WO2022059979A1 - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
WO2022059979A1
WO2022059979A1 PCT/KR2021/011984 KR2021011984W WO2022059979A1 WO 2022059979 A1 WO2022059979 A1 WO 2022059979A1 KR 2021011984 W KR2021011984 W KR 2021011984W WO 2022059979 A1 WO2022059979 A1 WO 2022059979A1
Authority
WO
WIPO (PCT)
Prior art keywords
lyrics
voice
electronic device
keyword
voice command
Prior art date
Application number
PCT/KR2021/011984
Other languages
English (en)
French (fr)
Inventor
준시크미카엘
루카시악보제나
트로피미크다니엘
케쥑자컵
프레직로만
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Publication of WO2022059979A1 publication Critical patent/WO2022059979A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; 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
    • 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
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Definitions

  • the present disclosure relates to an electronic device and a method for controlling the same, and more particularly, to an electronic device for providing voice feedback based on text included in a user's voice command, and a method for controlling the same.
  • the conventional electronic device randomly identifies one of the lyrics pre-stored in the database, and provides voice feedback based on the identified lyrics. . That is, the conventional electronic device only provides voice feedback based on lyrics pre-stored in a database by a developer, but cannot provide voice feedback in which a context (eg, emotion) related to a user is reflected.
  • a context eg, emotion
  • One technical problem to be solved by the present invention is to provide an electronic device that provides voice feedback based on text included in a voice command.
  • an electronic device includes: a microphone; speaker; a memory storing at least one instruction; and a processor, wherein the processor obtains a user's voice command through the microphone, determines whether a preset command is included in the voice command, and when the voice command includes the preset command , an electronic device for controlling the speaker to obtain lyrics based on the text included in the voice command and output a first voice feedback of a first genre corresponding to the preset command based on the acquired lyrics can be
  • the processor may obtain at least one keyword included in the voice command, and obtain the lyrics based on the at least one keyword.
  • the processor acquires a first keyword indicating a specific event and a second keyword indicating a specific person, acquires a lyrics template based on the first keyword, and reads at least one word included in the lyrics template It can be changed to the second keyword.
  • the processor acquires a third keyword corresponding to the second keyword based on information stored in the electronic device, and sets at least one word included in the lyrics template to the third keyword can be changed to
  • the processor may acquire one of a plurality of melodies stored in the external server from an external server through the communication interface, and synthesize the acquired melody and the acquired lyrics to generate the first voice feedback.
  • the processor acquires at least one of a melody selected by the user from among the plurality of melodies, a preset melody, a melody whose number of times reproduced by the electronic device is greater than a preset value, and a melody currently being played through the electronic device can do.
  • the processor may acquire information on an emotion corresponding to the voice command using a learned neural network model, and acquire the lyrics based on the information on the emotion.
  • the processor when the preset command is not included in the voice command, obtains a response message corresponding to the voice command, and configures the speaker to output a second voice feedback of a second genre based on the response message. can be controlled
  • the processor is configured to identify whether the voice command corresponds to a preset voice command, and if the voice command does not correspond to the preset voice command, the second response message and audio data including a musical element are synthesized.
  • the speaker may be controlled to output voice feedback, and when the voice command corresponds to the preset voice command, the speaker may be controlled to provide the second voice feedback that does not include the audio data.
  • the processor acquires the audio data based on the content of the response message, and generates the second voice feedback by synthesizing the audio data and the response message. can do.
  • a method of controlling an electronic device comprising: obtaining a user's voice command; determining whether a preset command is included in the voice command; obtaining lyrics based on the text included in the voice command when the preset command is included in the voice command; and providing a first voice feedback of a first genre corresponding to the preset command based on the obtained lyrics.
  • the acquiring of the lyrics may include acquiring at least one keyword included in the voice command, and acquiring the lyrics based on the at least one keyword.
  • the acquiring of the at least one keyword includes acquiring a first keyword indicating a specific event and a second keyword indicating a specific person, and the acquiring of the lyrics includes selecting a lyrics template based on the first keyword. acquired, and at least one word included in the lyrics template may be changed to the second keyword.
  • the acquiring of the lyrics may include: when the second keyword is acquired, acquiring a third keyword corresponding to the second keyword based on information stored in the electronic device, and selecting at least one word included in the lyrics template It can be changed to the third keyword.
  • the control method further includes, when the voice command is acquired, acquiring one of a plurality of melodies stored in the external server from an external server, wherein the providing of the first voice feedback includes: the acquired melody and generating the first voice feedback by synthesizing the obtained lyrics.
  • the acquiring of the at least one melody includes: a melody selected by the user from among the plurality of melodies, a preset melody, a melody whose number of times played by the electronic device is greater than a preset value, and a melody currently played through the electronic device At least one of the current melodies can be obtained.
  • the control method further includes; when the voice command is acquired, acquiring information about an emotion corresponding to the voice command using a learned neural network model; and obtaining the lyrics includes: The lyrics can be obtained based on the information about
  • the control method may include, when the preset command is not included in the voice command, obtaining a response message corresponding to the voice command; and providing a second voice feedback of a second genre based on the response message.
  • the providing of the second voice feedback includes: identifying whether the voice command corresponds to a preset voice command; if the voice command does not correspond to the preset voice command, including the response message and a musical element providing the second voice feedback in which audio data is synthesized; and if the voice command corresponds to the preset voice command, providing the second voice feedback that does not include the audio data. .
  • the providing of the second voice feedback may include: if the voice command does not correspond to the preset voice command, acquiring the audio data based on the contents of the response message; and combining the audio data and the response message. and generating the second voice feedback by synthesizing.
  • the electronic device may generate lyrics based on text included in a voice command, and may provide voice feedback based on the generated lyrics. Accordingly, the user's satisfaction and convenience may be improved.
  • FIG. 1 is a diagram for explaining a concept of a method for providing voice feedback according to an embodiment of the present disclosure.
  • FIG. 2 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
  • 3A is a view for explaining a method of obtaining lyrics according to an embodiment of the present disclosure.
  • 3B is a view for explaining a method of obtaining lyrics according to an embodiment of the present disclosure.
  • 3C is a view for explaining a method of obtaining lyrics according to an embodiment of the present disclosure.
  • 3D is a view for explaining a method of obtaining lyrics according to an embodiment of the present disclosure.
  • 4A is a diagram for describing a method of acquiring music information according to an embodiment of the present disclosure.
  • 4B is a diagram for explaining a method of acquiring music information according to another embodiment of the present disclosure.
  • 5A is a diagram for explaining a method of obtaining lyrics using context information according to an embodiment of the present disclosure.
  • 5B is a diagram for explaining a method of obtaining lyrics using context information according to an embodiment of the present disclosure.
  • FIG. 6 is a block diagram illustrating a configuration of an electronic device according to another embodiment of the present disclosure.
  • FIG. 7 is a diagram for explaining a method of determining a type of a second voice feedback according to an embodiment of the present disclosure.
  • FIG. 8A is a diagram for describing a method for obtaining a second voice feedback according to an embodiment of the present disclosure.
  • 8B is a diagram for describing a method for obtaining a second voice feedback according to an embodiment of the present disclosure.
  • 8C is a diagram illustrating a database according to an embodiment of the present disclosure.
  • FIG. 9 is a view for explaining a database update method according to an embodiment of the present disclosure.
  • FIG. 10 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
  • FIG. 11 is a flowchart illustrating a method of controlling an electronic device according to an embodiment of the present disclosure.
  • Embodiments of the present disclosure may be subjected to various transformations and may have various embodiments, and specific embodiments will be illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the scope of the specific embodiments, and it should be understood to include all transformations, equivalents and substitutions included in the spirit and scope of the disclosure. In describing the embodiments, if it is determined that a detailed description of a related known technology may obscure the subject matter, the detailed description thereof will be omitted.
  • FIG. 1 is a diagram for explaining a concept of a method for providing voice feedback according to an embodiment of the present disclosure.
  • the electronic device 100 may obtain voice commands 11 and 12 of the user 1 .
  • the electronic device 100 may identify whether a preset command is included in the voice commands 11 and 12 .
  • the preset command 13 refers to a command for requesting a first voice feedback of a first genre (eg, rap).
  • the preset command 13 may include a command such as “rap for ⁇ ”.
  • the electronic device 100 When the preset command 13 is included in the user 1's voice command, that is, when the first voice command 11 is obtained, the electronic device 100 provides the first voice feedback 21 of the first genre.
  • the first voice feedback 21 refers to feedback providing music of a specific genre.
  • the first voice feedback 21 may be a freestyle rap.
  • the electronic device 100 When the preset command 13 is included in the user 1's voice command, that is, when the second voice command 12 is obtained, the electronic device 100 provides the second voice feedback 22 of the second genre.
  • the second voice feedback 22 refers to voice feedback in which a response message to a user's voice command is sung.
  • the second voice feedback 22 may be a voice feedback in which a response message for today's weather and predetermined accompaniment are synthesized.
  • the electronic device 100 may provide the first voice feedback 21 or the second voice feedback 22 based on whether the preset command 13 is included in the voice command of the user 1 .
  • the electronic device 100 may provide voice feedback based on context information about the user 1 .
  • the context information may include at least one of an emotion of the user 1 , anniversary information related to the user 1 (eg, a user's birthday date), and current weather information.
  • the electronic device 100 may acquire lyrics based on anniversary information related to the user 1 and output music to which the acquired lyrics are reflected.
  • the electronic device 100 may obtain an accompaniment corresponding to the current weather information, and may output a voice message together with the obtained accompaniment.
  • the electronic device 100 may be implemented as at least one of a smartphone, an artificial intelligence (AI) speaker, a TV, and a personal digital assistant (PDA).
  • a smartphone an artificial intelligence (AI) speaker
  • a TV a TV
  • PDA personal digital assistant
  • the electronic device 100 may include a microphone 110 , a communication interface 120 , a memory 130 , a speaker 140 , and a processor 150 .
  • the processor 150 includes a voice recognition module 151 , a genre determination module 152 , a lyrics acquisition module 153 , a context information acquisition module 154 , a music information acquisition module 155 , and a first feedback acquisition module 156 ). may include
  • the voice recognition module 151 may acquire a user's voice command through the microphone 110 .
  • the voice recognition module 151 may acquire text based on the acquired voice command.
  • the voice recognition module 151 may convert the acquired voice command into text. That is, the speech recognition module 151 may include a speech to text (STT) module.
  • STT speech to text
  • the genre determination module 152 may determine the genre of the voice feedback to be provided to the user based on the text acquired through the voice recognition module 151 .
  • the genre determining module 152 may determine the genre of the voice feedback based on whether the acquired text includes text (or a preset text) corresponding to a preset command. For example, if the acquired text includes a preset text, the genre determination module 152 may determine the genre of the voice feedback as the first genre. Specifically, referring back to FIG. 1 , when the text (“Bixby, rap for me”) corresponding to the first voice command 11 includes a preset text (“rap for me”), the genre determination module ( 152) may determine the genre of the voice feedback as the first genre. On the other hand, if the acquired text does not include the preset text, the genre determination module 152 may determine the genre of the voice feedback as the second genre.
  • the lyrics acquisition module 153 may acquire the lyrics of the first voice feedback.
  • the lyrics acquisition module 153 may acquire lyrics based on a keyword included in the text acquired through the voice recognition module 151 .
  • the lyrics acquisition module 153 may acquire a first keyword related to a specific event (or topic). For example, when the acquired text is “happy birthday rap me”, the lyrics acquisition module 153 may acquire 'birthday' or 'happy birthday' as the first keyword. In this case, the lyrics acquisition module 153 may acquire lyrics (ie, lyrics related to happy birthday) corresponding to the first keyword from the external server through the communication interface 120 .
  • the lyrics acquisition module 153 may acquire lyrics from the memory 130 .
  • the memory 130 may store melodies, lyrics, genres, atmospheres, and the like for at least one piece of music.
  • the lyrics acquisition module 153 may acquire lyrics corresponding to the first keyword among the lyrics stored in the memory 130 .
  • the lyrics acquisition module 153 may acquire new lyrics by changing the lyrics acquired from an external server based on a keyword included in the acquired text.
  • the lyrics acquisition module 153 may acquire a second keyword that refers to a specific person. For example, if the acquired text is "Let me rap for my brother's birthday celebration", the lyrics acquisition module 153 may acquire 'happy birthday' as the first keyword and 'brother' as the second keyword, respectively. there is. In this case, the lyrics acquisition module 153 may acquire lyrics from an external server based on the first keyword (ie, 'happy birthday'). In addition, the lyrics acquisition module 153 may change at least one (eg, 'your') of a plurality of words included in the acquired lyrics to a second keyword (ie, 'brother').
  • the lyrics acquisition module 153 may change the acquired lyrics based on a third keyword corresponding to the second keyword.
  • the lyrics acquisition module 153 may acquire the name (eg, 'Jimmy') of the object (ie, 'brother') referred to by the second keyword as the third keyword.
  • the lyrics acquisition module 153 may acquire the third keyword based on the contact information stored in the memory 130 or the content of the SMS message.
