development Kit) 및/또는 개발 문서를 이용하여 개발한 기기나 앱은 인터페이스 커넥트(340)가 제공하는 API를 이용하여 클라우드 인공지능 플랫폼(320)이 제공하는 기능들을 활용할 수 있게 된다.
여기서 클라우드 인공지능 플랫폼(320)은 음성 기반의 서비스를 제공하기 위한 기능을 제공할 수 있다. 예를 들어, 클라우드 인공지능 플랫폼(320)은 수신된 음성을 인식하고, 출력될 음성을 합성하기 위한 음성처리모듈(321), 수신된 영상이나 동영상을 분석하여 처리하기 위한 비전처리모듈(322), 수신된 음성에 따라 알맞은 음성을 출력하기 위해 적절한 대화를 결정하기 위한 대화처리모듈(323), 수신된 음성에 알맞은 기능을 추천하기 위한 추천모듈(324), 인공지능이 데이터 학습을 통해 문장 단위로 언어를 번역할 수 있도록 지원하는 인공신경망 기반 기계 번역(Neural Machine Translation, NMT, 325) 등과 같이 음성 기반 서비스를 제공하기 위한 다양한 모듈들을 포함할 수 있다.
예를 들어, 도 1 및 도 2의 실시예들에서 전자 기기(100)는 사용자(110)의 음성 입력을 인터페이스 커넥트(340)에서 제공하는 API를 이용하여 클라우드 인공지능 플랫폼(320)으로 전송할 수 있다. 이 경우, 클라우드 인공지능 플랫폼(320)은 수신된 음성 입력을 상술한 모듈들(321 내지 325)을 활용하여 인식 및 분석할 수 있으며, 수신된 음성 입력에 따라 적절한 답변 음성을 합성하여 제공하거나, 적절한 동작을 추천할 수 있다.
또한, 확장 키트(350)는 제3자 콘텐츠 개발자 또는 회사들이 클라우드 인공지능 플랫폼(320)에 기반하여 새로운 음성기반 기능을 구현할 수 있는 개발 키트를 제공할 수 있다. 예를 들어, 도 2의 실시예에서, 전자 기기(100)는 수신된 사용자(110)의 음성 입력을 외부 서버(210)로 전송할 수 있고, 외부 서버(210)는 확장 키트(350)를 통해 제공되는 API를 통해 클라우드 인공지능 플랫폼(320)으로 음성 입력을 전송할 수 있다. 이 경우, 앞서 설명한 바와 유사하게 클라우드 인공지능 플랫폼(320)은 수신되는 음성 입력을 인식, 분석하여 적절한 답변 음성을 합성하여 제공하거나 음성 입력을 통해 처리되어야 할 기능에 대한 추천정보를 외부 서버(210)로 제공할 수 있다. 일례로, 도 2에서, 외부 서버(210)는 음성 입력 "오늘 날씨"를 클라우드 인공지능 플랫폼(320)으로 전송할 수 있고, 클라우드 인공지능 플랫폼(320)으로부터 음성 입력 "오늘 날씨"의 인식을 통해 추출되는 키워드 "오늘" 및 "날씨"를 수신할 수 있다. 이 경우, 외부 서버(210)는 키워드 "오늘" 및 "날씨"를 통해 "오늘의 날씨는..."와 같은 텍스트 정보를 생성하여 다시 클라우드 인공지능 플랫폼(320)으로 생성된 텍스트 정보를 전송할 수 있다. 이때, 클라우드 인공지능 플랫폼(320)는 텍스트 정보를 음성으로 합성하여 외부 서버(210)로 제공할 수 있다. 외부 서버(210)는 합성된 음성을 전자 기기(100)로 전송할 수 있고, 전자 기기(100)는 합성된 음성 "오늘의 날씨는..."을 스피커를 통해 출력함으로써, 사용자(110)로부터 수신한 음성 입력 "오늘 날씨"가 처리될 수 있다.
이때, 전자 기기(100)는 이러한 외부 서버(210)가 제공하는 오디오 기반의 컨텐츠를 사용자에게 제공하기 위해 본 발명의 실시예에 따른 멀티모달 인터렉션 방법을 수행할 수 있다.
도 4는 본 발명의 일실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다. 도 4의 전자 기기(410)는 앞서 설명한 전자 기기(100)에 대응할 수 있고, 서버(420)는 앞서 설명한 외부 서버(210)나 클라우드 인공지능 플랫폼(320)을 구현하는 하나의 컴퓨터 장치에 대응할 수 있다.
전자 기기(410)과 서버(420)는 메모리(411, 421), 프로세서(412, 422), 통신 모듈(413, 423) 그리고 입출력 인터페이스(414, 424)를 포함할 수 있다. 메모리(411, 421)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(411, 421)와는 구분되는 별도의 영구 저장 장치로서 전자 기기(410)나 서버(420)에 포함될 수도 있다. 또한, 메모리(411, 421)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 전자 기기(410)에 설치되어 특정 서비스의 제공을 위해 전자 기기(410)에서 구동되는 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(411, 421)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(413, 423)을 통해 메모리(411, 421)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(430)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 전자 기기(410)의 메모리(411)에 로딩될 수 있다.
