WO2018194267A1 - 음성 데이터 처리 방법 및 이를 지원하는 전자 장치 - Google Patents

음성 데이터 처리 방법 및 이를 지원하는 전자 장치 Download PDF

Info

Publication number
WO2018194267A1
WO2018194267A1 PCT/KR2018/002993 KR2018002993W WO2018194267A1 WO 2018194267 A1 WO2018194267 A1 WO 2018194267A1 KR 2018002993 W KR2018002993 W KR 2018002993W WO 2018194267 A1 WO2018194267 A1 WO 2018194267A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
electronic device
text data
function
text
Prior art date
Application number
PCT/KR2018/002993
Other languages
English (en)
French (fr)
Inventor
김재욱
송가진
Original Assignee
삼성전자 주식회사
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
Priority claimed from KR1020170054913A external-priority patent/KR102369083B1/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to US16/605,641 priority Critical patent/US20200075008A1/en
Publication of WO2018194267A1 publication Critical patent/WO2018194267A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems

Definitions

  • Embodiments disclosed herein relate to voice data processing techniques.
  • it relates to speech data processing and its application in artificial intelligence (AI) systems utilizing machine learning algorithms.
  • AI artificial intelligence
  • An artificial intelligence system (or integrated intelligence system) is a computer system that implements human-level intelligence. The machine learns and judges itself, and the recognition rate improves as it is used.
  • AI technology consists of machine learning (deep learning) technology that uses algorithms to classify / learn the characteristics of input data and element technologies that simulate functions of human brain cognition, pandang, etc. by using machine learning algorithms.
  • Elemental skills include, for example, linguistic comprehension skills that recognize human language / characters, visual comprehension skills that recognize things as human vision, reasoning / prediction skills that determine and logically infer and predict information, and human experience information. May include at least one of a knowledge expression technique for processing the data as knowledge data, an autonomous driving of the vehicle, and an operation control technique for controlling the movement of the robot.
  • linguistic understanding is a technology for recognizing and applying / processing human language / character, and includes natural language processing, machine translation, dialogue system, question answering, speech recognition / synthesis, and the like.
  • an electronic device equipped with an artificial intelligence system may execute an intelligent app such as a voice recognition app (or application) when a specified hardware key is pressed or a specified voice is input through a microphone.
  • the mobile station may enter a standby state for receiving a voice input of the user.
  • the electronic device may display a user interface (UI) of the intelligent app on a screen of a display, and receive a voice input of a user when a voice input button of the UI is touched.
  • UI user interface
  • the electronic device may transmit voice data corresponding to the received voice input to the intelligent server.
  • the intelligent server converts the received voice data into text data and, based on the converted text data, information on an operation for performing a function of at least one application included in the electronic device or to execute the operation.
  • a path rule including information about necessary parameters may be determined.
  • the electronic device may receive the pass rule from the intelligent server and perform the operation according to the pass rule.
  • the electronic device that receives and processes the pass rule from the intelligent server has to go through a series of processes before receiving the pass rule from the intelligent server even when the user simply speaks a voice corresponding to the text displayed on the screen. . That is, even when the user simply wants to perform a designated function through a user input interface (eg, a button object, an icon, etc.) displayed on the screen, the electronic device determines when the intelligent server determines the pass rule and transmits it to the electronic device. I had to wait until.
  • a user input interface eg, a button object, an icon, etc.
  • Embodiments disclosed herein provide a voice data processing method capable of acquiring text data obtained by converting voice data from the intelligent server and performing a designated function based on the text data, and an electronic device supporting the same. Can be.
  • An electronic device may include a microphone, a communication circuit, a display, a memory for storing at least one application, and an electrical connection with the microphone, the communication circuit, the display, and the memory.
  • a processor wherein the processor acquires voice data corresponding to a voice of a user received through the microphone, obtains first information on at least one text displayed on a screen of the display, and through the communication circuit. Transmitting the voice data to an external electronic device, receiving first text data converted based on the voice data from the external electronic device through the communication circuit, and transmitting the same text to the first text data of the first information.
  • a second function configured to perform a first function corresponding to the second text data using the first information, and to perform a second function of the at least one application from the external electronic device through the communication circuit. It may be set to receive information, to perform the second function when the first function is not performed, and to limit the processing of the second information when the first function is performed.
  • an electronic device may include a microphone, a communication circuit, a display, a memory for storing at least one application, and the microphone, the communication circuit, the display, and the memory.
  • a processor connected to the processor, wherein the processor acquires voice data corresponding to a voice of the user received through the microphone, obtains first information on at least one text displayed on a screen of the display, and the communication circuitry. The voice data is transmitted to an external electronic device through the communication circuit, and the first text data converted based on the voice data is received from the external electronic device through the communication circuit, and the first text data is stored.
  • the second text Configured to perform a first function corresponding to the second text data by using the first information when data exists, and perform a second function of the at least one application when the second text data does not exist. It may be set to enter a standby state for receiving the second information.
  • the voice data processing method the operation of obtaining the voice data corresponding to the user's voice received through the microphone, the first information on the at least one text displayed on the screen of the display Obtaining the data, transmitting the voice data to an external electronic device through a communication circuit, receiving first text data converted based on the voice data from the external electronic device through the communication circuit, It is determined whether second text data identical to the first text data among first information exists, and when the second text data exists, performs a first function corresponding to the second text data using the first information. At least one word stored in a memory from the external electronic device through the communication circuit.
  • Receiving second information configured to perform a second function of an application, determining whether to perform the first function, and performing the second function if the first function is not performed, and performing the first function When the function is performed, it may include an operation of limiting the processing of the second information.
  • the function may be performed without a series of processes processed by the intelligent server.
  • FIG. 1 is a diagram illustrating an integrated intelligence system according to various embodiments of the present disclosure.
  • FIG. 2 is a block diagram illustrating a user terminal of an integrated intelligence system according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating executing an intelligent app of a user terminal according to an exemplary embodiment.
  • FIG. 4 is a block diagram illustrating an intelligent server of an integrated intelligence system according to an embodiment of the present invention.
  • FIG. 5 is a diagram illustrating a method for generating a path rule by a natural language understanding module according to an embodiment of the present invention.
  • FIG. 6 is a block diagram of an electronic device associated with voice data processing according to an embodiment of the present disclosure.
  • FIG. 7A is a diagram illustrating a method of operating an electronic device related to voice data processing according to an embodiment of the present disclosure.
  • FIG. 7B is a diagram illustrating another operation method of an electronic device related to voice data processing according to an embodiment of the present disclosure.
  • FIG. 8 is a diagram illustrating a method of operating a system related to voice data processing according to an embodiment of the present invention.
  • FIG. 9 is a diagram illustrating another operating method of an electronic device related to voice data processing according to an embodiment of the present disclosure.
  • FIG. 10 is a diagram illustrating another operating method of a system related to voice data processing according to an embodiment of the present invention.
  • FIG. 11 is a block diagram of a system related to voice data processing according to an embodiment of the present invention.
  • FIG. 12 is a diagram for describing screen configuration information, according to an exemplary embodiment.
  • FIG. 13 is a diagram for explaining function execution using screen configuration information according to an exemplary embodiment.
  • FIG. 14 is a diagram for explaining performance of a function using some of screen configuration information according to an exemplary embodiment.
  • 15 is a block diagram of an electronic device in a network environment according to various embodiments of the present disclosure.
  • FIG. 1 is a diagram illustrating an integrated intelligence system according to various embodiments of the present disclosure.
  • the integrated intelligence system 10 may include a user terminal 100, an intelligent server 200, a personalization information server 300, or a proposal server 400.
  • the user terminal 100 is a service required by the user through an app (or application program) (eg, an alarm app, a message app, a photo (gallery) app, etc.) stored in the user terminal 100.
  • an app or application program
  • the user terminal 100 may execute and operate another app through an intelligent app (or a voice recognition app) stored in the user terminal 100.
  • the intelligent app of the user terminal 100 may receive a user input for executing the other app and executing an operation.
  • the user input may be received through, for example, a physical button, a touch pad, a voice input, a remote input, or the like.
  • the user terminal 100 may correspond to various terminal devices (or electronic devices) that can be connected to the Internet such as a mobile phone, a smart phone, a personal digital assistant (PDA) or a notebook computer.
  • PDA personal digital assistant
  • the user terminal 100 may receive a user's speech as a user input.
  • the user terminal 100 may receive an utterance of a user and generate a command for operating an app based on the utterance of the user. Accordingly, the user terminal 100 may operate the app by using the command.
  • the intelligent server 200 may receive a user voice input from the user terminal 100 through a communication network and change the text data into text data.
  • the intelligent server 200 may generate (or select) a path rule based on the text data.
  • the pass rule may include information on an action (or operation) for performing a function of an app or information on a parameter required to execute the action.
  • the path rule may include an order of the operation of the app.
  • the user terminal 100 may receive the path rule, select an app according to the path rule, and execute an operation included in the path rule in the selected app.
  • the user terminal 100 may execute the operation, and display a screen corresponding to the state of the user terminal 100 that executes the operation on the display.
  • the user terminal 100 may execute the operation and may not display a result of performing the operation on the display.
  • the user terminal 100 may execute a plurality of operations and display only a partial result of the plurality of operations on the display.
  • the user terminal 100 may display only a result of performing the last order of operations on the display.
  • the user terminal 100 may receive a user input and display a result of executing the operation on a display.
  • the personalization information server 300 may include a database in which user information is stored.
  • the personalization information server 300 may receive user information (eg, context information, app execution, etc.) from the user terminal 100 and store it in the database.
  • the intelligent server 200 may use the user information when receiving the user information from the personalized information server 300 through a communication network and generating a pass rule for a user input.
  • the user terminal 100 may receive user information from the personalization information server 300 through a communication network and use the information as information for managing a database.
  • the proposal server 400 may include a database in which information about a function or an application to be introduced or provided is stored in the terminal.
  • the proposal server 400 may receive a user information of the user terminal 100 from the personalization information server 300, and may include a database in which information about a function that a user can use is stored.
  • the user terminal 100 may receive information on the function to be provided from the proposal server 400 through the communication network and provide the received information to the user.
  • FIG. 2 is a block diagram illustrating a user terminal of an integrated intelligence system according to an embodiment of the present invention.
  • the user terminal 100 may include an input module 110, a display 120, a speaker 130, a memory 140, or a processor 150.
  • the user terminal 100 may further include a housing, and the components of the user terminal 100 may be seated inside or located on the housing.
  • the input module 110 may receive a user input from a user.
  • the input module 110 may receive a user input from a connected external device (eg, a keyboard or a headset).
  • the input module 110 may include a touch screen (eg, a touch screen display) coupled with the display 120.
  • the input module 110 may include a hardware key (or a physical key) located in the user terminal 100 (or a housing of the user terminal 100).
  • the input module 110 may include a microphone 111 capable of receiving a user's speech as a voice signal.
  • the input module 110 may include a speech input system, and may receive a speech of a user as a voice signal through the speech input system.
  • the display 120 may display an image, a video, and / or an execution screen of an application.
  • the display 120 may display a graphical user interface (GUI) of the app.
  • GUI graphical user interface
  • the speaker 130 may output a voice signal.
  • the speaker 130 may output the voice signal generated inside the user terminal 100 to the outside.
  • the memory 140 may store a plurality of apps 141 and 143.
  • the plurality of apps 141 and 143 stored in the memory 140 may be selected, executed, and operated according to a user input.
  • the memory 140 may include a database capable of storing information necessary to recognize a user input.
  • the memory 140 may include a log database capable of storing log information.
  • the memory 140 may include a persona database that may store user information.
  • the memory 140 stores a plurality of apps 141 and 143, and the plurality of apps 141 and 143 may be loaded and operated.
  • the plurality of apps 141 and 143 stored in the memory 140 may be loaded and operated by the execution manager module 153 of the processor 150.
  • the plurality of apps 141 and 143 may include execution services 141a and 143a performing a function or a plurality of operations (or unit operations) 141b and 143b.
  • the execution services 141a and 143a may be generated by the execution manager module 153 of the processor 150 and execute a plurality of operations 141b and 143b.
  • the execution status screen when the operations 141b and 143b of the apps 141 and 143 are executed, the execution status screen according to the execution of the operations 141b and 143b may be displayed on the display 120.
  • the execution status screen may be, for example, a screen in which operations 141b and 143b are completed.
  • the execution status screen may be a screen in a state in which execution of operations 141b and 143b is stopped (for example, when a parameter required for operations 141b and 143b is not input). .
  • the execution services 141a and 143a may execute operations 141b and 143b according to a pass rule.
  • the execution services 141a and 143a are generated by the execution manager module 153, receive an execution request from the execution manager module 153 according to the pass rule, and operate according to the execution request 141b, By 143b, the operations of the apps 141 and 143 can be executed.
  • the execution services 141a and 143a may transmit completion information to the execution manager module 153 when the execution of the operations 141b and 143b is completed.
  • the plurality of operations 141b and 143b may be sequentially executed.
  • the execution services 141a and 143a may open the next operation (operation 2) when the execution of one operation (operation 1) is completed and transmit the completion information to the execution manager module 153. Opening any operation herein may be understood as transitioning any operation to an executable state or preparing to execute any operation. In other words, if any action is not open, that action cannot be executed.
  • the execution manager module 153 may transmit an execution request for the next operation 141b or 143b to an execution service (for example, operation 2).
  • the plurality of apps 141 and 143 when the plurality of apps 141 and 143 are executed, the plurality of apps 141 and 143 may be sequentially executed. For example, when execution of the last operation of the first app 141 is completed and the completion information is received, the execution manager module 153 sends the execution request of the first operation of the second app 143 to the execution service 143a. I can send it.
  • the result screen according to each of the executed operations 141b and 143b is displayed on the display 120. Can be displayed. According to an embodiment of the present disclosure, only a part of the plurality of result screens according to the execution of the executed operations 141b and 143b may be displayed on the display 120.
  • the memory 140 may store an intelligent app (for example, a voice recognition app) linked with the intelligent agent 151.
  • An app linked with the intelligent agent 151 may receive and process a user's speech as a voice signal.
  • the app linked with the intelligent agent 151 may be operated by a specific input (for example, input through a hardware key, input through a touch screen, or specific voice input) input through the input module 110. Can be.
  • the processor 150 may control overall operations of the user terminal 100.
  • the processor 150 may control the input module 110 to receive a user input.
  • the processor 150 may control the display 120 to display an image.
  • the processor 150 may control the speaker 130 to output a voice signal.
  • the processor 150 may load or store necessary information by controlling the memory 140.
  • the processor 150 may include an intelligent agent 151, an execution manager module 153, or an intelligent service module 155.
  • the processor 150 may execute the instructions stored in the memory 140 to drive the intelligent agent 151, the execution manager module 153, or the intelligent service module 155.
  • Various modules mentioned in various embodiments of the present disclosure may be implemented in hardware or in software.
  • an operation performed by the intelligent agent 151, the execution manager module 153, or the intelligent service module 155 may be understood as an operation performed by the processor 150.
  • the intelligent agent 151 may generate a command for operating an app based on a voice signal received through a user input.
  • the execution manager module 153 receives the generated command from the intelligent agent 151, selects and executes the apps 141 and 143 stored in the memory 140 according to the received command. You can.
  • the intelligent service module 155 may manage user information and use the user information to process user input.
  • the intelligent agent 151 may transmit the user input received through the input module 110 to the intelligent server 200.
  • the intelligent agent 151 may preprocess the user input before transmitting the user input to the intelligent server 200.
  • the intelligent agent 151 may include an adaptive echo canceller (AEC) module, a noise suppression (NS) module, and an end-point end point for preprocessing the user input. detection (EPD) module or automatic gain control (AGC) module.
  • the adaptive echo canceller may remove an echo included in the user input.
  • the noise suppression module may suppress background noise included in the user input.
  • the end point detection module may detect an end point of the user voice included in the user input and find a portion in which the voice of the user exists.
  • the automatic gain control module may adjust the volume of the user input to be suitable for recognizing and processing the user input.
  • the intelligent agent 151 may include all of the preprocessing components for performance, but in other embodiments, the intelligent agent 151 may include some of the preprocessing components to operate at low power. .
  • the intelligent agent 151 may include a wake up recognition module that recognizes a user's call.
  • the wakeup recognition module may recognize a wakeup command of a user through a voice recognition module, and activate the intelligent agent 151 to receive a user input when the wakeup command is received.
  • the wake-up recognition module of the intelligent agent 151 may be implemented in a low power processor (eg, a processor included in an audio codec).
  • the intelligent agent 151 may be activated according to a user input through a hardware key. When the intelligent agent 151 is activated, an intelligent app (for example, a voice recognition app) linked with the intelligent agent 151 may be executed.
  • the intelligent agent 151 may include a voice recognition module for executing a user input.
  • the voice recognition module may recognize a user input for executing an action in an app.
  • the speech recognition module may include a "click" for executing a shooting operation when a limited user (voice) input (for example, a camera app is running) that executes an action such as the wake-up command in the apps 141 and 143. Same speech, etc.) can be recognized.
  • the voice recognition module that recognizes a user input by assisting the intelligent server 200 may recognize a user command that can be processed in the user terminal 100 and process the user command quickly.
  • a voice recognition module for executing a user input of the intelligent agent 151 may be implemented in an app processor.
  • the voice recognition module of the intelligent agent 151 may recognize a user input using an algorithm for recognizing the voice.
  • the algorithm used to recognize the voice may be, for example, at least one of a hidden markov model (HMM) algorithm, an artificial neural network (ANN) algorithm, or a dynamic time warping (DTW) algorithm.
  • HMM hidden markov model
  • ANN artificial neural network
  • DTW dynamic time warping
  • the intelligent agent 151 may convert the voice input of the user into text data. According to an embodiment of the present disclosure, the intelligent agent 151 may transmit the voice of the user to the intelligent server 200 to receive the converted text data. Accordingly, the intelligent agent 151 may display the text data on the display 120.
  • the intelligent agent 151 may receive a pass rule from the intelligent server 200. According to an embodiment of the present disclosure, the intelligent agent 151 may transmit the path rule to the execution manager module 153.
  • the intelligent agent 151 transmits an execution result log according to the path rule received from the intelligent server 200 to the intelligence service module 155, and transmits the execution result.
  • the log may be accumulated and managed in the user's preference information of the persona module 155b.
  • the execution manager module 153 receives the path rule from the intelligent agent 151 to execute the apps 141 and 143, and the app 141 and 143 includes the path rule 141b. , 143b).
  • the execution manager module 153 may transmit command information for executing the operations 141b and 143b to the apps 141 and 143, and the operations 141b and 143b from the apps 141 and 143. Can receive completion information.
  • the execution manager module 153 may transmit and receive command information for executing the operations 141b and 143b of the apps 141 and 143 between the intelligent agent 151 and the apps 141 and 143. Can be.
  • the execution manager module 153 binds the apps 141 and 143 to be executed according to the path rule and transmits command information of the operations 141b and 143b included in the path rule to the app 141 and 143. can do.
  • the execution manager module 153 sequentially transmits the operations 141b and 143b included in the path rule to the apps 141 and 143 to execute the operations 141b and 143b of the apps 141 and 143. It can be executed sequentially according to the pass rule.
  • the execution manager module 153 may manage execution states of operations 141b and 143b of the apps 141 and 143.
  • the execution manager module 153 may receive information on an execution state of the operations 141b and 143b from the apps 141 and 143.
  • the execution state of the operations 141b and 143b is, for example, a partial landing (eg, when a parameter required for the operations 141b and 143b is not input)
  • the execution manager module 153 is executed. May transmit information about the stopped state to the intelligent agent 151.
  • the intelligent agent 151 may request the user to input necessary information (eg, parameter information) using the received information.
  • the user may receive a utterance from the user, and the execution manager module 153 may execute the running apps 141 and 143 and the app.
  • Information on the execution state of the (141, 143) may be transmitted to the intelligent agent 151.
  • the intelligent agent 151 may receive parameter information of the user's speech through the intelligent server 200, and may transmit the received parameter information to the execution manager module 153.
  • the execution manager module 153 may change the parameters of operations 141b and 143b into new parameters using the received parameter information.
  • the execution manager module 153 may deliver the parameter information included in the path rule to the apps 141 and 143.
  • the execution manager module 153 may deliver parameter information included in the pass rule from one app to another app.
  • the execution manager module 153 may receive a plurality of pass rules.
  • the execution manager module 153 may select a plurality of pass rules based on the user's speech. For example, if the execution manager module 153 specified some apps 141 to execute some operations 141a, but did not specify other apps 143 to execute the remaining operations 143b, Run the same app 141 (e.g. gallery app) that will execute action 141a, and run a different app 143 (e.g. messaging app, telegram app) that can run the rest of the action 143b.
  • a plurality of different pass rules can be received.
  • the execution manager module 153 may execute, for example, the same operations 141b and 143b (eg, successive identical operations 141b and 143b) of the plurality of pass rules.
  • the display manager 120 may display a status screen for selecting different apps 141 and 143 included in the plurality of pass rules, respectively.
  • the intelligent service module 155 may include a context module 155a, a persona module 155b, or a proposal module 155c.
  • the context module 155a may collect the current state of the app 141, 143 from the app 141, 143.
  • the context module 155a may receive context information indicating the current state of the apps 141 and 143 to collect the current state of the apps 141 and 143.
  • the persona module 155b may manage personal information of a user who uses the user terminal 100.
  • the persona module 155b may manage the personal information of the user by collecting the usage information and the execution result of the user terminal 100.
  • the suggestion module 155c may recommend a command to the user in anticipation of the user's intention. For example, the suggestion module 155c may recommend a command to the user in consideration of the current state (eg, time, place, situation, app) of the user.
  • the current state eg, time, place, situation, app
  • FIG. 3 is a diagram illustrating executing an intelligent app of a user terminal according to an exemplary embodiment.
  • the user terminal 100 receives a user input and executes an intelligent app (eg, a voice recognition app) linked with the intelligent agent 151.
  • an intelligent app eg, a voice recognition app
  • the user terminal 100 may execute an intelligent app for recognizing a voice through the hardware key 112. For example, when the user terminal 100 receives a user input through the hardware key 112, the user terminal 100 may display a user interface (UI) 121 of the intelligent app on the display 120. For example, the user may touch the voice recognition button 121a on the UI 121 of the intelligent app to input the voice 111b while the UI 121 of the intelligent app is displayed on the display 120. . For example, the user may input voice 111b by continuously pressing the hardware key 112 to input voice 111b.
  • UI user interface
  • the user terminal 100 may execute an intelligent app for recognizing a voice through the microphone 111.
  • the user terminal 100 displays the UI 121 of the intelligent app on the display 120 when a specified voice (eg, wake up!) Is input 111a through the microphone 111. can do.
  • a specified voice eg, wake up
  • FIG. 4 is a block diagram illustrating an intelligent server of an integrated intelligence system according to an embodiment of the present invention.
  • the intelligent server 200 may include an automatic speech recognition (ASR) module 210, a natural language understanding (NLU) module 220, and a path planner module. 230, a dialogue manager (DM) module 240, a natural language generator (NLG) module 250, or a text to speech (TTS) module 260. can do.
  • ASR automatic speech recognition
  • NLU natural language understanding
  • DM dialogue manager
  • NLG natural language generator
  • TTS text to speech
  • the natural language understanding module 220 or the path planner module 230 of the intelligent server 200 may generate a path rule.
  • the automatic speech recognition (ASR) module 210 may convert user input received from the user terminal 100 into text data.
  • the automatic voice recognition module 210 may include a speech recognition module.
  • the speech recognition module may include an acoustic model and a language model.
  • the acoustic model may include information related to speech
  • the language model may include information about a combination of unit phoneme information and unit phoneme information.
  • the speech recognition module may convert user speech into text data by using information related to speech and unit phoneme information.
  • Information about the acoustic model and the language model may be stored, for example, in an automatic speech recognition database (ASR DB) 211.
  • ASR DB automatic speech recognition database
  • the natural language understanding module 220 may determine a user's intention by performing syntactic analysis or semantic analysis.
  • the grammatical analysis may divide user input into grammatical units (eg, words, phrases, morphemes, etc.) and determine which grammatical elements the divided units have.
  • the semantic analysis may be performed using semantic matching, rule matching, formula matching, or the like. Accordingly, the natural language understanding module 220 may obtain a domain related to user input, an intent, or a parameter (or a slot) necessary for expressing the intention.
  • the natural language understanding module 220 uses a matching rule divided into a domain, an intent, and a parameter (or a slot) necessary to determine the intention.
  • the intention and parameters of can be determined.
  • the one domain e.g. alarm
  • the one intent e.g., alarm setting, alarm clearing, etc.
  • one intent is a plurality of parameters (e.g. time, number of repetitions, alarm sound).
  • the plurality of rules may include, for example, one or more mandatory element parameters.
  • the matching rule may be stored in a natural language understanding database (NLU DB) 221.
  • NLU DB natural language understanding database
  • the natural language understanding module 220 may identify a meaning of a word extracted from a user input by using linguistic features (eg, grammatical elements) such as morphemes and phrases, and may determine the meaning of the identified word in a domain. And the intention of the user by matching the intention. For example, the natural language understanding module 220 may calculate how much a word extracted from the user input is included in each domain and intention to determine the user intention. According to an embodiment of the present disclosure, the natural language understanding module 220 may determine a parameter of a user input using a word based on the intention.
  • linguistic features eg, grammatical elements
  • morphemes and phrases e.g., morphemes and phrases
  • the natural language understanding module 220 may determine the intention of the user using the natural language recognition database 221 which stores the linguistic features for determining the intention of the user input. According to another embodiment, the natural language understanding module 220 may determine a user's intention using a personal language model (PLM). For example, the natural language understanding module 220 may determine a user's intention using personalized information (eg, a contact list or a music list). The personalized language model may be stored, for example, in the natural language recognition database 221. According to an embodiment of the present disclosure, the automatic speech recognition module 210 as well as the natural language understanding module 220 may recognize the user's voice by referring to the personalized language model stored in the natural language recognition database 221.
  • PLM personal language model
  • the natural language understanding module 220 may generate a pass rule based on the intention and the parameter of the user input. For example, the natural language understanding module 220 may select an app to be executed based on the intention of the user input, and determine an action to be performed in the selected app. The natural language understanding module 220 may generate a pass rule by determining a parameter corresponding to the determined operation. According to an embodiment of the present disclosure, the path rule generated by the natural language understanding module 220 may include information about an app to be executed, an action to be executed in the app, and a parameter required to execute the action.
  • the natural language understanding module 220 may generate one pass rule or a plurality of pass rules based on the intention and parameters of the user input. For example, the natural language understanding module 220 receives a path rule set corresponding to the user terminal 100 from the path planner module 230, and maps an intention and a parameter of a user input to the received path rule set. The rule can be determined.
  • the natural language understanding module 220 determines an app to be executed, an action to be executed in the app, and a parameter required to execute the action based on an intention and a parameter of a user input to determine one pass rule or a plurality of passes.
  • You can create rules.
  • the natural language understanding module 220 may use the information of the user terminal 100 in the form of an ontology or a graph model according to the intention of a user input of the app to be executed and the operation to be executed in the app.
  • Arrangement can be used to create path rules.
  • the generated path rule may be stored in, for example, a path rule database (PR DB) 231 through the path planner module 230.
  • the generated path rule may be added to a path rule set of the database 231.
  • the natural language understanding module 220 may select at least one pass rule from the generated plurality of pass rules. For example, the natural language understanding module 220 may select an optimal pass rule among the plurality of pass rules. For another example, the natural language understanding module 220 may select a plurality of pass rules when only a few actions are specified based on user speech. The natural language understanding module 220 may determine one pass rule among the plurality of pass rules by an additional input of a user.
  • the natural language understanding module 220 may transmit a path rule to the user terminal 100 as a request for a user input.
  • the natural language understanding module 220 may transmit one pass rule corresponding to the user input to the user terminal 100.
  • the natural language understanding module 220 may transmit a plurality of pass rules corresponding to the user input to the user terminal 100.
  • the plurality of pass rules may be generated by the natural language understanding module 220 when only some of the actions are specified based on, for example, user speech.
  • the path planner module 230 may select at least one path rule from among a plurality of path rules.
  • the path planner module 230 may transmit a path rule set including a plurality of path rules to the natural language understanding module 220.
  • the plurality of path rules of the path rule set may be stored in a table form in the path rule database 231 connected to the path planner module 230.
  • the path planner module 230 may transfer the path rule set corresponding to the information (eg, OS information and app information) of the user terminal 100 received from the intelligent agent 151 to the natural language understanding module 220. Can be.
  • the table stored in the path rule database 231 may be stored, for example, by domain or version of a domain.
  • the path planner module 230 may select one path rule or a plurality of path rules from the path rule set and transmit the selected path rules to the natural language understanding module 220.
  • the path planner module 230 selects one path rule or a plurality of path rules by matching a user's intention and parameters with a path rule set corresponding to the user terminal 100, and thus, natural language understanding module 220. Can be delivered to.