  • the lyrics acquisition module 153 may change at least one of a plurality of words (eg, 'your') included in the acquired lyrics to a second keyword (ie, 'Jimmy'). In this way, the electronic device 100 may acquire new lyrics by changing the lyrics acquired from the external server based on the keyword included in the acquired text.
  • the above-described contact information and SMS message content may be stored in an external server.
  • contact information including a name, nickname, and phone number of a specific person may be stored in the external server.
  • the electronic device 100 may obtain contact information from an external server through the communication interface 120 , and may obtain a third keyword based on the obtained contact information.
  • the external server may be a server corresponding to an application installed in the electronic device 100 .
  • the lyrics acquisition module 153 may acquire a synonym for a word included in the lyrics acquired from an external server, and change the acquired lyrics based on the acquired synonym. Specifically, the lyrics acquisition module 153 identifies a first word (eg, 'all') among a plurality of words included in lyrics obtained from an external server, and a second word (eg, ' full') can be obtained. In addition, the lyrics acquisition module 153 may generate new lyrics by replacing the first word with the second word. Meanwhile, a synonym for the first word may be obtained from an external server through the communication interface 120 . Alternatively, a synonym for the first word may be obtained based on dictionary information stored in the memory 130 . When there are several synonyms for the first word, the word with the highest relevance may be identified as the second word or randomly identified based on statistical data.
  • a synonym for the first word may be obtained from an external server through the communication interface 120 .
  • the lyrics acquisition module 153 may acquire lyrics based on context information related to the user.
  • the context information related to the user may include at least one of a user's voice tone, a rhythm of a user's utterance, a user's emotion, and an anniversary information related to the user.
  • the context information may be obtained through the context information obtaining module 154 .
  • the context information acquisition module 154 may acquire anniversary information related to the user stored in the memory 130 or an external server.
  • the lyrics acquisition module 153 may acquire lyrics based on anniversary information (eg, a user's birthday).
  • the lyrics acquisition module 153 may acquire lyrics related to a birthday from an external server through the communication interface 120 .
  • the context information acquisition module 154 may acquire the user's emotion by inputting a voice command acquired through the microphone 110 into the learned neural network model.
  • the context information acquisition module 154 may acquire the user's emotion by analyzing an image captured by the user.
  • the lyrics acquisition module 153 may acquire lyrics based on the user's emotions (eg, happiness) based on the user's emotions.
  • the lyrics acquisition module 153 may acquire lyrics of a happy atmosphere from an external server. To this end, a plurality of lyrics for each context information may be stored in the external server.
  • the lyrics acquisition module 153 may acquire lyrics based on information about music input from the user.
  • the information on the music may include audio data on the music and audio data on the accompaniment of the music.
  • the information about the music may include at least one of a melody, a beat, a tempo, a chord, and a rhythm.
  • the lyrics acquisition module 153 may determine the number of texts to compose lyrics based on the tempo of the music.
  • Information about music may be obtained through the music information obtaining module 155 .
  • the music information acquisition module 155 requests information about music to constitute the first voice feedback.
  • the speaker 140 may be controlled to output voice feedback for the purpose (eg, “please listen to music”). Accordingly, the audio signal for the music selected by the user may be output through the external speaker and obtained through the microphone 110 .
  • the music information acquisition module 155 may determine the similarity by comparing the characteristics (eg, frequency) of the acquired signal with the characteristics of audio signals for a plurality of music stored in an external server.
  • the music information acquisition module 155 may recognize the music selected by the user from among a plurality of songs stored in the external server based on the similarity.
  • the music information acquisition module 155 may acquire information about the music.
  • the music information acquisition module 155 may acquire audio data of an accompaniment corresponding to the identified music.
  • the music information acquisition module 155 may acquire audio data of accompaniment from a karaoke database. If the audio data of the accompaniment is not stored in the karaoke database, the music information acquisition module 155 acquires audio data for the identified music from another external server (eg, a sound source providing server), and includes Accompaniment can be obtained by performing an operation to remove vocals.
  • another external server eg, a sound source providing server
  • the music information acquisition module 155 may acquire information about music by analyzing text corresponding to the user's voice command. For example, when a text for a voice command including music information (eg, "Rap me to Eminem's Venom") is obtained, the music information obtaining module 155 may configure the keyword included in the text (ie, 'Eminem') ', 'Venom'), you can obtain information about music. Specifically, the music information acquisition module 155 may acquire accompaniment and lyrics for 'Venom'. In this case, the lyrics acquisition module 153 may generate new lyrics based on the acquired lyrics.
  • music information obtaining module 155 may configure the keyword included in the text (ie, 'Eminem') ', 'Venom'), you can obtain information about music.
  • the music information acquisition module 155 may acquire accompaniment and lyrics for 'Venom'.
  • the lyrics acquisition module 153 may generate new lyrics based on the acquired lyrics.
  • the first feedback obtaining module 156 may generate a first voice feedback based on the lyrics obtained through the lyrics obtaining module 153 . That is, the first feedback obtaining module 156 may generate a voice signal for an unaccompanied lap. In this case, characteristics (eg, rhythm, tempo, beat, etc.) of the voice signal may be determined based on the above-described context information. For example, when the user's emotion is 'happiness', the tempo of the voice signal may be determined faster than a preset value. On the other hand, when the user's emotion is 'sad', the tempo of the voice signal may be determined to be slower than a preset value. Meanwhile, the first feedback obtaining module 156 may include a Text-To-Speech module (TTS) to generate a voice signal based on the text for lyrics.
  • TTS Text-To-Speech module
  • the first feedback obtaining module 156 may generate a voice signal for a rap including accompaniment.
  • the first feedback obtaining module 156 may generate a voice signal based on the lyrics obtained through the lyrics obtaining module 153 and the audio signal for the accompaniment obtained through the music information obtaining module 155 .
  • the first feedback obtaining module 156 may generate a voice signal for the first voice feedback by synthesizing the first voice signal corresponding to the lyrics and the second voice signal corresponding to the accompaniment.
  • the first feedback obtaining module 156 may control the speaker 140 to output the generated voice signal.
  • each of the modules 151 to 156 has been described as a configuration of the processor 150 , but this is only an exemplary embodiment, and each of the modules 151 to 156 may be stored in the memory 130 .
  • the processor 150 may load the plurality of modules 151 to 156 stored in the memory 130 from the nonvolatile memory to the volatile memory to execute respective functions of the plurality of modules 151 to 156 .
  • each module of the processor 150 may be implemented as software or a combination of software and hardware.
  • 3A to 3D are views for explaining a method of obtaining lyrics according to an embodiment of the present disclosure.
  • the electronic device 100 may obtain a voice command 31 of the user 1 .
  • the electronic device 100 may identify whether the preset command 32 is included in the voice command 31 .
  • the electronic device 100 may acquire the keyword 33 included in the voice command 31 .
  • the electronic device 100 may acquire the lyrics template 34 from the external server 200 based on at least one of the keywords 33 .
  • a plurality of lyrics templates may be classified and stored for each subject (or theme).
  • the electronic device 100 may identify the first keyword 33 - 1 among keywords included in the voice command 31 .
  • the electronic device 100 may identify a subject (ie, 'birthday') corresponding to the first keyword 33-1 based on the text of the first keyword 33-1.
  • the electronic device 100 may obtain a first lyrics template 34-1 from among a plurality of lyrics templates corresponding to the identified subject.
  • the electronic device 100 may generate new lyrics based on the first lyrics template (or first lyrics) 34 - 1 .
  • the electronic device 100 changes at least one of a plurality of words included in the first lyrics 34-1 based on the second keyword 33-2 to obtain the second lyrics 34-2. ) can be obtained.
  • the electronic device 100 may identify 'your' included in the first lyrics 34-1.
  • the electronic device 100 may obtain the second lyrics 34-2 by changing the identified 'your' to the second keyword 33-2.
  • the electronic device 100 may identify a word to be replaced with the second keyword 33 - 2 using the neural network model.
  • the electronic device 100 inputs the first lyrics 34-1 and the second keywords 33-2 to the learned neural network model, and enters the first lyrics among the words included in the second lyrics template 34-1. 2 It is possible to identify a word corresponding to the keyword 33 - 2 .
  • the neural network model may be implemented as a recurrent neural network (RNN).
  • the electronic device 100 may replace the identified word with another keyword corresponding to the second keyword 33-2 instead of the second keyword 33-2.
  • the electronic device 100 may acquire a third keyword 33-3 based on the second keyword 33-2.
  • the electronic device 100 may acquire the third keyword 33-3 based on the contact information stored in the memory 1030 or the content of the SMS message, and the electronic device 100 may obtain the first lyrics 34-1 By changing the identified word 'your' to the third keyword 33-3, the third lyrics 34-3 may be obtained.
  • the electronic device 100 may generate lyrics based on the music input by the user.
  • the electronic device 100 may generate lyrics based on metadata about music input by a user.
  • the metadata is information about music, and may include a melody, a tempo, a rhythm, and the like.
  • the electronic device 100 may determine the number of texts included in the lyrics based on the tempo of the music input by the user.
  • 4A is a diagram for describing a method of acquiring music information according to an embodiment of the present disclosure.
  • the electronic device 100 displays at least one piece of music on the display 160 and requests the user's selection. It is possible to output a voice feedback (42).
  • the electronic device 100 may display music recently played by the user, or may display music whose number of times it has been played is greater than a preset value.
  • the electronic device 100 may obtain a voice command from the user 1 who selects the first music 43 .
  • the electronic device 100 may obtain a touch input of the user 1 who touches the display 160 to select the first music 43 .
  • the electronic device 100 may acquire music information (or metadata) about the first music 43 .
  • the electronic device 100 may output a voice feedback 42 requesting the user 1 to input music information. Accordingly, the user 1 may play the music by manipulating the external speaker device 300 .
  • the voice signal 45 for the music selected and reproduced by the user 1 is obtained, the electronic device 100 may recognize the music corresponding to the voice signal 45 .
  • the electronic device 100 may determine the similarity by comparing the characteristics (eg, frequency) of the voice signal 45 with the characteristics of the audio signals for a plurality of pieces of music stored in an external server.
  • the electronic device 100 may recognize music corresponding to the voice signal 45 from among a plurality of music stored in an external server based on the similarity. Then, the electronic device 100 may acquire metadata corresponding to the recognized music.
  • the electronic device 100 may acquire lyrics based on context information.
  • 5A is a diagram for explaining a method of obtaining lyrics using context information according to an embodiment of the present disclosure.
  • the electronic device 100 may obtain context information 52 related to the user 1 stored in the memory 130 .
  • the electronic device 100 may obtain information about the user 1's birthday.
  • the electronic device 100 may obtain music and lyrics related to the birthday from among a plurality of music and lyrics stored in the external server 200 .
  • the electronic device 100 may generate new lyrics by changing some of the words included in the obtained lyrics to information about the user (eg, the user's name).
  • FIG. 5B is a diagram for explaining a method of obtaining lyrics using context information according to another embodiment of the present disclosure.
  • FIG. 5B is a diagram for explaining a method of acquiring lyrics based on a user's emotion.
  • the electronic device 100 may obtain an image 53 of the user through the camera 170 .
  • the electronic device 100 may acquire the user's emotion by analyzing the image 53 .
  • the electronic device 100 may acquire the emotion of the user 1 by inputting the image 53 into the neural network model trained to identify the emotion of the object included in the image.
  • the neural network model may be implemented as a convolutional neural network (CNN).
  • the electronic device 100 may acquire lyrics based on the emotion of the user 1 .
  • the electronic device 100 may acquire one of a plurality of lyrics pre-stored in an external server based on the emotion of the user 1 . In this case, a plurality of pre-generated lyrics classified according to emotions may be stored in the external server.
  • the electronic device 600 may include a microphone 610 , a communication interface 620 , a memory 630 , a speaker 640 , and a processor 650 . Meanwhile, the microphone 610 , the communication interface 620 , the memory 630 and the speaker 640 may correspond to the microphone 110 , the communication interface 120 , the memory 130 and the speaker 140 of FIG. 2 , respectively. As possible, duplicate descriptions will be omitted.
  • the processor 650 includes a voice recognition module 651 , a genre determination module 652 , a response message obtaining module 653 , a feedback type determining module 654 , a second feedback obtaining module 655 , and a music information obtaining module 656 . ), a second feedback generation module 657 and a second feedback storage module 658 . Since the voice recognition module 651 and the genre determination module 652 may correspond to the voice recognition module 151 and the genre determination module 152 of FIG. 2 , a redundant description will be omitted.
  • the voice recognition module 651 may acquire text corresponding to the user's voice command.
  • the genre determination module 652 may determine whether a preset command (eg, “rap for ⁇ ”) is included in the text obtained through the voice recognition module 651 . If the obtained text does not include a preset command, the response message obtaining module 653 may obtain a response message corresponding to the voice command. For example, when a voice command to inquire about the current weather is obtained, the response message obtaining module 653 may obtain a response message from an external server (eg, Bixby server).