프로세서(412, 422)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(411, 421) 또는 통신 모듈(413, 423)에 의해 프로세서(412, 422)로 제공될 수 있다. 예를 들어 프로세서(412, 422)는 메모리(411, 421)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(413, 423)은 네트워크(430)를 통해 전자 기기(410)과 서버(420)가 서로 통신하기 위한 기능을 제공할 수 있으며, 전자 기기(410) 및/또는 서버(420)가 다른 전자 기기 또는 다른 서버와 통신하기 위한 기능을 제공할 수 있다. 일례로, 전자 기기(410)의 프로세서(412)가 메모리(411)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(430)를 통해 서버(420)로 전달될 수 있다. 역으로, 서버(420)의 프로세서(422)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(223)과 네트워크(430)를 거쳐 전자 기기(410)의 통신 모듈(213)을 통해 전자 기기(410)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(420)의 제어 신호나 명령, 컨텐츠, 파일 등은 프로세서(412)나 메모리(411)로 전달될 수 있고, 컨텐츠나 파일 등은 전자 기기(410)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(414)는 입출력 장치(415)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(414)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(415)는 전자 기기(410)와 하나의 장치로 구성될 수도 있다. 또한, 서버(420)의 입출력 인터페이스(424)는 서버(420)와 연결되거나 서버(420)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다.
또한, 다른 실시예들에서 전자 기기(410) 및 서버(420)는 도 4의 구성요소들보다 더 적은 또는 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 전자 기기(410)는 상술한 입출력 장치(415) 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, 전자 기기(410)가 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 전자 기기(410)에 더 포함되도록 구현될 수 있다.
본 실시예들에서 전자 기기(410)는 사용자의 음성 입력을 수신하기 위한 마이크를 입출력 장치(415)로서 기본적으로 포함할 수 있으며, 사용자의 음성 입력에 대응하는 답변 음성이나 오디오 컨텐츠와 같은 소리를 출력하기 위한 스피커를 입출력 장치(415)로서 더 포함할 수 있다.
이때, 전자 기기(410)는 사용자의 음성 입력의 입력 음량에 따라 음성 입력에 대응하여 출력될 소리의 출력 음량을 조절할 수 있다. 이때, 출력 음량은 입력 음량에 비례할 수 있다. 예를 들어, 사용자가 전자 기기(410)를 호출하는 목소리가 클수록, 사용자 명령에 대응하여 출력될 소리의 출력 음량이 상대적으로 커지도록 조절될 수 있다. 역으로, 사용자가 전자 기기(410)를 호출하는 목소리가 작을수록, 사용자 명령에 대응하여 출력될 소리의 출력 음량이 상대적으로 작아지도록 조절될 수 있다. 구체적인 예로, 출력될 소리의 출력 음량은 음성 입력의 입력 음량과 동일하게 조절될 수 있다. 만약 사용자가 작은 목소리나 속삭이는 목소리로 전자 기기(410)를 호출하면, 전자 기기(410) 역시 작은 음성이나 속삭이는 음성으로 사용자의 호출에 응답할 수 있다.
도 5 및 도 6은 본 발명의 일실시예에 있어서, 발화자의 발화와 연관된 위치 정보의 예를 설명하기 위한 도면이다. 도 5 및 도 6은 오디오 기반의 게임 컨텐츠를 음성 기반의 인터페이스를 포함하는 전자 기기(410)를 통해 제공하는 예를 나타내고 있다. 도 5는 전자 기기(410)가 게임 컨텐츠의 진행을 위한 오디오 정보로서 제1 말풍선(510)에 나타난 바와 같이 "우측으로 화살이 날아옵니다."를 출력한 예를 나타내고 있다. 이때, 도 5 및 도 6에서는 사용자(110)가 도 5의 제2 말풍선(520) 및 도 6의 제3 말풍선(610)에 나타난 바와 같이, "회피"라는 발화를 하는 도중에 제1 위치(620)에서 제2 위치(630)로 이동한 예를 나타내고 있다. 이 경우, 전자 기기(410)는 사용자(110)의 발화를 통해 입력되는 음성 입력 "회피"와 사용자(110)의 위치 정보(사용자(110)가 음성 입력 "회피"를 발화하면서 제1 위치(620)에서 제2 위치(630)로 이동한 정보)를 이용하여 게임 컨텐츠의 진행과 관련된 동작을 결정할 수 있다. 예를 들어, 전자 기기(410)는 수신된 음성 입력과 사용자(110)의 위치 정보에 기반하여 게임 컨텐츠상의 가상의 캐릭터가 회피동작으로서 제1 위치(620)에서 제2 위치(630)간의 거리만큼 이동한 것으로 결정할 수 있으며, 이를 통해 게임 컨텐츠상의 화살의 회피 여부를 결정할 수 있다. 또한, 도 6에서는 전자 기기(410)가 사용자(110)에 대응하는 게임 컨텐츠상의 가상의 캐릭터가 화살을 회피한 것으로 결정됨에 따라 제4 말풍선(640)에 나타난 바와 같이, 결정된 동작에 따른 결과로서 합성된 음성 "화살을 회피하셨습니다."를 출력하는 예를 나타내고 있다.