  • the path planner module 230 may generate one path rule or a plurality of path rules using user intentions and parameters. For example, the path planner module 230 may generate one path rule or a plurality of path rules by determining an app to be executed and an operation to be executed in the app based on a user intention and a parameter. According to an embodiment of the present disclosure, the path planner module 230 may store the generated path rule in the path rule database 231.
  • the path planner module 230 may store the path rule generated by the natural language understanding module 220 in the path rule database 231.
  • the generated path rule may be added to a path rule set stored in the path rule database 231.
  • the table stored in the path rule database 231 may include a plurality of path rules or a plurality of path rule sets.
  • the plurality of pass rules or the plurality of pass rule sets may reflect the type, version, type, or characteristic of a device that performs each pass rule.
  • the conversation manager module 240 may determine whether the intention of the user identified by the natural language understanding module 220 is clear. For example, the conversation manager module 240 may determine whether the intention of the user is clear based on whether the information of the parameter is sufficient. The conversation manager module 240 may determine whether the parameters identified in the natural language understanding module 220 are sufficient to perform a task. According to an embodiment of the present disclosure, when the intention of the user is not clear, the conversation manager module 240 may perform feedback for requesting necessary information from the user. For example, the conversation manager module 240 may perform feedback for requesting information about a parameter for determining a user's intention.
  • the dialog manager module 240 may include a content provider module.
  • the content providing module may generate a result of performing a task corresponding to a user input when the content providing module can perform an operation based on the intention and the parameter identified by the natural language understanding module 220.
  • the conversation manager module 240 may transmit the result generated by the content providing module to the user terminal 100 in response to a user input.
  • the natural language generation module (NLG) 250 may change the designated information into a text form.
  • the information changed in the text form may be in the form of natural language speech.
  • the specified information may be, for example, information about an additional input, information for guiding completion of an operation corresponding to a user input, or information (eg, feedback information for a user input) for guiding an additional input of a user.
  • the information changed in the text form may be transmitted to the user terminal 100 to be displayed on the display 120, or may be transmitted to the text-to-speech module 260 to be changed to the voice form.
  • the text-to-speech module 260 may change the text-type information into voice-type information.
  • the text-to-speech module 260 may receive information in text form from the natural language generation module 250, change the text form information into information in speech form, and transmit it to the user terminal 100.
  • the user terminal 100 may output the voice type information to the speaker 130.
  • the natural language understanding module 220, the path planner module 230, and the conversation manager module 240 may be implemented as one module.
  • the natural language understanding module 220, the path planner module 230, and the conversation manager module 240 may be implemented as one module to determine a user's intention and parameters, and correspond to the determined user's intent and parameters. You can create a response (for example, a pass rule). Accordingly, the generated response may be transmitted to the user terminal 100.
  • FIG. 5 is a diagram illustrating a method for generating a path rule by a natural language understanding module according to an embodiment of the present invention.
  • the natural language understanding module 220 may divide a function of an app into unit operations A through F and store it in the path rule database 231.
  • the natural language understanding module 220 may apply a plurality of pass rules A-B1-C1, A-B1-C2, A-B1-C3-DF, and A-B1-C3-DEF that are divided into unit operations.
  • the included pass rule set may be stored in the pass rule database 231.
  • the path rule database 231 of the path planner module 230 may store a path rule set for performing a function of an app.
  • the pass rule set may include a plurality of pass rules including a plurality of operations. In the plurality of pass rules, operations executed according to parameters input to each of the plurality of operations may be sequentially arranged.
  • the plurality of path rules may be configured in an ontology or graph model and stored in the path rule database 231.
  • the natural language understanding module 220 may include the plurality of pass rules A-B1-C1, A-B1-C2, A-B1-C3-DF, and A- corresponding to intentions and parameters of a user input.
  • the optimal pass rule (A-B1-C3-DF) can be selected among B1-C3-DEF).
  • the natural language understanding module 220 may transmit a plurality of rules to the user terminal 100 when there is no pass rule that perfectly matches the user input. For example, the natural language understanding module 220 may select a pass rule (eg, A-B1) partially corresponding to the user input.
  • the natural language understanding module 220 may include one or more pass rules (eg, A-B1-C1, A-B1-C2, and A-B1-C3) that include pass rules (eg, A-B1) that correspond in part to user input.
  • -DF, A-B1-C3-DEF can be selected and delivered to the user terminal 100.
  • the natural language understanding module 220 may select one of a plurality of pass rules based on an additional input of the user terminal 100 and transmit the selected one pass rule to the user terminal 100.
  • the natural language understanding module 220 may include a plurality of pass rules (eg, A-B1-C1 and A-B1) according to a user input (eg, an input for selecting C3) additionally input from the user terminal 100.
  • One pass rule eg, A-B1-C3-DF
  • A-B1-C3-DF among -C2, A-B1-C3-DF, and A-B1-C3-DEF may be selected and transmitted to the user terminal 100.
  • the natural language understanding module 220 corresponds to a user's intention corresponding to a user input (eg, an input for selecting C3) additionally input to the user terminal 100 through the natural language understanding module 220.
  • the parameter may be determined, and the determined intention or parameter of the user may be transmitted to the user terminal 100.
  • the user terminal 100 determines a plurality of pass rules (eg, A-B1-C1, A-B1-C2, A-B1-C3-DF, A-B1-C3- based on the transmitted intention or the parameter).
  • One pass rule eg, A-B1-C3-DF
  • One pass rule can be selected.
  • the user terminal 100 may complete the operation of the apps 141 and 143 according to the selected one pass rule.
  • the natural language understanding module 220 may generate a pass rule partially corresponding to the received user input.
  • the natural language understanding module 220 may transmit the partially corresponding path rule to the intelligent agent 151.
  • the intelligent agent 151 may transmit the partially corresponding path rule to the execution manager module 153, and the execution manager module 153 may execute the first app 141 according to the path rule.
  • the execution manager module 153 may transmit information about the insufficient parameters to the intelligent agent 151 while executing the first app 141.
  • the intelligent agent 151 may request additional input from the user by using the information about the insufficient parameter.
  • the intelligent agent 151 may transmit and process the intelligent server 200 when an additional input is received by the user.
  • the natural language understanding module 220 may generate the added pass rule based on the additional input user intention and parameter information and transmit the generated pass rule to the intelligent agent 151.
  • the intelligent agent 151 may execute the second app 143 by transmitting the path rule to the execution manager module 153.
  • the natural language understanding module 220 may transmit a user information request to the personalization information server 300 when a user input missing some information is received by the intelligent server 200.
  • the personalization information server 300 may transmit the user's information stored in the persona database to the natural language understanding module 220.
  • the natural language understanding module 220 may select a pass rule corresponding to a user input missing some operations using the user information. Accordingly, even if a user input missing some information is received by the intelligent server 200, the natural language understanding module 220 receives a further input by requesting the missing information or uses a user information to pass a path rule corresponding to the user input. Can be determined.
  • FIG. 6 is a block diagram of an electronic device associated with voice data processing according to an embodiment of the present disclosure.
  • the electronic device 600 illustrated in FIG. 6 may include a configuration that is the same as or similar to that of the user terminal 100 in the aforementioned drawings.
  • the electronic device 600 may press a hardware key (eg, the hardware key 112) disposed on one surface of the housing of the electronic device 600 or press the microphone 610 (eg, the microphone 111).
  • a hardware key eg, the hardware key 112
  • the microphone 610 eg, the microphone 111
  • an intelligent app such as a voice recognition app stored in the memory 670 (eg, the memory 140) may be executed.
  • the electronic device 600 may display the UI (eg, the UI 121) of the intelligent app on the screen of the display 630 (eg, the display 120).
  • a user inputs a voice input button (for example, a voice recognition button 121a) included in the UI of the intelligent app to input a voice while the UI of the intelligent app is displayed on the display 630. You can touch it.
  • the voice input button included in the UI of the intelligent app is touched, the electronic device 600 may enter a standby state for receiving a voice input of the user, and the voice of the user through the microphone 610 in the standby state. An input can be received.
  • the electronic device 600 may transmit voice data corresponding to the voice input to an external electronic device (eg, the intelligent server 200) through the communication circuit 690.
  • the external electronic device converts the received voice data into text data and based on the converted text data, information on an operation for performing a function of at least one application included in the electronic device 600 or the A path rule including information on a parameter required to execute an operation may be determined, and the determined path rule may be transmitted to the electronic device 600. Thereafter, the electronic device 600 may perform an operation according to a path rule received from the external electronic device.
  • the electronic device 600 first receives text data obtained by converting voice data from the external electronic device before acquiring a pass rule from the external electronic device, and the received text data is displayed on the display 630.
  • a function corresponding to the text data may be performed.
  • the electronic device 600 may not perform a process on the path rule acquired from the external electronic device. Accordingly, the electronic device 600 processes a user input input through a specific function such as a user input interface (for example, a button object or an icon) without a series of processes processed by the external electronic device, that is, the intelligent server. Can be performed.
  • the electronic device 600 for performing the above-described function may include a microphone 610, a display 630, a processor 650, a memory 670, and a communication circuit 690.
  • the configuration of the electronic device 600 is not limited thereto.
  • the electronic device 600 may further include at least one other component in addition to the above-described components.
  • the electronic device 600 may further include a speaker (for example, the speaker 130) that outputs a voice signal generated inside the electronic device 600 to the outside to notify a user of a result of processing a voice input. have.
  • the speaker may, for example, convert an electrical signal into a vibration to emit sound waves into the air.
  • the microphone 610 may receive a user's speech as a voice signal.
  • the microphone 610 may convert the vibration energy of the user's speech into an electrical signal and transmit the converted electrical signal to the processor 650.
  • the display 630 may display various contents (for example, text, an image, a video, an icon, or a symbol) to a user.
  • the display 630 may include a touch screen.
  • the display 630 may receive a touch, gesture, proximity, or hovering input using an electronic pen or a user's body part (eg, a finger).
  • the processor 650 may execute an operation or data processing related to control and / or communication of at least one other component of the electronic device 600.
  • the processor 650 may control, for example, a plurality of hardware or software components connected to the processor 650 by operating an operating system or an application program, and may perform various data processing or operations.
  • the processor 650 may include one or more of a central processing unit, an application processor (AP), or a communication processor (CP).
  • AP application processor
  • CP communication processor
  • the processor 650 may be implemented as a system on chip (SoC).
  • the processor 650 may execute an application (for example, an intelligent app) stored in the memory 670, and output an execution screen of the application to the display 630.
  • the processor 650 may configure content related to an application (for example, a UI) on a screen and output the same to the display 630.
  • the processor 650 may enter a standby state for receiving a voice input.
  • the standby state may be, for example, a state in which the microphone 610 is activated to enable voice input.
  • the processor 650 may output a screen related to the standby state to the display 630 to notify the user that the standby state has been entered.
  • the processor 650 may inform the display 630 that the microphone 610 is activated, thereby notifying the user that voice input is possible.
  • the processor 650 may receive voice data corresponding to the voice input through an external electronic device (eg, the intelligent server 200) through the communication circuit 690. Can be sent to.
  • the processor 650 may receive the text data generated by converting the voice data into a text format from the external electronic device through the communication circuit 690.
  • the processor 650 may collect screen configuration information of the display 630.
  • the processor 650 may check a state in which at least one content displayed on the screen is configured.
  • the screen configuration information may include information about at least one content displayed on the screen.
  • the information on the content may include, for example, identification information of the content, type of the content, coordinate information on which the content is displayed, or visual information of the content.
  • the identification information of the content may include unique information for identifying the content.
  • the type of the content may include, for example, text, an image, a video, an icon, a symbol, or the like.
  • the coordinate information may include position values of pixels on a horizontal axis and a vertical axis.
  • the visual information of the content may include, for example, data recognized by the user when the content is displayed on the screen.
  • visual information of the content may correspond to text data.
  • visual information of the content may correspond to image data. In the following description, only the type of content is text.
  • the processor 650 may obtain the screen configuration information from an application in which an execution screen is output on a current screen.
  • the application may transmit information on at least one text constituting an execution screen (for example, identification information of text, coordinate information on which text is displayed, or text data) to the processor 650 at the request of the processor 650.
  • the processor 650 may obtain the screen configuration information only from one application running in the foreground.
  • the processor 650 may compare text data obtained from the intelligent server 200 with at least one text data included in the screen configuration information.
  • the processor 650 may display at least one text on the screen, and determine whether the text data of the text is the same as the text data obtained from the intelligent server 200. For example, the processor 650 may determine whether the result of converting the voice data corresponding to the user's voice into a text format is the same as the content of the text format displayed on the screen.
  • the function corresponding to the text data may include, for example, a function mapped to content corresponding to the text data.
  • the processor 650 may execute the internet connection application.
  • the processor 650 may identify a function corresponding to the text data by using the screen configuration information. For example, when the text data identical to the text data obtained from the intelligent server 200 is included in the screen configuration information, the processor 650 checks the identification information of the text corresponding to the text data and identifies the text. The information mapped to the identification information of the text among the functions defined in the application may be checked using the information.
  • the processor 650 may have the same text data as a result of comparing the text data (text data obtained from the intelligent server 200 and at least one text data included in the screen configuration information). In this case, a function corresponding to the same text data may be performed. According to an embodiment of the present disclosure, in order to perform the function, the processor 650 generates a touch event as if a touch input is generated at a coordinate at which text corresponding to the text data is displayed, and includes the generated touch event. The executed execution screen can be delivered to the configured application. That is, the processor 650 may transmit a signal (touch event) related to the application to operate as if the text is selected (touched) on the execution screen of the application.
  • a signal touch event
  • the processor 650 may manage history information on the execution of the function. For example, the processor 650 may store information for confirming whether the function is performed in the memory 670.
  • the processor 650 may perform an operation for performing a function of at least one application stored in the memory 670 from an external electronic device (eg, the intelligent server 200) through the communication circuit 690.
  • a pass rule including information or information on a parameter required for executing the operation may be received.
  • the processor 650 determines whether the function is performed (for example, whether the function corresponding to the text data corresponding to the text data corresponding to the voice of the user among the text data displayed on the screen is executed). Accordingly, it may be determined whether or not the pass rule is processed. For example, if the execution history of the function exists (if the function has already been performed), the processor 650 may not process the pass rule.
  • the processor 650 may ignore the pass rule received from the intelligent server 200 after the function is performed. As another example, if the execution history of the function does not exist (if the function is not performed), the processor 650 may perform operations defined to perform the function of the at least one application according to the pass rule. have.
  • the intelligent server when the execution history of the function exists, that is, when the function corresponding to the same text data as the text data corresponding to the voice of the user among the text data displayed on the screen is executed, the intelligent server may be executed. In step 200, it may be notified that the function has been performed. For example, the processor 650 may transmit a signal indicating that the function is performed to the intelligent server 200 through the communication circuit 690. In this case, the intelligent server 200 may not transmit the pass rule to the electronic device 600.
  • the memory 670 may store commands or data related to at least one other element of the electronic device 600.
  • the memory 670 may store software and / or a program.
  • the memory 670 may store an application (eg, an intelligent app) related to an artificial intelligence technology.
  • the intelligent app may include, for example, instructions related to a function of receiving and processing a user's speech as a voice signal, instructions for collecting information on content configured on a screen, that is, screen configuration information, and processing voice data according to a user's speech.
  • the intelligent app may further include at least one other command in addition to the above-described commands, and at least one of the above-described commands may be omitted.
  • instructions included in software and / or a program stored in the memory 670 may be loaded into the volatile memory by the processor 650 and processed according to a designated program routine.
  • the communication circuit 690 may establish and establish a communication channel between the electronic device 600 and an external electronic device (eg, the intelligent server 200, the personalization information server 300, or the proposal server 400). It may support performing wired or wireless communication through a communication channel.
  • an external electronic device eg, the intelligent server 200, the personalization information server 300, or the proposal server 400. It may support performing wired or wireless communication through a communication channel.
  • the electronic device may include a microphone (eg, the microphone 610), a communication circuit (eg, the communication circuit 690), and a display (eg, a display). 630), a memory (eg, memory 670) for storing at least one application, and a processor (eg, processor 650) electrically connected to the microphone, the communication circuit, the display, and the memory (630).
  • the processor acquires voice data corresponding to a user's voice received through the microphone, obtains first information on at least one text displayed on a screen of the display, and through the communication circuit.
  • Transmitting the voice data to an external electronic device receiving first text data converted based on the voice data from the external electronic device through the communication circuit, and receiving the first text data. It is determined whether there is the same second text data as the first text data among the information, and if the second text data exists, perform a first function corresponding to the second text data using the first information.
  • Receiving second information configured to perform a second function of the at least one application from the external electronic device through the communication circuit, performing the second function when the first function is not performed, and performing the second function. When the first function is performed, it may be set to limit the processing of the second information.
  • the first information may include at least one of identification information of the at least one text, coordinate information on which the at least one text is displayed, and text data corresponding to the at least one text.
  • the processor may be configured to determine coordinates displayed on the screen of text corresponding to the second text data based on the coordinate information, and to generate a signal related to generation of a touch input at the coordinates. Can be.
  • the processor may be configured to transmit the signal to an application constituting the screen on which the text corresponding to the second text data among the at least one application is displayed.
  • the processor may be configured to transmit the signal to an application running in the foreground of the at least one application.
  • the processor may store history information on the execution of the first function in the memory.
  • the processor may be configured to determine whether to perform the first function based on the history information.
  • the second information may include at least one of information on an operation for performing the second function, information on a parameter required to execute the operation, and order information of the operation. .
  • the electronic device may include a microphone (eg, the microphone 610), a communication circuit (eg, the communication circuit 690), and a display (eg, a display). 630), a memory (eg, memory 670) for storing at least one application, and a processor (eg, processor 650) electrically connected to the microphone, the communication circuit, the display, and the memory (630).
  • the processor acquires voice data corresponding to a user's voice received through the microphone, obtains first information on at least one text displayed on a screen of the display, and through the communication circuit.
  • Transmitting the voice data to an external electronic device receiving first text data converted based on the voice data from the external electronic device through the communication circuit, and receiving the first text data. It is determined whether there is the same second text data as the first text data among the information, and if the second text data exists, perform a first function corresponding to the second text data using the first information.
  • the second text data may be set to enter a standby state for receiving second information configured to perform a second function of the at least one application when the second text data does not exist.
  • the processor when the first function is performed, the processor may be configured to transmit information indicating that the first function is performed to the external electronic device through the communication circuit.
  • the first information may include at least one of identification information of the at least one text, coordinate information on which the at least one text is displayed, and text data corresponding to the at least one text.
  • the processor may be configured to determine coordinates displayed on the screen of text corresponding to the second text data based on the coordinate information, and to generate a signal related to generation of a touch input at the coordinates. Can be.
  • the second information may include at least one of information on an operation for performing the second function, information on a parameter required to execute the operation, and order information of the operation. .
  • the processor when the second information is received from the external electronic device through the communication circuit in the standby state, the processor may be configured to perform the second function based on the second information.
  • FIG. 7A is a diagram illustrating a method of operating an electronic device related to voice data processing according to an embodiment of the present disclosure.
  • a processor eg, a processor (eg, the processor 650) of an electronic device (eg, the electronic device 600) according to an embodiment may acquire voice data in operation 710.
  • the processor may acquire voice data corresponding to the voice through a microphone (for example, the microphone 610).
  • the processor may acquire screen configuration information.
  • the screen configuration information may include information on at least one text displayed on a screen of a display (for example, the display 630).
  • the information on the text may include, for example, identification information of the text, coordinate information on which the text is displayed, or text data.
  • the processor may obtain the screen configuration information from an application in which an execution screen is output on a current screen.
  • the processor may obtain the screen configuration information only from one application running in the foreground.
  • the processor may perform operation 720 after performing operation 730 (or operation 740) and before performing operation 750.
  • the processor may transmit the obtained voice data to an external electronic device (eg, the intelligent server 200) through a communication circuit (eg, the communication circuit 690).
  • the external electronic device may convert the received voice data into text data.
  • the external electronic device may transmit the converted text data to the electronic device.
  • the processor may receive the text data from the external electronic device through the communication circuit.
  • the text data may be data obtained by converting the voice data into a text format.
  • the processor may determine whether text data identical to text data received from the external electronic device is present among the screen configuration information. For example, the processor may compare at least one text data included in the screen configuration information with text data received from the external electronic device.
  • the processor may perform a first function corresponding to the same text data using the screen configuration information. For example, the processor may identify identification information of the text corresponding to the same text data using the screen configuration information, and map the identification information of the text among functions defined in an application using the identification information of the text. The first function may be checked and the first function may be performed.
  • the processor generates a touch event as if a touch input is generated at a coordinate at which text corresponding to the text data is displayed, and executes the generated touch event including the text to perform the first function. It can be delivered to the application that composes the screen. That is, the processor may transmit a signal (touch event) related to the application to operate as if the text is selected (touched) on the execution screen of the application.
  • the processor provides at least one second function from the external electronic device through the communication circuit.
  • Information configured to perform the second function may correspond to the pass rule in the above-described drawings. That is, when the external electronic device receives the voice data in operation 730, the external electronic device converts the voice data into text data and performs a second function of at least one application included in the electronic device based on the converted text data.
  • a path rule including information on an operation for the information or information on a parameter required to execute the operation may be determined, and the determined path rule may be transmitted to the electronic device.
  • the processor may determine whether the first function is performed.
  • the processor may manage history information on the execution of the first function. For example, after performing operation 760, the processor may store information for confirming whether the first function is performed in a memory (for example, the memory 670). In this case, the processor may determine whether the first function is performed by using history information on the execution of the first function stored in the memory.
  • the processor may perform the second function.
  • the processor may perform the second function according to a pass rule received from the external electronic device.
  • the processor may not process the pass rule received from the external electronic device.
  • FIG. 7B is a diagram illustrating another operation method of an electronic device related to voice data processing according to an embodiment of the present disclosure.
  • the operating method of the electronic device in FIG. 7B is similar to the operating method of the electronic device in FIG. 7A.
  • the operation of converting the acquired voice data into text data is performed by an external electronic device (for example, the intelligent server 200), while in FIG. 7B, the electronic device may be performed.
  • a processor eg, a processor (eg, the processor 650) of an electronic device (eg, the electronic device 600) according to an embodiment of the present disclosure operates in step 701 with a microphone (eg, a microphone 610).
  • a microphone eg, a microphone 610
  • information on at least one text displayed on a screen of the display for example, the display 630
  • screen configuration information may be obtained.
  • the processor may convert the acquired voice data into text data.
  • the processor may directly convert the voice data into the text format instead of receiving the converted text data through the intelligent server 200.
  • the processor may transmit the converted text data to an external electronic device (eg, the intelligent server 200).
  • the external electronic device may determine a user's intention and a keyword based on the text data, and determine a pass rule based on the user's intention and the keyword.
  • the processor may determine whether there is text data identical to the converted text data in the screen configuration information.
  • the processor may perform a first function corresponding to the same text data using the screen configuration information.
  • the processor generates a touch event as if a touch input is generated at a coordinate at which text corresponding to the text data is displayed and performs the first function, and the generated touch event includes the text.
  • the execution screen can be delivered to the configured application.
  • the processor provides at least one second function from the external electronic device through the communication circuit.
  • Receive information configured to perform may correspond to the pass rule in the above-described drawings.
  • the processor according to an embodiment may determine whether the first function is performed. If the first function is not performed, in operation 709, the processor according to an embodiment may perform the second function. For example, the processor may perform the second function according to a pass rule received from the external electronic device. When the first function is performed, the processor according to an embodiment may not process the path rule received from the external electronic device.
  • FIG. 8 is a diagram illustrating a method of operating a system related to voice data processing according to an embodiment of the present invention.
  • the electronic device 810 acquires voice data in operation 811, and in operation 812, the electronic device 810 obtains the voice data from the server 830 ( For example, the information may be transmitted to the intelligent server 200.
  • the voice data is data corresponding to the voice of the user's speech, and may be obtained through a microphone (for example, the microphone 610) while an intelligent app such as a voice recognition app is executed.
  • the electronic device 810 may acquire screen configuration information in operation 813.
  • the electronic device 810 may obtain information on at least one text displayed on the screen of the display (for example, the display 630) from an application on which the execution screen is output on the current screen.
  • the server 830 may convert the voice data received from the electronic device 810 into text data in operation 831.
  • the server 830 may transmit the converted text data to the electronic device 810.
  • the electronic device 810 may compare the received text data with the text data included in the screen configuration information. As a result of the comparison of the text data, if the same text data exists, in operation 815, the electronic device 810 according to an embodiment performs a first function corresponding to the same text data using the screen configuration information. Can be. According to an embodiment of the present disclosure, in order to perform the first function, the electronic device 810 generates a touch event as if a touch input is generated at a coordinate at which text corresponding to the text data is displayed, and generates the touch event.
  • the execution screen including the text can be delivered to the application. That is, the electronic device 810 may transmit a touch event related to the application to operate as if the text is touched on the execution screen of the application.
  • the server 830 may determine a user's speech intent and a keyword based on the converted text data in operation 833.
  • the server 830 may determine a path rule based on a user's intention and a keyword.
  • the pass rule may include, for example, information about an operation for performing a second function of at least one application included in the electronic device 810 or information about a parameter required to execute the operation.
  • the server 830 may transmit the determined path rule to the electronic device 810.
  • the time point at which the pass rule is transmitted is likely to be after the time point at which the first function is completed.
  • the execution time of the operation 833 for determining the intention and the keyword of the user based on the text data and the operation for determining the path rule based on the intention and the keyword of the user 834 compares the text data in the electronic device 810. And it may take longer than operation 815 to perform the first function.
  • operation 835 is not performed prior to performing operation 814 or 815.
  • operation 835 may be performed before operation 814 or 815.
  • the electronic device 810 may skip performing operation 814 (and operation 815) and perform operation operation 816, or may wait to perform operation 816 until the operation of operation 814 (and operation 815) is completed. have.
  • the electronic device 810 may check whether the first function is performed. As an example, the electronic device 810 may determine whether the first function is performed using history information on the execution of the first function.
  • the electronic device 810 may determine a path rule received from the server 830. According to at least one second function may be performed.
  • the electronic device 810 may not process the pass rule.
  • FIG. 9 is a diagram illustrating another operating method of an electronic device related to voice data processing according to an embodiment of the present disclosure.
  • the operations in FIG. 9 may be the same or similar to the operations in FIG. 7A.
  • operations of the text data displayed on the screen and the text data received from the intelligent server 200 may be different from those in FIG. 7A.
  • a processor eg, a processor (eg, the processor 650) of an electronic device (eg, the electronic device 600) according to an embodiment may acquire voice data in operation 910.
  • the processor may acquire voice data corresponding to the voice through a microphone (for example, the microphone 610).
  • the processor may acquire screen configuration information.
  • the screen configuration information may include information on at least one text displayed on a screen of a display (for example, the display 630).
  • the processor may perform operation 920 after performing operation 930 (or operation 940) and before performing operation 950.
  • the processor may transmit the obtained voice data to an external electronic device (eg, the intelligent server 200) through a communication circuit (eg, the communication circuit 690).
  • the external electronic device may convert the received voice data into text data.