  • an external server eg, Bixby server
  • the feedback type determining module 654 may determine the type of the second voice feedback.
  • the second type of voice feedback may include a first type to which a musical element is not added (ie, a general reply) and a second type to which a musical element is added (ie, a songified reply).
  • the second voice feedback corresponding to the first type means voice feedback that provides a response message to a voice command.
  • the second voice feedback corresponding to the second type means voice feedback provided by adding a musical element to the response message.
  • the second voice feedback corresponding to the second type may be a voice feedback outputting a voice signal obtained by musicalizing a response message.
  • the second voice feedback corresponding to the second type may be voice feedback obtained by dubbing a response message to the accompaniment of a famous song.
  • the feedback type determining module 654 may determine the type of the second voice feedback based on whether the user's voice command corresponds to a preset voice command.
  • the preset voice command means a voice command corresponding to a situation in which information transfer is prioritized rather than an entertainment element.
  • the preset voice command may include a command for requesting directions to a specific place and a command for requesting a current time.
  • the feedback type determining module 654 may determine the type of the second voice feedback as the first type. On the other hand, if the user's voice command does not correspond to the preset voice command, the feedback type determining module 654 may determine the type of the second voice feedback as the second type. That is, when the user requests a route guidance from the electronic device 100 , the electronic device 100 may provide the first type of second voice feedback. Accordingly, the user's convenience and satisfaction may be improved.
  • the feedback type determination module 654 may determine the type of the second voice feedback based on whether the context information related to the user corresponds to preset context information.
  • the preset context information may be set by the user, for example, may be information about a situation in which the user is located in the company.
  • the feedback type determination module 654 may determine the type of the second voice feedback as the first type. On the other hand, if the context information related to the user does not correspond to the preset context information, the feedback type determination module 654 may determine the type of the second voice feedback as the second type. That is, in a situation where the user is located in the company, the electronic device 100 may provide only the second voice feedback corresponding to the first type.
  • the second feedback acquiring module 655 controls the speaker 640 to output a voice signal corresponding to the response message acquired through the response message acquiring module 653 . can do.
  • the second feedback obtaining module 655 may include a text-to-speech module (TTS) to generate a voice signal based on the text for the response message.
  • TTS text-to-speech module
  • the second feedback obtaining module 655 may acquire the second voice feedback of the second type.
  • the second feedback obtaining module 655 may obtain audio data for music stored in the database and a voice signal corresponding to the audio data.
  • the database may be stored in an external server or stored in the memory 630 .
  • the second feedback acquisition module 655 may acquire the second type of second voice feedback by synthesizing the acquired voice signal and the voice signal for the response message. In this case, if the acquired voice signal includes a vocal, the second feedback acquiring module 655 may perform a task of removing the vocal.
  • the second feedback acquisition module 655 may control the speaker 640 to output the acquired voice feedback.
  • audio data for music for configuring the second feedback may be obtained through the music information obtaining module 656 .
  • the music information acquisition module 656 may acquire audio data about music based on context information. For example, the music information obtaining module 656 may identify one piece of music among a plurality of pieces of music stored in the database based on the user's emotion, and obtain audio data for the identified music. Also, the music information obtaining module 656 may identify music based on the content of the response message obtained through the response message obtaining module 653 . For example, when the response message is “the weather is sunny today”, the music information obtaining module 656 may identify music with a bright atmosphere. On the other hand, when the response message is “it is cloudy today”, the music information obtaining module 656 may identify music with a calm atmosphere.
  • the second feedback storage module 657 stores the voice signal for the voice feedback as data. It is stored in the base in advance, and when a voice command is obtained, the voice feedback can be provided by outputting the voice signal stored in advance.
  • the second feedback storage module 657 may store the voice signal for the second voice feedback acquired through the second feedback acquisition module 655 in a database.
  • the second feedback storage module 657 may identify the second voice feedback in which the number of output times is greater than the preset number, and selectively store the voice signal for the identified second voice feedback in the database.
  • the second feedback storage module 657 may match the response message with the music information and store it in the database.
  • the second feedback storage module 657 may update the second voice feedback stored in the database. For example, the 2-1 voice feedback in which the first response message (“message transmission is complete”) and the first music (A music) are synthesized may be stored in advance in the database DB. At this time, if the user's recently played second music (B music) is identified, the second feedback storage module 657 deletes the 2-1 voice feedback and combines the first response message with the second music. -2 Voice feedback can be stored in the database (DB).
  • the electronic device 600 may identify whether the mode for providing the second type of second voice feedback is activated (S710).
  • the mode for the second type of second voice feedback may be activated or deactivated by the user.
  • the electronic device 600 may identify the type of the second voice feedback as the first type ( S750 ).
  • the electronic device 600 may determine whether the user's voice command corresponds to a preset voice command (S720).
  • the preset voice command may be set by the user, and examples thereof may include a command for requesting directions to a specific place and a command for requesting a current time. If it is determined that the user's voice command corresponds to a preset voice command, the electronic device 600 may identify the type of the second voice feedback as the first type ( S750 ).
  • the electronic device 600 may determine whether the user-related context information corresponds to the preset context information (S730).
  • the preset context information may be set by the user, and for example, may be information about a situation in which the user is located in a specific place such as a company. If it is determined that the context information related to the user corresponds to the preset context information, the electronic device 600 may identify the type of the second voice feedback as the first type (S750). On the other hand, if it is determined that the context information related to the user does not correspond to the preset context information, the electronic device 600 may identify the type of the second voice feedback as the second type ( S740 ).
  • the electronic device 600 provides the second type of second voice feedback.
  • the second type of second voice feedback will be referred to as second voice feedback or voice feedback.
  • the electronic device 600 may obtain a response message 82 corresponding to the voice command 81 from the external server 200 .
  • the electronic device 100 may acquire the music 83 stored in the database DB based on the content of the response message 82 .
  • the electronic device 100 may acquire the music 83 based on the keyword 'sunny' included in the response message 82 .
  • the electronic device 600 generates music A based on the keyword 'sunny' included in the response message 82 and metadata for a plurality of songs stored in the database DB. can be identified. Specifically, the electronic device 600 may determine the similarity between the keyword 'sunny' and a word included in the title of the music, and identify the music (music A) in which a word having a similarity greater than or equal to a preset value is included in the title. there is. In this case, when there are a plurality of identified pieces of music, the electronic device 600 may identify a piece of music that has been reproduced the most through the electronic device 600 among the plurality of identified pieces of music.
  • the electronic device 600 may identify the most recently played music among a plurality of identified songs. Meanwhile, as shown in FIG. 8C , the content of the response message and music (or metadata about music) may be matched and stored in the database DB. Accordingly, when the response message is obtained, the electronic device 600 may acquire music based on the content of the response message.
  • the electronic device 600 may update the voice feedback stored in the database DB.
  • the electronic device 600 may update the voice feedback based on music that the user has recently played or music whose number of times it has been played for a certain period exceeds a threshold value.
  • the 2-1 voice feedback in which the first response message (“message transmission is complete”) and the first music (A music) are synthesized may be previously stored in the database DB.
  • the electronic device 600 deletes the 2-1 voice feedback and the 2-2 voice synthesized with the first response message and the second music Feedback can be stored in a database.
  • the electronic device 600 may provide the second voice feedback to the user.
  • FIG. 10 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
  • the electronic device 1000 may include a microphone 1010 , a touch sensor 1020 , a speaker 1030 , a camera 1040 , a communication interface 1050 , a memory 1060 , a display 1070 , and a processor 1080 .
  • a microphone 1010 a touch sensor 1020 , a speaker 1030 , a camera 1040 , a communication interface 1050 , a memory 1060 , a display 1070 , and a processor 1080 .
  • the microphone 1010 is a component for receiving a user's voice and may be provided in the electronic device 1000 , but this is only an exemplary embodiment, and the microphone 1010 may be connected to the electronic device 1000 outside of the electronic device 1000 by wire or It can be connected wirelessly.
  • the touch sensor 1020 is configured to obtain a user's touch input.
  • the touch sensor 1020 may obtain a user's touch input for inputting music information.
  • the touch sensor 1020 may be implemented integrally with the display 1070 .
  • the speaker 1030 may be a component that outputs not only various audio data received from the outside but also various notification sounds or voice messages.
  • the electronic device 1000 may control the speaker 1030 to output voice feedback for the user.
  • the camera 1040 is a component for acquiring an image by imaging a user.
  • the electronic device 1000 may acquire information on the user's emotion based on an image obtained by capturing the user's face obtained through the camera 1040 .
  • the communication interface 1050 includes at least one circuit and may communicate with various types of external devices according to various types of communication methods.
  • the communication interface 1050 may communicate with the external server 200 .
  • the communication interface 1050 When the communication interface 1050 performs communication with the external server 200 in a wireless communication manner, the communication interface 1050 is a Wi-Fi communication module, a cellular communication module, a 3G (3rd generation) mobile communication module, and a 4G (4th generation) It may include at least one of a mobile communication module and a 4G LTE (Long Term Evolution) communication module.
  • the memory 1060 may store an operating system (OS) for controlling overall operations of the components of the electronic device 1000 and commands or data related to the components of the electronic device 1000 .
  • OS operating system
  • the memory 1060 may store information about music for each subject of the voice feedback.
  • the memory 1060 may store a neural network model for determining a user's emotion.
  • the memory 1060 may be implemented as a non-volatile memory (eg, a hard disk, a solid state drive (SSD), a flash memory), a volatile memory, or the like.
  • the neural network model may be executed by an existing general-purpose processor (eg, CPU) or a separate AI-only processor (eg, GPU, NPU, etc.).
  • the display 1070 may display a UI element for guiding the user's music selection input or music information input.
  • the display 1070 may be implemented as a touch screen combined with the touch sensor 1020 , a flexible display, a three-dimensional display, or the like.
  • the processor 1080 may control the overall operation of the electronic device 1000 .
  • the processor 1080 may obtain a user's voice command through the microphone 1010 . Then, the processor 1080 may determine whether a preset command is included in the voice command. In this case, when a preset command is included in the voice command, the processor 1080 may acquire lyrics based on the text included in the voice command. In addition, the processor 1080 may control the speaker 1030 to output the first voice feedback of the first genre corresponding to the preset command based on the obtained lyrics.
  • the processor 1080 may obtain at least one keyword included in the voice command, and obtain lyrics based on the at least one keyword. For example, the processor 1080 may obtain a first keyword indicating a specific event and a second keyword indicating a specific person. In this case, the processor 1080 may obtain a lyrics template based on the first keyword, and may generate new lyrics by changing at least one word included in the lyrics template to the second keyword.
  • the processor 1080 may acquire lyrics based on context information related to the user. For example, the processor 1080 may acquire lyrics from an external server based on the user's anniversary information stored in the memory 1060 . Alternatively, the processor 1080 may obtain information about the user's emotion by using the neural network model stored in the memory 1060 , and may obtain lyrics from an external server based on the acquired emotion information.
  • the processor 1080 may generate the first voice feedback by synthesizing the generated lyrics and the melody.
  • the processor 1080 may generate the first voice feedback based on the music selected by the user.
  • the processor 1080 may control the display 1070 to display a music list stored in the memory 1060 .
  • the processor 1080 may obtain a melody of the selected music.
  • the processor 1080 may generate the first voice feedback by synthesizing the obtained lyrics and the obtained melody.
  • the processor 1080 may identify music based on the number of reproductions. For example, the processor 1080 may identify the music having the greatest number of times played from among the music list stored in the memory 1060 . In addition, the processor 1080 may generate the first voice feedback by synthesizing the melody for the identified music and the generated lyrics.
  • the processor 1080 obtains a response message corresponding to the voice command, and the speaker 1030 outputs a second voice feedback of a second genre based on the response message.
  • the processor 1080 may generate the second voice feedback based on whether the voice command corresponds to a preset voice command.
  • the processor 1080 may generate the first type of second voice feedback that does not include the melody.
  • the processor 1080 may generate the second type of second voice feedback including the melody.
  • the processor 1080 may generate the second type of second voice feedback by synthesizing the melody and the voice signal for the obtained response message.
  • the processor 1080 may acquire the melody stored in the external server based on the content of the response message.
  • the processor 1080 may acquire the melody based on context information related to the user.
  • the processor 1080 may include one or a plurality of processors.
  • one or more processors may be a general-purpose processor such as a CPU, an AP, a digital signal processor (DSP), or the like, a graphics-only processor such as a GPU, a VPU (Vision Processing Unit), or an artificial intelligence-only processor such as an NPU.
  • One or more processors control to process input data according to a predefined operation rule or artificial intelligence model stored in the memory 1060 .
  • the AI-only processor may be designed with a hardware structure specialized for processing a specific AI model.
  • a predefined action rule or artificial intelligence model is characterized in that it is created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created means burden.
  • Such learning may be performed in the device itself on which the artificial intelligence according to the present disclosure is performed, or may be performed through a separate server and/or system.
  • Examples of the learning algorithm include, but are not limited to, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning.
  • AI models can be created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created means burden.
  • the artificial intelligence model may be composed of a plurality of neural network layers.