이처럼, 본 발명의 실시예들에서는 오디오 기반의 컨텐츠에 대해서도 단순히 음성 입력이 포함하는 명령어만으로 컨텐츠를 진행하는 것이 아니라, 음성 입력과 연관된 발화자의 위치 정보를 더 활용함으로써, 발화자에게 다양한 인터렉션 경험과 높은 컨텐츠 몰입도를 제공할 수 있다. 특히, 기존 시각적으로 제공되는 컨텐츠에서 사용자의 위치의 이동과 방향의 전환 등이 디스플레이를 볼 수 있는 영역으로 한정됨에 비해, 본 발명의 실시예들에 따른 발화자는 시각적 정보가 아닌 청각적 정보를 활용함에 따라 위치의 이동과 방향의 전환에 있어서 상대적으로 매우 높은 자유도를 갖게 됨을 알 수 있다.
도 7은 본 발명의 일실시예에 있어서, 전자 기기가 수행할 수 있는 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다. 본 발명의 실시예들에 따른 멀티모달 인터렉션 시스템은 앞서 설명한 전자 기기(410)과 같은 컴퓨터 장치의 형태로 구현될 수 있다. 이러한 전자 기기(410)는 도 7의 멀티모달 인터렉션 방법이 포함하는 단계들(710 내지 740)을 수행할 수 있다. 이때, 프로세서(412)는 메모리(411)가 포함하는 운영체제의 코드나 적어도 하나의 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(412)는 전자 기기(410)에 저장된 코드가 제공하는 제어 명령에 따라 전자 기기(410)가 도 7의 단계들(710 내지 740)을 수행하도록 전자 기기(410)를 제어할 수 있다.
단계(710)에서 전자 기기(410)는 음성 기반의 인터페이스를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력할 수 있다. 음성 기반의 인터페이스는 기본적으로 합성된 음성 정보를 출력하기 위한 출력 모듈과 발화자의 발화를 입력받기 위한 입력 모듈을 포함할 수 있으며, 컨텐츠는 기본적으로 이러한 음성 기반의 인터페이스를 통한 발화자와의 인터렉션을 통해 진행될 수 있다.
단계(720)에서 전자 기기(410)는 음성 기반의 인터페이스를 통해 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신할 수 있다. 발화자의 음성 입력을 수신하는 기술은 음성 인식과 관련하여 이미 잘 알려진 기술들을 통해 당업자가 쉽게 이해할 수 있을 것이다.
단계(730)에서 전자 기기(410)는 발화자의 상기 음성 입력과 연관된 위치 정보를 생성할 수 있다. 여기서, 음성 입력과 연관된 위치 정보는, 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 전자 기기(410)에 대한 발화자의 상대적인 위치나 방향, 상대적인 위치나 방향의 변화 여부, 상대적인 위치나 방향의 변화 정도 및 상대적인 위치나 방향의 변화 방향 중 적어도 하나를 포함할 수 있다.
예를 들어, 전자 기기(410)는 음성 기반의 인터페이스가 포함하는 복수의 마이크로 입력되는 음성 입력의 위상 변이(phase shift)에 기반하여 음성 입력과 연관된 위치 정보를 생성할 수 있다. 복수의 마이크로 입력되는 동일한 소리신호의 위상 변이를 이용하여 소리신호의 발생 위치를 측정하는 기술은 빔 포밍(beam forming) 기술과 같이 이미 잘 알려진 기술을 통해 당업자가 쉽게 이해할 수 있을 것이다. 이 경우, 위치 정보가 발화자의 음성 입력을 통해 측정되기 때문에, 발화자가 특정 방향을 향하고 있을 필요가 없으며, 발화자의 발화를 인식 가능한 거리 이내라면, 발화자의 위치 역시 제한되지 않을 수 있다. 또한, 음성 기반의 인터페이스 이외의 별도의 장치가 전자 기기(410)에 추가될 필요성 없이 발화자의 위치 정보를 획득하는 것이 가능해진다.
실시예에 따라 발화자의 위치 정보를 획득하기 위해, 전자 기기(410)가 카메라나 센서와 같은 추가 장비를 포함하는 경우도 고려할 수 있으며, 음성 기반의 인터페이스를 통해 측정되는 발화자의 위치 정보와 카메라나 센서와 같은 추가 장비를 이용하여 측정되는 발화자의 위치 정보가 모두 활용될 수도 있다. 카메라 및/또는 센서를 활용하는 경우, 전자 기기(410)는 음성 입력이 수신되는 경우의 카메라 및/또는 센서의 출력값에 기반하여 음성 입력과 연관된 위치 정보를 생성할 수 있다.