  • the external electronic device may transmit the converted text data to the electronic device.
  • the processor may receive the text data from the external electronic device through the communication circuit.
  • the text data may be data obtained by converting the voice data into a text format.
  • the processor may determine whether text data identical to text data received from the external electronic device is present among the screen configuration information. For example, the processor may compare at least one text data included in the screen configuration information with text data received from the external electronic device.
  • the processor may use a function corresponding to the same text data by using the screen configuration information (for example, the method of FIG. 7A). 1 function) can be performed.
  • the processor may identify identification information of the text corresponding to the same text data using the screen configuration information, and map the identification information of the text among functions defined in an application using the identification information of the text.
  • a function eg, a first function in FIG. 7A
  • the function eg, a first function in FIG. 7A
  • the processor generates a touch event as if a touch input is generated at a coordinate at which text corresponding to the text data is displayed, to perform the function (eg, the first function in FIG. 7A).
  • the touch event may be delivered to an application constituting an execution screen including the text. That is, the processor may transmit a touch event related to the application to operate as if the text is touched on the execution screen of the application.
  • the processor may perform at least one function (eg, in FIG. 7A) from the external electronic device through the communication circuit. 2) may enter a standby state for receiving information configured to perform.
  • the processor may include information about an operation for the external electronic device to perform a function (eg, a second function in FIG. 7A) of at least one application included in the electronic device based on the converted text data, or A path rule including information on a parameter required to execute the operation may be determined, and may be waited until the determined path rule is transmitted to the electronic device.
  • the processor receives a path rule determined from the external electronic device through the communication circuit, and functions according to the received path rule (eg, the second function in FIG. 7A). Can be performed.
  • the processor may transmit a notification to the external electronic device that it is not necessary to transmit the pass rule after performing operation 960.
  • FIG. 10 is a diagram illustrating another operating method of a system related to voice data processing according to an embodiment of the present invention.
  • the operations in FIG. 10 may be the same or similar to the operations in FIG. 8.
  • the text data displayed on the screen and the text data received from the intelligent server 200 may be different from those in FIG. 8.
  • the electronic device 1010 acquires voice data
  • the electronic device 1010 receives the acquired voice data from the server 1030 (e.g, the information may be transmitted to the intelligent server 200.
  • the voice data is data corresponding to the voice of the user's speech, and may be obtained through a microphone (for example, the microphone 610) while an intelligent app such as a voice recognition app is executed.
  • the electronic device 1010 may acquire screen configuration information in operation 1013.
  • the electronic device 1010 may obtain information on at least one text displayed on the screen of the display (for example, the display 630) from an application on which the execution screen is output on the current screen.
  • the server 1030 may convert voice data received from the electronic device 1010 into text data in operation 1031.
  • the server 1030 may transmit the converted text data to the electronic device 1010.
  • the electronic device 1010 may compare the text data included in the screen configuration information with the received text data. As a result of the comparison of the text data, if the same text data exists, in operation 1015, the electronic device 1010 according to an embodiment of the present disclosure uses a function corresponding to the same text data using the screen configuration information (eg, FIG. 8). In the first function). According to an embodiment of the present disclosure, in order to perform the function (for example, the first function in FIG. 8), the electronic device 1010 may perform a touch event as if a touch input is generated at a coordinate where text corresponding to the text data is displayed. The generated touch event may be delivered to an application constituting an execution screen including the text. That is, the electronic device 1010 may transmit a touch event related to the application to operate as if the text is touched on the execution screen of the application.
  • the function for example, the first function in FIG. 8
  • the electronic device 1010 may perform at least one function from the server 1030 through a communication circuit (for example, the communication circuit 690).
  • a communication circuit for example, the communication circuit 690.
  • the second function of FIG. 8 may be entered into a standby state for receiving information configured to perform the same.
  • the electronic device 1010 may wait until operation 1035 is performed.
  • the server 1030 may determine a user's speech intent and a keyword based on the converted text data.
  • the server 1030 may determine a path rule based on a user's intention and a keyword.
  • the pass rule may be, for example, information about an operation for performing a function (eg, a second function in FIG. 8) of at least one application included in the electronic device 1010, or information on a parameter required to execute the operation. May contain information.
  • the server 1030 may transmit the determined path rule to the electronic device 1010.
  • the electronic device 1010 Upon receiving the pass rule, in operation 1016, the electronic device 1010 according to an embodiment performs at least one function (eg, the second function in FIG. 8) according to the pass rule received from the server 1030. can do.
  • the path rule may not be received from the server 1030.
  • the electronic device 1010 of FIG. 10 does not receive the pass rule not to be processed, thereby eliminating unnecessary operations.
  • the electronic device 1010 may transmit a notification to the server 1030 that it is not necessary to transmit the pass rule after performing operation 1015.
  • a method of processing voice data of an electronic device may include obtaining voice data corresponding to a voice of a user received through a microphone, Obtaining first information on at least one displayed text, transmitting the voice data to an external electronic device through a communication circuit, and converting the voice data based on the voice data from the external electronic device through the communication circuit. Receiving text data, determining whether second text data identical to the first text data exists among the first information, and using the first information when the second text data exists.
  • Performing a first function corresponding to text data; a memo from the external electronic device through the communication circuit Receiving second information configured to perform a second function of at least one application stored in the server; determining whether to perform the first function; and performing the second function if the first function is not performed. And limiting processing of the second information when the first function is performed.
  • the operation of performing the first function may be performed based on coordinate information on which the at least one text included in the first information is displayed, and the text corresponding to the second text data is displayed on the screen. And determining a signal and generating a signal related to the generation of the touch input at the coordinates.
  • the voice data processing method may further include transmitting the signal to an application constituting the screen on which the text corresponding to the second text data among the at least one application is displayed.
  • the voice data processing method may further include transmitting the signal to an application running in the foreground among the at least one application.
  • the voice data processing method may further include storing history information on performance of the first function in the memory.
  • determining whether the first function is performed may include determining whether to perform the first function based on history information of the execution of the first function.
  • FIG. 11 is a block diagram of a system related to voice data processing according to an embodiment of the present invention.
  • the electronic device 1130 when the user 1110 utters voice, the electronic device 1130 (eg, the electronic device 600) according to an embodiment may acquire voice data corresponding to the voice of the user through a microphone. Can be.
  • the screen configuration information collection module 1133 included in the electronic device 1130 may collect information about at least one text displayed on the current screen, that is, screen configuration information.
  • the screen configuration information collection module 1133 may acquire screen configuration information from the application 1135 on which the execution screen is output on the current screen.
  • the information on the text may include, for example, identification information of the text, coordinate information on which the text is displayed, or text data.
  • the screen configuration information collection module 1133 may deliver the collected screen configuration information to the intelligent agent 1131 (eg, the intelligent agent 151).
  • the intelligent agent 1131 may perform the ASR module 1151 (eg, the ASR module) of the server 1150 (eg, the intelligent server 200).
  • the received voice data may be transmitted.
  • the ASR module 1151 may convert the received voice data into text data.
  • the ASR module 1151 transmits the converted text data to the intelligent agent 1131 at the same time or at a similar time, the NLU of the server 1150 at the same time. May be transferred to the module 1153 (eg, the NLU module 220).
  • the intelligent agent 1131 according to an embodiment of receiving text data from the ASR module 1151 compares the received text data with at least one text data included in the screen configuration information, and compares the text data. If the same text data exists, a function corresponding to the text data may be performed.
  • the NLU module 1153 may determine a user's intention and a keyword based on the text data. In addition, the NLU module 1153 may transmit information about the determined user's intention and keywords to the path planner module 1155 (eg, the path planner module 230) of the server 1150. The path planner module 1155 according to an embodiment may determine a path rule by using information about a user's intention and keywords.
  • the path planner module 1155 may transmit the determined path rule to the intelligent agent 1131.
  • the intelligent agent 1131 according to an embodiment of receiving the pass rule compares the text data, and when the same text data exists and performs a function corresponding to the text data, the intelligent agent 1131 performs processing on the received pass rule. May not be performed. In other words, the intelligent agent 1131 may ignore the received path rule.
  • FIG. 12 is a diagram for describing screen configuration information, according to an exemplary embodiment.
  • the screen configuration information in the above-described drawings may include information about at least one content displayed on the screen 1200.
  • the information on the content may include, for example, identification information of the content, type of the content, coordinate information on which the content is displayed, or visual information of the content.
  • the electronic device when the text data obtained by converting voice data of the user from the intelligent server 200 is the same as any one of the text data included in the screen configuration information, the electronic device (eg, the electronic device 600). May perform a function corresponding to the same text data. However, it may not be possible to perform a function on all text data displayed on the screen 1200. For example, the electronic device may perform the function only on text data mapped to a function of a user input interface (for example, a button object or an icon) among text data displayed on the screen 1200.
  • a user input interface for example, a button object or an icon
  • the electronic device may perform the function from the intelligent server 200 without performing a function related to the text data. It may wait until it receives a pass rule.
  • the electronic device may not map any function with respect to the text data not mapped with the function of the user input interface. In this case, the electronic device may not perform any function without determining whether the text data is mapped with the function of the user input interface.
  • the text data mapped to the button object 1210 displayed on the screen 1200 can be seen.
  • the electronic device may perform a function of the button object 1210. .
  • the electronic device may process to operate as if the button object 1210 is selected (touched).
  • the electronic device may generate a touch event as if a touch input is generated at the coordinate where the button object 1210 is displayed, and deliver the generated touch event to an application constituting the execution screen 1200 including the button object 1210. have.
  • the text data may be mapped to an icon displayed on the screen 1200 (eg, the first icon 1231 or the second icon 1233).
  • the electronic device may include first text data 1235 (eg, "Message”) mapped to the first icon 1231 or second text data 1237 (eg, "Internet”) mapped to the second icon 1233.
  • first text data 1235 eg, "Message”
  • second text data 1237 eg, "Internet”
  • the electronic device executes a function of an icon corresponding to the uttered text data.
  • the electronic device executes a function of the first icon 1231, that is, a message application.
  • the second text data 1237 is ignited, the electronic device executes the function of the second icon 1233. You can run an Internet-connected application.
  • FIG. 13 is a diagram for explaining function execution using screen configuration information according to an exemplary embodiment.
  • the electronic device 1300 may display at least one content (eg, an icon 1311) on the screen 1310.
  • the electronic device 1300 may transmit voice data corresponding to the voice to the intelligent server 200.
  • the intelligent server 200 may convert the received voice data into text data and transmit the converted text data to the electronic device 1300.
  • the electronic device 1300 Upon receiving text data from the intelligent server 200, the electronic device 1300 according to an embodiment determines whether the text data displayed on the screen 1310 and the received text data are the same, and when the text data are the same, A function corresponding to the text data may be performed.
  • the electronic device 1300 may display the intelligent server 200 in a state where the icon 1311 is displayed on the first screen 1310 (eg, the home screen).
  • First text data 1317 eg, “Internet”
  • the second text data 1313 eg, “Internet”
  • the function of the icon 1311 may be performed. That is, the electronic device 1300 may execute an internet connection application and output the first execution screen 1330 of the internet connection application to the display.
  • the electronic device 1300 may speak the user's speech while the execution screen 1330 of the application (eg, the first execution screen of the Internet-connected application) is output.
  • the third text data 1339 (eg, “sports”) may be received from the intelligent server 200 based on the.
  • the electronic device 1300 may collect information on at least one text configured on the execution screen 1330 of the application.
  • the electronic device 1300 may display the fourth text data 1331 (eg, "news") and the fifth text data 1332 (eg, "" on the execution screen 1330 of the application.
  • the electronic device 1300 determines whether the same text data as the third text data 1339 acquired from the intelligent server 200 is present among at least one text data configured on the execution screen 1330 of the application, If the same text data exists, a function corresponding to the same text data may be performed.
  • the third text data 1333 obtained from the intelligent server 200 and the sixth text data 1333 configured on the execution screen 1330 of the application are determined to be the same in the third state 1305.
  • the electronic device 1300 may display a function corresponding to the sixth text data 1333, that is, a page corresponding to "sport" on the Internet search page.
  • the electronic device 1300 may receive a voice input of a user, and execute an application execution screen 1350 (eg, a second execution screen of an Internet-connected application ("Sport" page)).
  • an application execution screen 1350 eg, a second execution screen of an Internet-connected application ("Sport" page)
  • Information about at least one text for example, ninth text data 1351, tenth text data 1352, eleventh text data 1353, twelfth text data 1354, or thirteenth text data). (1355)).
  • FIG. 14 is a diagram for explaining performance of a function using some of screen configuration information according to an exemplary embodiment.
  • an electronic device may perform a function by using some of screen configuration information including information on at least one content displayed on the screen 1400.
  • the electronic device may correspond to the text data even when the text data received from the intelligent server 200, that is, the text data converted based on the voice spoken by the user is the same as some of the text data displayed on the screen 1400. Function can be performed.
  • the electronic device may display special characters (eg, "(", and ") in the first text data 1410 (eg," Smart View ”) displayed on the screen 1400. When ")") is included, only the first text data excluding the special characters may be compared with the second text data received from the intelligent server 200. Also, the electronic device may exclude the space character (eg, “”) from the first text data and compare the first text data with the second text data only for the remaining first text data.
  • the electronic device may compare only some text data among the text data displayed on the screen 1400 with text data received from the intelligent server 200. For example, as illustrated, the electronic device may receive some of the first text data 1410 (eg, “Smart View” on the TV) displayed on the screen 1400 and the intelligent server 200. Even when the two text data are the same, a function corresponding to the first text data 1410 may be performed.
  • the electronic device may include a first part (eg, "on TV"), a second part (eg, "content”), and a third part (eg, "view” of the first text data 1410 separated by a space character.
  • the first The function corresponding to the text data 1410 may be performed.
  • the electronic device may include the first text data even when some of the text data included in the first part, the second part, the third part, or the fourth part is the same as the second text data.
  • the function corresponding to 1410 may be performed.
  • the electronic device may perform a function corresponding to the first text data even when only a part (eg, “TV”) included in the first portion is the same as the second text data.
  • the electronic device may determine whether the text data displayed on the screen 1400 do not overlap each other, and perform the above function only when there is no overlapping text data. For example, when a portion (eg, “TV”) included in the first portion of the first text data 1410 is included in other text data displayed on the screen 1400, the electronic device performs the function. You can't.
  • a portion eg, “TV”
  • the electronic device when the electronic device performs a function using the screen configuration information, that is, the electronic device receives the converted text data from the intelligent server 200 based on the user's speech and displays the received text data on the screen (
  • the screen 1400 displays a notification object indicating that the function is performed using the screen configuration information. It can be displayed on.
  • the notification object may include at least one of a specified text (eg, "executing a voice command") and an image.
  • the electronic device may output the notification object to a partial area of the screen 1400 for a specified time and automatically terminate the output when the specified time elapses.
  • the electronic device may display the notification object on the screen 1400 in the form of a toast pop up message.
  • the electronic device may be various types of devices.
  • the electronic device may be, for example, a portable communication device (such as a smartphone), a computer device (such as a personal digital assistant (PDA), a tablet PC (tablet PC), a laptop PC (, desktop PC, workstation, or server).
  • PDA personal digital assistant
  • a portable multimedia device eg, e-book reader or MP3 player
  • a portable medical device eg, heart rate, blood sugar, blood pressure, or body temperature meter
  • a camera e.g.
  • the electronic device is, for example, a television, a digital video disk (DVD) player, an audio device, an audio accessory.
  • Device e.g. spigot , Headphone, or headset
  • refrigerator air conditioner, cleaner, oven, microwave, washing machine, air purifier, set top box, home automation control panel, security control panel, game console, electronic dictionary, electronic key, camcorder, or electronic picture frame It may include at least one of.
  • the electronic device may be a navigation device, a global navigation satellite system (GNSS), an event data recorder (EDR) (eg, a black box for a vehicle / vessel / airplane), an automotive infotainment device.
  • GNSS global navigation satellite system
  • EDR event data recorder
  • automotive infotainment device e.g. automotive head-up displays
  • industrial or home robots drones, automated teller machines (ATMs), point of sales (POS) devices
  • metrology devices e.g. water, electricity, or gas measurement devices
  • an Internet of Things device eg, a light bulb, a sprinkler device, a fire alarm, a temperature controller, or a street light.
  • the electronic device is not limited to the above-described devices, and, for example, as in the case of a smartphone equipped with a measurement function of biometric information (for example, heart rate or blood sugar) of a person,
  • biometric information for example, heart rate or blood sugar
  • the functions of the devices may be provided in combination.
  • the term user may refer to a person who uses an electronic device or a device (eg, an artificial intelligence electronic device) that uses an electronic device.
  • the electronic device 1501 (eg, the electronic device 600) communicates with the electronic device 1502 through the short range wireless communication 1598 or the network 1599.
  • the electronic device 1504 or the server 1508 may be communicated through.
  • the electronic device 1501 may communicate with the electronic device 1504 through the server 1508.
  • the electronic device 1501 may include a bus 1510, a processor 1520 (eg, the processor 650), a memory 1530 (eg, a memory 670), and an input device 1550 (eg : Microphone 610 or mouse, display device 1560 (e.g., display 630), audio module 1570, sensor module 1576, interface 1577, haptic module 1579, camera module 1580 ), A power management module 1588, and a battery 1589, a communication module 1590 (eg, communication circuitry 690), and a subscriber identification module 1596.
  • the electronic device 1501 may omit at least one of the components (for example, the display device 1560 or the camera module 1580) or may further include other components.
  • the bus 1510 may include circuits that connect the components 1520-1590 to each other and transfer signals (eg, control messages or data) between the components.
  • signals eg, control messages or data
  • the processor 1520 may be one of a central processing unit (CPU), an application processor (AP), a graphics processing unit (GPU), an image signal processor (ISP) of a camera, or a communication processor (CP). Or more. According to an embodiment, the processor 1520 may be implemented with a system on chip (SoC) or a system in package (SiP). The processor 1520 may, for example, run an operating system or an application to control at least one other component (eg, hardware or software component) of the electronic device 1501 connected to the processor 1520. Various data processing and operations can be performed. The processor 1520 may load and process instructions or data received from at least one of the other components (eg, the communication module 1590) into the volatile memory 1532, and store the resulting data in the nonvolatile memory 1534. Can be.
  • SoC system on chip
  • SiP system in package
  • the processor 1520 may load and process instructions or data received from at least one of the other components (eg, the communication module 1590) into the volatile memory 1532, and
  • the memory 1530 may include a volatile memory 1532 or a nonvolatile memory 1534.
  • Volatile memory 1532 may be configured, for example, with random access memory (RAM) (eg, DRAM, SRAM, or SDRAM).
  • RAM random access memory
  • the nonvolatile memory 1534 may include, for example, programmable read-only memory (PROM), one time PROM (OTPROM), erasable PROM (EPROM), electrically EPROM (EPROM), mask ROM, flash ROM, flash memory, HDD (hard disk drive), or solid state drive (SSD).
  • the nonvolatile memory 1534 may include an internal memory 1536 disposed therein or a stand-alone type external device that can be connected and used only when necessary according to a connection form with the electronic device 1501.
  • the external memory 1538 may be a flash drive, for example, a compact flash (CF), a secure digital (SD), a micro-SD, a mini-SD, an extreme digital (XD), or a multi-media card (MMC). Or a memory stick.
  • the external memory 1538 may be functionally or physically connected to the electronic device 1501 through a wire (for example, a cable or universal serial bus (USB)) or wireless (for example, Bluetooth).
  • a wire for example, a cable or universal serial bus (USB)
  • wireless for example, Bluetooth
  • the memory 1530 may store, for example, instructions or data related to at least one other software component of the electronic device 1501, for example, the program 1540.
  • the program 1540 may include, for example, a kernel 1541, a library 1543, an application framework 1545, or an application program (interchangeably "application”) 1547.
  • the input device 1550 may include a microphone, a mouse, or a keyboard. According to an embodiment of the present disclosure, the keyboard may be connected to a physical keyboard or displayed as a virtual keyboard through the display device 1560.
  • the display device 1560 may include a display, a hologram device, a projector, and a control circuit for controlling the device.
  • the display may include, for example, a liquid crystal display (LCD), a light emitting diode (LED) display, an organic light emitting diode (OLED) display, a microelectromechanical system (MEMS) display, or an electronic paper display.
  • the display may be implemented to be flexible, transparent, or wearable.
  • the display may include touch circuitry or an interchangeably “force sensor” capable of measuring the strength of the pressure on the touch, which may sense a user's touch, gesture, proximity, or hovering input. Can be.
  • the touch circuit or pressure sensor may be implemented integrally with the display or with one or more sensors separate from the display.
  • the hologram device may show a stereoscopic image in the air by using interference of light.
  • the projector may display an image by projecting light onto a screen.
  • the screen may be located inside or outside the electronic device 1501.
  • the audio module 1570 may bidirectionally convert, for example, a sound and an electrical signal. According to an embodiment of the present disclosure, the audio module 1570 may acquire sound through an input device 1550 (eg, a microphone), or an output device (not shown) (eg, a speaker or the like) included in the electronic device 1501. Receiver), or through an external electronic device (e.g., electronic device 1502 (e.g., wireless speakers or wireless headphones) or electronic device 1506 (e.g., wired speakers or wired headphones) connected to the electronic device 1501). You can output an input device 1550 (eg, a microphone), or an output device (not shown) (eg, a speaker or the like) included in the electronic device 1501. Receiver), or through an external electronic device (e.g., electronic device 1502 (e.g., wireless speakers or wireless headphones) or electronic device 1506 (e.g., wired speakers or wired headphones) connected to the electronic device 1501). You can output an input device 1550 (eg, a microphone), or an output
  • the sensor module 1576 may measure or detect, for example, an operating state (eg, power or temperature) inside the electronic device 1501, or an external environmental state (eg, altitude, humidity, or brightness). An electrical signal or data value corresponding to the measured or detected state information can be generated.
  • the sensor module 1576 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, and a color sensor (eg, RGB (red, green, blue) sensor).
  • the sensor module 1576 may further include a control circuit for controlling at least one or more sensors belonging therein.
  • the electronic device 1501 may control the sensor module 1576 using a processor 1520 or a processor (eg, a sensor hub) separate from the processor 1520.
  • the electronic device 1501 may operate the sensor module by operating the separate processor without waking the processor 1520 while the processor 1520 is in a sleep state. At least a portion of the operation or state of 1576 may be controlled.
  • the interface 1577 is, according to an embodiment, a high definition multimedia interface (HDMI), a USB, an optical interface, an RS-232 (recommended standard 232), a D-sub (D-subminiature), or a MHL (mobile). It may include a high-definition link (SD) interface, an SD card / multi-media card (MMC) interface, or an audio interface.
  • the connection terminal 1578 may physically connect the electronic device 1501 and the electronic device 1506. According to an embodiment of the present disclosure, the connection terminal 1578 may include, for example, a USB connector, an SD card / MMC connector, or an audio connector (eg, a headphone connector).
  • the haptic module 1579 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus.
  • the haptic module 1579 may provide a user with stimuli associated with tactile or motor sensations.
  • the haptic module 1579 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 1580 may capture a still image and a moving image, for example.
  • the camera module 1580 may include one or more lenses (eg, wide-angle and telephoto lenses, or front and rear lenses), image sensors, image signal processors, or flashes (eg, light emitting diodes or xenon lamps). (xenon lamp) and the like).
  • lenses eg, wide-angle and telephoto lenses, or front and rear lenses
  • image sensors eg, image signal processors, or flashes (eg, light emitting diodes or xenon lamps). (xenon lamp) and the like).
  • the power management module 1588 is a module for managing power of the electronic device 1501 and may be configured, for example, as at least part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 1589 may be recharged by an external power source, including, for example, a primary cell, a secondary cell, or a fuel cell to supply power to at least one component of the electronic device 1501.
  • an external power source including, for example, a primary cell, a secondary cell, or a fuel cell to supply power to at least one component of the electronic device 1501.
  • the communication module 1590 may establish, for example, a communication channel between the electronic device 1501 and an external device (eg, the first external electronic device 1502, the second external electronic device 1504, or the server 1508). And performing wired or wireless communication through the established communication channel.
  • the communication module 1590 includes a wireless communication module 1592 or a wired communication module 1594, and the first network 1598 (eg, Bluetooth or IrDA) using a corresponding communication module. or a local area network such as an infrared data association) or a second network 1599 (eg, a local area network such as a cellular network).
  • the wireless communication module 1592 may support, for example, cellular communication, near field communication, or GNSS communication.
  • Cellular communication includes, for example, long-term evolution (LTE), LTE Advance (LTE-A), code division multiple access (CDMA), wideband CDMA (WCDMA), universal mobile telecommunications system (UMTS), and wireless broadband (WiBro). ), Or Global System for Mobile Communications (GSM).
  • Short-range wireless communication is, for example, wireless fidelity (Wi-Fi), Wi-Fi Direct, light fidelity (L-Fi), Bluetooth, Bluetooth low energy (BLE), Zigbee, near field communication (NFC), MST ( magnetic secure transmission (RF), radio frequency (RF), or body area network (BAN).
  • the GNSS may include, for example, a Global Positioning System (GPS), a Global Navigation Satellite System (Glonass), a Beidou Navigation Satellite System (“Beidou”), or the Galileo (the European global satellite-based navigation system).
  • GPS Global Positioning System
  • Glonass Global Navigation Satellite System
  • Beidou Beidou Navigation Satellite System
  • Galileo the European global satellite-based navigation system
  • the wireless communication module 1592 when supporting the cellular communication, performs identification and authentication of the electronic device 1501 in the communication network using, for example, the subscriber identification module 1596. can do.
  • the wireless communication module 1592 may include a CP separate from the processor 1520 (eg, an AP). In such a case, the CP may, for example, replace the processor 1520 while the processor 1520 is in an inactive (eg, sleep) state, or the processor 1520 and the processor 1520 while the processor 1520 is in an active state. Together, at least some of the functions related to at least one of the elements 1510-1596 of the electronic device 1501 may be performed.
  • the wireless communication module 1592 may be configured of a plurality of communication modules supporting only a corresponding communication method among a cellular communication module, a short range wireless communication module, or a GNSS communication module.
  • the wired communication module 1594 may include, for example, a local area network (LAN), power line communication, or plain old telephone service (POTS).
  • LAN local area network
  • POTS plain old telephone service
  • the first network 1598 may use, for example, Wi-Fi Direct or Bluetooth capable of transmitting or receiving commands or data through a wireless direct connection between the electronic device 1501 and the first external electronic device 1502. It may include.
  • the second network 1599 may be, for example, a telecommunications network (eg, a local area network (LAN) or the like) capable of transmitting or receiving commands or data between the electronic device 1501 and the second external electronic device 1504.
  • Computer networks such as wide area networks, the Internet, or telephony networks.
  • the command or the data may be transmitted or received between the electronic device 1501 and the second external electronic device 1504 through the server 1508 connected to the second network.
  • Each of the first and second external electronic devices 1502 and 1504 may be the same or different type of device as the electronic device 1501.
  • all or part of operations executed in the electronic device 1501 may be executed in another or a plurality of electronic devices (for example, the electronic devices 1502 and 1504 or the server 1508).
  • the electronic device 1501 may instead or additionally execute the function or service by itself.
  • the associated at least some functions may be requested to another device (eg, the electronic device 1502 or 1504 or the server 1508).
  • the other electronic device for example, the electronic device 1502, 1504, or the server 1508, may execute the requested function or the additional function and transmit the result to the electronic device 1501.
  • the electronic device 1501 may provide the requested function or service by processing the received result as it is or additionally.
  • cloud computing, distributed computing, or client-server computing technology may be used.
  • adapted to or configured to is modified to have the ability to "adapt,” “to,” depending on the circumstances, for example, hardware or software, It can be used interchangeably with “made to,” “doable,” or “designed to.”
  • the expression “device configured to” may mean that the device “can” together with other devices or components.
  • the phrase “processor configured (or configured to) perform A, B, and C” may be a dedicated processor (eg, embedded processor) or one stored in a memory device (eg, memory 1530) to perform the corresponding operations.
  • a general-purpose processor eg, a CPU or an AP capable of performing the corresponding operations.
  • module includes a unit composed of hardware, software, or firmware, and is used interchangeably with terms such as logic, logic blocks, components, or circuits. Can be.
  • the module may be an integrally formed part or a minimum unit or part of performing one or more functions.
  • Modules may be implemented mechanically or electronically, for example, application-specific integrated circuit (ASIC) chips, field-programmable gate arrays (FPGAs), or known or future developments that perform certain operations. It can include a programmable logic device.
  • ASIC application-specific integrated circuit
  • FPGAs field-programmable gate arrays
  • At least a portion of an apparatus (eg, modules or functions thereof) or method (eg, operations) may be stored in a computer-readable storage medium (eg, memory 1530) in the form of a program module. It can be implemented as.
  • a processor eg, the processor 1520
  • the processor may perform a function corresponding to the command.
  • Computer-readable recording media include hard disks, floppy disks, magnetic media (such as magnetic tape), optical recording media (such as CD-ROMs, DVDs, magnetic-optical media (such as floppy disks)), and internal memory. And the like. Instructions can include code generated by a compiler or code that can be executed by an interpreter.
  • Each component may be composed of a singular or a plurality of entities, and some of the above-described subcomponents may be omitted, or other subcomponents may be omitted. It may further include. Alternatively or additionally, some components (eg modules or program modules) may be integrated into one entity to perform the same or similar functions performed by each corresponding component prior to integration. Operations performed by a module, program module, or other component according to various embodiments may be executed sequentially, in parallel, repeatedly, or heuristically, or at least some operations may be executed in a different order, omitted, or otherwise. Can be added.