  • Each of the plurality of neural network layers has a plurality of weight values, and a neural network operation is performed through an operation between the operation result of a previous layer and the plurality of weights.
  • the plurality of weights of the plurality of neural network layers may be optimized by the learning result of the artificial intelligence model. For example, a plurality of weights may be updated so that a loss value or a cost value obtained from the artificial intelligence model during the learning process is reduced or minimized.
  • the electronic device 1000 may use an artificial intelligence model to obtain information on a user's emotion.
  • the processor 1080 may perform a preprocessing process on the captured image of the user or the user's voice command to convert it into a form suitable for use as an input of an artificial intelligence model.
  • AI models can be created through learning. Here, being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created means burden.
  • the artificial intelligence model may be composed of a plurality of neural network layers. Each of the plurality of neural network layers has a plurality of weight values, and a neural network operation is performed through an operation between the operation result of a previous layer and the plurality of weights.
  • Inference prediction is a technology for logically reasoning and predicting by judging information. It is a technology that uses knowledge based reasoning, optimization prediction, preference-based planning, and recommendation include
  • the artificial neural network may include a deep neural network (DNN), for example, a Convolutional Neural Network (CNN), a Deep Neural Network (DNN), a Recurrent Neural Network (RNN), a Generative Adversarial Network (GAN), Restricted Boltzmann Machine (RBM), Deep Belief Network (DBN), Bidirectional Recurrent Deep Neural Network (BRDNN), or Deep Q-Networks, but is not limited to the above example.
  • DNN deep neural network
  • CNN Convolutional Neural Network
  • DNN Deep Neural Network
  • RNN Recurrent Neural Network
  • GAN Generative Adversarial Network
  • RBM Restricted Boltzmann Machine
  • DBN Deep Belief Network
  • BDN Bidirectional Recurrent Deep Neural Network
  • Deep Q-Networks Deep Q-Networks
  • the electronic device 1000 may obtain a user's voice command (S1110).
  • the electronic device 1000 may determine whether a preset command is included in the voice command ( S1120 ).
  • the electronic device 1000 may acquire lyrics based on the text included in the voice command (S1130).
  • the electronic device 1000 may provide the first voice feedback of the first genre based on the obtained lyrics (S1140). Meanwhile, since the method for providing the first voice feedback has been described above with reference to FIGS. 3A to 5B , a detailed description thereof will be omitted.
  • the electronic device 1000 may obtain a response message corresponding to the voice command ( S1150 ). Then, the electronic device 1000 may provide the second voice feedback based on the voice command and the response message (S1160). Meanwhile, since the method of providing the second voice feedback has been described above with reference to FIGS. 7 to 9 , a detailed description thereof will be omitted.
  • the various embodiments described above may be implemented in a recording medium readable by a computer or a similar device using software, hardware, or a combination thereof.
  • the embodiments described herein may be implemented by the processor itself.
  • embodiments such as procedures and functions described in this specification may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.
  • computer instructions for performing the processing operation according to various embodiments of the present disclosure described above may be stored in a non-transitory computer-readable medium.
  • the processing operation according to the above-described various embodiments may be performed by a specific device.
  • the non-transitory computer-readable medium refers to a medium that stores data semi-permanently, rather than a medium that stores data for a short moment, such as a register, a cache, a memory, and can be read by a device.
  • Specific examples of the non-transitory computer-readable medium may include a CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, and the like.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory storage medium' is a tangible device and only means that it does not contain a signal (eg, electromagnetic wave). It does not distinguish the case where it is stored as
  • the 'non-transitory storage medium' may include a buffer in which data is temporarily stored.
  • the method according to various embodiments disclosed in this document may be included in a computer program product (computer program product) and provided.
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or via an application store (eg Play Store TM ) or on two user devices ( It can be distributed online (eg download or upload), directly between smartphones (eg smartphones).
  • a portion of the computer program product eg, a downloadable app
  • a machine-readable storage medium such as a memory of a manufacturer's server, a server of an application store, or a relay server. It may be temporarily stored or temporarily created.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Hospice & Palliative Care (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Psychiatry (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

전자 장치가 개시된다. 본 개시에 따른 전자 장치는 마이크, 스피커, 메모리 및 프로세서를 포함하고, 프로세서는, 마이크를 통해 사용자의 음성 명령을 획득하고, 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하고, 음성 명령에 기설정된 명령이 포함된 경우, 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하고, 획득된 가사를 바탕으로 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 출력하도록 스피커를 제어한다.

Description

전자 장치 및 그 제어 방법
본 개시는 전자 장치 및 그 제어 방법으로, 보다 상세하게는, 사용자의 음성 명령에 포함된 텍스트를 바탕으로 음성 피드백을 제공하는 전자 장치 및 그 제어 방법에 관한 것이다.
CROSS-REFERENCE TO RELATED APPLICATIONS
본 출원은 2020년 9월 21일에 출원된 대한민국 특허출원 제 10-2020-0121570호에 기초하여 우선권을 주장하며, 해당 출원의 모든 내용은 그 전체가 본 출원에 레퍼런스로 포함된다.
전자 기술의 발달에 힘입어 인공 지능(예로, Bixby)을 탑재한 스마트폰이 사용자의 음성 명령에 응답하여 음성 피드백을 제공하고 있다. 한편, 최근에는 음성 피드백에 엔터테인먼트(entertainment) 요소를 부가하기 위한 일환으로, 음성 명령에 대해 응답하여 랩(rap)과 같은 음악을 음성 피드백으로 제공하는 기술에 대한 연구가 활발히 진행되고 있다.
다만, 종래의 전자 장치는 사용자의 특정 음성 명령(예로, "랩 해줘")이 획득되면, 데이터베이스에 미리 저장된 가사 중 하나의 가사를 랜덤하게 식별하고, 식별된 가사를 바탕으로 음성 피드백을 제공한다. 즉, 종래의 전자 장치는 개발자에 의해 데이터베이스에 미리 저장된 가사를 바탕으로 음성 피드백을 제공할 뿐, 사용자와 관련된 컨텍스트(예로, 감정)가 반영된 음성 피드백을 제공할 수는 없었다.
이에 따라, 사용자와 관련된 컨텍스트 정보를 바탕으로 음성 피드백을 제공하는 기술에 대한 필요성이 대두된다.
본 발명이 해결하고자 하는 일 기술적 과제는, 음성 명령에 포함된 텍스트를 바탕으로 음성 피드백을 제공하는 전자 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 일 실시 예에 따르면, 전자 장치에 있어서, 마이크; 스피커; 적어도 하나의 인스트럭션을 저장하는 메모리; 및 프로세서;를 포함하고, 상기 프로세서는, 상기 마이크를 통해 사용자의 음성 명령을 획득하고, 상기 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하고, 상기 음성 명령에 상기 기설정된 명령이 포함된 경우, 상기 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하고, 상기 획득된 가사를 바탕으로 상기 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 출력하도록 상기 스피커를 제어하는 전자 장치가 제공될 수 있다.
상기 프로세서는, 상기 음성 명령에 포함된 적어도 하나의 키워드를 획득하고, 상기 적어도 하나의 키워드를 바탕으로 상기 가사를 획득할 수 있다.
상기 프로세서는, 특정 이벤트를 지칭하는 제1 키워드 및 특정 인물을 지칭하는 제2 키워드를 획득하고, 상기 제1 키워드를 바탕으로 가사 템플릿을 획득하고, 상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제2 키워드로 변경할 수 있다.
상기 프로세서는, 상기 제2 키워드가 획득되면, 상기 전자 장치에 저장된 정보를 바탕으로 상기 제2 키워드에 대응되는 제3 키워드를 획득하고, 상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제3 키워드로 변경할 수 있다.
상기 프로세서는, 상기 통신 인터페이스를 통해 외부 서버로부터 상기 외부 서버에 저장된 복수의 멜로디 중 하나를 획득하고, 상기 획득된 멜로디와 상기 획득된 가사를 합성하여 상기 제1 음성 피드백을 생성할 수 있다.
상기 프로세서는, 상기 복수의 멜로디 중 상기 사용자에 의해 선택된 멜로디, 미리 설정된 멜로디, 상기 전자 장치에 의해 재생된 횟수가 기설정된 값보다 큰 멜로디 및 상기 전자 장치를 통해 현재 재생중인 멜로디 중 적어도 하나를 획득할 수 있다.
상기 프로세서는, 상기 음성 명령이 획득되면, 학습된 신경망 모델을 이용하여 상기 음성 명령에 대응되는 감정에 대한 정보를 획득하고, 상기 감정에 대한 정보를 바탕으로 상기 가사를 획득할 수 있다.
상기 프로세서는, 상기 음성 명령에 상기 기설정된 명령이 포함되지 않은 경우, 상기 음성 명령에 대응되는 응답 메시지를 획득하고, 상기 응답 메시지를 바탕으로 제2 장르의 제2 음성 피드백을 출력하도록 상기 스피커를 제어할 수 있다.
상기 프로세서는, 상기 음성 명령이 기설정된 음성 명령에 대응되는지 여부를 식별하고, 상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지와 음악적 요소를 포함한 오디오 데이터가 합성된 상기 제2 음성 피드백을 출력하도록 상기 스피커를 제어하고, 상기 음성 명령이 상기 기설정된 음성 명령에 대응되면, 상기 오디오 데이터를 포함하지 않는 상기 제2 음성 피드백을 제공하도록 상기 스피커를 제어할 수 있다.
상기 프로세서는, 상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지의 내용을 바탕으로 상기 오디오 데이터를 획득하고, 상기 오디오 데이터와 상기 응답 메시지를 합성하여 상기 제2 음성 피드백을 생성할 수 있다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 다른 일 실시 예에 따르면, 전자 장치의 제어 방법에 있어서, 사용자의 음성 명령을 획득하는 단계; 상기 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하는 단계; 상기 음성 명령에 상기 기설정된 명령이 포함된 경우, 상기 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하는 단계; 및 상기 획득된 가사를 바탕으로 상기 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 제공하는 단계;를 포함하는 제어 방법이 제공될 수 있다.
상기 가사를 획득하는 단계는, 상기 음성 명령에 포함된 적어도 하나의 키워드를 획득하는 단계, 및 상기 적어도 하나의 키워드를 바탕으로 상기 가사를 획득하는 단계를 포함할 수 있다.
상기 적어도 하나의 키워드를 획득하는 단계는, 특정 이벤트를 지칭하는 제1 키워드 및 특정 인물을 지칭하는 제2 키워드를 획득하고, 상기 가사를 획득하는 단계는, 상기 제1 키워드를 바탕으로 가사 템플릿을 획득하고, 상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제2 키워드로 변경할 수 있다.
상기 가사를 획득하는 단계는, 상기 제2 키워드가 획득되면, 상기 전자 장치에 저장된 정보를 바탕으로 상기 제2 키워드에 대응되는 제3 키워드를 획득하고, 상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제3 키워드로 변경할 수 있다.
상기 제어 방법은, 상기 음성 명령이 획득되면, 외부 서버로부터 상기 외부 서버에 저장된 복수의 멜로디 중 하나를 획득하는 단계;를 더 포함하고, 상기 제1 음성 피드백을 제공하는 단계는, 상기 획득된 멜로디와 상기 획득된 가사를 합성하여 상기 제1 음성 피드백을 생성하는 단계를 포함할 수 있다.
상기 적어도 하나의 멜로디를 획득하는 단계는, 상기 복수의 멜로디 중 상기 사용자에 의해 선택된 멜로디, 미리 설정된 멜로디, 상기 전자 장치에 의해 재생된 횟수가 기설정된 값보다 큰 멜로디 및 상기 전자 장치를 통해 현재 재생중인 멜로디 중 적어도 하나를 획득할 수 있다.
상기 제어 방법은, 상기 음성 명령이 획득되면, 학습된 신경망 모델을 이용하여 상기 음성 명령에 대응되는 감정에 대한 정보를 획득하는 단계;를 더 포함하고, 상기 가사를 획득하는 단계는, 상기 감정에 대한 정보를 바탕으로 상기 가사를 획득할 수 있다.
상기 제어 방법은, 상기 음성 명령에 상기 기설정된 명령이 포함되지 않은 경우, 상기 음성 명령에 대응되는 응답 메시지를 획득하는 단계; 및 상기 응답 메시지를 바탕으로 제2 장르의 제2 음성 피드백을 제공하는 단계;를 더 포함할 수 있다.
상기 제2 음성 피드백을 제공하는 단계는, 상기 음성 명령이 기설정된 음성 명령에 대응되는지 여부를 식별하는 단계, 상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지와 음악적 요소를 포함한 오디오 데이터가 합성된 상기 제2 음성 피드백을 제공하는 단계, 및 상기 음성 명령이 상기 기설정된 음성 명령에 대응되면, 상기 오디오 데이터를 포함하지 않는 상기 제2 음성 피드백을 제공하는 단계를 포함할 수 있다.