단계(740)에서 전자 기기(410)는 음성 입력 및 음성 입력과 연관된 위치 정보를 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 컨텐츠의 진행과 연관된 동작은 컨텐츠에 따라 다양한 형태로 설정될 수 있음을 당업자라면 쉽게 이해할 수 있을 것이다. 예를 들어, 결정되는 동작은 전자 기기(410) 자체의 동작, 전자 기기(410)와 연동된 주변기기의 동작, 전자 기기(410)와 네트워크를 통해 연동되어 전자 기기(410)를 통해 컨텐츠를 제공하는 외부 서버(일례로, 도 2의 외부 서버(210))의 동작, 컨텐츠의 진행과 관련하여 발화자에게 요구하기 위한 동작, 컨텐츠상의 가상 캐릭터나 가상 객체의 동작 등 컨텐츠의 종류나 특성, 컨텐츠의 진행 상황 등에 따라 가능한 활용 가능한 모든 동작들 중 하나가 활용될 수 있다. 이러한 동작의 예로서 도 5 및 도 6에서는 게임 컨텐츠상의 가상의 캐릭터에게 발사된 화살의 회피와 관련된 동작이 결정된 예를 설명하였다. 다른 예로, 출력되는 오디오 정보 "볼륨을 조절하시겠습니까"에 응답하여 발생하는 발화자의 음성 입력 "볼륨" 및 음성 입력과 연관된 발화자의 좌측 또는 우측으로의 이동에 대한 위치 정보를 통해 전자 기기(410)의 출력 음량을 감소 또는 증가로 조절하기 위한 동작이 결정될 수도 있다. 또 다른 예로, 오디오 정보는 발화자에게 발화 및 발화자의 위치의 변경을 요구하는 정보를 포함할 수 있다. 이 경우, 전자 기기(410)는 단계(740)에서 수신된 음성 입력 및 수신된 음성 입력과 연관된 위치 정보가 요구된 정보에 대응하여 기설정된 조건을 만족하는지 여부에 따라 컨텐츠의 진행과 관련된 동작을 결정할 수 있다. 보다 구체적인 예로, 전자 기기(410)는 "좌로 3보 이동하세요"라는 오디오 정보를 출력하고, 발화자의 음성 입력관 연관된 위치 정보에 기반하여 발화자가 실제로 좌로 3보 이동하였는지 여부에 따라 컨텐츠의 진행과 관련된 동작을 결정할 수 있다.
동작이 결정되면, 결정된 동작의 수행을 위한 과정이 수행될 수 있다. 예를 들어, 전자 기기(410) 자체의 동작이 결정된 경우, 전자 기기(410)는 결정된 동작을 수행할 수 있다. 다른 예로, 발화자에게 요구하기 위한 동작이 결정된 경우, 전자 기기(410)는 결정된 동작을 발화자에게 요구하기 위한 음성을 합성하여 음성 기반 인터페이스를 통해 출력할 수 있다. 또 다른 예로, 컨텐츠상의 가상 캐릭터나 가상 객체의 동작을 전자 기기(410)가 직접 제어하거나 또는 외부 서버에서 컨텐츠를 제공하는 경우, 가상 캐릭터나 가상 객체의 동작을 제어하기 위한 정보를 외부 서버로 전송하여 외부 서버가 가상 캐릭터나 가상 객체의 동작을 제어하도록 할 수도 있다.
다른 실시예에서, 음성 기반의 인터페이스를 통해 컨텐츠를 제공하는 전자 기기(410)와 발화자간의 인터렉션은 보다 다양한 방식으로 진행될 수 있다. 예를 들어, 음성 입력에서 인식된 명령어뿐만 아니라, 음성 입력에 대응하는 소리의 톤(tone) 및/또는 피치(pitch)와 같은 정보나, 전자 기기(410)와 연동된 주변기기로부터 획득되는 값 등이 컨텐츠의 진행과 관련된 동작을 결정하기 위해 더 활용될 수 있다.
일례로, 전자 기기(410)는 도 7의 단계(740)에서 음성 입력에 대응하는 소리의 톤, 소리의 피치 및 음성 입력을 분석하여 추출되는 명령어 중 적어도 하나와 음성 입력과 연관된 위치 정보를 종합하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 보다 구체적인 예로, 가상의 물체를 던져서 가상의 목표물을 맞추는 게임 컨텐츠에서 음성 입력에서 추출되는 명령어는 가상의 물체를 던지는 시작 시점을 알리기 위해, 발화자의 이동 거리는 물체를 던지는 힘을 결정하기 위해, 음성 입력에 대응하는 소리의 톤 또는 소리의 피치는 물체를 던지는 각도를 결정하기 위해 각각 활용될 수 있다.
다른 예로, 전자 기기(410)는 전자 기기(410)와 연동된 주변기기에서 취득되는 값을 더 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수도 있다.
도 8은 본 발명의 일실시예에 있어서, 주변기기의 센서를 통해 측정된 출력값을 활용하는 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다. 도 8의 단계들(810 및 820)는 도 7의 단계(740) 대신 수행될 수 있다.
단계(810)에서 전자 기기(410)는 연동된 주변기기의 센서에서 음성 입력과 연관하여 측정한 측정값을 주변기기로부터 수신할 수 있다. 여기서, 음성 입력과 연관하여 측정된 측정값은 음성 입력의 수신과 연관된 시점 또는 기간에 주변기기의 센서에서 측정되는 측정값을 포함할 수 있다. 구체적인 예로, 전자 기기(410)와 발화자가 소지하고 있거나 착용하고 있는 스마트폰, 스마트워치, 스마트밴드 등과 같은 주변기기와 연동될 수 있으며, 발화자의 발화를 통해 전자 기기(410)가 음성 입력을 수신하는 시점이나 음성 입력이 수신되는 기간 동안 주변기기의 센서가 측정한 측정값을 포함할 수 있다.
단계(820)에서 전자 기기(410)는 음성 입력, 음성 입력과 연관된 위치 정보 및 수신된 측정값을 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 예를 들어, 발화자가 발화를 하면서 스마트폰을 들고 있는 손을 드는 경우, 손의 움직임에 따라 스마트폰이 포함하는 가속도 센서나 자이로스코프 센서 등의 출력값을 통해 발화자의 손의 움직임을 측정할 수 있다. 이 경우, 전자 기기(410)는 수신된 측정값을 통해 이러한 발화자의 손의 움직임 측정하고, 이러한 측정된 손의 움직임을 더 이용하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 보다 구체적인 예로, 발화자가 발화 시에 단순히 이동하는 경우와 발화자가 발화 시에 손을 들고 흔들면서 이동하는 경우 컨텐츠의 진행과 관련하여 각각 서로 다른 동작이 결정될 수 있다. 다른 예로, 음성 입력과 관련하여 측정되는 발화자의 맥박이 컨텐츠의 진행과 연관된 동작을 결정하는데 활용될 수도 있다. 또한, 이러한 측정값은 복수의 발화자들이 존재하는 경우, 특정 발화자(일례로, 퀴즈 컨텐츠에서 정답을 외치는 복수의 발화자들 중 손을 가장 먼저 든 발화자)를 선정하기 위해 활용될 수도 있다.