Abstract

마이크, 통신 회로, 디스플레이, 적어도 하나의 어플리케이션을 저장하기 위한 메모리, 및 프로세서를 포함하고, 상기 프로세서는 상기 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하고, 상기 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하고, 상기 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하고, 상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하고, 상기 제1 기능이 수행되지 않은 경우 상기 제2 기능을 수행하고, 상기 제1 기능이 수행된 경우 상기 제2 정보의 처리를 제한하도록 설정된 전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

음성 데이터 처리 방법 및 이를 지원하는 전자 장치
본 문서에서 개시되는 실시 예들은 음성 데이터 처리 기술과 관련된다. 특히, 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템에서의 음성 데이터 처리 및 그 응용에 관련된 것이다.
인공지능 시스템(또는 통합 지능화 시스템)은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다.
인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판당 등의 기능을 모사하는 요소 기술들로 구성된다.
요소 기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.
상술한 요소 기술들 중 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다.
한편, 인공지능 시스템이 탑재된 전자 장치는 지정된 하드웨어 키가 눌리거나 마이크를 통해 지정된 음성이 입력되면, 음성 인식 앱(app)(또는 어플리케이션)과 같은 지능형 앱을 실행시킬 수 있으며, 상기 지능형 앱을 통해 사용자의 음성 입력을 수신하기 위한 대기 상태로 진입할 수 있다. 예컨대, 전자 장치는 상기 지능형 앱의 UI(user interface)를 디스플레이의 화면 상에 표시할 수 있으며, 상기 UI 중 음성 입력 버튼이 터치되면 사용자의 음성 입력을 수신할 수 있다.
또한, 전자 장치는 수신된 음성 입력에 대응되는 음성 데이터를 지능형 서버에 전송할 수 있다. 이 경우, 지능형 서버는 수신된 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터에 기초하여 전자 장치에 포함된 적어도 하나의 어플리케이션의 기능을 수행하기 위한 동작에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함하는 패스 룰(path rule)을 결정할 수 있다. 이 후, 전자 장치는 상기 지능형 서버로부터 상기 패스 룰을 수신하여 상기 패스 룰에 따라 상기 동작을 수행할 수 있다.
지능형 서버로부터 상기 패스 룰을 수신하여 처리하는 전자 장치는, 사용자가 단순히 화면 상에 표시된 텍스트에 대응되는 음성을 발화하는 경우에도 상기 지능형 서버로부터 상기 패스 룰을 수신하기 전까지의 일련의 과정을 거쳐야만 했다. 즉, 사용자가 단순히 화면 상에 표시된 사용자 입력 인터페이스(예: 버튼 객체, 아이콘 등)를 통해 지정된 기능이 수행되기를 원하는 경우에도, 전자 장치는 상기 지능형 서버가 상기 패스 룰을 결정하여 전자 장치로 전송할 때까지 대기할 수밖에 없었다.
본 문서에서 개시되는 실시 예들은, 상기 지능형 서버로부터 음성 데이터를 변환한 텍스트 데이터를 획득하고, 상기 텍스트 데이터를 기반으로 지정된 기능을 수행할 수 있는 음성 데이터 처리 방법 및 이를 지원하는 전자 장치를 제공할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 마이크, 통신 회로, 디스플레이, 적어도 하나의 어플리케이션을 저장하기 위한 메모리, 및 상기 마이크, 상기 통신 회로, 상기 디스플레이, 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는 상기 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하고, 상기 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하고, 상기 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하고, 상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하고, 상기 제1 기능이 수행되지 않은 경우 상기 제2 기능을 수행하고, 상기 제1 기능이 수행된 경우 상기 제2 정보의 처리를 제한하도록 설정될 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 마이크, 통신 회로, 디스플레이, 적어도 하나의 어플리케이션을 저장하기 위한 메모리, 및 상기 마이크, 상기 통신 회로, 상기 디스플레이, 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는 상기 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하고, 상기 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하고, 상기 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하고, 상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하고, 상기 제2 텍스트 데이터가 존재하지 않는 경우 상기 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하기 위한 대기 상태로 진입하도록 설정될 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 음성 데이터 처리 방법은, 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하는 동작, 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하는 동작, 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하는 동작, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하는 동작, 상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하는 동작, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 메모리에 저장된 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하는 동작, 상기 제1 기능의 수행 여부를 판단하는 동작, 및 상기 제1 기능이 수행되지 않은 경우 상기 제2 기능을 수행하고, 상기 제1 기능이 수행된 경우 상기 제2 정보의 처리를 제한하는 동작을 포함할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 지능형 서버에서 처리되는 일련의 과정 없이도 기능 수행이 가능할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 본 발명의 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 사용자 단말을 나타낸 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 사용자 단말의 지능형 앱을 실행시키는 것을 나타낸 도면이다.
도 4는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 지능형 서버를 나타낸 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 자연어 이해 모듈(natural language understanding)(NLU)이 패스 룰(path rule)을 생성하는 방법을 나타낸 도면이다.
도 6은 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 전자 장치의 블록도이다.
도 7a는 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 전자 장치의 운용 방법을 나타낸 도면이다.
도 7b는 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 전자 장치의 다른 운용 방법을 나타낸 도면이다
도 8은 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 9는 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 전자 장치의 또 다른 운용 방법을 나타낸 도면이다.
도 10은 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 시스템의 다른 운용 방법을 나타낸 도면이다.
도 11은 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 시스템의 블록도이다.
도 12는 본 발명의 일 실시 예에 따른 화면 구성 정보를 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시 예에 따른 화면 구성 정보를 이용한 기능 수행을 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시 예에 따른 화면 구성 정보 중 일부를 이용한 기능 수행을 설명하기 위한 도면이다.
도 15는 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도를 나타낸다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
본 발명의 일 실시 예를 서술하기에 앞서, 본 발명의 일 실시 예가 적용될 수 있는 통합 지능화 시스템에 대해 설명한다.
도 1은 본 발명의 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다.
도 1을 참조하면, 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 개인화 정보 서버(300) 또는 제안 서버(400)를 포함할 수 있다.
사용자 단말(100)은 사용자 단말(100) 내부에 저장된 앱(app)(또는, 어플리케이션 프로그램(application program))(예: 알람 앱, 메시지 앱, 사진(갤러리) 앱 등)을 통해 사용자에게 필요한 서비스를 제공할 수 있다. 예를 들어, 사용자 단말(100)은 사용자 단말(100) 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 다른 앱을 실행하고 동작시킬 수 있다. 사용자 단말(100)의 상기 지능형 앱을 통해 상기 다른 앱을 실행하고 동작을 실행시키기 위한 사용자 입력을 수신할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼, 터치 패드, 음성 입력, 원격 입력 등을 통해 수신될 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 휴대폰, 스마트폰, PDA(personal digital assistant) 또는 노트북 컴퓨터 등 인터넷에 연결 가능한 각종 단말 장치(또는, 전자 장치)가 이에 해당될 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 사용자의 발화를 사용자 입력으로 수신할 수 있다. 사용자 단말(100)은 사용자의 발화를 수신하고, 상기 사용자의 발화에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 이에 따라, 사용자 단말(100)은 상기 명령을 이용하여 상기 앱을 동작시킬 수 있다.
지능형 서버(200)는 통신망을 통해 사용자 단말(100)로부터 사용자 음성 입력(voice input)을 수신하여 텍스트 데이터(text data)로 변경할 수 있다. 다른 실시 예에서는, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 패스 룰(path rule)을 생성(또는, 선택)할 수 있다. 상기 패스 룰은 앱의 기능을 수행하기 위한 동작(action)(또는, 오퍼레이션(operation))에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함할 수 있다. 또한, 상기 패스 룰은 상기 앱의 상기 동작의 순서를 포함할 수 있다. 사용자 단말(100)은 상기 패스 룰을 수신하고, 상기 패스 룰에 따라 앱을 선택하고, 상기 선택된 앱에서 상기 패스 룰에 포함된 동작을 실행시킬 수 있다.
예를 들어, 사용자 단말(100)은 상기 동작을 실행하고, 동작을 실행한 사용자 단말(100)의 상태에 대응되는 화면을 디스플레이에 표시할 수 있다. 다른 예를 들어, 사용자 단말(100)은 상기 동작을 실행하고, 동작을 수행한 결과를 디스플레이에 표시하지 않을 수 있다. 사용자 단말(100)은, 예를 들어, 복수의 동작을 실행하고, 상기 복수의 동작의 일부 결과 만을 디스플레이에 표시할 수 있다. 사용자 단말(100)은, 예를 들어, 마지막 순서의 동작을 실행한 결과만을 디스플레이에 표시할 수 있다. 또 다른 예를 들어, 사용자 단말(100)은 사용자의 입력을 수신하여 상기 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
개인화 정보 서버(300)는 사용자 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 개인화 정보 서버(300)는 사용자 단말(100)로부터 사용자 정보(예: 컨텍스트 정보, 앱 실행 등)를 수신하여 상기 데이터베이스에 저장할 수 있다. 지능형 서버(200)는 통신망을 통해 개인화 정보 서버(300)로부터 상기 사용자 정보를 수신하고, 사용자 입력에 대한 패스 룰을 생성하는 경우에 상기 사용자 정보를 이용할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 통신망을 통해 개인화 정보 서버(300)로부터 사용자 정보를 수신하여 데이터베이스를 관리하기 위한 정보로 이용할 수 있다.
제안 서버(400)는 단말 내에 기능 혹은 어플리케이션의 소개 또는 제공될 기능에 대한 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 제안 서버(400)는 개인화 정보 서버(300)로부터 사용자 단말기(100)의 사용자 정보를 수신하고, 사용자가 사용할 수 있는 기능에 대한 정보가 저장된 데이터베이스를 포함할 수 있다. 사용자 단말(100)은 통신망을 통해 제안 서버(400)로부터 상기 제공될 기능에 대한 정보를 수신하고 사용자에게 수신된 정보를 제공할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 사용자 단말을 나타낸 블록도이다.
도 2를 참조하면, 사용자 단말(100)은 입력 모듈(110), 디스플레이(120), 스피커(130), 메모리(140) 또는 프로세서(150)을 포함할 수 있다. 사용자 단말(100)은 하우징을 더 포함할 수 있고, 상기 사용자 단말(100)의 구성들은 상기 하우징의 내부에 안착되거나 하우징 상에(on the housing) 위치할 수 있다.
일 실시 예에 따른, 입력 모듈(110)은 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 모듈(110)은 연결된 외부 장치(예: 키보드, 헤드셋)로부터 사용자 입력을 수신할 수 있다. 다른 예를 들어, 입력 모듈(110)은 디스플레이(120)와 결합된 터치 스크린(예: 터치 스크린 디스플레이)을 포함할 수 있다. 또 다른 예를 들어, 입력 모듈(110)은 사용자 단말(100)(또는, 사용자 단말(100)의 하우징)에 위치한 하드웨어 키(또는, 물리적 키)를 포함할 수 있다.
일 실시 예에 따르면, 입력 모듈(110)은 사용자의 발화를 음성 신호로 수신할 수 있는 마이크(111)를 포함할 수 있다. 예를 들어, 입력 모듈(110)은 발화 입력 시스템(speech input system)을 포함하고, 상기 발화 입력 시스템을 통해 사용자의 발화를 음성 신호로 수신할 수 있다.
일 실시 예에 따른, 디스플레이(120)는 이미지나 비디오, 및/또는 어플리케이션의 실행 화면을 표시할 수 있다. 예를 들어, 디스플레이(120)는 앱의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예에 따르면, 스피커(130)는 음성 신호를 출력할 수 있다. 예를 들어, 스피커(130)는 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력할 수 있다.
일 실시 예에 따르면, 메모리(140)는 복수의 앱(141, 143)을 저장할 수 있다. 메모리(140)에 저장된 복수의 앱(141, 143)은 사용자 입력에 따라 선택되어 실행되고 동작할 수 있다.
일 실시 예에 따르면, 메모리(140)는 사용자 입력을 인식하는데 필요한 정보를 저장할 수 있는 데이터베이스를 포함할 수 있다. 예를 들어, 메모리(140)은 로그(log) 정보를 저장할 수 있는 로그 데이터베이스를 포함할 수 있다. 다른 예를 들어, 메모리(140)는 사용자 정보를 저장할 수 있는 페르소나 데이터베이스를 포함할 수 있다.
일 실시 예에 따르면, 메모리(140)는 복수의 앱(141, 143)을 저장하고, 복수의 앱(141, 143)은 로드되어 동작할 수 있다. 예를 들어, 메모리(140)에 저장된 복수의 앱(141,143)은 프로세서(150)의 실행 매니저 모듈(153)에 의해 로드되어 동작할 수 있다. 복수의 앱(141, 143)은 기능을 수행하는 실행 서비스(141a, 143a) 또는 복수의 동작(또는, 단위 동작)(141b, 143b)을 포함할 수 있다. 실행 서비스(141a, 143a)는 프로세서(150)의 실행 매니저 모듈(153)에 의해 생성되고, 복수의 동작 (141b, 143b)을 실행할 수 있다.
일 실시 예에 따르면, 앱(141, 143)의 동작(141b, 143b)이 실행되었을 때, 동작(141b, 143b)의 실행에 따른 실행 상태 화면은 디스플레이(120)에 표시될 수 있다. 상기 실행 상태 화면은, 예를 들어, 동작(141b, 143b)이 완료된 상태의 화면일 수 있다. 상기 실행 상태 화면은, 다른 예를 들어, 동작(141b, 143b)의 실행이 정지된 상태(partial landing)(예: 동작(141b, 143b)에 필요한 파라미터가 입력되지 않은 경우)의 화면일 수 있다.
일 실시 예에 따른, 실행 서비스(141a, 143a)는 패스 룰에 따라 동작(141b, 143b)을 실행할 수 있다. 예를 들어, 실행 서비스(141a, 143a)는 실행 매니저 모듈(153)에 의해 생성되고, 실행 매니저 모듈(153)로부터 상기 패스 룰에 따라 실행 요청을 수신하고, 상기 실행 요청에 따라 동작(141b, 143b)을 함으로써, 앱(141, 143)의 동작을 실행할 수 있다. 실행 서비스(141a, 143a)는 상기 동작(141b, 143b)의 수행이 완료되면 완료 정보를 실행 매니저 모듈(153)로 송신할 수 있다.
일 실시 예에 따르면, 앱(141, 143)에서 복수의 동작(141b, 143b)이 실행되는 경우, 복수의 동작(141b, 143b)은 순차적으로 실행될 수 있다. 실행 서비스(141a, 143a)는 하나의 동작(동작 1)의 실행이 완료되면 다음 동작(동작 2)을 오픈하고 완료 정보를 실행 매니저 모듈(153)로 송신할 수 있다. 여기서 임의의 동작을 오픈한다는 것은, 임의의 동작을 실행 가능한 상태로 천이시키거나, 임의의 동작의 실행을 준비하는 것으로 이해될 수 있다. 다시 말해서, 임의의 동작이 오픈되지 않으면, 해당 동작은 실행될 수 없다. 실행 매니저 모듈(153)은 상기 완료 정보가 수신되면 다음 동작(141b, 143b)에 대한 실행 요청을 실행 서비스(예: 동작 2)로 송신할 수 있다. 일 실시 예에 따르면, 복수의 앱(141, 143)이 실행되는 경우, 복수의 앱(141, 143)은 순차적으로 실행될 수 있다. 예를 들어, 제1 앱(141)의 마지막 동작의 실행이 완료되어 완료 정보를 수신하면, 실행 매니저 모듈(153)은 제2 앱(143)의 첫번째 동작의 실행 요청을 실행 서비스(143a)로 송신할 수 있다.
일 실시 예에 따르면, 앱(141, 143)에서 복수의 동작(141b, 143b)이 실행된 경우, 상기 실행된 복수의 동작(141b, 143b) 각각의 실행에 따른 결과 화면은 디스플레이(120)에 표시될 수 있다. 일 실시 예에 따르면, 상기 실행된 복수의 동작(141b, 143b)의 실행에 따른 복수의 결과 화면 중 일부만 디스플레이(120)에 표시될 수 있다.
일 실시 예에 따르면, 메모리(140)는 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)을 저장할 수 있다. 지능형 에이전트(151)와 연동된 앱은 사용자의 발화를 음성 신호로 수신하여 처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)와 연동된 앱은 입력 모듈(110)을 통해 입력되는 특정 입력(예: 하드웨어 키를 통한 입력, 터치 스크린을 통한 입력, 특정 음성 입력)에 의해 동작될 수 있다.
일 실시 예에 따르면, 프로세서(150)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(150)는 입력 모듈(110)을 제어하여 사용자 입력을 수신할 수 있다. 프로세서(150)는 디스플레이(120)를 제어하여 이미지를 표시할 수 있다. 프로세서(150)는 스피커(130)를 제어하여 음성 신호를 출력할 수 있다. 프로세서(150)는 메모리(140)를 제어하여 필요한 정보를 불러오거나 저장할 수 있다.
일 실시 예에 따르면 프로세서(150)는 지능형 에이전트(151), 실행 매니저 모듈(153) 또는 지능형 서비스 모듈(155)를 포함할 수 있다. 일 실시 예에서, 프로세서(150)는 메모리(140)에 저장된 명령어들을 실행하여 지능형 에이전트(151), 실행 매니저 모듈(153) 또는 지능형 서비스 모듈(155)을 구동시킬 수 있다. 본 발명의 다양한 실시 예에서 언급되는 여러 모듈들은 하드웨어로 구현될 수도 있고, 소프트웨어로 구현될 수도 있다. 본 발명의 다양한 실시 예에서 지능형 에이전트(151), 실행 매니저 모듈(153) 또는 지능형 서비스 모듈(155)에 의해 수행되는 동작은 프로세서(150)에 의해 수행되는 동작으로 이해될 수 있다.
일 실시 예에 따른, 지능형 에이전트(151)는 사용자 입력으로 수신된 음성 신호에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 일 실시 예에 따른, 실행 매니저 모듈(153)은 지능형 에이전트(151)로부터 상기 생성된 명령을 수신하고, 수신된 명령에 따라 메모리(140)에 저장된 앱(141, 143)을 선택하여 실행시키고 동작시킬 수 있다. 일 실시 예에 따르면, 지능형 서비스 모듈(155)은 사용자의 정보를 관리할 수 있으며, 사용자 입력을 처리하는데 상기 사용자의 정보를 이용할 수 있다.
지능형 에이전트(151)는 입력 모듈(110)을 통해 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 상기 사용자 입력을 지능형 서버(200)로 송신하기 전에, 상기 사용자 입력을 전처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 상기 사용자 입력을 전처리하기 위하여, 적응 반향 제거(adaptive echo canceller)(AEC) 모듈, 노이즈 억제(noise suppression)(NS) 모듈, 종점 검출(end-point detection)(EPD) 모듈 또는 자동 이득 제어(automatic gain control)(AGC) 모듈을 포함할 수 있다. 상기 적응 반향 제거부는 상기 사용자 입력에 포함된 에코(echo)를 제거할 수 있다. 상기 노이즈 억제 모듈은 상기 사용자 입력에 포함된 배경 잡음을 억제할 수 있다. 상기 종점 검출 모듈은 상기 사용자 입력에 포함된 사용자 음성의 종점을 검출하여 사용자의 음성이 존재하는 부분을 찾을 수 있다. 상기 자동 이득 제어 모듈은 상기 사용자 입력을 인식하여 처리하기 적합하도록 상기 사용자 입력의 음량을 조절할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 성능을 위하여 상기 전처리 구성을 전부 포함할 수 있지만, 다른 실시 예에서 지능형 에이전트(151)는 저전력으로 동작하기 위해 상기 전처리 구성 중 일부를 포함할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 호출을 인식하는 웨이크 업(wake up) 인식 모듈을 포함할 수 있다. 상기 웨이크 업 인식 모듈은 음성 인식 모듈을 통해 사용자의 웨이크 업 명령을 인식할 수 있고, 상기 웨이크 업 명령을 수신한 경우 사용자 입력을 수신하기 위해 지능형 에이전트(151)을 활성화시킬 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)의 웨이크 업 인식 모듈은 저전력 프로세서(예: 오디오 코덱에 포함된 프로세서)에 구현될 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 하드웨어 키를 통한 사용자 입력에 따라 활성화될 수 있다. 지능형 에이전트(151)가 활성화되는 경우, 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)이 실행될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자 입력을 실행하기 위한 음성 인식 모듈을 포함할 수 있다. 상기 음성 인식 모듈은 앱에서 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예를 들어, 상기 음성 인식 모듈은 앱(141, 143)에서 상기 웨이크 업 명령과 같은 동작을 실행하는 제한된 사용자 (음성) 입력(예: 카메라 앱이 실행 중일 때 촬영 동작을 실행시키는 "찰칵"과 같은 발화 등)을 인식할 수 있다. 상기 지능형 서버(200)를 보조하여 사용자 입력을 인식하는 음성 인식 모듈은, 예를 들어, 사용자 단말(100)내에서 처리할 수 있는 사용자 명령을 인식하여 빠르게 처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)의 사용자 입력을 실행하기 위한 음성 인식 모듈은 앱 프로세서에서 구현될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)의 음성 인식 모듈(웨이크 업 모듈의 음성 인식 모듈을 포함)은 음성을 인식하기 위한 알고리즘을 이용하여 사용자 입력을 인식할 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model) 알고리즘, ANN(artificial neural network) 알고리즘 또는 DTW(dynamic time warping) 알고리즘 중 적어도 하나일 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 음성을 지능형 서버로(200)로 전달하여, 변환된 텍스트 데이터를 수신할 수 있다. 이에 따라, 지능형 에이전트(151)는 상기 텍스트 데이터를 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 지능형 서버(200)로부터 패스 룰을 수신할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)은 상기 패스 룰을 실행 매니저 모듈(153)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 지능형 서버(200)로부터 수신된 패스 룰에 따른 실행 결과 로그(log)를 지능형 서비스(intelligence service) 모듈(155)로 송신하고, 상기 송신된 실행 결과 로그는 페르소나 모듈(persona manager)(155b)의 사용자의 선호(preference) 정보에 누적되어 관리될 수 있다.
일 실시 예에 따른, 실행 매니저 모듈(153)은 지능형 에이전트(151)로부터 패스 룰을 수신하여 앱(141, 143)을 실행시키고, 앱(141, 143)이 상기 패스 룰에 포함된 동작(141b, 143b)을 실행하도록 할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 앱(141, 143)으로 동작(141b, 143b)을 실행하기 위한 명령 정보를 송신할 수 있고, 상기 앱(141, 143)으로부터 동작(141b, 143b)의 완료 정보를 수신할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 지능형 에이전트(151)와 앱(141, 143)의 사이에서 앱(141, 143)의 동작(141b, 143b)을 실행하기 위한 명령 정보를 송수신할 수 있다. 실행 매니저 모듈(153)은 상기 패스 룰에 따라 실행할 앱(141, 143)을 바인딩(binding)하고, 상기 패스 룰에 포함된 동작(141b, 143b)의 명령 정보를 앱(141, 143)으로 송신할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 상기 패스 룰에 포함된 동작(141b, 143b)을 순차적으로 앱(141, 143)으로 송신하여, 앱(141, 143)의 동작(141b, 143b)을 상기 패스 룰에 따라 순차적으로 실행시킬 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 앱(141, 143)의 동작(141b, 143b)의 실행 상태를 관리할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 앱(141, 143)으로부터 상기 동작(141b, 143b)의 실행 상태에 대한 정보를 수신할 수 있다. 상기 동작(141b, 143b)의 실행 상태가, 예를 들어, 정지된 상태(partial landing)인 경우(예: 동작(141b, 143b)에 필요한 파라미터가 입력되지 않은 경우), 실행 매니저 모듈(153)은 상기 정지된 상태에 대한 정보를 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 상기 수신된 정보를 이용하여, 사용자에게 필요한 정보(예: 파라미터 정보)의 입력을 요청할 수 있다. 상기 동작(141b, 143b)의 실행 상태가, 다른 예를 들어, 동작 상태인 경우에 사용자로부터 발화를 수신할 수 있고, 실행 매니저 모듈(153)은 상기 실행되고 있는 앱(141, 143) 및 앱(141, 143)의 실행 상태에 대한 정보를 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 지능형 서버(200)를 통해 상기 사용자의 발화의 파라미터 정보를 수신할 수 있고, 상기 수신된 파라미터 정보를 실행 매니저 모듈(153)로 송신할 수 있다. 실행 매니저 모듈(153)은 상기 수신한 파라미터 정보를 이용하여 동작(141b, 143b)의 파라미터를 새로운 파라미터로 변경할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 패스 룰에 포함된 파라미터 정보를 앱(141, 143)으로 전달할 수 있다. 상기 패스 룰에 따라 복수의 앱(141, 143)이 순차적으로 실행되는 경우, 실행 매니저 모듈(153)은 하나의 앱에서 다른 앱으로 패스 룰에 포함된 파라미터 정보를 전달할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 복수의 패스 룰을 수신할 수 있다. 실행 매니저 모듈(153)은 사용자의 발화에 기초하여 복수의 패스 룰이 선택될 수 있다. 예를 들어, 실행 매니저 모듈(153)은 사용자의 발화가 일부 동작(141a)을 실행할 일부 앱(141)을 특정하였지만, 나머지 동작(143b)을 실행할 다른 앱(143)을 특정하지 않은 경우, 일부 동작(141a)를 실행할 동일한 앱(141)(예: 갤러리 앱)이 실행되고 나머지 동작(143b)를 실행할 수 있는 서로 다른 앱(143)(예: 메시지 앱, 텔레그램 앱)이 각각 실행되는 서로 다른 복수의 패스 룰을 수신할 수 있다. 실행 매니저 모듈(153)은, 예를 들어, 상기 복수의 패스 룰의 동일한 동작(141b, 143b)(예: 연속된 동일한 동작(141b, 143b))을 실행할 수 있다. 실행 매니저 모듈(153)은 상기 동일한 동작까지 실행한 경우, 상기 복수의 패스 룰에 각각 포함된 서로 다른 앱(141, 143)을 선택할 수 있는 상태 화면을 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 지능형 서비스 모듈(155)는 컨텍스트 모듈(155a), 페르소나 모듈(155b) 또는 제안 모듈(155c)을 포함할 수 있다.
컨텍스트 모듈(155a)은 앱(141, 143)으로부터 앱(141, 143)의 현재 상태를 수집할 수 있다. 예를 들어, 컨텍스트 모듈(155a)은 앱(141, 143)의 현재 상태를 나타내는 컨텍스트 정보를 수신하여 앱(141, 143)의 현재 상태를 수집할 수 있다.
페르소나 모듈(155b)은 사용자 단말(100)을 사용하는 사용자의 개인 정보를 관리할 수 있다. 예를 들어, 페르소나 모듈(155b)은 사용자 단말(100)의 사용 정보 및 수행 결과를 수집하여 사용자의 개인 정보를 관리할 수 있다.
제안 모듈(155c)는 사용자의 의도를 예측하여 사용자에게 명령을 추천해줄 수 있다. 예를 들어, 제안 모듈(155c)은 사용자의 현재 상태(예: 시간, 장소, 상황, 앱)를 고려하여 사용자에게 명령을 추천해줄 수 있다.
도 3은 본 발명의 일 실시 예에 따른 사용자 단말의 지능형 앱을 실행시키는 것을 나타낸 도면이다.
도 3을 참조하면, 사용자 단말(100)이 사용자 입력을 수신하여 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)을 실행시키는 것을 나타낸 것이다.
일 실시 예에 따르면, 사용자 단말(100)은 하드웨어 키(112)를 통해 음성을 인식하기 위한 지능형 앱을 실행시킬 수 있다. 예를 들어, 사용자 단말(100)은 하드웨어 키(112)를 통해 사용자 입력을 수신한 경우 디스플레이(120)에 지능형 앱의 UI(user interface)(121)를 표시할 수 있다. 사용자는, 예를 들어, 지능형 앱의 UI(121)가 디스플레이(120)에 표시된 상태에서 음성을 입력(111b)하기 위해 지능형 앱의 UI(121)에 음성인식 버튼(121a)을 터치할 수 있다. 사용자는, 다른 예를 들어, 음성을 입력(111b)하기 위해 상기 하드웨어 키(112)를 지속적으로 눌러서 음성을 입력(111b)할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 마이크(111)를 통해 음성을 인식하기 위한 지능형 앱을 실행시킬 수 있다. 예를 들어, 사용자 단말(100)은 마이크(111)를 통해 지정된 음성(예: 일어나!(wake up!))이 입력(111a)된 경우 디스플레이(120)에 지능형 앱의 UI(121)를 표시할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 지능형 서버를 나타낸 블록도이다.
도 4를 참조하면, 지능형 서버(200)는 자동 음성 인식(automatic speech recognition)(ASR) 모듈(210), 자연어 이해(natural language understanding)(NLU) 모듈(220), 패스 플래너(path planner) 모듈(230), 대화 매니저(dialogue manager)(DM) 모듈(240), 자연어 생성(natural language generator)(NLG) 모듈(250) 또는 텍스트 음성 변환(text to speech)(TTS) 모듈(260)을 포함할 수 있다.