상기 제2 음성 피드백을 제공하는 단계는, 상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지의 내용을 바탕으로 상기 오디오 데이터를 획득하는 단계, 및 상기 오디오 데이터와 상기 응답 메시지를 합성하여 상기 제2 음성 피드백을 생성하는 단계를 포함할 수 있다.
본 개시의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이상과 같은 본 개시의 다양한 실시 예에 따르면, 전자 장치는 음성 명령에 포함된 텍스트를 바탕으로 가사를 생성하고, 생성된 가사를 바탕으로 음성 피드백을 제공할 수 있다. 이에 따라, 사용자의 만족감 및 편의성이 향상될 수 있다.
그 외에 본 개시의 실시 예로 인하여 얻을 수 있거나 예측되는 효과에 대해서는 본 개시의 실시 예에 대한 상세한 설명에서 직접적 또는 암시적으로 개시하도록 한다. 예컨대, 본 개시의 실시 예에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
도 1은 본 개시의 일 실시 예에 따른 음성 피드백 제공 방법의 컨셉을 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 3a는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다.
도 3b는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다.
도 3c는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다.
도 3d는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다.
도 4a는 본 개시의 일 실시 예에 따른 음악 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 4b는 본 개시의 다른 일 실시 예에 따른 음악 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 5a는 본 개시의 일 실시 예에 따른 컨텍스트 정보를 이용한 가사 획득 방법을 설명하기 위한 도면이다.
도 5b는 본 개시의 일 실시 예에 따른 컨텍스트 정보를 이용한 가사 획득 방법을 설명하기 위한 도면이다.
도 6은 본 개시의 다른 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 7은 본 개시의 일 실시 예에 따른 제2 음성 피드백의 유형을 결정하는 방법을 설명하기 위한 도면이다.
도 8a는 본 개시의 일 실시 예에 따른 제2 음성 피드백 획득 방법을 설명하기 위한 도면이다.
도 8b는 본 개시의 일 실시 예에 따른 제2 음성 피드백 획득 방법을 설명하기 위한 도면이다.
도 8c는 본 개시의 일 실시 예에 따른 데이터 베이스를 도시한 도면이다.
도 9는 본 개시의 일 실시 예에 따른 데이터 베이스 업데이트 방법을 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 11은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 순서도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.　
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.　그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 개시의 일 실시 예에 따른 음성 피드백 제공 방법의 컨셉을 설명하기 위한 도면이다.
도 1을 참조하면, 전자 장치(100)는 사용자(1)의 음성 명령(11, 12)을 획득할 수 있다. 사용자(1)의 음성 명령(11,12)이 획득되면, 전자 장치(100)는 음성 명령(11, 12)에 기설정된 커맨드가 포함되었는지 여부를 식별할 수 있다. 여기서, 기설정된 커맨드(13)는, 제1 장르(예로, 랩)의 제1 음성 피드백을 요청하는 커맨드를 의미한다. 예를 들어, 기설정된 커맨드(13)는 "랩 해줘(rap for ~)"와 같은 커맨드를 포함할 수 있다.
사용자(1)의 음성 명령에 기설정된 커맨드(13)가 포함된 경우 즉, 제1 음성 명령(11)이 획득된 경우, 전자 장치(100)는 제1 장르의 제1 음성 피드백(21)을 제공할 수 있다. 제1 음성 피드백(21)은, 특정 장르의 음악을 제공하는 피드백을 의미한다. 예를 들어, 제1 음성 피드백(21)은 프리스타일 랩(freestyle rap)이 될 수 있다.
사용자(1)의 음성 명령에 기설정된 커맨드(13)가 포함된 경우 즉, 제2 음성 명령(12)이 획득된 경우, 전자 장치(100)는 제2 장르의 제2 음성 피드백(22)을 제공할 수 있다. 제2 음성 피드백(22)은, 사용자의 음성 명령에 대한 응답 메시지가 음악화(songified)된 음성 피드백을 의미한다. 예를 들어, 제2 음성 피드백(22)은 오늘의 날씨에 대한 응답 메시지와 소정의 반주(instrumental music)가 합성된 음성 피드백일 수 있다.
이와 같이, 전자 장치(100)는 사용자(1)의 음성 명령에 기설정된 커맨드(13)가 포함되었는지 여부를 바탕으로, 제1 음성 피드백(21) 또는 제2 음성 피드백(22)을 제공할 수 있다. 특히, 전자 장치(100)는 사용자(1)에 대한 컨텍스트 정보를 바탕으로 음성 피드백을 제공할 수 있다. 컨텍스트 정보는, 사용자(1)의 감정, 사용자(1)와 관련된 기념일 정보(예로, 사용자의 생일 날짜), 현재 날씨 정보 중 적어도 하나를 포함할 수 있다. 일 예로, 제1 음성 명령(11)이 획득된 경우, 전자 장치(100)는 사용자(1)와 관련된 기념일 정보를 바탕으로 가사를 획득하고, 획득된 가사가 반영된 음악을 출력할 수 있다. 다른 일 예로, 제2 음성 명령(12)이 획득된 경우, 전자 장치(100)는 현재 날씨 정보에 대응되는 반주를 획득하고, 획득된 반주와 함께 음성 메시지를 출력할 수 있다.
한편, 본 개시에 따른 전자 장치(100)는 스마트폰, AI(Artificial Intelligence) 스피커, TV 및 개인정보 단말기(PDA: Personal Digital Assistant) 중 적어도 하나로 구현될 수 있다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다. 구체적으로, 제1 음성 피드백을 제공하는 경우 전자 장치의 구성을 도시한 블록도이다. 도 2를 참조하면, 전자 장치(100)는 마이크(110), 통신 인터페이스(120), 메모리(130), 스피커(140) 및 프로세서(150)를 포함할 수 있다. 프로세서(150)는 음성 인식 모듈(151), 장르 판단 모듈(152), 가사 획득 모듈(153), 컨텍스트 정보 획득 모듈(154), 음악 정보 획득 모듈(155) 및 제1 피드백 획득 모듈(156)을 포함할 수 있다.
음성 인식 모듈(151)은 마이크(110)를 통해 사용자의 음성 명령을 획득할 수 있다. 그리고, 음성 인식 모듈(151)은 획득된 음성 명령을 바탕으로 텍스트를 획득할 수 있다. 예를 들어, 음성 인식 모듈(151)은 획득된 음성 명령을 텍스트로 변환할 수 있다. 즉, 음성 인식 모듈(151)은 STT(Speech To Text) 모듈을 포함할 수 있다.
장르 판단 모듈(152)은 음성 인식 모듈(151)을 통해 획득된 텍스트를 바탕으로 사용자에게 제공할 음성 피드백의 장르(genre)를 판단할 수 있다. 장르 판단 모듈(152)은 획득된 텍스트가 기설정된 커맨드에 대응되는 텍스트(또는, 기설정된 텍스트)를 포함하는 지 여부를 바탕으로 음성 피드백의 장르를 판단할 수 있다. 예를 들어, 획득된 텍스트가 기설정된 텍스트를 포함하면, 장르 판단 모듈(152)은 음성 피드백의 장르를 제1 장르로 판단할 수 있다. 구체적으로, 도 1을 다시 참조하면, 제1 음성 명령(11)에 대응되는 텍스트("Bixby, rap for me")가 기설정된 텍스트("rap for me")를 포함하는 경우, 장르 판단 모듈(152)은 음성 피드백의 장르를 제1 장르로 판단할 수 있다. 반면에, 획득된 텍스트가 기설정된 텍스트를 포함하지 않으면, 장르 판단 모듈(152)은 음성 피드백의 장르를 제2 장르로 판단할 수 있다.
장르 판단 모듈(152)에 따라 음성 피드백의 장르가 제1 장르로 판단되면, 가사 획득 모듈(153)은 제1 음성 피드백의 가사를 획득할 수 있다. 가사 획득 모듈(153)은 음성 인식 모듈(151)을 통해 획득된 텍스트에 포함된 키워드를 바탕으로 가사를 획득할 수 있다. 가사 획득 모듈(153)은 특정 이벤트(또는, 주제)와 관련된 제1 키워드를 획득할 수 있다. 예를 들어, 획득된 텍스트가 "생일 축하 랩 해줘"인 경우, 가사 획득 모듈(153)은 '생일'또는 '생일 축하'를 제1 키워드로 획득할 수 있다. 이 때, 가사 획득 모듈(153)은 통신 인터페이스(120)를 통해 외부 서버로부터 제1 키워드에 대응되는 가사(즉, 생일 축하와 관련된 가사)를 획득할 수 있다. 다만 이는 일 실시 예일 뿐, 가사 획득 모듈(153)은 메모리(130)로부터 가사를 획득할 수 있다. 예로, 메모리(130)에는 적어도 하나의 음악에 대한 멜로디, 가사, 장르, 분위기 등이 저장되어 있을 수 있다. 이 때, 가사 획득 모듈(153)은 메모리(130)에 저장된 가사 중 제1 키워드에 대응되는 가사를 획득할 수도 있다.
한편, 가사 획득 모듈(153)은 획득된 텍스트에 포함된 키워드를 바탕으로 외부 서버로부터 획득된 가사를 변경하여 새로운 가사를 획득할 수 있다. 가사 획득 모듈(153)은 특정 인물을 지칭하는 제2 키워드를 획득할 수 있다. 예를 들어, 획득된 텍스트가 "남동생의 생일 축하를 위한 랩 해줘"인 경우, 가사 획득 모듈(153)은 '생일 축하'를 제 1키워드로, '남동생'을 제2 키워드로 각각 획득할 수 있다. 이 때, 가사 획득 모듈(153)은 제1 키워드(즉, '생일 축하')를 바탕으로 외부 서버로부터 가사를 획득할 수 있다. 그리고, 가사 획득 모듈(153)은 획득된 가사에 포함된 복수의 단어 중 적어도 하나(예로, '당신의')를 제2 키워드(즉, '남동생')로 변경할 수 있다.
또한, 가사 획득 모듈(153)은 제2 키워드에 대응되는 제3 키워드를 바탕으로 획득된 가사를 변경할 수 있다. 예를 들어, 가사 획득 모듈(153)은 제2 키워드가 지칭하는 대상(즉, '남동생')의 이름(예로, 'Jimmy')을 제3 키워드로 획득할 수 있다. 가사 획득 모듈(153)은 메모리(130)에 저장된 연락처 정보 또는 SMS 메시지 내용을 바탕으로 제3 키워드를 획득할 수 있다. 그리고, 가사 획득 모듈(153)은 획득된 가사에 포함된 복수의 단어 중 적어도 하나(예로, '당신의')를 제2 키워드(즉, 'Jimmy')로 변경할 수 있다. 이와 같이, 전자 장치(100)는 획득된 텍스트에 포함된 키워드를 바탕으로 외부 서버로부터 획득된 가사를 변경하여 새로운 가사를 획득할 수 있다. 한편, 상술한 연락처 정보 및 SMS 메시지 내용은 외부 서버에 저장되어 있을 수 있다. 예로, 외부 서버에는 특정 인물의 이름, 별명 및 전화 번호 등을 포함하는 연락처 정보가 저장되어 있을 수 있다. 이 때, 전자 장치(100)는 통신 인터페이스(120)를 통해 외부 서버로부터 연락처 정보를 획득하고, 획득된 연락처 정보를 바탕으로 제3 키워드를 획득할 수 있다. 여기서, 외부 서버는 전자 장치(100)에 설치된 어플리케이션에 대응되는 서버일 수 있다.
한편, 가사 획득 모듈(153)은 외부 서버로부터 획득된 가사에 포함된 단어에 대한 동의어를 획득하고, 획득된 동의어를 바탕으로 획득된 가사를 변경할 수 있다. 구체적으로, 가사 획득 모듈(153)은 외부 서버로부터 획득된 가사에 포함된 복수의 단어 중 제1 단어(예로, 'all')를 식별하고, 제1 단어의 동의어인 제2 단어(예로, 'full')를 획득할 수 있다. 그리고, 가사 획득 모듈(153)은 제1 단어를 제2 단어로 치환하여 새로운 가사를 생성할 수 있다. 한편, 제1 단어에 대한 동의어는, 통신 인터페이스(120)를 통해 외부 서버로부터 획득될 수 있다. 또는, 제1 단어에 대한 동의어는, 메모리(130)에 저장된 사전(dictionary) 정보를 바탕으로 획득될 수 있다. 제1 단어에 대한 동의어가 여러 개인 경우, 통계자료에 근거하여 관련성이 가장 높은 단어가 제2 단어로 식별되거나, 랜덤하게 식별될 수 있다.
한편, 가사 획득 모듈(153)은 사용자와 관련된 컨텍스트 정보를 바탕으로 가사를 획득할 수 있다. 사용자와 관련된 컨텍스트 정보는, 사용자의 목소리 톤, 사용자 발화의 리듬, 사용자의 감정 및 사용자와 관련된 기념일 정보 중 적어도 하나를 포함할 수 있다.