실시예에 따라, 발화자의 위치 정보를 활용하지 않고, 음성 입력에서 추출되는 명령어, 음성 입력에 대응하는 소리의 톤, 소리의 피치 및 주변기기의 센서를 통해 측정된 측정값 중 적어도 둘 이상을 통해 컨텐츠의 진행과 연관된 동작이 결정될 수도 있다. 예를 들어, 농구 게임에서 "슛"이라는 음성 입력의 명령어 "슛"을 통해 농구공을 던지는 동작이, "슛"이라는 소리의 톤을 통해 농구공을 던지는 각도가, "슛"이라는 소리의 피치를 통해 농구공을 던지는 힘이 결정될 수도 있다. 이처럼, 음성 기반 인터페이스에서 음성 입력에서 추출되는 명령어뿐만이 아니라 다른 다양한 정보들을 통해 컨텐츠와 발화자간의 멀티모달 인터렉션이 제공될 수 있다.
도 9는 본 발명의 일실시예에 있어서, 주변기기의 센서를 통해 측정된 출력값을 활용하는 멀티모달 인터렉션 방법의 다른 예를 도시한 흐름도이다. 도 9의 단계들(910 및 920)는 도 7의 단계들(710 내지 740) 이전 또는 이후에 수행될 수 있으며, 또는 도 7의 단계들(710 내지 740) 사이에 수행될 수도 있다.
단계(910)에서 전자 기기(410)는 연동된 주변기기의 센서에서 음성 입력과 무관하게 측정한 측정값을 주변기기로부터 수신할 수 있다. 예를 들어, 측정값은 사용자의 맥박, 일정 기간 동안의 이동량, 전날의 수면시간 등과 같이 센서를 통해 특정 가능한 다양한 값들이 활용될 수 있다.
단계(920)에서 전자 기기(410)는 수신된 측정값에 기반하여 컨텐츠의 진행과 관련된 설정을 변경할 수 있다. 예를 들어, 게임 컨텐츠에서 발화자의 전날 수면시간이나 전날 이동량에 기반하여 금일 가상의 캐릭터의 체력이나 힘과 같은 능력치가 조절될 수 있다. 또는 발화자의 누적된 이동량에 따라 가상 캐릭터의 능력치가 꾸준히 증가하도록 설정이 변경될 수도 있다. 이처럼 측정값의 종류나 컨텐츠의 진행과 관련된 설정의 종류가 컨텐츠의 특성이나 종류에 따라 다양하게 활용될 수 있음을 당업자가 쉽게 이해할 수 있을 것이다.
도 10은 본 발명의 일실시예에 있어서, 외부 서버를 통해 컨텐츠를 제공하는 경우의 멀티모달 인터렉션 방법의 예를 도시한 흐름도이다. 도 10의 단계들(1010 내지 1030)은 도 7의 단계(740)에 포함되어 수행될 수 있다.
단계(1010)에서 전자 기기(410)는 음성 입력 및 음성 입력과 연관된 위치 정보를 네트워크를 통해 외부 서버로 전송할 수 있다. 여기서 외부 서버는 도 2를 통해 설명한 외부 서버(210)에 대응될 수 있으며, 전자 기기(410)와 네트워크를 통해 통신하면서 컨텐츠를 제공하는 장치일 수 있다.
단계(1020)에서 전자 기기(410)는 외부 서버에서 음성 입력 및 음성 입력과 연관된 위치 정보에 기반하여 생성되는 동작 정보를 네트워크를 통해 외부 서버로부터 수신할 수 있다. 전자 기기(410)는 음성 입력 및 위치 정보를 직접 분석하지 않고, 이러한 정보들을 외부 서버로 전송하여 외부 서버에서 전송된 정보들에 기반하여 동작 정보를 생성하도록 한 후, 그 결과를 수신할 수 있다.
단계(1030)에서 전자 기기(410)는 수신된 동작 정보에 기반하여 컨텐츠의 진행과 연관된 동작을 결정할 수 있다. 실질적으로 단계(1030)는 외부 서버에서 컨텐츠의 진행과 연관하여 연관된 동작을 결정하고, 이에 대한 정보를 수신하여 결정된 동작을 확인하는 과정일 수 있다.
이상에서와 같이, 본 발명의 실시예들에 따르면, 네트워크에 연결되고, 음성을 기반으로 동작하는 전자 기기를 통한 인터렉션에 있어서, 발화자로부터 수신된 음성 입력을 통해 획득되는 명령어뿐만 아니라, 음성 입력과 연관된 발화자의 위치 정보(일례로, 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 전자 기기에 대한 발화자의 상대적인 위치나 방향, 상대적인 위치나 방향의 변화 여부, 상대적인 위치나 방향의 변화 정도 및 상대적인 위치나 방향의 변화 방향 중 적어도 하나)를 더 활용함으로써, 음성 기반의 인터페이스를 통해 보다 다양한 사용자 경험을 제공할 수 있다. 또한, 음성 입력을 통해 획득되는 소리톤이나 피치, 전자 기기와 연동되는 주변기기(일례로, 사용자가 소지한 스마트폰, 스마트워치, 스마트밴드 등)에서 취득되는 값(발화자의 명시적인 정보로서의 손의 위치나 발화자의 비명시적인 정보로서 맥박, 하루 이동량, 전날 수면시간 등) 등을 통합적으로 활용하여 전자 기기에 명령을 전달하거나 또는 컨텐츠 및/또는 서비스의 소재로 활용할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 소프트웨어 구성요소 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (18)