지능형 서버(200)의 자연어 이해 모듈(220) 또는 패스 플래너 모듈(230)은 패스 룰(path rule)을 생성할 수 있다.
일 실시 예에 따르면, 자동 음성 인식(automatic speech recognition)(ASR) 모듈(210)은 사용자 단말(100)로부터 수신된 사용자 입력을 텍스트 데이터로 변환할 수 있다. 예를 들어, 자동 음성 인식 모듈(210)은 발화 인식 모듈을 포함할 수 있다. 상기 발화 인식 모듈은 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 상기 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 상기 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 상기 발화 인식 모듈은 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다. 상기 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식 데이터베이스(automatic speech recognition database)(ASR DB)(211)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 상기 문법적 분석은 사용자 입력을 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 상기 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 상기 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해 모듈(220)은 사용자 입력과 관련된 도메인(domain), 의도(intent) 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))를 얻을 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 도메인(domain), 의도(intend) 및 상기 의도를 파악하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))로 나누어진 매칭 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 예를 들어, 상기 하나의 도메인(예: 알람)은 복수의 의도(예: 알람 설정, 알람 해제 등)를 포함할 수 있고, 하나의 의도는 복수의 파라미터(예: 시간, 반복 횟수, 알람음 등)를 포함할 수 있다. 복수의 룰은, 예를 들어, 하나 이상의 필수 요소 파라미터를 포함할 수 있다. 상기 매칭 규칙은 자연어 인식 데이터베이스(natural language understanding database)(NLU DB)(221)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 형태소, 구 등의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는 지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)은 상기 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 입력의 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터베이스(221)를 이용하여 사용자의 의도를 결정할 수 있다. 다른 실시 예에 따르면, 자연어 이해 모듈(220)은 개인화 언어 모델(personal language model)(PLM)을 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 개인화된 정보(예: 연락처 리스트, 음악 리스트)를 이용하여 사용자의 의도를 결정할 수 있다. 상기 개인화 언어 모델은, 예를 들어, 자연어 인식 데이터베이스(221)에 저장될 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)뿐만 아니라 자동 음성 인식 모듈(210)도 자연어 인식 데이터베이스(221)에 저장된 개인화 언어 모델을 참고하여 사용자의 음성을 인식할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 기초하여 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력의 의도에 기초하여 실행될 앱을 선택하고, 상기 선택된 앱에서 수행될 동작을 결정할 수 있다. 자연어 이해 모듈(220)은 상기 결정된 동작에 대응되는 파라미터를 결정하여 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)에 의해 생성된 패스 룰은 실행될 앱, 상기 앱에서 실행될 동작 및 상기 동작을 실행하는데 필요한 파라미터에 대한 정보를 포함할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터를 기반으로 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 패스 플래너 모듈(230)로부터 사용자 단말(100)에 대응되는 패스 룰 셋을 수신하고, 사용자 입력의 의도 및 파라미터를 상기 수신된 패스 룰 셋에 매핑하여 패스 룰을 결정할 수 있다.
다른 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 기초하여 실행될 앱, 상기 앱에서 실행될 동작 및 상기 동작을 실행하는데 필요한 파라미터를 결정하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 단말(100)의 정보를 이용하여 상기 실행될 앱 및 상기 앱에서 실행될 동작을 사용자 입력의 의도에 따라 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 배열하여 패스 룰을 생성할 수 있다. 상기 생성된 패스 룰은, 예를 들어, 패스 플래너 모듈(230)을 통해 패스 룰 데이터베이스(path rule database)(PR DB)(231)에 저장될 수 있다. 상기 생성된 패스 룰은 데이터베이스(231)의 패스 룰 셋에 추가될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 생성된 복수의 패스 룰 중 적어도 하나의 패스 룰을 선택할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 상기 복수의 패스 룰 중 최적의 패스 룰을 선택할 수 있다. 다른 예를 들어, 자연어 이해 모듈(220)은 사용자 발화에 기초하여 일부 동작만이 특정된 경우 복수의 패스 룰을 선택할 수 있다. 자연어 이해 모듈(220)은 사용자의 추가 입력에 의해 상기 복수의 패스 룰 중 하나의 패스 룰을 결정할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력에 대한 요청으로 패스 룰을 사용자 단말(100)로 송신할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 대응되는 하나의 패스 룰을 사용자 단말(100)로 송신할 수 있다. 다른 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 대응되는 복수의 패스 룰을 사용자 단말(100)로 송신할 수 있다. 상기 복수의 패스 룰은, 예를 들어, 사용자 발화에 기초하여 일부 동작만이 특정된 경우 자연어 이해 모듈(220)에 의해 생성될 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 복수의 패스 룰 중 적어도 하나의 패스 룰을 선택할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 자연어 이해 모듈(220)로 복수의 패스 룰을 포함하는 패스 룰 셋을 전달할 수 있다. 상기 패스 룰 셋의 복수의 패스 룰은 패스 플래너 모듈(230)에 연결된 패스 룰 데이터베이스(231)에 테이블 형태로 저장될 수 있다. 예를 들어, 패스 플래너 모듈(230)은 지능형 에이전트(151)로부터 수신된 사용자 단말(100)의 정보(예: OS 정보, 앱 정보)에 대응되는 패스 룰 셋을 자연어 이해 모듈(220)로 전달할 수 있다. 상기 패스 룰 데이터베이스(231)에 저장된 테이블은, 예를 들어, 도메인 또는 도메인의 버전 별로 저장될 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 패스 룰 셋에서 하나의 패스 룰, 또는 복수의 패스 룰을 선택하여 자연어 이해 모듈(220)로 전달할 수 있다. 예를 들어, 패스 플래너 모듈(230)은 사용자의 의도 및 파라미터를 사용자 단말(100)에 대응되는 패스 룰 셋에 매칭하여 하나의 패스 룰, 또는 복수의 패스 룰을 선택하여 자연어 이해 모듈(220)로 전달할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 사용자 의도 및 파라미터를 이용하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 패스 플래너 모듈(230)은 사용자 의도 및 파라미터에 기초하여 실행될 앱 및 상기 앱에서 실행될 동작을 결정하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 패스 플래너 모듈(230)은 상기 생성된 패스 룰을 패스 룰 데이터베이스(231)에 저장할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 자연어 이해 모듈(220)에서 생성된 패스 룰을 패스 룰 데이터베이스(231)에 저장할 수 있다. 상기 생성된 패스 룰은 패스 룰 데이터베이스(231)에 저장된 패스 룰 셋에 추가될 수 있다.
일 실시 예에 따르면, 패스 룰 데이터베이스(231)에 저장된 테이블에는 복수의 패스 룰 또는 복수의 패스 룰 셋을 포함할 수 있다. 복수의 패스 룰 또는 복수의 패스 룰 셋은 각 패스 룰을 수행하는 장치의 종류, 버전, 타입, 또는 특성을 반영할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(240)은 자연어 이해 모듈(220)에 의해 파악된 사용자의 의도가 명확한지 여부를 판단할 수 있다. 예를 들어, 대화 매니저 모듈(240)은 파라미터의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. 대화 매니저 모듈(240)는 자연어 이해 모듈(220)에서 파악된 파라미터가 태스크를 수행하는데 충분한지 여부를 판단할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(240)는 사용자의 의도가 명확하지 않은 경우 사용자에게 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 대화 매니저 모듈(240)는 사용자의 의도를 파악하기 위한 파라미터에 대한 정보를 요청하는 피드백을 수행할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(240)은 컨텐츠 제공(content provider) 모듈을 포함할 수 있다. 상기 컨텐츠 제공 모듈은 자연어 이해 모듈(220)에서 파악된 의도 및 파라미터에 기초하여 동작을 수행할 수 있는 경우, 사용자 입력에 대응되는 태스크를 수행한 결과를 생성할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(240)은 사용자 입력에 대한 응답으로 상기 컨텐츠 제공 모듈에서 생성된 상기 결과를 사용자 단말(100)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 생성 모듈(NLG)(250)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는, 예를 들어, 추가 입력에 대한 정보, 사용자 입력에 대응되는 동작의 완료를 안내하는 정보 또는 사용자의 추가 입력을 안내하는 정보(예: 사용자 입력에 대한 피드백 정보)일 수 있다. 상기 텍스트 형태로 변경된 정보는 사용자 단말(100)로 송신되어 디스플레이(120)에 표시되거나, 텍스트 음성 변환 모듈(260)로 송신되어 음성 형태로 변경될 수 있다.
일 실시 예에 따르면, 텍스트 음성 변환 모듈(260)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(260)은 자연어 생성 모듈(250)로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 사용자 단말(100)로 송신할 수 있다. 사용자 단말(100)은 상기 음성 형태의 정보를 스피커(130)로 출력할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220), 패스 플래너 모듈(230) 및 대화 매니저 모듈(240)은 하나의 모듈로 구현될 수 있다. 예를 들어, 자연어 이해 모듈(220), 패스 플래너 모듈(230) 및 대화 매니저 모듈(240)은 하나의 모듈로 구현되어 사용자의 의도 및 파라미터를 결정하고, 상기 결정된 사용자의 의도 및 파라미터에 대응되는 응답(예: 패스 룰)을 생성할 수 있다. 이에 따라, 생성된 응답은 사용자 단말(100)로 송신될 수 있다.
도 5는 본 발명의 일 실시 예에 따른 자연어 이해 모듈(natural language understanding)(NLU)이 패스 룰(path rule)을 생성하는 방법을 나타낸 도면이다.
도 5를 참조하면, 일 실시 예에 따른, 자연어 이해 모듈(220)은 앱의 기능을 단위 동작(A 내지 F)으로 구분하여 패스 룰 데이터베이스(231)에 저장할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 단위 동작으로 구분된 복수의 패스 룰(A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F)을 포함하는 패스 룰 셋을 패스 룰 데이터베이스(231)에 저장할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)의 패스 룰 데이터베이스(231)는 앱의 기능을 수행하기 위한 패스 룰 셋을 저장할 수 있다. 상기 패스 룰 셋은 복수의 동작을 포함하는 복수의 패스 룰을 포함할 수 있다. 상기 복수의 패스 룰은 복수의 동작 각각에 입력되는 파라미터에 따라 실행되는 동작이 순차적으로 배열될 수 있다. 일 실시 예에 따르면, 상기 복수의 패스 룰은 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 구성되어 패스 룰 데이터베이스(231)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 대응되는 상기 복수의 패스 룰(A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중에 최적의 패스 룰(A-B1-C3-D-F)을 선택할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력에 완벽히 매칭되는 패스 룰이 없는 경우 사용자 단말(100)에 복수의 룰을 전달할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 부분적으로 대응된 패스 룰(예: A-B1)을 선택할 수 있다. 자연어 이해 모듈(220)은 사용자 입력에 부분적으로 대응된 패스 룰(예: A-B1)을 포함하는 하나 이상의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F)을 선택하여 사용자 단말(100)에 전달할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 단말(100)의 추가 입력에 기초하여 복수의 패스 룰 중 하나를 선택하고, 상기 선택된 하나의 패스 룰을 사용자 단말(100)에 전달할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 단말(100)에서 추가로 입력된 사용자 입력(예: C3를 선택하는 입력)에 따라 복수의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중 하나의 패스 룰(예: A-B1-C3-D-F)을 선택하여 사용자 단말(100)에 송신할 수 있다.
또 다른 실시 예에 따르면, 자연어 이해 모듈(220)은 자연어 이해 모듈(220)을 통해 사용자 단말(100)에 추가로 입력된 사용자 입력(예: C3를 선택하는 입력)에 대응되는 사용자의 의도 및 파라미터를 결정할 수 있고, 상기 결정된 사용자의 의도 또는 파라미터를 사용자 단말(100)로 송신할 수 있다. 사용자 단말(100)은 상기 송신된 의도 또는 상기 파라미터에 기초하여, 복수의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중 하나의 패스 룰(예: A-B1-C3-D-F)을 선택할 수 있다.
이에 따라, 사용자 단말(100)은 상기 선택된 하나의 패스 룰에 의해 앱(141, 143)의 동작을 완료시킬 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 정보가 부족한 사용자 입력이 지능형 서버(200)에 수신된 경우, 상기 수신한 사용자 입력에 부분적으로 대응되는 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 상기 부분적으로 대응된 패스 룰을 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 실행 매니저 모듈(153)로 상기 부분적으로 대응된 패스 룰을 송신하고, 실행 매니저 모듈(153)은 상기 패스 룰에 따라 제1 앱(141)을 실행시킬 수 있다. 실행 매니저 모듈(153)은 제1 앱(141)을 실행하면서 부족한 파라미터에 대한 정보를 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 상기 부족한 파라미터에 대한 정보를 이용하여 사용자에게 추가 입력을 요청할 수 있다. 지능형 에이전트(151)는 사용자에 의해 추가 입력이 수신되면 지능형 서버(200)로 송신하여 처리할 수 있다. 자연어 이해 모듈(220)은 상기 추가로 입력된 사용자 입력의 의도 및 파라미터 정보에 기초하여 추가된 패스 룰을 생성하여 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 실행 매니저 모듈(153)로 상기 패스 룰을 송신하여 제2 앱(143)을 실행할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 일부 정보가 누락된 사용자 입력이 지능형 서버(200)에 수신된 경우, 개인화 정보 서버(300)로 사용자 정보 요청을 송신할 수 있다. 개인화 정보 서버(300)는 페르소나 데이터베이스에 저장된 사용자의 정보를 자연어 이해 모듈(220)로 송신할 수 있다. 자연어 이해 모듈(220)은 상기 사용자 정보를 이용하여 일부 동작이 누락된 사용자 입력에 대응되는 패스 룰을 선택할 수 있다. 이에 따라, 자연어 이해 모듈(220)은 일부 정보가 누락된 사용자 입력이 지능형 서버(200)에 수신되더라도, 누락된 정보를 요청하여 추가 입력을 받거나 사용자 정보를 이용하여 상기 사용자 입력에 대응되는 패스 룰을 결정할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 전자 장치의 블록도이다. 도 6에 도시된 전자 장치(600)는 전술한 도면들에서의 사용자 단말(100)과 동일 또는 유사한 구성을 포함할 수 있다.
일 실시 예에 따르면, 전자 장치(600)는 전자 장치(600)의 하우징의 일면 상에 배치된 하드웨어 키(예: 하드웨어 키(112))가 눌리거나 마이크(610)(예: 마이크(111))를 통해 지정된 음성(예: 일어나!(wake up!))이 입력되면, 메모리(670)(예: 메모리(140))에 저장된 음성 인식 앱과 같은 지능형 앱을 실행시킬 수 있다. 이 경우, 전자 장치(600)는 디스플레이(630)(예: 디스플레이(120))의 화면 상에 상기 지능형 앱의 UI(예: UI(121))를 표시할 수 있다.
일 실시 예에 따르면, 사용자는 상기 지능형 앱의 UI가 디스플레이(630)에 표시된 상태에서, 음성을 입력하기 위해 상기 지능형 앱의 UI에 포함된 음성 입력 버튼(예: 음성인식 버튼(121a))을 터치할 수 있다. 전자 장치(600)는 상기 지능형 앱의 UI에 포함된 음성 입력 버튼이 터치되면, 사용자의 음성 입력을 수신하기 위한 대기 상태로 진입할 수 있으며, 상기 대기 상태에서 마이크(610)를 통해 사용자의 음성 입력을 수신할 수 있다. 또한, 전자 장치(600)는 사용자의 음성 입력을 수신하면, 음성 입력에 대응되는 음성 데이터를 통신 회로(690)를 통해 외부 전자 장치(예: 지능형 서버(200))로 전송할 수 있다. 이 경우, 상기 외부 전자 장치는 수신된 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터에 기초하여 전자 장치(600)에 포함된 적어도 하나의 어플리케이션의 기능을 수행하기 위한 동작에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함하는 패스 룰을 결정하며, 결정된 패스 룰을 전자 장치(600)로 전송할 수 있다. 이 후, 전자 장치(600)는 상기 외부 전자 장치로부터 수신한 패스 룰에 따라 동작을 수행할 수 있다.
일 실시 예에 따르면, 전자 장치(600)는 상기 외부 전자 장치로부터 패스 룰을 획득하기 전에 음성 데이터를 변환시킨 텍스트 데이터를 먼저 상기 외부 전자 장치로부터 수신하고, 수신된 텍스트 데이터가 디스플레이(630)의 화면 상에 표시된 어느 하나의 텍스트에 대응되는 경우, 상기 텍스트 데이터에 대응되는 기능을 수행할 수 있다. 또한, 전자 장치(600)는 상기 패스 룰을 획득하기 전에 상기 텍스트 데이터에 대응되는 기능을 수행한 경우, 상기 외부 전자 장치로부터 획득한 패스 룰에 대한 처리를 수행하지 않을 수 있다. 이에 따라, 전자 장치(600)는 상기 외부 전자 장치 즉, 지능형 서버에서 처리되는 일련의 과정 없이도 특정 기능 예컨대, 사용자 입력 인터페이스(예: 버튼 객체, 아이콘 등)를 통해 입력된 사용자 입력을 처리하는 기능을 수행할 수 있다.
상술한 기능을 수행하기 위한 전자 장치(600)는 도 6을 참조하면, 마이크(610), 디스플레이(630), 프로세서(650), 메모리(670), 및 통신 회로(690)를 포함할 수 있다. 그러나, 전자 장치(600)의 구성이 이에 한정되는 것은 아니다. 다양한 실시 예에 따르면, 전자 장치(600)는 상술한 구성 요소들 외에 적어도 하나의 다른 구성 요소들 더 포함할 수 있다. 한 예로, 전자 장치(600)는 음성 입력에 대한 처리 결과를 사용자에게 알리기 위해 전자 장치(600) 내부에서 생성된 음성 신호를 외부로 출력하는 스피커(예: 스피커(130))를 더 포함할 수 있다. 상기 스피커는 예를 들어, 전기적 신호를 진동으로 바꾸어 음파를 공기 중으로 내보낼 수 있다.
일 실시 예에 따르면, 마이크(610)는 사용자의 발화를 음성 신호로 수신할 수 있다. 예컨대, 마이크(610)는 사용자의 발화에 의한 진동 에너지를 전기적인 신호로 변환하고, 변환된 전기 신호를 프로세서(650)로 전달할 수 있다.
일 실시 예에 따르면, 디스플레이(630)는 사용자에게 각종 컨텐츠(예: 텍스트, 이미지, 비디오, 아이콘, 또는 심볼 등)를 표시할 수 있다. 일 실시 예에 따르면, 디스플레이(630)는 터치 스크린을 포함할 수 있다. 예를 들어, 디스플레이(630)는 전자 펜 또는 사용자의 신체 일부(예: 손가락)를 이용한 터치, 제스처, 근접, 또는 호버링(hovering) 입력을 수신할 수 있다.
일 실시 예에 따르면, 프로세서(650)는 전자 장치(600)의 적어도 하나의 다른 구성 요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 프로세서(650)는 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 프로세서(650)에 연결된 다수의 하드웨어 또는 소프트웨어 구성 요소들을 제어할 수 있고, 각종 데이터 처리 또는 연산을 수행할 수 있다. 프로세서(650)는 중앙처리장치, 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)) 중 하나 또는 그 이상을 포함할 수 있다. 일 실시 예에 따르면, 프로세서(650)는 SoC(system on chip)로 구현될 수 있다.
일 실시 예에 따르면, 프로세서(650)는 메모리(670)에 저장된 어플리케이션(예: 지능형 앱)을 실행시키고, 어플리케이션의 실행 화면을 디스플레이(630)에 출력할 수 있다. 예를 들어, 프로세서(650)는 어플리케이션과 관련된 컨텐츠(예: UI)를 화면에 구성하여 디스플레이(630)에 출력할 수 있다.
일 실시 예에 따르면, 프로세서(650)는 음성 입력 버튼이 선택되면 음성 입력을 수신하기 위한 대기 상태로 진입할 수 있다. 상기 대기 상태는 예를 들면, 음성 입력이 가능하도록 마이크(610)가 활성화된 상태일 수 있다. 또한, 프로세서(650)는 상기 대기 상태로 진입되었다는 것을 사용자에게 알리기 위해, 디스플레이(630)에 상기 대기 상태와 관련된 화면을 출력할 수 있다. 한 예로, 프로세서(650)는 디스플레이(630)에 마이크(610)가 활성화되었음을 알릴 수 있으며, 이에 따라 음성 입력이 가능함을 사용자에게 알릴 수 있다.
일 실시 예에 따르면, 프로세서(650)는 마이크(610)를 통해 음성 입력이 수신되면, 음성 입력에 대응되는 음성 데이터를 통신 회로(690)를 통해 외부 전자 장치(예: 지능형 서버(200))로 전송할 수 있다. 또한, 프로세서(650)는 상기 외부 전자 장치로부터 상기 음성 데이터를 텍스트 형식으로 변환시켜 생성된 텍스트 데이터를 통신 회로(690)를 통해 수신할 수 있다.
일 실시 예에 따르면, 프로세서(650)는 디스플레이(630)의 화면 구성 정보를 수집할 수 있다. 예컨대, 프로세서(650)는 화면 상에 표시된 적어도 하나의 컨텐츠가 구성된 상태를 확인할 수 있다. 상기 화면 구성 정보는 화면 상에 표시된 적어도 하나의 컨텐츠에 대한 정보를 포함할 수 있다. 상기 컨텐츠에 대한 정보는 예를 들면, 컨텐츠의 식별 정보, 컨텐츠의 종류, 컨텐츠가 표시된 좌표 정보, 또는 컨텐츠의 시각 정보 등을 포함할 수 있다. 상기 컨텐츠의 식별 정보는 컨텐츠를 구분할 수 있는 고유 정보를 포함할 수 있다. 상기 컨텐츠의 종류는 예를 들면, 텍스트, 이미지, 비디오, 아이콘, 또는 심볼 등을 포함할 수 있다. 상기 좌표 정보는 예를 들면, 화면을 격자 구조로 형성된 복수 개의 픽셀들로 구분하는 경우 가로축 및 세로축 상에서의 픽셀의 위치 값을 포함할 수 있다. 상기 컨텐츠의 시각 정보는 예를 들면, 상기 컨텐츠가 화면 상에 표시되었을 때 사용자가 인지하는 데이터를 포함할 수 있다. 한 예로, 상기 컨텐츠의 종류가 텍스트인 경우, 상기 컨텐츠의 시각 정보는 텍스트 데이터에 대응될 수 있다. 또 다른 예로, 상기 컨텐츠의 종류가 이미지인 경우, 상기 컨텐츠의 시각 정보는 이미지 데이터에 대응될 수 있다. 이하의 설명에서는 컨텐츠의 종류가 텍스트인 경우에 한하여 설명하도록 한다.
일 실시 예에 따르면, 프로세서(650)는 상기 화면 구성 정보를 현재의 화면 상에 실행 화면이 출력된 어플리케이션으로부터 획득할 수 있다. 상기 어플리케이션은 실행 화면을 구성하는 적어도 하나의 텍스트에 대한 정보(예: 텍스트의 식별 정보, 텍스트가 표시된 좌표 정보, 또는 텍스트 데이터 등)를 프로세서(650)의 요청에 의해 프로세서(650)로 전달할 수 있다. 어떤 실시 예에서, 프로세서(650)는 상기 화면 구성 정보를 포어그라운드(foreground)로 실행 중인 하나의 어플리케이션으로부터만 획득할 수도 있다.
일 실시 예에 따르면, 프로세서(650)는 지능형 서버(200)로부터 획득한 텍스트 데이터를 상기 화면 구성 정보에 포함된 적어도 하나의 텍스트 데이터와 비교할 수 있다. 프로세서(650)는 화면 상에 적어도 하나의 텍스트가 표시되어 있고, 상기 텍스트의 텍스트 데이터가 지능형 서버(200)로부터 획득한 텍스트 데이터와 동일한 지를 판단할 수 있다. 예컨대, 프로세서(650)는 사용자의 음성에 대응되는 음성 데이터를 텍스트 형식으로 변환한 결과가 화면 상에 표시된 텍스트 형식의 컨텐츠와 동일한 지를 판단할 수 있다.
일 실시 예에 따르면, 상기 텍스트 데이터에 대응되는 기능은, 예를 들어, 상기 텍스트 데이터에 대응되는 컨텐츠에 매핑된 기능을 포함할 수 있다. 한 예로, 상기 텍스트 데이터가 "Internet"이고, 상기 텍스트 데이터가 인터넷 연결 어플리케이션의 실행 기능에 매핑된 경우, 프로세서(650)는 상기 인터넷 연결 어플리케이션을 실행시킬 수 있다.
일 실시 예에 따르면, 프로세서(650)는 상기 화면 구성 정보를 이용하여 상기 텍스트 데이터에 대응되는 기능을 확인할 수 있다. 예컨대, 프로세서(650)는 지능형 서버(200)로부터 획득한 텍스트 데이터와 동일한 텍스트 데이터가 상기 화면 구성 정보에 포함되어 있는 경우, 상기 텍스트 데이터에 대응되는 텍스트의 식별 정보를 확인하고, 상기 텍스트의 식별 정보를 이용하여 어플리케이션에 정의된 기능들 중 상기 텍스트의 식별 정보에 매핑된 기능을 확인할 수 있다.
일 실시 예에 따르면, 프로세서(650)는 상기 텍스트 데이터들(지능형 서버(200)로부터 획득한 텍스트 데이터 및 상기 화면 구성 정보에 포함된 적어도 하나의 텍스트 데이터)의 비교 결과, 서로 동일한 텍스트 데이터가 존재하는 경우, 상기 동일한 텍스트 데이터에 대응되는 기능을 수행할 수 있다. 일 실시 예에 따르면, 프로세서(650)는 상기 기능을 수행하기 위해, 상기 텍스트 데이터에 대응되는 텍스트가 표시된 좌표에서 터치 입력이 발생된 것처럼 터치 이벤트를 생성하고, 생성된 터치 이벤트를 상기 텍스트가 포함된 실행 화면을 구성한 어플리케이션에게 전달할 수 있다. 즉, 프로세서(650)는 상기 어플리케이션의 실행 화면에서 상기 텍스트가 선택(터치)된 것처럼 동작하도록 관련된 신호(터치 이벤트)를 상기 어플리케이션에게 전달할 수 있다.
일 실시 예에 따르면, 프로세서(650)는 상기 기능 수행에 대한 이력 정보를 관리할 수 있다. 예컨대, 프로세서(650)는 상기 기능의 수행 여부를 확인할 수 있는 정보를 메모리(670)에 저장할 수 있다.
일 실시 예에 따르면, 프로세서(650)는 통신 회로(690)를 통해 외부 전자 장치(예: 지능형 서버(200))로부터 메모리(670)에 저장된 적어도 하나의 어플리케이션의 기능을 수행하기 위한 동작에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함하는 패스 룰을 수신할 수 있다. 상기 패스 룰을 수신하면, 프로세서(650)는 상기 기능의 수행 여부(예: 화면에 표시된 텍스트 데이터 중 사용자의 음성에 대응되는 텍스트 데이터와 동일한 텍스트 데이터에 대응되는 기능이 실행되었는지에 대한 여부)에 따라 상기 패스 룰의 처리 여부를 결정할 수 있다. 한 예로, 프로세서(650)는 상기 기능의 수행 이력이 존재하면(상기 기능을 이미 수행한 경우), 상기 패스 룰을 처리하지 않을 수 있다. 즉, 프로세서(650)는 상기 기능이 수행된 이후에 지능형 서버(200)로부터 수신된 패스 룰을 무시할 수 있다. 다른 예로, 프로세서(650)는 상기 기능의 수행 이력이 존재하지 않으면(상기 기능을 수행하지 않은 경우), 상기 패스 룰에 따라 상기 적어도 하나의 어플리케이션의 기능을 수행하기 위해 정의된 동작들을 수행할 수 있다.
어떤 실시 예에서, 프로세서(650)는 상기 기능의 수행 이력이 존재하는 경우 즉, 화면에 표시된 텍스트 데이터 중 사용자의 음성에 대응되는 텍스트 데이터와 동일한 텍스트 데이터에 대응되는 기능이 실행된 경우, 지능형 서버(200)로 상기 기능이 수행되었음을 알릴 수 있다. 예컨대, 프로세서(650)는 상기 기능이 수행되었음을 알리는 신호를 통신 회로(690)를 통해 지능형 서버(200)로 전송할 수 있다. 이 경우, 지능형 서버(200)는 패스 룰을 전자 장치(600)로 전송하지 않을 수도 있다.
일 실시 예에 따르면, 메모리(670)는 전자 장치(600)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 한 실시 예에 따르면, 메모리(670)는 소프트웨어 및/또는 프로그램을 저장할 수 있다. 한 예로, 메모리(670)는 인공지능 기술과 관련된 어플리케이션(예: 지능형 앱)을 저장할 수 있다. 상기 지능형 앱은 예컨대, 사용자의 발화를 음성 신호로 수신하여 처리하는 기능과 관련된 명령어들, 화면에 구성된 컨텐츠에 대한 정보 즉 화면 구성 정보를 수집하는 명령어들, 사용자의 발화에 따른 음성 데이터가 처리된 결과(음성 데이터가 텍스트 형식으로 변환된 텍스트 데이터)와 상기 화면 구성 정보에 포함된 텍스트 데이터를 비교하는 명령어들, 또는 상기 비교 결과, 동일한 텍스트 데이터가 존재하는 경우 상기 텍스트 데이터에 대응되는 기능을 수행하는 명령어들을 포함할 수 있다. 그러나, 상기 지능형 앱에 포함된 명령어들이 이에 한정되는 것은 아니다. 다양한 실시 예에 따르면, 상기 지능형 앱은 상술한 명령어들 외에 적어도 하나의 다른 명령어를 더 포함할 수 있으며, 상술한 명령어들 중 적어도 하나가 생략될 수도 있다. 또한, 메모리(670)에 저장된 소프트웨어 및/또는 프로그램에 포함된 명령어들은 프로세서(650)에 의해 휘발성 메모리에 로드(load)될 수 있으며, 지정된 프로그램 루틴(routine)에 따라 처리될 수 있다.
일 실시 예에 따르면, 통신 회로(690)는 전자 장치(600)와 외부 전자 장치(예: 지능형 서버(200), 개인화 정보 서버(300) 또는 제안 서버(400)) 간의 통신 채널 수립 및 수립된 통신 채널을 통한 유선 또는 무선 통신의 수행을 지원할 수 있다.
상술한 바와 같이, 다양한 실시 예에 따르면, 전자 장치(예: 전자 장치(600))는 마이크(예: 마이크(610)), 통신 회로(예: 통신 회로(690)), 디스플레이(예: 디스플레이(630)), 적어도 하나의 어플리케이션을 저장하기 위한 메모리(예: 메모리(670)), 및 상기 마이크, 상기 통신 회로, 상기 디스플레이, 및 상기 메모리와 전기적으로 연결되는 프로세서(예: 프로세서(650))를 포함하고, 상기 프로세서는 상기 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하고, 상기 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하고, 상기 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하고, 상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하고, 상기 제1 기능이 수행되지 않은 경우 상기 제2 기능을 수행하고, 상기 제1 기능이 수행된 경우 상기 제2 정보의 처리를 제한하도록 설정될 수 있다.
다양한 실시 예에 따르면, 상기 제1 정보는 상기 적어도 하나의 텍스트의 식별 정보, 상기 적어도 하나의 텍스트가 표시된 좌표 정보, 및 상기 적어도 하나의 텍스트에 대응되는 텍스트 데이터 중 적어도 하나를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 프로세서는 상기 좌표 정보를 기반으로 상기 제2 텍스트 데이터에 대응되는 텍스트가 상기 화면에 표시된 좌표를 판단하고, 상기 좌표에서의 터치 입력의 발생과 관련된 신호를 생성하도록 설정될 수 있다.
다양한 실시 예에 따르면, 상기 프로세서는 상기 적어도 하나의 어플리케이션 중 상기 제2 텍스트 데이터에 대응되는 상기 텍스트가 표시된 상기 화면을 구성하는 어플리케이션에게 상기 신호를 전송하도록 설정될 수 있다.