컨텍스트 정보는 컨텍스트 정보 획득 모듈(154)을 통해 획득될 수 있다. 일 예로, 컨텍스트 정보 획득 모듈(154)은 메모리(130) 또는 외부 서버에 저장된 사용자와 관련된 기념일 정보를 획득할 수 있다. 이 때, 가사 획득 모듈(153)은 기념일 정보(예로, 사용자의 생일)를 바탕으로 가사를 획득할 수 있다. 구체적으로, 가사 획득 모듈(153)은 통신 인터페이스(120)를 통해 외부 서버로부터 생일과 관련된 가사를 획득할 수 있다.
다른 일 예로, 컨텍스트 정보 획득 모듈(154)은 마이크(110)를 통해 획득된 음성 명령을 학습된 신경망 모델에 입력하여 사용자의 감정을 획득할 수 있다. 또는, 컨텍스트 정보 획득 모듈(154)은 사용자를 촬상한 이미지를 분석하여 사용자의 감정을 획득할 수 있다. 가사 획득 모듈(153)은 사용자의 감정을 바탕으로 사용자의 감정(예로, 행복)을 바탕으로 가사를 획득할 수 있다. 구체적으로, 가사 획득 모듈(153)은 외부 서버로부터 행복한 분위기의 가사를 획득할 수 있다. 이를 위해, 외부 서버에는 컨텍스트 정보 별 복수의 가사가 저장되어 있을 수 있다.
한편, 가사 획득 모듈(153)은 사용자로부터 입력되는 음악에 대한 정보를 바탕으로 가사를 획득할 수 있다. 여기서, 음악에 대한 정보란, 음악에 대한 오디오 데이터 및 음악의 반주에 대한 오디오 데이터를 포함할 수 있다. 또한, 음악에 대한 정보는 멜로디, 비트, 템포, 화음 및 리듬 중 적어도 하나를 포함할 수 있다. 예를 들어, 가사 획득 모듈(153)은 음악의 템포를 바탕으로 가사를 구성할 텍스트의 개수를 결정할 수 있다.
음악에 대한 정보는 음악 정보 획득 모듈(155)을 통해 획득될 수 있다. 음성 인식 모듈(151)을 통해 사용자의 음성 명령에 대응되는 텍스트(예로, "랩 해줘")가 획득되면, 음악 정보 획득 모듈(155)은 제1 음성 피드백을 구성할 음악에 대한 정보를 요청하기 위한 음성 피드백(예로, "음악을 들려주세요")을 출력하도록 스피커(140)를 제어할 수 있다. 이에 따라, 사용자에 의해 선택된 음악에 대한 오디오 신호가 외부 스피커를 통해 출력되어 마이크(110)를 통해 획득될 수 있다. 음악 정보 획득 모듈(155)은 획득된 신호의 특성(예로, 주파수)와 외부 서버에 저장된 다수의 음악에 대한 오디오 신호의 특성을 비교하여 유사도를 판단할 수 있다. 음악 정보 획득 모듈(155)은 유사도를 바탕으로 외부 서버에 저장된 다수의 음악 중 사용자에 의해 선택된 음악을 인식할 수 있다.
사용자로부터 제공된 음악이 식별되면, 음악 정보 획득 모듈(155)은 음악에 대한 정보를 획득할 수 있다. 특히, 음악 정보 획득 모듈(155)은 식별된 음악에 대응되는 반주의 오디오 데이터를 획득할 수 있다. 예를 들어, 음악 정보 획득 모듈(155)은 노래방(karaoke) 데이터 베이스로부터 반주의 오디오 데이터를 획득할 수 있다. 노래방 데이터 베이스에 반주의 오디오 데이터가 저장되어 있지 않으면, 음악 정보 획득 모듈(155)은 다른 외부 서버(예로, 음원 제공 서버)로부터 식별된 음악에 대한 오디오 데이터를 획득하고, 식별된 음악에 포함된 보컬을 제거하는 작업을 수행하여 반주를 획득할 수 있다.
한편, 음악 정보 획득 모듈(155)은 사용자의 음성 명령에 대응되는 텍스트를 분석하여 음악에 대한 정보를 획득할 수 있다. 예를 들어, 음악 정보를 포함하는 음성 명령에 대한 텍스트(예로, "에미넴의 Venom에 맞춰 랩 해줘")가 획득된 경우, 음악 정보 획득 모듈(155)은 텍스트에 포함된 키워드(즉, '에미넴', 'Venom')를 바탕으로 음악에 대한 정보를 획득할 수 있다. 구체적으로, 음악 정보 획득 모듈(155)은 'Venom'에 대한 반주와 가사를 획득할 수 있다. 이 때, 가사 획득 모듈(153)은 획득된 가사를 바탕으로 새로운 가사를 생성할 수 있다.
제1 피드백 획득 모듈(156)은 가사 획득 모듈(153)을 통해 획득된 가사를 바탕으로 제1 음성 피드백을 생성할 수 있다. 즉, 제1 피드백 획득 모듈(156)은 무반주 랩에 대한 음성 신호를 생성할 수 있다. 이 때, 음성 신호의 특성(예로, 리듬, 템포, 비트 등)은 상술한 컨텍스트 정보를 바탕으로 결정될 수 있다. 예를 들어, 사용자의 감정이 '행복'인 경우, 음성 신호의 템포는 기설정된 값보다 빠르게 결정될 수 있다. 반면, 사용자의 감정이 '슬픔'인 경우, 음성 신호의 템포는 기설정된 값보다 느리게 결정될 수 있다. 한편, 제1 피드백 획득 모듈(156)은 가사에 대한 텍스트를 바탕으로 음성 신호를 생성하기 위해 TTS 모듈(Text-To-Speech module)을 포함할 수 있다.
제1 피드백 획득 모듈(156)은 반주를 포함한 랩에 대한 음성 신호를 생성할 수 있다. 이 때, 제1 피드백 획득 모듈(156)은 가사 획득 모듈(153)을 통해 획득된 가사와 음악 정보 획득 모듈(155)을 통해 획득된 반주에 대한 오디오 신호를 바탕으로 음성 신호를 생성할 수 있다. 제1 피드백 획득 모듈(156)은 가사에 대응되는 제1 음성 신호와 반주에 대응되는 제2 음성 신호를 합성하여 제1 음성 피드백에 대한 음성 신호를 생성할 수 있다. 제1 음성 피드백에 대한 음성 신호가 생성되면, 제1 피드백 획득 모듈(156)은 생성된 음성 신호를 출력하도록 스피커(140)를 제어할 수 있다.
이상에서는 제1 음성 피드백을 제공하기 위한 프로세서(150)의 동작에 대하여 설명하였다. 이하에서는 보다 구체적인 예시를 통해 전자 장치(100)의 동작에 대해 설명하도록 한다. 한편, 도 2에서는 각 모듈(151 내지 156)들을 프로세서(150)의 구성으로 설명하였으나, 이는 일 실시 예에 불과하며, 각 모듈(151 내지 156)들은 메모리(130)에 저장될 수 있다. 이 때, 프로세서(150)는 메모리(130)에 저장된 복수의 모듈(151 내지 156)을 비휘발성 메모리에서 휘발성 메모리로 로딩(loading)하여 복수의 모듈(151 내지 156)의 각 기능들을 실행할 수 있다. 또한, 프로세서(150)의 각 모듈들은 소프트웨어(software)로 구현되거나, 소프트웨어와 하드웨어(hardware)가 결합된 형태로 구현될 수 있다.
도 3a 내지 도 3d는 본 개시의 일 실시 예에 따른 가사 획득 방법을 설명하기 위한 도면들이다. 도 3a를 참조하면, 전자 장치(100)는 사용자(1)의 음성 명령(31)을 획득할 수 있다. 전자 장치(100)는 음성 명령(31)에 기설정된 커맨드(32)가 포함되어 있는지 여부를 식별할 수 있다. 음성 명령(31)에 기설정된 커맨드(32)가 포함된 경우, 전자 장치(100)는 음성 명령(31)에 포함된 키워드(33)를 획득할 수 있다. 그리고, 전자 장치(100)는 키워드(33) 중 적어도 하나를 바탕으로 외부 서버(200)로부터 가사 템플릿(34)을 획득할 수 있다.
구체적으로, 도 3b를 참조하면, 외부 서버(200)에 저장된 데이터 베이스(35)에는 복수의 가사 템플릿들이 각 주제(또는, 테마)별로 분류되어 저장되어 있을 수 있다. 전자 장치(100)는 음성 명령(31)에 포함된 키워드 중 제1 키워드(33-1)를 식별할 수 있다. 전자 장치(100)는 제1 키워드(33-1)의 텍스트를 바탕으로 제1 키워드(33-1)에 대응되는 주제(즉, 'birthday')를 식별할 수 있다. 전자 장치(100)는 식별된 주제에 대응되는 복수의 가사 템플릿 중 제1 가사 템플릿(34-1)을 획득할 수 있다.
그리고, 전자 장치(100)는 제1 가사 템플릿(또는, 제1 가사)(34-1)을 바탕으로 새로운 가사를 생성할 수 있다. 도 3c를 참조하면, 전자 장치(100)는 제2 키워드(33-2)를 바탕으로 제1 가사(34-1)에 포함된 복수의 단어 중 적어도 하나를 변경하여 제2 가사(34-2)를 획득할 수 있다. 예를 들어, 전자 장치(100)는 제1 가사(34-1)에 포함된 'your'를 식별할 수 있다. 그리고, 전자 장치(100)는 식별된 'your'를 제2 키워드(33-2)로 변경하여 제2 가사(34-2)를 획득할 수 있다. 한편, 전자 장치(100)는 신경망 모델을 이용하여 제2 키워드(33-2)로 대체될 단어를 식별할 수 있다. 예를 들어, 전자 장치(100)는 학습된 신경망 모델에 제1 가사(34-1) 및 제2 키워드(33-2)를 입력하여 제2 가사 템플릿(34-1)에 포함된 단어 중 제2 키워드(33-2)에 대응되는 단어를 식별할 수 있다. 여기서, 신경망 모델은 순환 신경망(RNN: Recurrent Neural Network)으로 구현될 수 있다.
한편, 전자 장치(100)는 식별된 단어를 제2 키워드(33-2)가 아닌 제2 키워드(33-2)에 대응되는 다른 키워드로 대체할 수 있다. 도 3d를 참조하면, 전자 장치(100)는 제2 키워드(33-2)를 바탕으로 제3 키워드(33-3)를 획득할 수 있다. 전자 장치(100)는 메모리(1030에 저장된 연락처 정보 또는 SMS 메시지 내용을 바탕으로 제3 키워드(33-3)를 획득할 수 있다. 그리고, 전자 장치(100)는 제1 가사(34-1)에서 식별된 단어('your')를 제3 키워드(33-3)로 변경하여 제3 가사(34-3)를 획득할 수 있다.
한편, 전자 장치(100)는 사용자가 입력한 음악을 바탕으로 가사를 생성할 수 있다. 특히, 전자 장치(100)는 사용자가 입력한 음악에 대한 메타 데이터를 바탕으로 가사를 생성할 수 있다. 여기서, 메타 데이터는 음악에 대한 정보로서, 멜로디, 템포, 리듬 등을 포함할 수 있다. 예를 들어, 전자 장치(100)는 사용자가 입력한 음악의 템포를 바탕으로 가사에 포함된 텍스트 수를 결정할 수 있다.
이하에서는, 전자 장치(100)가 음악 정보를 획득하는 방법에 대해 설명하도록 한다. 도 4a는 본 개시의 일 실시 예에 따른 음악 정보를 획득하는 방법을 설명하기 위한 도면이다. 도 4a를 참조하면, 전자 장치(100)는 사용자(1)의 음성 명령(41)이 획득되면, 전자 장치(100)는 적어도 하나의 음악을 디스플레이(160)에 표시하면서, 사용자의 선택을 요청하는 음성 피드백(42)을 출력할 수 있다. 이 때, 전자 장치(100)는 사용자가 최근에 재생한 음악을 표시하거나, 재생된 횟수가 기 설정된 값보다 큰 음악을 표시할 수 있다. 전자 장치(100)는 제1 음악(43)를 선택하는 사용자(1)의 음성 명령을 획득할 수 있다. 또는, 전자 장치(100)는 제1 음악(43)를 선택하기 위해 디스플레이(160)를 터치하는 사용자(1)의 터치 입력을 획득할 수 있다. 제1 음악(43)가 선택되면, 전자 장치(100)는 제1 음악(43)에 대한 음악 정보(또는 메타 데이터)를 획득할 수 있다.
도 4b는 본 개시의 다른 일 실시 예에 따른 음악 정보를 획득하는 방법을 설명하기 위한 도면이다. 사용자(1)의 음성 명령(41)이 획득되면, 전자 장치(100)는 사용자(1)에게 음악 정보 입력을 요청하는 음성 피드백(42)을 출력할 수 있다. 이에 따라, 사용자(1)는 외부 스피커 장치(300)를 조작하여 음악을 재생시킬 수 있다. 사용자(1)에 의해 선택 및 재생된 음악에 대한 음성 신호(45)가 획득되면, 전자 장치(100)는 음성 신호(45)에 대응되는 음악을 인식할 수 있다. 전자 장치(100)는 음성 신호(45)의 특성(예로, 주파수)과 외부 서버에 저장된 다수의 음악에 대한 오디오 신호의 특성을 비교하여 유사도를 판단할 수 있다. 전자 장치(100)는 유사도를 바탕으로 외부 서버에 저장된 다수의 음악 중 음성 신호(45)에 대응되는 음악을 인식할 수 있다. 그리고, 전자 장치(100)는 인식된 음악에 대응되는 메타 데이터를 획득할 수 있다.