  1. 멀티모달 인터렉션 시스템의 멀티모달 인터렉션 방법에 있어서,
    전자 기기가 포함하는 음성 기반의 인터페이스를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하는 단계;
    상기 음성 기반의 인터페이스를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하는 단계;
    상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하는 단계;
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계
    를 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  2. 제1항에 있어서,
    상기 음성 입력과 연관된 위치 정보는, 상기 음성 입력의 수신과 연관된 시점 또는 기간에 측정되는 상기 전자 기기에 대한 상기 발화자의 상대적인 위치나 방향, 상기 상대적인 위치나 방향의 변화 여부, 상기 상대적인 위치나 방향의 변화 정도 및 상기 상대적인 위치나 방향의 변화 방향 중 적어도 하나를 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  3. 제1항에 있어서,
    상기 위치 정보를 생성하는 단계는,
    상기 음성 기반의 인터페이스가 포함하는 복수의 마이크로 입력되는 상기 음성 입력의 위상 변이에 기반하여 상기 음성 입력과 연관된 위치 정보를 생성하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  4. 제1항에 있어서,
    상기 전자 기기는 카메라 및 센서 중 적어도 하나를 포함하고,
    상기 위치 정보를 생성하는 단계는,
    상기 음성 입력이 수신되는 경우의 상기 카메라 및 센서 중 적어도 하나의 출력값에 기반하여 상기 음성 입력과 연관된 위치 정보를 생성하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  5. 제1항에 있어서,
    상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계는,
    상기 음성 입력에 대응하는 소리의 톤, 소리의 피치 및 상기 음성 입력을 분석하여 추출되는 명령어 중 적어도 하나와 상기 음성 입력과 연관된 위치 정보를 종합하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  6. 제1항에 있어서,
    상기 전자 기기와 연동된 주변기기의 센서에서 상기 음성 입력과 연관하여 측정한 측정값을 상기 주변기기로부터 수신하는 단계
    를 더 포함하고,
    상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계는,
    상기 수신된 측정값을 더 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  7. 제1항에 있어서,
    상기 전자 기기와 연동된 주변기기의 센서에서 상기 음성 입력과 무관하게 측정한 측정값을 상기 주변기기로부터 수신하는 단계; 및
    상기 수신된 측정값에 기반하여 상기 컨텐츠의 진행과 관련된 설정을 변경하는 단계
    를 더 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  8. 제1항에 있어서,
    상기 오디오 정보는 상기 발화자의 위치의 변경을 요구하는 정보를 포함하고,
    상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계는,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보가 상기 요구된 정보에 대응하는 조건을 만족하는지 여부에 따라 상기 컨텐츠의 진행과 관련된 동작을 결정하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  9. 제1항에 있어서,
    상기 컨텐츠는 상기 전자 기기와 네트워크를 통해 통신하는 외부 서버를 통해 제공되고,
    상기 동작을 결정하는 단계는,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 네트워크를 통해 상기 외부 서버로 전송하는 단계;
    상기 외부 서버에서 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보에 기반하여 생성되는 동작 정보를 네트워크를 통해 상기 외부 서버로부터 수신하는 단계; 및
    상기 수신된 동작 정보에 기반하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 단계
    를 포함하는 것을 특징으로 하는 멀티모달 인터렉션 방법.
  10. 제1항의 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체.
  11. 멀티모달 인터렉션 시스템에 있어서,
    음성 기반의 인터페이스부; 및
    컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 음성 기반의 인터페이스부를 통해 컨텐츠의 진행을 위한 오디오 정보를 출력하고,
    상기 음성 기반의 인터페이스부를 통해 상기 출력된 오디오 정보와 연관된 발화자의 음성 입력을 수신하고,
    상기 발화자의 상기 음성 입력과 연관된 위치 정보를 생성하고,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  12. 제11항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 음성 기반의 인터페이스부가 포함하는 복수의 마이크로 입력되는 상기 음성 입력의 위상 변이에 기반하여 상기 음성 입력과 연관된 위치 정보를 생성하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  13. 제11항에 있어서,
    카메라 및 센서 중 적어도 하나를 더 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 음성 입력이 수신되는 경우의 상기 카메라 및 센서 중 적어도 하나의 출력값에 기반하여 상기 음성 입력과 연관된 위치 정보를 생성하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  14. 제11항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 음성 입력에 대응하는 소리의 톤, 소리의 피치 및 상기 음성 입력을 분석하여 추출되는 명령어 중 적어도 하나와 상기 음성 입력과 연관된 위치 정보를 종합하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  15. 제11항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 멀티모달 인터렉션 시스템과 연동된 주변기기의 센서에서 상기 음성 입력과 연관하여 측정한 측정값을 상기 주변기기로부터 수신하고,
    상기 컨텐츠의 진행과 연관된 동작을 결정하기 위해, 상기 수신된 측정값을 더 이용하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  16. 제11항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 멀티모달 인터렉션 시스템과 연동된 주변기기의 센서에서 상기 음성 입력과 무관하게 측정한 측정값을 상기 주변기기로부터 수신하고,
    상기 수신된 측정값에 기반하여 상기 컨텐츠의 진행과 관련된 설정을 변경하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  17. 제11항에 있어서,
    상기 오디오 정보는 상기 발화자에게 발화 및 상기 발화자의 위치의 변경을 요구하는 정보를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보가 상기 요구된 정보에 대응하는 조건을 만족하는지 여부에 따라 상기 컨텐츠의 진행과 관련된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
  18. 제11항에 있어서,
    상기 컨텐츠는 네트워크를 통해 통신하는 외부 서버를 통해 제공되고,
    상기 적어도 하나의 프로세서는, 상기 컨텐츠의 진행과 관련된 동작을 결정하기 위해,
    상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보를 네트워크를 통해 상기 외부 서버로 전송하고,
    상기 외부 서버에서 상기 음성 입력 및 상기 음성 입력과 연관된 위치 정보에 기반하여 생성되는 동작 정보를 네트워크를 통해 상기 외부 서버로부터 수신하고,
    상기 수신된 동작 정보에 기반하여 상기 컨텐츠의 진행과 연관된 동작을 결정하는 것
    을 특징으로 하는 멀티모달 인터렉션 시스템.
PCT/KR2018/002075 2017-04-14 2018-02-20 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템 Ceased WO2018190507A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/598,449 US11004452B2 (en) 2017-04-14 2019-10-10 Method and system for multimodal interaction with sound device connected to network