다양한 실시 예에 따르면, 상기 프로세서는 상기 적어도 하나의 어플리케이션 중 포어그라운드로 실행 중인 어플리케이션에게 상기 신호를 전송하도록 설정될 수 있다.
다양한 실시 예에 따르면, 상기 프로세서는 상기 제1 기능의 수행에 대한 이력 정보를 상기 메모리에 저장할 수 있다.
다양한 실시 예에 따르면, 상기 프로세서는 상기 제1 기능의 수행 여부를 상기 이력 정보를 기반으로 판단하도록 설정될 수 있다.
다양한 실시 예에 따르면, 상기 제2 정보는 상기 제2 기능을 수행하기 위한 동작에 대한 정보, 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보, 및 상기 동작의 순서 정보 중 적어도 하나를 포함할 수 있다.
상술한 바와 같이, 다양한 실시 예에 따르면, 전자 장치(예: 전자 장치(600))는 마이크(예: 마이크(610)), 통신 회로(예: 통신 회로(690)), 디스플레이(예: 디스플레이(630)), 적어도 하나의 어플리케이션을 저장하기 위한 메모리(예: 메모리(670)), 및 상기 마이크, 상기 통신 회로, 상기 디스플레이, 및 상기 메모리와 전기적으로 연결되는 프로세서(예: 프로세서(650))를 포함하고, 상기 프로세서는 상기 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하고, 상기 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하고, 상기 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하고, 상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하고, 상기 제2 텍스트 데이터가 존재하지 않는 경우 상기 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하기 위한 대기 상태로 진입하도록 설정될 수 있다.
다양한 실시 예에 따르면, 상기 프로세서는 상기 제1 기능이 수행되면, 상기 제1 기능이 수행되었음을 알리는 정보를 상기 통신 회로를 통해 상기 외부 전자 장치로 전송하도록 설정될 수 있다.
다양한 실시 예에 따르면, 상기 제1 정보는 상기 적어도 하나의 텍스트의 식별 정보, 상기 적어도 하나의 텍스트가 표시된 좌표 정보, 및 상기 적어도 하나의 텍스트에 대응되는 텍스트 데이터 중 적어도 하나를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 프로세서는 상기 좌표 정보를 기반으로 상기 제2 텍스트 데이터에 대응되는 텍스트가 상기 화면에 표시된 좌표를 판단하고, 상기 좌표에서의 터치 입력의 발생과 관련된 신호를 생성하도록 설정될 수 있다.
다양한 실시 예에 따르면, 상기 제2 정보는 상기 제2 기능을 수행하기 위한 동작에 대한 정보, 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보, 및 상기 동작의 순서 정보 중 적어도 하나를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 프로세서는 상기 대기 상태에서 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 제2 정보를 수신하면, 상기 제2 정보를 기반으로 상기 제2 기능을 수행하도록 설정될 수 있다.
도 7a는 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 전자 장치의 운용 방법을 나타낸 도면이다.
도 7a를 참조하면, 일 실시 예에 따른 전자 장치(예: 전자 장치(600))의 프로세서(예: 프로세서(예: 프로세서(650))는 동작 710에서, 음성 데이터를 획득할 수 있다. 예컨대, 프로세서는 사용자가 음성을 발화하면, 마이크(예: 마이크(610))를 통해 상기 음성에 대응되는 음성 데이터를 획득할 수 있다.
동작 720에서, 일 실시 예에 따른 프로세서는 화면 구성 정보를 획득할 수 있다. 상기 화면 구성 정보는 디스플레이(예: 디스플레이(630))의 화면 상에 표시된 적어도 하나의 텍스트에 대한 정보를 포함할 수 있다. 상기 텍스트에 대한 정보는 예를 들면, 텍스트의 식별 정보, 텍스트가 표시된 좌표 정보, 또는 텍스트 데이터 등을 포함할 수 있다. 한 예로, 프로세서는 상기 화면 구성 정보를 현재의 화면 상에 실행 화면이 출력된 어플리케이션으로부터 획득할 수 있다. 다른 예로, 프로세서는 상기 화면 구성 정보를 포어그라운드로 실행 중인 하나의 어플리케이션으로부터만 획득할 수도 있다. 일 실시 예에 따르면, 프로세서는 동작 720을 동작 730(또는 동작 740)의 수행 후 동작 750의 수행 전에 수행할 수도 있다.
동작 730에서, 일 실시 예에 따른 프로세서는 획득된 음성 데이터를 통신 회로(예: 통신 회로(690))를 통해 외부 전자 장치(예: 지능형 서버(200))로 전송할 수 있다. 이 경우, 상기 외부 전자 장치는 수신된 음성 데이터를 텍스트 데이터로 변환시킬 수 있다. 또한, 상기 외부 전자 장치는 변환된 텍스트 데이터를 상기 전자 장치로 전송할 수 있다.
동작 740에서, 일 실시 예에 따른 프로세서는 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 텍스트 데이터를 수신할 수 있다. 상기 텍스트 데이터는 상기 음성 데이터를 텍스트 형식으로 변환한 데이터일 수 있다.
동작 750에서, 일 실시 예에 따른 프로세서는 상기 화면 구성 정보 중 상기 외부 전자 장치로부터 수신한 텍스트 데이터와 동일한 텍스트 데이터가 존재하는지를 판단할 수 있다. 예컨대, 프로세서는 상기 화면 구성 정보에 포함된 적어도 하나의 텍스트 데이터와 상기 외부 전자 장치로부터 수신한 텍스트 데이터를 비교할 수 있다.
상기 텍스트 데이터들을 비교한 결과, 동일한 텍스트 데이터가 존재하는 경우, 동작 760에서, 일 실시 예에 따른 프로세서는 상기 화면 구성 정보를 이용하여 상기 동일한 텍스트 데이터에 대응되는 제1 기능을 수행할 수 있다. 한 예로, 프로세서는 상기 화면 구성 정보를 이용하여 상기 동일한 텍스트 데이터에 대응되는 텍스트의 식별 정보를 확인하고, 상기 텍스트의 식별 정보를 이용하여 어플리케이션에 정의된 기능들 중 상기 텍스트의 식별 정보에 매핑된 제1 기능을 확인하고, 상기 제1 기능을 수행할 수 있다. 어떤 실시 예에서, 프로세서는 상기 제1 기능을 수행하기 위해, 상기 텍스트 데이터에 대응되는 텍스트가 표시된 좌표에서 터치 입력이 발생된 것처럼 터치 이벤트를 생성하고, 생성된 터치 이벤트를 상기 텍스트가 포함된 실행 화면을 구성한 어플리케이션에게 전달할 수 있다. 즉, 프로세서는 상기 어플리케이션의 실행 화면에서 상기 텍스트가 선택(터치)된 것처럼 동작하도록 관련된 신호(터치 이벤트)를 상기 어플리케이션에게 전달할 수 있다.
상기 텍스트 데이터들을 비교한 결과, 동일한 텍스트 데이터가 존재하지 않거나 동작 760을 수행한 이후, 동작 770에서, 일 실시 예에 따른 프로세서는 상기 통신 회로를 통해 상기 외부 전자 장치로부터 적어도 하나의 제2 기능을 수행하도록 구성된 정보를 수신할 수 있다. 상기 제2 기능을 수행하도록 구성된 정보는 전술한 도면들에서의 패스 룰에 대응될 수 있다. 즉, 상기 외부 전자 장치는 동작 730에서 음성 데이터를 수신하면, 상기 음성 데이터를 텍스트 데이터로 변환시키고, 변환된 텍스트 데이터에 기초하여 상기 전자 장치에 포함된 적어도 하나의 어플리케이션의 제2 기능을 수행하기 위한 동작에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함하는 패스 룰을 결정하고, 결정된 패스 룰을 상기 전자 장치로 전송할 수 있다.
동작 780에서, 일 실시 예에 따른 프로세서는 상기 제1 기능이 수행되었는지를 판단할 수 있다. 일 실시 예에 따르면, 프로세서는 상기 제1 기능 수행에 대한 이력 정보를 관리할 수 있다. 한 예로, 프로세서는 동작 760의 수행 후, 상기 제1 기능의 수행 여부를 확인할 수 있는 정보를 메모리(예: 메모리(670))에 저장할 수 있다. 이 경우, 프로세서는 상기 메모리에 저장된 상기 제1 기능 수행에 대한 이력 정보를 이용하여 상기 제1 기능이 수행되었는지를 판단할 수 있다.
상기 제1 기능이 수행되지 않은 경우, 동작 790에서, 일 실시 예에 따른 프로세서는 상기 제2 기능을 수행할 수 있다. 예컨대, 프로세서는 상기 외부 전자 장치로부터 수신한 패스 룰에 따라 상기 제2 기능을 수행할 수 있다. 상기 제1 기능이 수행된 경우, 프로세서는 상기 외부 전자 장치로부터 수신한 패스 룰에 대한 처리를 하지 않을 수 있다.
도 7b는 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 전자 장치의 다른 운용 방법을 나타낸 도면이다. 도 7b에서의 전자 장치의 운용 방법은 도 7a에서의 전자 장치의 운용 방법과 유사하다. 다만, 도 7a에서는 획득된 음성 데이터를 텍스트 데이터로 변환하는 동작이 외부 전자 장치(예: 지능형 서버(200))에서 이루어진 반면에, 도 7b에서는 전자 장치에서 수행될 수 있다.
도 7b를 참조하면, 일 실시 예에 따른 전자 장치(예: 전자 장치(600))의 프로세서(예: 프로세서(예: 프로세서(650))는 동작 701에서, 마이크(예: 마이크(610))를 통해 음성 데이터를 획득하고, 동작 702에서, 디스플레이(예: 디스플레이(630))의 화면 상에 표시된 적어도 하나의 텍스트에 대한 정보 즉, 화면 구성 정보를 획득할 수 있다.
동작 703에서, 일 실시 예에 따른 프로세서는 획득된 음성 데이터를 텍스트 데이터로 변환시킬 수 있다. 예컨대, 프로세서는 지능형 서버(200)를 통해 변환된 텍스트 데이터를 수신하는 대신에, 직접 음성 데이터를 텍스트 형식으로 변환할 수 있다. 또한, 일 실시 예에 따른 프로세서는, 동작 704에서, 변환된 텍스트 데이터를 외부 전자 장치(예: 지능형 서버(200))로 전송할 수 있다. 상기 외부 전자 장치는 변환된 텍스트 데이터를 수신하면, 상기 텍스트 데이터를 기초로 하여 사용자의 의도 및 키워드를 판단하고, 상기 사용자의 의도 및 키워드를 기반으로 패스 룰을 결정할 수 있다.
동작 705에서, 일 실시 예에 따른 프로세서는 상기 화면 구성 정보 중 변환된 텍스트 데이터와 동일한 텍스트 데이터가 존재하는지를 판단할 수 있다.
상기 텍스트 데이터들을 비교한 결과, 동일한 텍스트 데이터가 존재하는 경우, 동작 706에서, 일 실시 예에 따른 프로세서는 상기 화면 구성 정보를 이용하여 상기 동일한 텍스트 데이터에 대응되는 제1 기능을 수행할 수 있다. 일 실시 예에 따르면, 프로세서는 상기 제1 기능을 수행하기 위해, 상기 텍스트 데이터에 대응되는 텍스트가 표시된 좌표에서 터치 입력이 발생된 것처럼 터치 이벤트를 생성하고, 생성된 터치 이벤트를 상기 텍스트가 포함된 실행 화면을 구성한 어플리케이션에게 전달할 수 있다.
상기 텍스트 데이터들을 비교한 결과, 동일한 텍스트 데이터가 존재하지 않거나 동작 706을 수행한 이후, 동작 707에서, 일 실시 예에 따른 프로세서는 상기 통신 회로를 통해 상기 외부 전자 장치로부터 적어도 하나의 제2 기능을 수행하도록 구성된 정보를 수신할 수 있다. 상기 제2 기능을 수행하도록 구성된 정보는 전술한 도면들에서의 패스 룰에 대응될 수 있다.
동작 708에서, 일 실시 예에 따른 프로세서는 상기 제1 기능이 수행되었는지를 판단할 수 있다. 상기 제1 기능이 수행되지 않은 경우, 동작 709에서, 일 실시 예에 따른 프로세서는 상기 제2 기능을 수행할 수 있다. 예컨대, 프로세서는 상기 외부 전자 장치로부터 수신한 패스 룰에 따라 상기 제2 기능을 수행할 수 있다. 상기 제1 기능이 수행된 경우, 일 실시 예에 따른 프로세서는 상기 외부 전자 장치로부터 수신한 패스 룰에 대한 처리를 하지 않을 수 있다.
도 8은 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 8을 참조하면, 일 실시 예에 따른 전자 장치(810)(예: 전자 장치(600))는 동작 811에서, 음성 데이터를 획득하고, 동작 812에서, 획득한 음성 데이터를 서버(830)(예: 지능형 서버(200))로 전송할 수 있다. 상기 음성 데이터는 사용자의 발화에 의한 음성에 대응되는 데이터로서, 음성 인식 앱과 같은 지능형 앱이 실행된 상태에서, 마이크(예: 마이크(610))를 통해 획득될 수 있다.
이 후, 일 실시 예에 따른 전자 장치(810)는 동작 813에서, 화면 구성 정보를 획득할 수 있다. 예컨대, 전자 장치(810)는 디스플레이(예: 디스플레이(630))의 화면 상에 표시된 적어도 하나의 텍스트에 대한 정보를 현재의 화면 상에 실행 화면이 출력된 어플리케이션으로부터 획득할 수 있다. 이와 동시에 또는 거의 유사한 시점에 일 실시 예에 따른 서버(830)는 동작 831에서, 전자 장치(810)로부터 수신한 음성 데이터를 텍스트 데이터로 변환시킬 수 있다. 또한, 서버(830)는 동작 832에서, 변환된 텍스트 데이터를 전자 장치(810)로 전송할 수 있다.
서버(830)로부터 변환된 텍스트 데이터를 수신하면, 동작 814에서, 일 실시 예에 따른 전자 장치(810)는 상기 화면 구성 정보에 포함된 텍스트 데이터와 수신된 텍스트 데이터를 비교할 수 있다. 상기 텍스트 데이터들의 비교 결과, 동일한 텍스트 데이터가 존재하는 경우, 동작 815에서, 일 실시 예에 따른 전자 장치(810)는 상기 화면 구성 정보를 이용하여 상기 동일한 텍스트 데이터에 대응되는 제1 기능을 수행할 수 있다. 일 실시 예에 따르면, 전자 장치(810)는 상기 제1 기능을 수행하기 위해, 상기 텍스트 데이터에 대응되는 텍스트가 표시된 좌표에서 터치 입력이 발생된 것처럼 터치 이벤트를 생성하고, 생성된 터치 이벤트를 상기 텍스트가 포함된 실행 화면을 구성한 어플리케이션에게 전달할 수 있다. 즉, 전자 장치(810)는 상기 어플리케이션의 실행 화면에서 상기 텍스트가 터치된 것처럼 동작하도록 관련된 터치 이벤트를 상기 어플리케이션에게 전달할 수 있다.
이와 동시에 또는 거의 유사한 시점에 일 실시 예에 따른 서버(830)는 동작 833에서, 변환된 텍스트 데이터에 기초하여 사용자의 발화 의도 및 키워드를 판단할 수 있다. 또한, 동작 834에서, 일 실시 예에 따른 서버(830)는 사용자의 의도 및 키워드를 기반으로 패스 룰을 결정할 수 있다. 상기 패스 룰은 예컨대, 전자 장치(810)에 포함된 적어도 하나의 어플리케이션의 제2 기능을 수행하기 위한 동작에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함할 수 있다.
상기 패스 룰이 결정되면, 동작 835에서, 일 실시 예에 따른 서버(830)는 결정된 패스 룰을 전자 장치(810)로 전송할 수 있다. 상기 패스 룰이 전송되는 시점은 대체적으로 상기 제1 기능 수행이 완료된 시점 이후가 될 가능성이 높다. 이는 텍스트 데이터에 기초하여 사용자의 의도 및 키워드를 판단하는 동작 833 및 사용자의 의도 및 키워드를 기반으로 패스 룰을 결정하는 동작 834의 수행 시간이 전자 장치(810)에서 상기 텍스트 데이터들을 비교하는 동작 814 및 상기 제1 기능을 수행하는 동작 815보다 오래 걸릴 수 있기 때문이다. 그러나, 동작 835가 동작 814 또는 동작 815의 수행 전에 수행되지 않는 것은 아니다. 어떤 실시 예에서는, 동작 835가 동작 814 또는 동작 815보다 먼저 수행될 수도 있다. 이 경우, 전자 장치(810)는 동작 814(및 동작 815)의 수행을 생략하고 동작 동작 816을 수행하거나, 동작 814(및 동작 815)의 수행이 완료될 때까지 동작 816의 수행을 대기할 수 있다.
상기 패스 룰을 수신하면, 동작 816에서, 일 실시 예에 따른 전자 장치(810)는 상기 제1 기능의 수행 여부를 확인할 수 있다. 한 예로, 전자 장치(810)는 상기 제1 기능 수행에 대한 이력 정보를 이용하여 상기 제1 기능의 수행 여부를 확인할 수 있다.
상기 제1 기능이 수행되지 않은 경우(예: 상기 제1 기능의 수행 이력이 존재하지 않는 경우), 동작 817에서, 일 실시 예에 따른 전자 장치(810)는 서버(830)로부터 수신한 패스 룰에 따라 적어도 하나의 제2 기능을 수행할 수 있다. 상기 제1 기능이 수행된 경우(예: 상기 제1 기능의 수행 이력이 존재하는 경우), 일 실시 예에 따른 전자 장치(810)는 상기 패스 룰의 처리를 하지 않을 수 있다.
도 9는 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 전자 장치의 또 다른 운용 방법을 나타낸 도면이다. 도 9에서의 동작들은 도 7a에서의 동작들과 동일 또는 유사할 수 있다. 다만, 도 9에서는, 화면 상에 표시된 텍스트 데이터와 지능형 서버(200)로부터 수신한 텍스트 데이터가 동일한 경우에 대해 도 7a에서의 동작들과 상이할 수 있다.
도 9를 참조하면, 일 실시 예에 따른 전자 장치(예: 전자 장치(600))의 프로세서(예: 프로세서(예: 프로세서(650))는 동작 910에서, 음성 데이터를 획득할 수 있다. 예컨대, 프로세서는 사용자가 음성을 발화하면, 마이크(예: 마이크(610))를 통해 상기 음성에 대응되는 음성 데이터를 획득할 수 있다.
동작 920에서, 일 실시 예에 따른 프로세서는 화면 구성 정보를 획득할 수 있다. 상기 화면 구성 정보는 디스플레이(예: 디스플레이(630))의 화면 상에 표시된 적어도 하나의 텍스트에 대한 정보를 포함할 수 있다. 일 실시 예에 따르면, 프로세서는 동작 920을 동작 930(또는 동작 940)의 수행 후 동작 950의 수행 전에 수행할 수도 있다.
동작 930에서, 일 실시 예에 따른 프로세서는 획득된 음성 데이터를 통신 회로(예: 통신 회로(690))를 통해 외부 전자 장치(예: 지능형 서버(200))로 전송할 수 있다. 이 경우, 상기 외부 전자 장치는 수신된 음성 데이터를 텍스트 데이터로 변환시킬 수 있다. 또한, 상기 외부 전자 장치는 변환된 텍스트 데이터를 상기 전자 장치로 전송할 수 있다.
동작 940에서, 일 실시 예에 따른 프로세서는 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 텍스트 데이터를 수신할 수 있다. 상기 텍스트 데이터는 상기 음성 데이터를 텍스트 형식으로 변환한 데이터일 수 있다.
동작 950에서, 일 실시 예에 따른 프로세서는 상기 화면 구성 정보 중 상기 외부 전자 장치로부터 수신한 텍스트 데이터와 동일한 텍스트 데이터가 존재하는지를 판단할 수 있다. 예컨대, 프로세서는 상기 화면 구성 정보에 포함된 적어도 하나의 텍스트 데이터와 상기 외부 전자 장치로부터 수신한 텍스트 데이터를 비교할 수 있다.
상기 텍스트 데이터들을 비교한 결과, 동일한 텍스트 데이터가 존재하는 경우, 동작 960에서, 일 실시 예에 따른 프로세서는 상기 화면 구성 정보를 이용하여 상기 동일한 텍스트 데이터에 대응되는 기능(예: 도 7a에서의 제1 기능)을 수행할 수 있다. 한 예로, 프로세서는 상기 화면 구성 정보를 이용하여 상기 동일한 텍스트 데이터에 대응되는 텍스트의 식별 정보를 확인하고, 상기 텍스트의 식별 정보를 이용하여 어플리케이션에 정의된 기능들 중 상기 텍스트의 식별 정보에 매핑된 기능(예: 도 7a에서의 제1 기능)을 확인하고, 상기 기능(예: 도 7a에서의 제1 기능)을 수행할 수 있다. 어떤 실시 예에서, 프로세서는 상기 기능(예: 도 7a에서의 제1 기능)을 수행하기 위해, 상기 텍스트 데이터에 대응되는 텍스트가 표시된 좌표에서 터치 입력이 발생된 것처럼 터치 이벤트를 생성하고, 생성된 터치 이벤트를 상기 텍스트가 포함된 실행 화면을 구성한 어플리케이션에게 전달할 수 있다. 즉, 프로세서는 상기 어플리케이션의 실행 화면에서 상기 텍스트가 터치된 것처럼 동작하도록 관련된 터치 이벤트를 상기 어플리케이션에게 전달할 수 있다.
상기 텍스트 데이터들을 비교한 결과, 동일한 텍스트 데이터가 존재하지 않는 경우, 동작 970에서, 일 실시 예에 따른 프로세서는 상기 통신 회로를 통해 상기 외부 전자 장치로부터 적어도 하나의 기능(예: 도 7a에서의 제2 기능)을 수행하도록 구성된 정보를 수신하기 위한 대기 상태로 진입할 수 있다. 예컨대, 프로세서는, 상기 외부 전자 장치가 상기 변환된 텍스트 데이터에 기초하여 상기 전자 장치에 포함된 적어도 하나의 어플리케이션의 기능(예: 도 7a에서의 제2 기능)을 수행하기 위한 동작에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함하는 패스 룰을 결정하고, 결정된 패스 룰을 상기 전자 장치로 전송할 때까지 대기할 수 있다.
동작 970 이후, 도면에서는 생략되었지만, 일 실시 예에 따른 프로세서는 상기 통신 회로를 통해 상기 외부 전자 장치로부터 결정된 패스 룰을 수신하고, 수신된 패스 룰에 따라 기능(예: 도 7a에서의 제2 기능) 수행을 할 수 있다.
도 9에서는, 도 7a에서와 달리, 화면 상에 표시된 텍스트 데이터와 상기 외부 전자 장치로부터 수신한 텍스트 데이터가 동일한 경우에는, 상기 외부 전자 장치로부터 패스 룰을 수신하지 않을 수 있다. 결과적으로, 도 9에서의 전자 장치는 처리하지 않을 패스 룰에 대해서는 수신을 하지 않음으로써, 불필요한 동작을 생략할 수 있다. 일 실시 예에 따르면, 상기 패스 룰을 수신하지 않기 위해, 프로세서는, 동작 960의 수행 후 패스 룰을 전송하지 않아도 된다는 알림을 상기 외부 전자 장치로 전송할 수 있다.
도 10은 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 시스템의 다른 운용 방법을 나타낸 도면이다. 도 10에서의 동작들은 도 8에서의 동작들과 동일 또는 유사할 수 있다. 다만, 도 10에서는, 화면 상에 표시된 텍스트 데이터와 지능형 서버(200)로부터 수신한 텍스트 데이터가 동일한 경우에 대해 도 8에서의 동작들과 상이할 수 있다.
도 10을 참조하면, 일 실시 예에 따른 전자 장치(1010)(예: 전자 장치(600))는 동작 1011에서, 음성 데이터를 획득하고, 동작 1012에서, 획득한 음성 데이터를 서버(1030)(예: 지능형 서버(200))로 전송할 수 있다. 상기 음성 데이터는 사용자의 발화에 의한 음성에 대응되는 데이터로서, 음성 인식 앱과 같은 지능형 앱이 실행된 상태에서, 마이크(예: 마이크(610))를 통해 획득될 수 있다.
이 후, 일 실시 예에 따른 전자 장치(1010)는 동작 1013에서, 화면 구성 정보를 획득할 수 있다. 예컨대, 전자 장치(1010)는 디스플레이(예: 디스플레이(630))의 화면 상에 표시된 적어도 하나의 텍스트에 대한 정보를 현재의 화면 상에 실행 화면이 출력된 어플리케이션으로부터 획득할 수 있다. 이와 동시에 또는 거의 유사한 시점에 서버(1030)는 동작 1031에서, 일 실시 예에 따른 전자 장치(1010)로부터 수신한 음성 데이터를 텍스트 데이터로 변환시킬 수 있다. 또한, 일 실시 예에 따른 서버(1030)는 동작 1032에서, 변환된 텍스트 데이터를 전자 장치(1010)로 전송할 수 있다.
서버(1030)로부터 변환된 텍스트 데이터를 수신하면, 동작 1014에서, 일 실시 예에 따른 전자 장치(1010)는 상기 화면 구성 정보에 포함된 텍스트 데이터와 수신된 텍스트 데이터를 비교할 수 있다. 상기 텍스트 데이터들의 비교 결과, 동일한 텍스트 데이터가 존재하는 경우, 동작 1015에서, 일 실시 예에 따른 전자 장치(1010)는 상기 화면 구성 정보를 이용하여 상기 동일한 텍스트 데이터에 대응되는 기능(예: 도 8에서의 제1 기능)을 수행할 수 있다. 일 실시 예에 따르면, 전자 장치(1010)는 상기 기능(예: 도 8에서의 제1 기능)을 수행하기 위해, 상기 텍스트 데이터에 대응되는 텍스트가 표시된 좌표에서 터치 입력이 발생된 것처럼 터치 이벤트를 생성하고, 생성된 터치 이벤트를 상기 텍스트가 포함된 실행 화면을 구성한 어플리케이션에게 전달할 수 있다. 즉, 전자 장치(1010)는 상기 어플리케이션의 실행 화면에서 상기 텍스트가 터치된 것처럼 동작하도록 관련된 터치 이벤트를 상기 어플리케이션에게 전달할 수 있다.
상기 텍스트 데이터들의 비교 결과, 동일한 텍스트 데이터가 존재하지 않는 경우, 일 실시 예에 따른 전자 장치(1010)는 통신 회로(예: 통신 회로(690))를 통해 서버(1030)로부터 적어도 하나의 기능(예: 도 8에서의 제2 기능)을 수행하도록 구성된 정보를 수신하기 위한 대기 상태로 진입할 수 있다. 예컨대, 전자 장치(1010)는, 동작 1035가 수행되기 전까지 대기할 수 있다.
일 실시 예에 따른 서버(1030)는 동작 1033에서, 변환된 텍스트 데이터에 기초하여 사용자의 발화 의도 및 키워드를 판단할 수 있다. 또한, 동작 1034에서, 일 실시 예에 따른 서버(1030)는 사용자의 의도 및 키워드를 기반으로 패스 룰을 결정할 수 있다. 상기 패스 룰은 예컨대, 전자 장치(1010)에 포함된 적어도 하나의 어플리케이션의 기능(예: 도 8에서의 제2 기능)을 수행하기 위한 동작에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함할 수 있다.
상기 패스 룰이 결정되면, 동작 1035에서, 일 실시 예에 따른 서버(1030)는 결정된 패스 룰을 전자 장치(1010)로 전송할 수 있다. 상기 패스 룰을 수신하면, 동작 1016에서, 일 실시 예에 따른 전자 장치(1010)는 서버(1030)로부터 수신한 패스 룰에 따라 적어도 하나의 기능(예: 도 8에서의 제2 기능)을 수행할 수 있다.
도 10에서는, 도 8에서와 달리, 화면 상에 표시된 텍스트 데이터와 서버(1030)로부터 수신한 텍스트 데이터가 동일한 경우에는, 서버(1030)로부터 패스 룰을 수신하지 않을 수 있다. 결과적으로, 도 10에서의 전자 장치(1010)는 처리하지 않을 패스 룰에 대해서는 수신을 하지 않음으로써, 불필요한 동작을 생략할 수 있다. 일 실시 예에 따르면, 상기 패스 룰을 수신하지 않기 위해, 전자 장치(1010)는, 동작 1015의 수행 후 패스 룰을 전송하지 않아도 된다는 알림을 서버(1030)로 전송할 수 있다.
상술한 바와 같이, 다양한 실시 예에 따르면, 전자 장치(예: 전자 장치(600))의 음성 데이터 처리 방법은 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하는 동작, 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하는 동작, 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하는 동작, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하는 동작, 상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하는 동작, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 메모리에 저장된 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하는 동작, 상기 제1 기능의 수행 여부를 판단하는 동작, 및 상기 제1 기능이 수행되지 않은 경우 상기 제2 기능을 수행하고, 상기 제1 기능이 수행된 경우 상기 제2 정보의 처리를 제한하는 동작을 포함할 수 있다.
다양한 실시 예에 따르면, 상기 제1 기능을 수행하는 동작은 상기 제1 정보에 포함된 상기 적어도 하나의 텍스트가 표시된 좌표 정보를 기반으로, 상기 제2 텍스트 데이터에 대응되는 텍스트가 상기 화면에 표시된 좌표를 판단하고, 상기 좌표에서의 터치 입력의 발생과 관련된 신호를 생성하는 동작을 포함할 수 있다.
다양한 실시 예에 따르면, 상기 음성 데이터 처리 방법은 상기 적어도 하나의 어플리케이션 중 상기 제2 텍스트 데이터에 대응되는 상기 텍스트가 표시된 상기 화면을 구성하는 어플리케이션에게 상기 신호를 전송하는 동작을 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 음성 데이터 처리 방법은 상기 적어도 하나의 어플리케이션 중 포어그라운드로 실행 중인 어플리케이션에게 상기 신호를 전송하는 동작을 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 음성 데이터 처리 방법은 상기 제1 기능의 수행에 대한 이력 정보를 상기 메모리에 저장하는 동작을 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 제1 기능의 수행 여부를 판단하는 동작은 상기 제1 기능의 수행에 대한 이력 정보를 기반으로 상기 제1 기능의 수행 여부를 판단하는 동작을 포함할 수 있다.
도 11은 본 발명의 일 실시 예에 따른 음성 데이터 처리와 관련한 시스템의 블록도이다.
도 11을 참조하면, 사용자(1110)가 음성 발화를 하면, 일 실시 예에 따른 전자 장치(1130)(예: 전자 장치(600))는 마이크를 통해 사용자의 음성에 대응되는 음성 데이터를 획득할 수 있다. 또한, 전자 장치(1130)에 포함된 화면 구성 정보 수집 모듈(1133)은 현재의 화면에 표시된 적어도 하나의 텍스트에 대한 정보 즉, 화면 구성 정보를 수집할 수 있다. 일 실시 예에 따르면, 화면 구성 정보 수집 모듈(1133)은 현재의 화면 상에 실행 화면이 출력된 어플리케이션(1135)으로부터 화면 구성 정보를 획득할 수 있다. 상기 텍스트에 대한 정보는 예를 들면, 텍스트의 식별 정보, 텍스트가 표시된 좌표 정보, 또는 텍스트 데이터 등을 포함할 수 있다.
상기 화면 구성 정보가 수집되면, 일 실시 예에 따른 화면 구성 정보 수집 모듈(1133)은 지능형 에이전트(1131)(예: 지능형 에이전트(151))로 수집된 화면 구성 정보를 전달할 수 있다.
음성 데이터를 수신한 한 또는 화면 구성 정보가 수집된 후, 일 실시 예에 따른 지능형 에이전트(1131)는 서버(1150)(예: 지능형 서버(200))의 ASR 모듈(1151)(예: ASR 모듈(210))로 수신된 음성 데이터를 전송할 수 있다. 이 때, ASR 모듈(1151)은 수신된 음성 데이터를 텍스트 데이터로 변환시킬 수 있다.
텍스트 데이터로의 변환이 완료되면, 일 실시 예에 따른 ASR 모듈(1151)은 지능형 에이전트(1131)로 변환된 텍스트 데이터를 전송하면서 동시에 또는 유사한 시점에, 변환된 텍스트 데이터를 서버(1150)의 NLU 모듈(1153)(예: NLU 모듈(220))로 전달할 수 있다.
ASR 모듈(1151)로부터 텍스트 데이터를 수신한 일 실시 예에 따른 지능형 에이전트(1131)는 수신된 텍스트 데이터와 상기 화면 구성 정보에 포함된 적어도 하나의 텍스트 데이터를 비교하고, 상기 텍스트 데이터들을 비교한 결과 동일한 텍스트 데이터가 존재하는 경우, 상기 텍스트 데이터에 대응되는 기능을 수행할 수 있다.
ASR 모듈(1151)로부터 텍스트 데이터를 전달받은 일 실시 예에 따른 NLU 모듈(1153)은 텍스트 데이터를 기반으로 사용자의 의도 및 키워드를 판단할 수 있다. 또한, 일 실시 예에 따른 NLU 모듈(1153)은 판단된 사용자의 의도 및 키워드에 대한 정보를 서버(1150)의 패스 플래너 모듈(1155)(예: 패스 플래너 모듈(230))로 전달할 수 있다. 일 실시 예에 따른 패스 플래너 모듈(1155)은 전달받은 사용자의 의도 및 키워드에 대한 정보를 이용하여 패스 룰을 결정할 수 있다.
패스 룰이 결정되면, 일 실시 예에 따른 패스 플래너 모듈(1155)은 지능형 에이전트(1131)로 결정된 패스 룰을 전송할 수 있다. 패스 룰을 수신한 일 실시 예에 따른 지능형 에이전트(1131)는 상기 텍스트 데이터들을 비교한 결과 동일한 텍스트 데이터가 존재하여 상기 텍스트 데이터에 대응되는 기능을 수행한 후이면, 수신된 패스 룰에 대한 처리를 수행하지 않을 수 있다. 즉, 지능형 에이전트(1131)는 수신된 패스 룰을 무시할 수 있다.
도 12는 본 발명의 일 실시 예에 따른 화면 구성 정보를 설명하기 위한 도면이다.
도 12를 참조하면, 전술한 도면들에서의 화면 구성 정보는 화면(1200) 상에 표시된 적어도 하나의 컨텐츠에 대한 정보를 포함할 수 있다. 상기 컨텐츠에 대한 정보는 예를 들면, 컨텐츠의 식별 정보, 컨텐츠의 종류, 컨텐츠가 표시된 좌표 정보, 또는 컨텐츠의 시각 정보 등을 포함할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)로부터 사용자의 음성 데이터를 변환한 텍스트 데이터가 상기 화면 구성 정보에 포함된 어느 하나의 텍스트 데이터와 동일한 경우에, 전자 장치(예: 전자 장치(600))는 상기 동일한 텍스트 데이터에 대응되는 기능을 수행할 수 있다. 그러나, 화면(1200) 상에 표시된 모든 텍스트 데이터에 대해 기능 수행이 가능한 것은 아닐 수 있다. 예컨대, 전자 장치는 화면(1200) 상에 표시된 텍스트 데이터 중에서 사용자 입력 인터페이스(예: 버튼 객체, 아이콘 등)의 기능과 매핑된 텍스트 데이터에 대해서만 상기 기능을 수행할 수도 있다.
한 예로, 전자 장치는 화면(1200) 상에 표시된 텍스트 데이터 중에서 사용자 입력 인터페이스의 기능과 매핑되지 않은 텍스트 데이터가 발화된 경우에는, 텍스트 데이터와 관련된 기능 수행 없이 지능형 서버(200)로부터 기능 수행과 관련된 패스 룰을 수신할 때까지 대기할 수도 있다. 어떤 실시 예에서, 전자 장치는 사용자 입력 인터페이스의 기능과 매핑되지 않은 텍스트 데이터에 대해서는 아무런 기능도 매핑시키지 않을 수 있다. 이 경우, 전자 장치는 텍스트 데이터가 사용자 입력 인터페이스의 기능과 매핑되었는지를 판단할 필요 없이 아무런 기능도 수행하지 않을 수 있다.
사용자 입력 인터페이스의 기능에 매핑된 텍스트 데이터를 살펴보면, 제1 상태(1201)에서와 같이, 화면(1200) 상에 표시된 버튼 객체(1210)에 매핑된 경우를 볼 수 있다. 예컨대, 전자 장치는 화면(1200)의 일정 영역에 표시된 버튼 객체(1210)에 매핑된 텍스트 데이터(예: "CONFIRM")가 사용자에 의해 발화되면, 버튼 객체(1210)의 기능을 수행할 수 있다. 한 예로, 전자 장치는 버튼 객체(1210)가 선택(터치)된 것처럼 동작하도록 처리할 수 있다. 예컨대, 전자 장치는 버튼 객체(1210)가 표시된 좌표에서 터치 입력이 발생된 것처럼 터치 이벤트를 생성하고, 생성된 터치 이벤트를 버튼 객체(1210)가 포함된 실행 화면(1200)을 구성한 어플리케이션에게 전달할 수 있다.
또 다른 예로, 제2 상태(1203)에서와 같이, 화면(1200) 상에 표시된 아이콘(예: 제1 아이콘(1231) 또는 제2 아이콘(1233))에 텍스트 데이터가 매핑될 수 있다. 예컨대, 전자 장치는 제1 아이콘(1231)에 매핑된 제1 텍스트 데이터(1235)(예: "Message") 또는 제2 아이콘(1233)에 매핑된 제2 텍스트 데이터(1237)(예: "Internet")가 사용자에 의해 발화되면, 발화된 텍스트 데이터에 대응되는 아이콘의 기능을 수행할 수 있다. 예컨대, 전자 장치는 제1 텍스트 데이터(1235)가 발화되면 제1 아이콘(1231)의 기능 즉, 메시지 어플리케이션을 실행시키고, 제2 텍스트 데이터(1237)가 발화되면 제2 아이콘(1233)의 기능 즉, 인터넷 연결 어플리케이션을 실행시킬 수 있다.
도 13은 본 발명의 일 실시 예에 따른 화면 구성 정보를 이용한 기능 수행을 설명하기 위한 도면이다.
도 13을 참조하면, 일 실시 예에 따른 전자 장치(1300)(예: 전자 장치(600))는 화면(1310) 상에 적어도 하나의 컨텐츠(예: 아이콘(1311))를 표시할 수 있다. 일 실시 예에 따른 전자 장치(1300)는 마이크를 통해 사용자로부터 발화된 음성을 수신하면, 상기 음성에 대응되는 음성 데이터를 지능형 서버(200)로 전송할 수 있다. 이 경우, 일 실시 예에 따른 지능형 서버(200)는 수신된 음성 데이터를 텍스트 데이터로 변환시키고, 변환된 텍스트 데이터를 전자 장치(1300)로 전송할 수 있다.