한편, 전자 장치(100)는 컨텍스트 정보를 바탕으로 가사를 획득할 수 있다. 도 5a는 본 개시의 일 실시 예에 따른 컨텍스트 정보를 이용한 가사 획득 방법을 설명하기 위한 도면이다. 도 5a를 참조하면, 전자 장치(100)는 메모리(130)에 저장된 사용자(1)와 관련된 컨텍스트 정보(52)를 획득할 수 있다. 예를 들어, 전자 장치(100)는 사용자(1)의 생일에 대한 정보를 획득할 수 있다. 사용자(1)의 생일에, 음성 명령(51)이 획득되면, 전자 장치(100)는 외부 서버(200)에 저장된 복수의 음악 및 가사 중 생일과 관련된 음악 및 가사를 획득할 수 있다. 그리고, 전자 장치(100)는 획득된 가사에 포함된 단어 중 일부를 사용자에 대한 정보(예로, 사용자의 이름)로 변경하여 새로운 가사를 생성할 수 있다.
도 5b는 본 개시의 다른 일 실시 예에 따른 컨텍스트 정보를 이용한 가사 획득 방법을 설명하기 위한 도면이다. 구체적으로, 도 5b는 사용자의 감정을 바탕으로 가사를 획득하는 방법을 설명하기 위한 도면이다. 사용자(1)의 음성 명령(51)이 획득되면, 전자 장치(100)는 카메라(170)를 통해 사용자를 촬상한 이미지(53)를 획득할 수 있다. 전자 장치(100)는 이미지(53)를 분석하여 사용자의 감정을 획득할 수 있다. 예를 들어, 전자 장치(100)는 이미지에 포함된 오브젝트의 감정을 식별하도록 학습된 신경망 모델에 이미지(53)를 입력하여 사용자(1)의 감정을 획득할 수 있다. 여기서, 신경망 모델은 컨볼루션 신경망(CNN: Convolutional Neural Network)로 구현될 수 있다. 전자 장치(100)는 사용자(1)의 감정을 바탕으로 가사를 획득할 수 있다. 예를 들어, 전자 장치(100)는 사용자(1)의 감정을 바탕으로, 외부 서버에 기저장된 복수의 가사 중 하나를 획득할 수 있다. 이 때, 외부 서버에는, 감정에 따라 분류된 미리 생성된 다수의 가사가 저장되어 있을 수 있다.
도 6은 본 개시의 다른 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다. 구체적으로, 제2 음성 피드백을 제공하는 경우 전자 장치의 구성을 도시한 블록도이다. 도 6을 참조하면, 전자 장치(600)는 마이크(610), 통신 인터페이스(620), 메모리(630), 스피커(640) 및 프로세서(650)를 포함할 수 있다. 한편, 마이크(610), 통신 인터페이스(620), 메모리(630) 및 스피커(640)는 도 2의 마이크(110), 통신 인터페이스(120), 메모리(130) 및 스피커(140)에 각각 대응될 수 있는 바 중복 설명을 생략하도록 한다.
프로세서(650)는 음성 인식 모듈(651), 장르 판단 모듈(652), 응답 메시지 획득 모듈(653), 피드백 유형 결정 모듈(654), 제2 피드백 획득 모듈(655), 음악 정보 획득 모듈(656), 제2 피드백 생성 모듈(657) 및 제2 피드백 저장 모듈(658)을 포함할 수 있다. 음성 인식 모듈(651), 장르 판단 모듈(652)은 도 2의 음성 인식 모듈(151) 및 장르 판단 모듈(152)에 대응될 수 있는 바 중복 설명은 생략하도록 한다.
음성 인식 모듈(651)은 사용자의 음성 명령에 대응되는 텍스트를 획득할 수 있다. 장르 판단 모듈(652)은 음성 인식 모듈(651)을 통해 획득된 텍스트에 기설정된 커맨드(예로, "rap for ~")가 포함되는 지 여부를 판단할 수 있다. 획득된 텍스트에 기설정된 커맨드가 포함되지 않으면, 응답 메시지 획득 모듈(653)은 음성 명령에 대응되는 응답 메시지를 획득할 수 있다. 예를 들어, 현재 날씨를 질문하는 음성 명령이 획득되면, 응답 메시지 획득 모듈(653)은 외부 서버(예로, Bixby 서버)로부터 응답 메시지를 획득할 수 있다.
피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 결정할 수 있다. 제2 음성 피드백의 유형은 음악적 요소가 부가되지 않은 제1 유형(즉, general reply) 및 음악적 요소가 부가된 제2 유형(즉, songified reply)을 포함할 수 있다. 제1 유형에 해당하는 제2 음성 피드백은, 음성 명령에 대한 응답 메시지를 제공하는 음성 피드백을 의미한다. 제2 유형에 해당하는 제2 음성 피드백은, 응답 메시지에 음악적 요소를 부가하여 제공하는 음성 피드백을 의미한다. 제2 유형에 해당하는 제2 음성 피드백은, 응답 메시지를 음악화한 음성 신호를 출력하는 음성 피드백이 될 수 있다. 예를 들어, 제2 유형에 해당하는 제2 음성 피드백은, 유명 곡의 반주에 응답 메시지를 더빙한 음성 피드백일 수 있다.
피드백 유형 결정 모듈(654)은 사용자의 음성 명령이 기설정된 음성 명령에 해당하는 지 여부를 바탕으로 제2 음성 피드백의 유형을 결정할 수 있다. 여기서, 기설정된 음성 명령은 엔터테인먼트적 요소보다는 정보 전달이 우선시되는 상황에 대응되는 음성 명령을 의미한다. 예를 들어, 기설정된 음성 명령은 특정 장소까지의 길 안내를 요청하는 명령 및 현재 시간을 요청하는 명령을 포함할 수 있다.
사용자의 음성 명령이 기설정된 음성 명령에 해당하면, 피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 제1 유형으로 결정할 수 있다. 반면에, 사용자의 음성 명령이 기설정된 음성 명령에 해당하지 않으면, 피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 제2 유형으로 결정할 수 있다. 즉, 사용자가 전자 장치(100)에 대해 길 안내를 요청하는 경우, 전자 장치(100)는 제1 유형의 제2 음성 피드백을 제공할 수 있다. 이에 따라, 사용자의 편의성 및 만족감이 향상될 수 있다.
피드백 유형 결정 모듈(654)은 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하는지 여부를 바탕으로 제2 음성 피드백의 유형을 결정할 수 있다. 여기서, 기설정된 컨텍스트 정보는 사용자에 의해 설정될 수 있으며, 예로는, 사용자가 회사 내에 위치하는 상황에 대한 정보가 될 수 있다.
사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하면, 피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 제1 유형으로 결정할 수 있다. 반면에, 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하지 않으면, 피드백 유형 결정 모듈(654)은 제2 음성 피드백의 유형을 제2 유형으로 결정할 수 있다. 즉, 사용자가 회사 내에 위치하는 상황에서, 전자 장치(100)는 제1 유형에 해당하는 제2 음성 피드백만을 제공할 수 있다.
제2 음성 피드백의 유형이 제1 유형으로 결정되면, 제2 피드백 획득 모듈(655)은 응답 메시지 획득 모듈(653)을 통해 획득된 응답 메시지에 대응되는 음성 신호를 출력하도록 스피커(640)를 제어할 수 있다. 또한, 제2 피드백 획득 모듈(655)은 응답 메시지에 대한 텍스트를 바탕으로 음성 신호를 생성하기 위해 TTS 모듈(Text-To-Speech module)을 포함할 수 있다.
제2 음성 피드백의 유형이 제2 유형으로 결정되면, 제2 피드백 획득 모듈(655)은 제2 유형의 제2 음성 피드백을 획득할 수 있다. 제2 피드백 획득 모듈(655)은 데이터 베이스에 저장된 음악에 대한 오디오 데이터 및 오디오 데이터에 대응되는 음성 신호를 획득할 수 있다. 여기서, 데이터 베이스는 외부 서버에 저장되거나 메모리(630)에 저장될 수 있다. 제2 피드백 획득 모듈(655)은 획득된 음성 신호와 응답 메시지에 대한 음성 신호를 합성하여 제2 유형의 제2 음성 피드백을 획득할 수 있다. 이 때, 획득된 음성 신호가 보컬을 포함한다면, 제2 피드백 획득 모듈(655)은 보컬을 제거하는 작업을 수행할 수 있다. 음성 피드백이 획득되면, 제2 피드백 획득 모듈(655)은 획득된 음성 피드백을 출력하도록 스피커(640)를 제어할 수 있다.
한편, 제2 피드백을 구성하기 위한 음악에 대한 오디오 데이터는 음악 정보 획득 모듈(656)을 통해 획득될 수 있다. 음악 정보 획득 모듈(656)은 컨텍스트 정보를 바탕으로 음악에 대한 오디오 데이터를 획득할 수 있다. 예를 들어, 음악 정보 획득 모듈(656)은 사용자의 감정을 바탕으로 데이터 베이스에 저장된 복수의 음악 중 하나의 음악을 식별하고, 식별된 음악에 대한 오디오 데이터를 획득할 수 있다. 또한, 음악 정보 획득 모듈(656)은 응답 메시지 획득 모듈(653)을 통해 획득된 응답 메시지의 내용을 바탕으로 음악을 식별할 수 있다. 예를 들어, 응답 메시지가 "오늘 날씨는 맑습니다"인 경우, 음악 정보 획득 모듈(656)은 밝은 분위기의 음악을 식별할 수 있다. 반면에, 응답 메시지가 "오늘 날씨는 흐립니다"인 경우, 음악 정보 획득 모듈(656)은 차분한 분위기의 음악을 식별할 수 있다.
한편, 경우에 따라 사용자의 음성 명령이 획득될 때마다 새롭게 음성 피드백을 생성하는 것은 비효율적일 수 있다. 예를 들어, 응답 메시지의 내용이 시간이나 공간에 따라 달라지지 않는 응답 메시지(예로, "메시지 전송이 완료되었습니다")에 대해서는, 제2 피드백 저장 모듈(657)이 음성 피드백에 대한 음성 신호를 데이터 베이스에 미리 저장해놓고, 음성 명령이 획득되면 미리 저장된 음성 신호를 출력함으로써 음성 피드백을 제공할 수 있다.
제2 피드백 저장 모듈(657)은 제2 피드백 획득 모듈(655)을 통해 획득된 제2 음성 피드백에 대한 음성 신호를 데이터 베이스에 저장할 수 있다. 이 때, 제2 피드백 저장 모듈(657)은 출력되는 횟수가 기설정된 횟수보다 큰 제2 음성 피드백을 식별하고, 식별된 제2 음성 피드백에 대한 음성 신호를 선택적으로 데이터 베이스에 저장할 수도 있다. 또는, 제2 피드백 저장 모듈(657)은 응답 메시지와 음악 정보를 매칭하여 데이터 베이스에 저장할 수 있다
제2 피드백 저장 모듈(657)은 데이터 베이스에 저장된 제2 음성 피드백을 업데이트할 수 있다. 예를 들어, 제1 응답 메시지("메시지 전송이 완료되었습니다")와 제1 음악(A music)이 합성된 제2-1 음성 피드백이 데이터 베이스(DB)에 미리 저장되어 있을 수 있다. 이 때, 사용자가 최근에 재생한 제2 음악(B music)이 식별되면, 제2 피드백 저장 모듈(657)은 제2-1 음성 피드백을 삭제하고 제1 응답 메시지와 제2 음악 합성된 제2-2 음성 피드백을 데이터 베이스(DB)에 저장할 수 있다.
도 7은 본 개시의 일 실시 예에 따른 제2 음성 피드백의 유형을 결정하는 방법을 설명하기 위한 도면이다. 전자 장치(600)는 제2 유형의 제2 음성 피드백 제공에 대한 모드가 활성화 되었는지 여부를 식별할 수 있다(S710). 여기서, 제2 유형의 제2 음성 피드백에 대한 모드는 사용자에 의해 활성화되거나 비활성화될 수 있다. 상기 모드가 비활성화된 것으로 식별되면, 전자 장치(600)는 제2 음성 피드백의 유형을 제1 유형으로 식별할 수 있다(S750).
반면에, 상기 모드가 활성화된 것으로 식별되면, 전자 장치(600)는 사용자의 음성 명령이 기설정된 음성 명령에 해당하는 지 여부를 판단할 수 있다(S720). 여기서, 기설정된 음성 명령은 사용자에 의해 설정될 수 있으며, 예로는, 특정 장소까지의 길 안내를 요청하는 명령 및 현재 시간을 요청하는 명령을 포함할 수 있다. 사용자의 음성 명령이 기설정된 음성 명령에 해당한다고 판단되면, 전자 장치(600)는 제2 음성 피드백의 유형을 제1 유형으로 식별할 수 있다(S750).