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0048304 2017-04-14
KR1020170048304A KR101924852B1 (ko) 2017-04-14 2017-04-14 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/598,449 Continuation US11004452B2 (en) 2017-04-14 2019-10-10 Method and system for multimodal interaction with sound device connected to network

Publications (1)

Publication Number Publication Date
WO2018190507A1 true WO2018190507A1 (ko) 2018-10-18

Family

ID=63793266

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/002075 Ceased WO2018190507A1 (ko) 2017-04-14 2018-02-20 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템

Country Status (4)

Country Link
US (1) US11004452B2 (ko)
JP (1) JP6573696B2 (ko)
KR (1) KR101924852B1 (ko)
WO (1) WO2018190507A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101924852B1 (ko) * 2017-04-14 2018-12-04 네이버 주식회사 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
CN108600911B (zh) * 2018-03-30 2021-05-18 联想(北京)有限公司 一种输出方法及电子设备
US20200209934A1 (en) * 2018-12-28 2020-07-02 Dongguan Evn Electronics Co., Ltd. Internet-of-things-based computer on/off control expansion device and computer on/off control system
KR102845515B1 (ko) * 2020-03-18 2025-08-12 삼성전자주식회사 외부 장치의 음성 기반 제어를 위한 방법 및 그 전자 장치
CN112162628A (zh) 2020-09-01 2021-01-01 魔珐(上海)信息科技有限公司 基于虚拟角色的多模态交互方法、装置及系统、存储介质、终端
CN115220631A (zh) * 2022-07-19 2022-10-21 东软睿驰汽车技术(大连)有限公司 基于车内交互模式的应用控制方法、装置和电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122128A (ja) * 2003-09-25 2005-05-12 Fuji Photo Film Co Ltd 音声認識システム及びプログラム
KR20090084212A (ko) * 2008-01-31 2009-08-05 포항공과대학교 산학협력단 멀티모달 대화 인터페이스를 이용하는 홈 네트워크 제어시스템 및 그 방법
KR20110027362A (ko) * 2009-09-10 2011-03-16 한국전자통신연구원 음성 인터페이스를 이용한 ｉｐｔｖ 시스템 및 서비스 방법
KR20130111234A (ko) * 2010-06-21 2013-10-10 마이크로소프트 코포레이션 인터랙티브한 스토리를 구동하기 위한 내츄럴 사용자 입력
KR20150136312A (ko) * 2014-05-27 2015-12-07 삼성전자주식회사 디스플레이 장치 및 이의 정보 제공 방법

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5699089A (en) * 1994-03-03 1997-12-16 Applied Voice Technology Central control for sequential-playback objects
US7516190B2 (en) * 2000-02-04 2009-04-07 Parus Holdings, Inc. Personal voice-based information retrieval system
US7233655B2 (en) * 2001-10-03 2007-06-19 Accenture Global Services Gmbh Multi-modal callback
US7254384B2 (en) * 2001-10-03 2007-08-07 Accenture Global Services Gmbh Multi-modal messaging
US7640006B2 (en) * 2001-10-03 2009-12-29 Accenture Global Services Gmbh Directory assistance with multi-modal messaging
US20060168095A1 (en) * 2002-01-22 2006-07-27 Dipanshu Sharma Multi-modal information delivery system
US7286651B1 (en) * 2002-02-12 2007-10-23 Sprint Spectrum L.P. Method and system for multi-modal interaction
US7693720B2 (en) * 2002-07-15 2010-04-06 Voicebox Technologies, Inc. Mobile systems and methods for responding to natural language speech utterance
JP2005250917A (ja) * 2004-03-05 2005-09-15 Ikeno Tsuken Kk 音声認識型音声案内装置
US10032452B1 (en) * 2016-12-30 2018-07-24 Google Llc Multimodal transmission of packetized data
JP2006243555A (ja) * 2005-03-04 2006-09-14 Nec Corp 対応決定システム、ロボット、イベント出力サーバ、および対応決定方法
US7640160B2 (en) * 2005-08-05 2009-12-29 Voicebox Technologies, Inc. Systems and methods for responding to natural language speech utterance
US7676371B2 (en) * 2006-06-13 2010-03-09 Nuance Communications, Inc. Oral modification of an ASR lexicon of an ASR engine
US8145493B2 (en) * 2006-09-11 2012-03-27 Nuance Communications, Inc. Establishing a preferred mode of interaction between a user and a multimodal application
US7827033B2 (en) * 2006-12-06 2010-11-02 Nuance Communications, Inc. Enabling grammars in web page frames
US8938392B2 (en) * 2007-02-27 2015-01-20 Nuance Communications, Inc. Configuring a speech engine for a multimodal application based on location
US8670987B2 (en) * 2007-03-20 2014-03-11 Nuance Communications, Inc. Automatic speech recognition with dynamic grammar rules
US8862475B2 (en) * 2007-04-12 2014-10-14 Nuance Communications, Inc. Speech-enabled content navigation and control of a distributed multimodal browser
US8589161B2 (en) * 2008-05-27 2013-11-19 Voicebox Technologies, Inc. System and method for an integrated, multi-modal, multi-device natural language voice services environment
US8301452B2 (en) * 2008-08-12 2012-10-30 Ditech Networks, Inc. Voice activated application service architecture and delivery
US8326637B2 (en) * 2009-02-20 2012-12-04 Voicebox Technologies, Inc. System and method for processing multi-modal device interactions in a natural language voice services environment
US20100225450A1 (en) * 2009-03-09 2010-09-09 Telcordia Technologies, Inc. Delivering media as compensation for cognitive deficits using labeled objects in surroundings
CN102782733B (zh) * 2009-12-31 2015-11-25 数字标记公司 采用配备有传感器的智能电话的方法和配置方案
KR101387928B1 (ko) 2010-06-24 2014-04-22 에스케이플래닛 주식회사 홈 미디어 디바이스 및 이를 이용한 홈 네트워크 시스템, 방법
EP2830496B1 (en) * 2012-03-29 2023-04-26 The University of Queensland A method and apparatus for processing sound recordings of a patient
US10491458B2 (en) * 2013-01-31 2019-11-26 Dell Products L.P. System and method for reporting peer-to-peer transfer events
JP6433903B2 (ja) * 2013-08-29 2018-12-05 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 音声認識方法及び音声認識装置
JP5629364B2 (ja) * 2013-10-29 2014-11-19 株式会社コナミデジタルエンタテインメント ゲーム装置、ゲーム装置の制御方法、及びプログラム
JP2015153324A (ja) * 2014-02-18 2015-08-24 株式会社Ｎｔｔドコモ 情報検索装置、情報検索方法及び情報検索プログラム
JPWO2016068262A1 (ja) * 2014-10-29 2017-08-10 京セラ株式会社 コミュニケーションロボット
KR101733230B1 (ko) 2015-05-21 2017-05-08 네이버 주식회사 컨텐츠 공유 서비스 제공 방법, 표시 제어 방법 및 컴퓨터 프로그램
US20160379638A1 (en) * 2015-06-26 2016-12-29 Amazon Technologies, Inc. Input speech quality matching
US9484030B1 (en) * 2015-12-02 2016-11-01 Amazon Technologies, Inc. Audio triggered commands
US9898250B1 (en) * 2016-02-12 2018-02-20 Amazon Technologies, Inc. Controlling distributed audio outputs to enable voice output
US9858927B2 (en) * 2016-02-12 2018-01-02 Amazon Technologies, Inc Processing spoken commands to control distributed audio outputs
US10261752B2 (en) * 2016-08-02 2019-04-16 Google Llc Component libraries for voice interaction services
US20180039478A1 (en) * 2016-08-02 2018-02-08 Google Inc. Voice interaction services
US10140973B1 (en) * 2016-09-15 2018-11-27 Amazon Technologies, Inc. Text-to-speech processing using previously speech processed data
US9972318B1 (en) * 2016-09-21 2018-05-15 Amazon Technologies, Inc. Interpreting voice commands
US10170116B1 (en) * 2016-09-21 2019-01-01 Amazon Technologies, Inc. Maintaining context for voice processes
US10032451B1 (en) * 2016-12-20 2018-07-24 Amazon Technologies, Inc. User recognition for speech processing systems
US10276149B1 (en) * 2016-12-21 2019-04-30 Amazon Technologies, Inc. Dynamic text-to-speech output
KR101924852B1 (ko) * 2017-04-14 2018-12-04 네이버 주식회사 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
US10600408B1 (en) * 2018-03-23 2020-03-24 Amazon Technologies, Inc. Content output management based on speech quality