지능형 서버(200)로부터 텍스트 데이터를 수신하면, 일 실시 예에 따른 전자 장치(1300)는 화면(1310) 상에 표시된 텍스트 데이터와 수신된 텍스트 데이터가 동일한 지를 판단하고, 상기 텍스트 데이터들이 동일한 경우, 상기 텍스트 데이터에 대응되는 기능을 수행할 수 있다.
일 실시 예에 따르면, 제1 상태(1301)에서와 같이, 전자 장치(1300)는 제1 화면(1310)(예: 홈 화면) 상에 아이콘(1311)을 표시한 상태에서, 지능형 서버(200)로부터 수신한 제1 텍스트 데이터(1317)(예: "Internet")가 제1 화면(1310) 상에 표시된 아이콘(1311)에 매핑된 제2 텍스트 데이터(1313)(예: "Internet")와 동일한 경우, 제2 상태(1303)에서와 같이, 아이콘(1311)의 기능을 수행할 수 있다. 즉, 전자 장치(1300)는 인터넷 연결 어플리케이션을 실행시키고, 인터넷 연결 어플리케이션의 제1 실행 화면(1330)을 디스플레이에 출력할 수 있다.
일 실시 예에 따르면, 제2 상태(1303)에서와 같이, 전자 장치(1300)는 어플리케이션의 실행 화면(1330)(예: 인터넷 연결 어플리케이션의 제1 실행 화면)이 출력된 상태에서, 사용자의 발화를 기반으로 지능형 서버(200)로부터 제3 텍스트 데이터(1339)(예: "스포츠")를 수신할 수 있다. 이 경우, 전자 장치(1300)는 제1 상태(1301)의 홈 화면(1310)에서와 같이, 어플리케이션의 실행 화면(1330)에 구성된 적어도 하나의 텍스트에 대한 정보를 수집할 수 있다. 예컨대, 전자 장치(1300)는 제2 상태(1303)에서, 어플리케이션의 실행 화면(1330)에 제4 텍스트 데이터(1331)(예: "뉴스"), 제5 텍스트 데이터(1332)(예: "연예"), 제6 텍스트 데이터(1333)(예: "스포츠"), 제7 텍스트 데이터(1334)(예: "라이프"), 및 제8 텍스트 데이터(1335)(예: "FUN")가 구성되어 있음을 판단할 수 있다. 또한, 전자 장치(1300)는 상기 어플리케이션의 실행 화면(1330)에 구성된 적어도 하나의 텍스트 데이터 중 지능형 서버(200)로부터 획득한 제3 텍스트 데이터(1339)와 동일한 텍스트 데이터가 존재하는 지를 판단하고, 동일한 텍스트 데이터가 존재하는 경우, 상기 동일한 텍스트 데이터에 대응되는 기능을 수행할 수 있다. 도시된 도면에서는, 지능형 서버(200)로부터 획득한 제3 텍스트 데이터(1339)와 어플리케이션의 실행 화면(1330)에 구성된 제6 텍스트 데이터(1333)가 동일하다는 판단 하에, 제3 상태(1305)에서와 같이, 전자 장치(1300)는 제6 텍스트 데이터(1333)에 대응되는 기능 즉, 인터넷 검색 페이지에서 "스포츠"에 해당하는 페이지를 표시할 수 있다.
또한, 제3 상태(1305)에서도, 전자 장치(1300)는 사용자의 음성 입력을 수신할 수 있고, 어플리케이션의 실행 화면(1350)(예: 인터넷 연결 어플리케이션의 제2 실행 화면("스포츠" 페이지))에 구성된 적어도 하나의 텍스트에 대한 정보(예: 제9 텍스트 데이터(1351), 제10 텍스트 데이터(1352), 제11 텍스트 데이터(1353), 제12 텍스트 데이터(1354), 또는 제13 텍스트 데이터(1355))를 수집할 수 있다.
도 14는 본 발명의 일 실시 예에 따른 화면 구성 정보 중 일부를 이용한 기능 수행을 설명하기 위한 도면이다.
도 14를 참조하면, 전자 장치(예: 전자 장치(600))는 화면(1400) 상에 표시된 적어도 하나의 컨텐츠에 대한 정보를 포함하는 화면 구성 정보 중 일부를 이용하여 기능 수행을 할 수 있다. 예컨대, 전자 장치는 지능형 서버(200)로부터 수신한 텍스트 데이터 즉, 사용자가 발화한 음성을 기초로 변환된 텍스트 데이터가 화면(1400) 상에 표시된 텍스트 데이터 중 일부와 동일한 경우에도 상기 텍스트 데이터에 대응되는 기능을 수행할 수 있다.
일 실시 예에 따르면, 전자 장치는 화면(1400) 상에 표시된 텍스트 데이터를 사용자가 정확히 발화할 수 없는 경우, 예컨대, 화면(1400) 상에 표시된 텍스트 데이터가 기호 등과 같은 특수 문자를 포함하는 경우, 상기 텍스트 데이터들의 비교 시에 상기 특수 문자를 제외하고 비교할 수 있다. 한 예로, 전자 장치는 도시된 바와 같이, 화면(1400) 상에 표시된 제1 텍스트 데이터(1410)(예: "TV에서 컨텐츠 보기 (Smart View)")에 특수 문자(예: "(", 및 ")")가 포함된 경우, 상기 특수 문자를 제외한 나머지 제1 텍스트 데이터에 대해서만 지능형 서버(200)로부터 수신한 제2 텍스트 데이터와 비교할 수도 있다. 또한, 전자 장치는 상기 제1 텍스트 데이터에서 공백 문자(예: " ")도 제외시키고, 나머지 제1 텍스트 데이터에 대해서만 상기 제2 텍스트 데이터와 비교할 수 있다.
일 실시 예에 따르면, 전자 장치는 화면(1400) 상에 표시된 텍스트 데이터 중 일부 텍스트 데이터만을 지능형 서버(200)로부터 수신한 텍스트 데이터와 비교할 수도 있다. 예컨대, 전자 장치는 도시된 바와 같이, 화면(1400) 상에 표시된 제1 텍스트 데이터(1410)(예: "TV에서 컨텐츠 보기 (Smart View)") 중 일부와 지능형 서버(200)로부터 수신한 제2 텍스트 데이터가 동일한 경우에도, 상기 제1 텍스트 데이터(1410)에 대응되는 기능을 수행할 수 있다. 한 예로, 전자 장치는 제1 텍스트 데이터(1410) 중 공백 문자로 구분된 제1 부분(예: "TV에서"), 제2 부분(예: "컨텐츠"), 제3 부분(예: "보기"), 및 제4 부분(예: "Smart view")(제4 부분의 경우 특수 문자는 제외) 중 적어도 하나가 지능형 서버(200)로부터 수신한 제2 텍스트 데이터와 동일한 경우에도, 상기 제1 텍스트 데이터(1410)에 대응되는 기능을 수행할 수 있다. 또 다른 예로, 전자 장치는 상기 제1 부분, 상기 제2 부분, 상기 제3 부분, 또는 상기 제4 부분에 포함된 텍스트 데이터 중 일부가 상기 제2 텍스트 데이터와 동일한 경우데도, 상기 제1 텍스트 데이터(1410)에 대응되는 기능을 수행할 수도 있다. 예컨대, 전자 장치는 상기 제1 부분에 포함된 일부(예: "TV")만이 상기 제2 텍스트 데이터와 동일한 경우에도, 상기 제1 텍스트 데이터에 대응되는 기능을 수행할 수 있다. 이 경우, 전자 장치는 화면(1400) 상에 표시된 텍스트 데이터들이 서로 중복되지 않는 지를 판단하고, 서로 중복되는 텍스트 데이터가 없는 경우에 한해서 상기 기능을 수행할 수 있다. 예를 들어, 상기 제1 텍스트 데이터(1410)의 제1 부분에 포함된 일부(예: "TV")가 화면(1400) 상에 표시된 다른 텍스트 데이터에 포함된 경우, 전자 장치는 상기 기능을 수행하지 않을 수 있다.
일 실시 예에 따르면, 전자 장치는 화면 구성 정보를 이용하여 기능을 수행한 경우 즉, 사용자의 발화에 기초하여 변환된 텍스트 데이터를 지능형 서버(200)로부터 수신하고, 상기 수신된 텍스트 데이터를 화면(1400) 상에 표시된 텍스트 데이터와 비교하고, 상기 텍스트 데이터들 중 적어도 일부가 동일하여 텍스트 데이터에 대응되는 기능을 수행한 경우, 화면 구성 정보를 이용하여 기능이 수행되었음을 알리는 알림 객체를 화면(1400) 상에 표시할 수 있다. 상기 알림 객체는 지정된 텍스트(예: "voice command 실행" 등) 및 이미지 중 적어도 하나를 포함할 수 있다. 일 실시 예에서, 전자 장치는 상기 알림 객체를 지정된 시간 동안 화면(1400)의 일부 영역에 출력하고 상기 지정된 시간이 경과하면 자동으로 출력을 종료시킬 수 있다. 예를 들어, 전자 장치는 상기 알림 객체를 토스트 팝업 메시지(toast pop up message)의 형식으로 화면(1400) 상에 표시할 수 있다.
도 15는 다양한 실시 예들에 따른 네트워크 환경(1500) 내의 전자 장치(1501)의 블록도 이다. 본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치(예: PDA(personal digital assistant), 태블릿 PC(tablet PC), 랩탑 PC(, 데스크톱 PC, 워크스테이션, 또는 서버), 휴대용 멀티미디어 장치(예: 전자 책 리더기 또는 MP3 플레이어), 휴대용 의료 기기(예: 심박, 혈당, 혈압, 또는 체온 측정기), 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리 형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용 형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착 형(예: 스킨 패드 또는 문신), 또는 생체 이식 형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시 예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오 장치, 오디오 액세서리 장치(예: 스피커, 헤드폰, 또는 헤드 셋), 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토메이션 컨트롤 패널, 보안 컨트롤 패널, 게임 콘솔, 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시 예에서, 전자 장치는 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder)(예: 차량/선박/비행기 용 블랙박스(black box)), 자동차 인포테인먼트 장치(예: 차량용 헤드-업 디스플레이), 산업용 또는 가정용 로봇, 드론(drone), ATM(automated teller machine), POS(point of sales) 기기, 계측 기기(예: 수도, 전기, 또는 가스 계측 기기), 또는 사물 인터넷 장치(예: 전구, 스프링클러 장치, 화재 경보기, 온도 조절기, 또는 가로등) 중 적어도 하나를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않으며, 또한, 예를 들면, 개인의 생체 정보(예: 심박 또는 혈당)의 측정 기능이 구비된 스마트폰의 경우처럼, 복수의 장치들의 기능들을 복합적으로 제공할 수 있다. 본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
도 15를 참조하여, 네트워크 환경(1500)에서 전자 장치(1501)(예: 전자 장치(600))는 근거리 무선 통신(1598)을 통하여 전자 장치(1502)와 통신하거나, 또는 네트워크(1599)를 통하여 전자 장치(1504) 또는 서버(1508)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(1501)는 서버(1508)을 통하여 전자 장치(1504)와 통신할 수 있다.
일 실시 예에 따르면, 전자 장치(1501)는 버스(1510), 프로세서(1520)(예: 프로세서(650)), 메모리(1530)(예: 메모리(670)), 입력 장치(1550)(예: 마이크(610) 또는 마우스), 표시 장치(1560)(예: 디스플레이(630)), 오디오 모듈(1570), 센서 모듈(1576), 인터페이스(1577), 햅틱 모듈(1579), 카메라 모듈(1580), 전력 관리 모듈(1588), 및 배터리(1589), 통신 모듈(1590)(예: 통신 회로(690)), 및 가입자 식별 모듈(1596)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1501)는 구성요소들 중 적어도 하나(예: 표시 장치(1560) 또는 카메라 모듈(1580))를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다.
버스(1510)는, 구성요소들(1520-1590)을 서로 연결하고, 구성요소들 간의 신호(예: 제어 메시지 또는 데이터)를 전달하는 회로를 포함할 수 있다.
프로세서(1520)는, 중앙처리장치(central processing unit, CPU), 어플리케이션 프로세서(application processor, AP), GPU(graphics processing unit), 카메라의 ISP(image signal processor), 또는 CP(communication processor) 중 하나 또는 그 이상을 포함할 수 있다. 일 실시 예에 따르면, 프로세서(1520)는 SoC(system on chip) 또는 SiP(system in package)로 구현될 수 있다. 프로세서(1520)는, 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 프로세서(1520)에 연결된 전자 장치(1501)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 프로세서(1520)는 다른 구성요소들(예: 통신 모듈(1590)) 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리(1532)에 로드 하여 처리하고, 결과 데이터를 비 휘발성 메모리(1534)에 저장할 수 있다.
메모리(1530)는, 휘발성 메모리(1532) 또는 비 휘발성 메모리(1534)를 포함할 수 있다. 휘발성 메모리(1532)는, 예를 들면, RAM(random access memory)(예: DRAM, SRAM, 또는 SDRAM)로 구성될 수 있다. 비 휘발성 메모리(1534)는, 예를 들면, PROM(programmable read-only memory), OTPROM(one time PROM), EPROM(erasable PROM), EEPROM(electrically EPROM), mask ROM, flash ROM, 플래시 메모리, HDD(hard disk drive), 또는 SSD(solid state drive)로 구성될 수 있다. 또한, 비 휘발성 메모리(1534)는, 전자 장치(1501)와의 연결 형태에 따라, 그 안에 배치된 내장 메모리(1536), 또는 필요 시에만 연결하여 사용 가능한 스탠드-얼론(stand-alone) 형태의 외장 메모리(1538)로 구성될 수 있다. 외장 메모리(1538)는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD, Mini-SD, xD(extreme digital), MMC(multi-media card), 또는 메모리 스틱을 포함할 수 있다. 외장 메모리(1538)는 유선(예: 케이블 또는 USB(universal serial bus)) 또는 무선(예: Bluetooth)을 통하여 전자 장치(1501)와 기능적으로 또는 물리적으로 연결될 수 있다.
메모리(1530)는, 예를 들면, 전자 장치(1501)의 적어도 하나의 다른 소프트웨어 구성요소, 예를 들어, 프로그램(1540)에 관계된 명령 또는 데이터를 저장할 수 있다. 프로그램(1540)은, 예를 들면, 커널(1541), 라이브러리(1543), 어플리케이션 프레임워크(1545), 또는 어플리케이션 프로그램(interchangeably "어플리케이션")(1547)을 포함할 수 있다.
입력 장치(1550)는, 마이크, 마우스, 또는 키보드를 포함할 수 있다. 일 실시 예에 따르면, 키보드는 물리적인 키보드로 연결되거나, 표시 장치(1560)를 통해 가상 키보드로 표시될 수 있다.
표시 장치(1560)는, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 디스플레이는, 예를 들면, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이, 유기 발광 다이오드(OLED) 디스플레이, 마이크로 전자기계 시스템(MEMS) 디스플레이, 또는 전자 종이(electronic paper) 디스플레이를 포함할 수 있다. 디스플레이는, 일 실시 예에 따르면, 유연하게, 투명하게, 또는 착용할 수 있게 구현될 수 있다. 디스플레이는 사용자의 터치, 제스처, 근접, 또는 호버링(hovering) 입력을 감지할 수 터치 회로(touch circuitry) 또는 터치에 대한 압력의 세기를 측정할 수 있는 압력 센서(interchangeably "force sensor")를 포함할 수 있다. 상기 터치 회로 또는 압력 센서는 디스플레이와 일체형으로 구현되거나, 또는 디스플레이와는 별도의 하나 이상의 센서들로 구현될 수 있다. 홀로그램 장치는 빛의 간섭을 이용하여 입체 영상을 허공에 보여줄 수 있다. 프로젝터는 스크린에 빛을 투사하여 영상을 표시할 수 있다. 스크린은, 예를 들면, 전자 장치(1501)의 내부 또는 외부에 위치할 수 있다.
오디오 모듈(1570)은, 예를 들면, 소리와 전기 신호를 쌍방향으로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(1570)은, 입력 장치(1550)(예: 마이크)를 통해 소리를 획득하거나, 또는 전자 장치(1501)에 포함된 출력 장치(미 도시)(예: 스피커 또는 리시버), 또는 전자 장치(1501)와 연결된 외부 전자 장치(예: 전자 장치(1502)(예: 무선 스피커 또는 무선 헤드폰) 또는 전자 장치(1506)(예: 유선 스피커 또는 유선 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(1576)은, 예를 들면, 전자 장치(1501)의 내부의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 고도, 습도, 또는 밝기)를 계측 또는 감지하여, 그 계측 또는 감지된 상태 정보에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 센서 모듈(1576)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러(color) 센서(예: RGB(red, green, blue) 센서), IR(infrared) 센서, 생체 센서(예: 홍채 센서, 지문 센서, 또는 HRM(heartbeat rate monitoring) 센서, 후각(electronic nose) 센서, EMG(electromyography) 센서, EEG(Electroencephalogram) 센서, ECG(Electrocardiogram) 센서), 온도 센서, 습도 센서, 조도 센서, 또는 UV(ultra violet) 센서를 포함할 수 있다. 센서 모듈(1576)은 그 안에 속한 적어도 하나 이상의 센서들을 제어하기 위한 제어 회로를 더 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1501)는 프로세서(1520) 또는 프로세서(1520)와는 별도의 프로세서(예: 센서 허브)를 이용하여, 센서 모듈(1576)을 제어할 수 있다. 별도의 프로세서(예: 센서 허브)를 이용하는 경우에, 전자 장치(1501)는 프로세서(1520)가 슬립(sleep) 상태에 있는 동안, 프로세서(1520)를 깨우지 않고 별도의 프로세서의 작동에 의하여 센서 모듈(1576)의 동작 또는 상태의 적어도 일부를 제어할 수 있다.
인터페이스(1577)는, 일 실시 예에 따르면, HDMI(high definition multimedia interface), USB, 광 인터페이스(optical interface), RS-232(recommended standard 232), D-sub(D-subminiature), MHL(mobile high-definition link) 인터페이스, SD카드/MMC(multi-media card) 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다. 연결 단자(1578)는 전자 장치(1501)와 전자 장치(1506)를 물리적으로 연결시킬 수 있다. 일 실시 예에 따르면, 연결 단자(1578)는, 예를 들면, USB 커넥터, SD 카드/MMC 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1579)은 전기적 신호를 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 예를 들면, 햅틱 모듈(1579)은 사용자에게 촉각 또는 운동 감각과 관련된 자극을 제공할 수 있다. 햅틱 모듈(1579)은 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1580)은, 예를 들면, 정지 영상 및 동영상을 촬영할 수 있다. 카메라 모듈(1580)는, 일 실시 예에 따르면, 하나 이상의 렌즈(예: 광각 렌즈 및 망원 렌즈, 또는 전면 렌즈 및 후면 렌즈), 이미지 센서, 이미지 시그널 프로세서, 또는 플래시(예: 발광 다이오드 또는 제논 램프(xenon lamp) 등)를 포함할 수 있다.
전력 관리 모듈(1588)은 전자 장치(1501)의 전력을 관리하기 위한 모듈로서, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구성될 수 있다.
배터리(1589)는, 예를 들면, 1차 전지, 2차 전지, 또는 연료 전지를 포함하여 외부 전원에 의해 재충전되어, 상기 전자 장치(1501)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다.
통신 모듈(1590)은, 예를 들면, 전자 장치(1501)와 외부 장치(예: 제1 외부 전자 장치(1502), 제2 외부 전자 장치(1504), 또는 서버(1508)) 간의 통신 채널 수립 및 수립된 통신 채널을 통한 유선 또는 무선 통신의 수행을 지원할 수 있다. 일 실시 예에 따르면, 통신 모듈(1590)은 무선 통신 모듈(1592) 또는 유선 통신 모듈(1594)을 포함하고, 그 중 해당하는 통신 모듈을 이용하여 제1 네트워크(1598)(예: Bluetooth 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(1599)(예: 셀룰러 네트워크와 같은 원거리 통신 네트워크)를 통하여 외부 장치와 통신할 수 있다.
무선 통신 모듈(1592)은, 예를 들면, 셀룰러 통신, 근거리 무선 통신, 또는 GNSS 통신을 지원할 수 있다. 셀룰러 통신은, 예를 들면, LTE(long-term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications)을 포함할 수 있다. 근거리 무선 통신은, 예를 들면, Wi-Fi(wireless fidelity), Wi-Fi Direct, Li-Fi(light fidelity), Bluetooth, BLE(Bluetooth low energy), Zigbee, NFC(near field communication), MST(magnetic secure transmission), RF(radio frequency), 또는 BAN(body area network)을 포함할 수 있다. GNSS는, 예를 들면, GPS(Global Positioning System), Glonass(Global Navigation Satellite System), Beidou Navigation Satellite System(이하 "Beidou") 또는 Galileo(the European global satellite-based navigation system)를 포함할 수 있다. 본 문서에서 "GPS"는 "GNSS"와 상호 호환적으로 사용될 수 있다.
일 실시 예에 따르면, 상기 무선 통신 모듈(1592)은, 셀룰러 통신을 지원하는 경우, 예를 들면, 가입자 식별 모듈(1596)을 이용하여 통신 네트워크 내에서 전자 장치(1501)의 구별 및 인증을 수행할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1592)은 프로세서(1520)(예: AP)와 별개인 CP를 포함할 수 있다. 이런 경우, CP는, 예를 들면, 프로세서(1520)가 인액티브(예: 슬립) 상태에 있는 동안 프로세서(1520)를 대신하여, 또는 프로세서(1520)가 액티브 상태에 있는 동안 프로세서(1520)과 함께, 전자 장치(1501)의 구성요소들(1510-1596) 중 적어도 하나의 구성 요소와 관련된 기능들의 적어도 일부 기능을 수행할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1592)은 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS 통신 모듈 중 해당하는 통신 방식만을 지원하는 복수의 통신 모듈들로 구성될 수 있다.
유선 통신 모듈(1594)은, 예를 들면, LAN(local area network), 전력선 통신 또는 POTS(plain old telephone service)를 포함할 수 있다.
제1 네트워크(1598)는, 예를 들어, 전자 장치(1501)와 제1 외부 전자 장치(1502)간의 무선으로 직접 연결을 통해 명령 또는 데이터를 송신 또는 수신할 수 있는 Wi-Fi 다이렉트 또는 Bluetooth를 포함할 수 있다. 제2 네트워크(1599)는, 예를 들어, 전자 장치(1501)와 제2 외부 전자 장치(1504)간의 명령 또는 데이터를 송신 또는 수신할 수 있는 텔레커뮤니케이션 네트워크(예: LAN(local area network)나 WAN(wide area network)와 같은 컴퓨터 네트워크, 인터넷(internet), 또는 텔레폰(telephone) 네트워크)를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 명령 또는 상기 데이터는 제2 네트워크에 연결된 서버(1508)를 통해서 전자 장치(1501)와 제2 외부 전자 장치(1504)간에 송신 또는 수신될 수 있다. 제1 및 제2 외부 전자 장치(1502, 1504) 각각은 전자 장치(1501)와 동일한 또는 다른 종류의 장치일 수 있다. 다양한 실시 예들에 따르면, 전자 장치(1501)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 전자 장치(예: 전자 장치(1502, 1504), 또는 서버(1508))에서 실행될 수 있다. 일 실시 예에 따르면, 전자 장치(1501)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(1501)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 다른 장치(예: 전자 장치(1502, 1504), 또는 서버(1508))에게 요청할 수 있다. 다른 전자 장치(예: 전자 장치(1502, 1504), 또는 서버(1508))는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(1501)로 전달할 수 있다. 전자 장치(1501)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서, "~하도록 설정된(adapted to or configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 설정된 (또는 구성된) 프로세서"는 해당 동작들을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치(예: 메모리 1530)에 저장된 하나 이상의 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 AP)를 의미할 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어(firmware)로 구성된 유닛(unit)을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다.
다양한 실시 예들에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 저장 매체(예: 메모리(1530))에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서(예: 프로세서(1520))에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(예: 자기테이프), 광기록 매체(예: CD-ROM, DVD, 자기-광 매체(예: 플롭티컬 디스크)), 내장 메모리 등을 포함할 수 있다. 명령어는 컴파일러에 의해 만들어지는 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다.
다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램 모듈) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소를 더 포함할 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램 모듈)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른 모듈, 프로그램 모듈 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    마이크;
    통신 회로;
    디스플레이;
    적어도 하나의 어플리케이션을 저장하기 위한 메모리; 및
    상기 마이크, 상기 통신 회로, 상기 디스플레이, 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하고,
    상기 프로세서는,
    상기 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하고, 상기 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하고,
    상기 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하고,
    상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하고,
    상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하고,
    상기 제1 기능이 수행되지 않은 경우 상기 제2 기능을 수행하고, 상기 제1 기능이 수행된 경우 상기 제2 정보의 처리를 제한하도록 설정된 전자 장치.
  2. 청구항 1에 있어서,
    상기 제1 정보는,
    상기 적어도 하나의 텍스트의 식별 정보, 상기 적어도 하나의 텍스트가 표시된 좌표 정보, 및 상기 적어도 하나의 텍스트에 대응되는 텍스트 데이터 중 적어도 하나를 포함하는 전자 장치.
  3. 청구항 2에 있어서,
    상기 프로세서는,
    상기 좌표 정보를 기반으로 상기 제2 텍스트 데이터에 대응되는 텍스트가 상기 화면에 표시된 좌표를 판단하고, 상기 좌표에서의 터치 입력의 발생과 관련된 신호를 생성하도록 설정된 전자 장치.
  4. 청구항 3에 있어서,
    상기 프로세서는,
    상기 적어도 하나의 어플리케이션 중 상기 제2 텍스트 데이터에 대응되는 상기 텍스트가 표시된 상기 화면을 구성하는 어플리케이션에게 상기 신호를 전송하도록 설정된 전자 장치.
  5. 청구항 3에 있어서,
    상기 프로세서는,
    상기 적어도 하나의 어플리케이션 중 포어그라운드로 실행 중인 어플리케이션에게 상기 신호를 전송하도록 설정된 전자 장치.
  6. 청구항 1에 있어서,
    상기 프로세서는,
    상기 제1 기능의 수행에 대한 이력 정보를 상기 메모리에 저장하는 전자 장치.
  7. 청구항 6에 있어서,
    상기 프로세서는,
    상기 제1 기능의 수행 여부를 상기 이력 정보를 기반으로 판단하도록 설정된 전자 장치.
  8. 청구항 1에 있어서,
    상기 제2 정보는,
    상기 제2 기능을 수행하기 위한 동작에 대한 정보, 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보, 및 상기 동작의 순서 정보 중 적어도 하나를 포함하는 전자 장치.
  9. 전자 장치에 있어서,
    마이크;
    통신 회로;
    디스플레이;
    적어도 하나의 어플리케이션을 저장하기 위한 메모리; 및
    상기 마이크, 상기 통신 회로, 상기 디스플레이, 및 상기 메모리와 전기적으로 연결되는 프로세서를 포함하고,
    상기 프로세서는,
    상기 마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하고, 상기 디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하고,
    상기 통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하고, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하고,
    상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하고, 상기 제2 텍스트 데이터가 존재하지 않는 경우 상기 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하기 위한 대기 상태로 진입하도록 설정된 전자 장치.
  10. 청구항 9에 있어서,
    상기 프로세서는,
    상기 제1 기능이 수행되면, 상기 제1 기능이 수행되었음을 알리는 정보를 상기 통신 회로를 통해 상기 외부 전자 장치로 전송하도록 설정된 전자 장치.
  11. 청구항 9에 있어서,
    상기 제1 정보는,
    상기 적어도 하나의 텍스트의 식별 정보, 상기 적어도 하나의 텍스트가 표시된 좌표 정보, 및 상기 적어도 하나의 텍스트에 대응되는 텍스트 데이터 중 적어도 하나를 포함하는 전자 장치.
  12. 청구항 11에 있어서,
    상기 프로세서는,
    상기 좌표 정보를 기반으로 상기 제2 텍스트 데이터에 대응되는 텍스트가 상기 화면에 표시된 좌표를 판단하고, 상기 좌표에서의 터치 입력의 발생과 관련된 신호를 생성하도록 설정된 전자 장치.
  13. 청구항 9에 있어서,
    상기 제2 정보는,
    상기 제2 기능을 수행하기 위한 동작에 대한 정보, 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보, 및 상기 동작의 순서 정보 중 적어도 하나를 포함하는 전자 장치.
  14. 청구항 9에 있어서,
    상기 프로세서는,
    상기 대기 상태에서 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 제2 정보를 수신하면, 상기 제2 정보를 기반으로 상기 제2 기능을 수행하도록 설정된 전자 장치.
  15. 전자 장치의 음성 데이터 처리 방법에 있어서,
    마이크를 통해 수신된 사용자의 음성에 대응되는 음성 데이터를 획득하는 동작;
    디스플레이의 화면에 표시된 적어도 하나의 텍스트에 대한 제1 정보를 획득하는 동작;
    통신 회로를 통해 외부 전자 장치로 상기 음성 데이터를 전송하는 동작;
    상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 음성 데이터를 기반으로 변환된 제1 텍스트 데이터를 수신하는 동작;
    상기 제1 정보 중 상기 제1 텍스트 데이터와 동일한 제2 텍스트 데이터가 존재하는 지를 판단하고, 상기 제2 텍스트 데이터가 존재하는 경우 상기 제1 정보를 이용하여 상기 제2 텍스트 데이터에 대응되는 제1 기능을 수행하는 동작;
    상기 통신 회로를 통해 상기 외부 전자 장치로부터 메모리에 저장된 적어도 하나의 어플리케이션의 제2 기능을 수행하도록 구성된 제2 정보를 수신하는 동작;
    상기 제1 기능의 수행 여부를 판단하는 동작; 및
    상기 제1 기능이 수행되지 않은 경우 상기 제2 기능을 수행하고, 상기 제1 기능이 수행된 경우 상기 제2 정보의 처리를 제한하는 동작을 포함하는 음성 데이터 처리 방법.
PCT/KR2018/002993 2017-04-17 2018-03-14 음성 데이터 처리 방법 및 이를 지원하는 전자 장치 WO2018194267A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/605,641 US20200075008A1 (en) 2017-04-17 2018-03-14 Voice data processing method and electronic device for supporting same

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2017-0049411 2017-04-17
KR20170049411 2017-04-17
KR1020170054913A KR102369083B1 (ko) 2017-04-17 2017-04-28 음성 데이터 처리 방법 및 이를 지원하는 전자 장치
KR10-2017-0054913 2017-04-28

Publications (1)

Publication Number Publication Date
WO2018194267A1 true WO2018194267A1 (ko) 2018-10-25

Family

ID=63857086

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/002993 WO2018194267A1 (ko) 2017-04-17 2018-03-14 음성 데이터 처리 방법 및 이를 지원하는 전자 장치

Country Status (1)

Country Link
WO (1) WO2018194267A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109507908A (zh) * 2019-01-02 2019-03-22 上海荷福人工智能科技（集团）有限公司 机器人控制智能家居系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014134675A (ja) * 2013-01-10 2014-07-24 Ntt Docomo Inc 機能実行システム及び発話例出力方法
KR101447879B1 (ko) * 2013-08-09 2014-10-08 주식회사 디오텍 음성인식을 통해 컨트롤 객체를 선택하기 위한 장치 및 방법
KR20150078500A (ko) * 2013-12-30 2015-07-08 정관선 음성을 이용한 스마트단말 어플 실행 방법, 그리고 음성을 이용한 어플 실행 기능을 구비한 스마트단말
KR20160059026A (ko) * 2014-11-17 2016-05-26 주식회사 엘지유플러스 이동통신단말기의 음성메모에 기초한 이벤트실행 시스템, 그 단말기 제어서버 및 이동통신단말기 제어방법, 이동통신단말기 및 어플리케이션 실행방법
JP2016122980A (ja) * 2014-12-25 2016-07-07 京セラ株式会社 タッチスクリーン付情報処理端末、情報処理方法および情報処理プログラム
KR20160088652A (ko) * 2015-01-16 2016-07-26 엘지전자 주식회사 멀티미디어 디바이스 및 그 제어 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014134675A (ja) * 2013-01-10 2014-07-24 Ntt Docomo Inc 機能実行システム及び発話例出力方法
KR101447879B1 (ko) * 2013-08-09 2014-10-08 주식회사 디오텍 음성인식을 통해 컨트롤 객체를 선택하기 위한 장치 및 방법
KR20150078500A (ko) * 2013-12-30 2015-07-08 정관선 음성을 이용한 스마트단말 어플 실행 방법, 그리고 음성을 이용한 어플 실행 기능을 구비한 스마트단말
KR20160059026A (ko) * 2014-11-17 2016-05-26 주식회사 엘지유플러스 이동통신단말기의 음성메모에 기초한 이벤트실행 시스템, 그 단말기 제어서버 및 이동통신단말기 제어방법, 이동통신단말기 및 어플리케이션 실행방법
JP2016122980A (ja) * 2014-12-25 2016-07-07 京セラ株式会社 タッチスクリーン付情報処理端末、情報処理方法および情報処理プログラム
KR20160088652A (ko) * 2015-01-16 2016-07-26 엘지전자 주식회사 멀티미디어 디바이스 및 그 제어 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109507908A (zh) * 2019-01-02 2019-03-22 上海荷福人工智能科技（集团）有限公司 机器人控制智能家居系统

Similar Documents

Publication Publication Date Title
WO2019164146A1 (en) System for processing user utterance and controlling method thereof
WO2019164140A1 (en) System for processing user utterance and controlling method thereof
WO2019013510A1 (en) VOICE PROCESSING METHOD AND ELECTRONIC DEVICE SUPPORTING IT
WO2018135743A1 (ko) 발화 완료 감지 방법 및 이를 구현한 전자 장치
WO2018182298A1 (en) Method for operating speech recognition service and electronic device supporting the same
WO2018182293A1 (en) Method for operating speech recognition service and electronic device supporting the same
WO2019004659A1 (en) DISPLAY CONTROL METHOD AND ELECTRONIC DEVICE SUPPORTING SAID METHOD
WO2021025350A1 (en) Electronic device managing plurality of intelligent agents and operation method thereof
WO2019199030A1 (ko) 사용자 발화를 처리하는 시스템 및 그 시스템의 제어 방법
WO2019182252A1 (en) Electronic device and server for processing data received from electronic device
WO2019146970A1 (ko) 사용자 발화 응답 방법 및 이를 지원하는 전자 장치
WO2020105856A1 (en) Electronic apparatus for processing user utterance and controlling method thereof
WO2018203620A1 (ko) 사용자 발화를 처리하는 전자
WO2018203623A1 (en) Electronic apparatus for processing user utterance
WO2020013666A1 (ko) 사용자 음성 입력 처리 방법 및 이를 지원하는 전자 장치
WO2019112181A1 (ko) 오디오 데이터에 포함된 음소 정보를 이용하여 어플리케이션을 실행하기 위한 전자 장치 및 그의 동작 방법
WO2019172627A1 (en) System for processing user utterance and controlling method thereof
WO2019059642A1 (ko) 자연어 표현 제공 방법 및 이를 지원하는 전자 장치
WO2019050242A1 (en) ELECTRONIC DEVICE, SERVER, AND RECORDING MEDIUM SUPPORTING THE EXECUTION OF A TASK USING AN EXTERNAL DEVICE
WO2019074257A1 (ko) 사용자 발화를 처리하는 전자 장치 및 서버
WO2020091248A1 (ko) 음성 명령에 응답하여 컨텐츠를 표시하기 위한 방법 및 그 전자 장치
WO2018174445A1 (ko) 파셜 랜딩 후 사용자 입력에 따른 동작을 수행하는 전자 장치
WO2018182326A1 (en) Device and method for performing payment using utterance
WO2020167006A1 (en) Method of providing speech recognition service and electronic device for same
WO2019190096A1 (ko) 사용자 음성 입력을 처리하는 장치

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: 18787471

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: 18787471

Country of ref document: EP

Kind code of ref document: A1