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005122128A (ja) * 2003-09-25 2005-05-12 Fuji Photo Film Co Ltd 音声認識システム及びプログラム
KR20090084212A (ko) * 2008-01-31 2009-08-05 포항공과대학교 산학협력단 멀티모달 대화 인터페이스를 이용하는 홈 네트워크 제어시스템 및 그 방법
KR20110027362A (ko) * 2009-09-10 2011-03-16 한국전자통신연구원 음성 인터페이스를 이용한 ｉｐｔｖ 시스템 및 서비스 방법
KR20130111234A (ko) * 2010-06-21 2013-10-10 마이크로소프트 코포레이션 인터랙티브한 스토리를 구동하기 위한 내츄럴 사용자 입력
KR20150136312A (ko) * 2014-05-27 2015-12-07 삼성전자주식회사 디스플레이 장치 및 이의 정보 제공 방법

Also Published As

Publication number Publication date
JP2018180542A (ja) 2018-11-15
KR20180115880A (ko) 2018-10-24
JP6573696B2 (ja) 2019-09-11
US11004452B2 (en) 2021-05-11
US20200043491A1 (en) 2020-02-06
KR101924852B1 (ko) 2018-12-04

Similar Documents

Publication Publication Date Title
WO2018190507A1 (ko) 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
WO2018208026A1 (ko) 수신된 음성 입력의 입력 음량에 기반하여 출력될 소리의 출력 음량을 조절하는 사용자 명령 처리 방법 및 시스템
KR102025391B1 (ko) 사용자의 발화 위치에 따른 디바이스 제어
KR101949497B1 (ko) 사용자 발화의 표현법을 파악하여 기기의 동작이나 컨텐츠 제공 범위를 조정하여 제공하는 사용자 명령 처리 방법 및 시스템
JP6752870B2 (ja) 複数のウェイクワードを利用して人工知能機器を制御する方法およびシステム
WO2018212470A1 (ko) 음성요청에 대응하는 정보 제공을 위한 미디어 선택
WO2019147034A1 (ko) 사운드를 제어하는 전자 장치 및 그 동작 방법
KR102209092B1 (ko) 복수의 호출 용어를 이용하여 인공지능 기기를 제어하는 방법 및 시스템
CN109164414A (zh) 基于麦克风阵列的定位方法、装置和存储介质
KR102079979B1 (ko) 인공지능 기기에서의 복수의 호출 용어를 이용한 서비스 제공 방법 및 그 시스템
JP6947687B2 (ja) 情報提供方法、電子機器、コンピュータプログラム及び記録媒体
JP6681940B2 (ja) ユーザの位置及び空間に適した情報を能動的に提供する方法及び装置
JP2021177418A (ja) 電子機器の通訳機能提供方法およびイヤセット機器
KR102012927B1 (ko) 인공지능 기기의 자동 불량 검출을 위한 방법 및 시스템
WO2021112391A1 (ko) 전자장치 및 그 제어방법
KR20180131155A (ko) 번역 장치, 번역 방법 및 번역 컴퓨터 프로그램
KR102255844B1 (ko) 사용자의 위치 및 공간에 알맞은 정보를 능동적으로 제공하는 방법 및 장치
KR102393112B1 (ko) 이어셋을 이용한 통역기능 제공 방법 및 장치
Panek et al. Challenges in adopting speech control for assistive robots
WO2021251780A1 (en) Systems and methods for live conversation using hearing devices
KR20180129729A (ko) 네트워크에 연결된 음향기기와의 멀티모달 인터렉션 방법 및 시스템
KR102309509B1 (ko) 인공지능 기기 상호간의 호출을 활용한 IoT 디바이스를 제어하는 방법 및 시스템
CN113539250B (zh) 交互方法、装置、系统、语音交互设备、操控设备及介质
KR20200013937A (ko) 음원 필터링을 위한 방법 및 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18784949

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18784949

Country of ref document: EP

Kind code of ref document: A1