반면에, 사용자의 음성 명령이 기설정된 음성 명령에 해당하지 않는다고 판단되면, 전자 장치(600)는 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하는지 여부를 판단할 수 있다(S730). 여기서, 기설정된 컨텍스트 정보는, 사용자에 의해 설정될 수 있으며, 예로는, 사용자가 회사와 같은 특정 장소 내에 위치하는 상황에 대한 정보가 될 수 있다. 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당한다고 판단되면, 전자 장치(600)는 제2 음성 피드백의 유형을 제1 유형으로 식별할 수 있다(S750). 반면에, 사용자와 관련된 컨텍스트 정보가 기설정된 컨텍스트 정보에 해당하지 않는다고 판단되면, 전자 장치(600)는 제2 음성 피드백의 유형을 제2 유형으로 식별할 수 있다(S740).
이하에서는, 전자 장치(600)가 제2 유형의 제2 음성 피드백을 제공하는 방법에 대하여 보다 상세히 설명하도록 한다. 또한, 설명의 편의상, 이하에서는 제2 유형의 제2 음성 피드백을 제2 음성 피드백 또는 음성 피드백으로 지칭하도록 한다.
도 8a는 본 개시의 일 실시 예에 따른 제2 음성 피드백 획득 방법을 설명하기 위한 도면이다. 전자 장치(600)는 사용자(1)의 음성 명령(81)이 획득되면, 외부 서버(200)로부터 음성 명령(81)에 대응되는 응답 메시지(82)를 획득할 수 있다. 전자 장치(100)는 응답 메시지(82)의 내용을 바탕으로 데이터 베이스(DB)에 저장된 음악(83)을 획득할 수 있다. 예를 들어, 전자 장치(100)는 응답 메시지(82)에 포함된 키워드('sunny')를 바탕으로 음악(83)을 획득할 수 있다.
도 8b를 참조하면, 전자 장치(600)는 응답 메시지(82)에 포함된 키워드('sunny')와 데이터 베이스(DB)에 저장된 복수의 음악에 대한 메타 데이터를 바탕으로 음악(music A)을 식별할 수 있다. 구체적으로, 전자 장치(600)는 키워드('sunny')와 음악의 제목에 포함된 단어 간의 유사도를 판단하고, 유사도가 기설정된 값 이상인 단어가 제목에 포함된 음악(music A)을 식별할 수 있다. 이 때, 식별된 음악이 복수인 경우, 전자 장치(600)는 식별된 복수의 음악 중 전자 장치(600)를 통해 재생된 횟수가 가장 많은 음악을 식별할 수 있다. 또는, 전자 장치(600)는 식별된 복수의 음악 중 가장 최근에 재생된 음악을 식별할 수 있다. 한편, 도 8c에 도시된 바와 같이 데이터 베이스(DB)에는 응답 메시지의 내용과 음악(또는 음악에 대한 메타 데이터)이 매칭되어 저장되어 있을 수 있다. 따라서, 전자 장치(600)는 응답 메시지가 획득되면, 응답 메시지의 내용을 바탕으로 음악을 획득할 수 있다.
도 9는 본 개시의 일 실시 예에 따른 데이터 베이스 업데이트 방법을 설명하기 위한 도면이다. 전자 장치(600)는 데이터 베이스(DB)에 저장된 음성 피드백을 업데이트할 수 있다. 예를 들어, 전자 장치(600)는 사용자가 최근에 재생한 음악이나, 일정 기간 동안 재생한 횟수가 임계값을 초과하는 음악을 바탕으로 음성 피드백을 업데이트할 수 있다. 도 9를 참조하면, 제1 응답 메시지("메시지 전송이 완료되었습니다")와 제1 음악(A music)이 합성된 제2-1 음성 피드백이 데이터 베이스(DB)에 미리 저장되어 있을 수 있다. 이 때, 사용자가 최근에 재생한 제2 음악(B music)이 식별되면, 전자 장치(600)는 제2-1 음성 피드백을 삭제하고 제1 응답 메시지와 제2 음악 합성된 제2-2 음성 피드백을 데이터 베이스에 저장할 수 있다. 이와 같이, 데이터 베이스(DB)에 저장된 음성 피드백을 바탕으로, 전자 장치(600)는 사용자에게 제2 음성 피드백을 제공할 수 있다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
전자 장치(1000)는 마이크(1010), 터치 센서(1020), 스피커(1030), 카메라(1040), 통신 인터페이스(1050), 메모리(1060), 디스플레이(1070) 및 프로세서(1080)를 포함할 수 있다.
마이크(1010)는 사용자의 음성을 입력받기 위한 구성으로서, 전자 장치(1000) 내에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(1000)의 외부에 전자 장치(1000)와 유선 또는 무선으로 연결될 수 있다.
터치 센서(1020)는 사용자의 터치 입력을 획득하기 위한 구성이다. 특히, 터치 센서(1020)는 음악 정보를 입력하기 위한 사용자의 터치 입력을 획득할 수 있다. 한편, 터치 센서(1020)는 디스플레이(1070)와 일체로 구현될 수 있다.
스피커(1030)는 외부로부터 수신된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지 등을 출력하는 구성요소일 수 있다. 특히, 전자 장치(1000)는 사용자에 대한 음성 피드백을 출력하도록 스피커(1030)를 제어할 수 있다.
카메라(1040)는 사용자를 촬상하여 이미지를 획득하기 위한 구성요소이다. 특히, 전자 장치(1000)는 카메라(1040)를 통해 획득된 사용자의 얼굴을 촬상한 이미지를 바탕으로 사용자의 감정에 대한 정보를 획득할 수 있다.
통신 인터페이스(1050)는 적어도 하나의 회로를 포함하며 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 기기와 통신을 수행할 수 있다. 예로, 통신 인터페이스(1050)는 외부 서버(200)와 통신을 수행할 수 있다.
통신 인터페이스(1050)가 외부 서버(200)와 무선 통신 방식으로 통신을 수행하는 경우, 통신 인터페이스(1050)는 와이파이 통신 모듈, 셀룰러 통신모듈, 3G(3세대) 이동통신 모듈, 4G(4세대) 이동통신 모듈, 4세대 LTE(Long Term Evolution) 통신 모듈 중 적어도 하나를 포함할 수 있다.
메모리(1060)는 전자 장치(1000)의 구성요소들의 전반적인 동작을 제어하기 위한 운영체제(OS: Operating System) 및 전자 장치(1000)의 구성요소와 관련된 명령 또는 데이터를 저장할 수 있다. 예를 들어, 메모리(1060)는 음성 피드백의 주제 별 음악에 대한 정보를 저장할 수 있다. 또한, 메모리(1060)는 사용자의 감정을 판단하기 위한 신경망 모델을 저장할 수 있다.
한편, 메모리(1060)는 비휘발성 메모리(ex: 하드 디스크, SSD(Solid state drive), 플래시 메모리), 휘발성 메모리 등으로 구현될 수 있다. 특히, 신경망 모델은 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU, NPU 등)에 의해 실행될 수 있다.
디스플레이(1070)는 사용자의 음악 선택 입력 또는 음악 정보 입력을 가이드하기 위한 UI 엘리먼트를 디스플레이할 수 있다. 특히, 디스플레이(1070)는 터치 센서(1020)와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 등으로 구현될 수 있다.
프로세서(1080)는 전자 장치(1000)의 전반적인 동작을 제어할 수 있다.
예를 들어, 프로세서(1080)는 마이크(1010)를 통해 사용자의 음성 명령을 획득할 수 있다. 그리고, 프로세서(1080)는 음성 명령에 기설정된 명령이 포함되는지 여부를 판단할 수 있다. 이 때, 음성 명령에 기설정된 명령이 포함된 경우, 프로세서(1080)는 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득할 수 있다. 그리고, 프로세서(1080)는 획득된 가사를 바탕으로 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 출력하도록 스피커(1030)를 제어할 수 있다.
프로세서(1080)는 음성 명령에 포함된 적어도 하나의 키워드를 획득하고, 적어도 하나의 키워드를 바탕으로 가사를 획득할 수 있다. 예를 들어, 프로세서(1080)는 특정 이벤트를 지칭하는 제1 키워드 및 특정 인물을 지칭하는 제2 키워드를 획득할 수 있다. 이 때, 프로세서(1080)는 제1 키워드를 바탕으로 가사 템플릿을 획득하고, 가사 템플릿에 포함된 적어도 하나의 단어를 제2 키워드로 변경하여 새로운 가사를 생성할 수 있다.
프로세서(1080)는 사용자와 관련된 컨텍스트 정보를 바탕으로 가사를 획득할 수 있다. 예를 들어, 프로세서(1080)는 메모리(1060)에 저장된 사용자의 기념일 정보를 바탕으로 외부 서버로부터 가사를 획득할 수 있다. 또는, 프로세서(1080)는 메모리(1060)에 저장된 신경망 모델을 이용하여 사용자의 감정에 대한 정보를 획득하고, 획득된 감정에 대한 정보를 바탕으로 외부 서버로부터 가사를 획득할 수 있다.
한편, 프로세서(1080)는 생성된 가사와 멜로디를 합성하여 제1 음성 피드백을 생성할 수 있다. 이 때, 프로세서(1080)는 사용자가 선택한 음악을 바탕으로 제1 음성 피드백을 생성할 수 있다. 예를 들어, 프로세서(1080)는 메모리(1060)에 저장된 음악 리스트를 표시하도록 디스플레이(1070)를 제어할 수 있다. 그리고, 표시된 음악 리스트 중 하나의 음악을 선택하는 사용자의 입력이 획득되면, 프로세서(1080)는 선택된 음악의 멜로디를 획득할 수 있다. 그리고, 프로세서(1080)는 획득된 가사와 획득된 멜로디를 합성하여 제1 음성 피드백을 생성할 수 있다.
또한, 프로세서(1080)는 재생 횟수를 바탕으로 음악을 식별할 수 있다. 예를 들어, 프로세서(1080)는 메모리(1060)에 저장된 음악 리스트 중 재생된 횟수가 가장 큰 음악을 식별할 수 있다. 그리고, 프로세서(1080)는 식별된 음악에 대한 멜로디와 생성된 가사를 합성하여 제1 음성 피드백을 생성할 수 있다.
한편, 음성 명령에 기설정된 명령이 포함되지 않은 경우, 프로세서(1080)는 음성 명령에 대응되는 응답 메시지를 획득하고, 응답 메시지를 바탕으로 제2 장르의 제2 음성 피드백을 출력하도록 스피커(1030)를 제어할 수 있다. 프로세서(1080)는 음성 명령이 기설정된 음성 명령에 대응되는지 여부를 바탕으로 제2 음성 피드백을 생성할 수 있다. 음성 명령이 기설정된 음성 명령에 대응되면, 프로세서(1080)는 멜로디를 포함하지 않는 제1 유형의 제2 음성 피드백을 생성할 수 있다.
반면에, 음성 명령이 기설정된 음성 명령에 대응되지 않으면, 프로세서(1080)는 멜로디를 포함하는 제2 유형의 제2 음성 피드백을 생성할 수 있다. 제2 유형의 제2 음성 피드백을 생성하는 경우, 프로세서(1080)는 획득된 응답 메시지에 대한 음성 신호와 멜로디를 합성하여 제2 유형의 제2 음성 피드백을 생성할 수 있다. 이 때, 프로세서(1080)는 응답 메시지의 내용을 바탕으로 외부 서버에 저장된 멜로디를 획득할 수 있다. 또는, 프로세서(1080)는 사용자와 관련된 컨텍스트 정보를 바탕으로 멜로디를 획득할 수 있다.
한편, 본 개시에 따른 인공지능과 관련된 기능은 프로세서(1080)와 메모리(1060)를 통해 동작된다. 프로세서(1080)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리(1060)에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다.
본 개시에 따른 전자 장치(1000)는 사용자의 감정에 대한 정보를 획득하기 위하여 인공지능 모델을 이용할 수 있다. 프로세서(1080)는 사용자를 촬상한 이미지 또는 사용자의 음성 명령에 대해 전처리 과정을 수행하여 인공지능 모델의 입력으로 사용하는 데에 적합한 형태로 변환할 수 있다. 인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다.
추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론(Knowledge based Reasoning), 최적화 예측(Optimization Prediction), 선호 기반 계획(Preference-based Planning), 추천(Recommendation) 등을 포함한다.
인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), GAN (Generative Adversarial Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
도 11은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 순서도이다. 전자 장치(1000)는 사용자의 음성 명령을 획득할 수 있다(S1110). 전자 장치(1000)는 음성 명령에 기설정된 커맨드가 포함되는지 판단할 수 있다(S1120). 음성 명령에 기설정된 커맨드가 포함되면, 전자 장치(1000)는 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득할 수 있다(S1130). 그리고, 전자 장치(1000)는 획득된 가사를 바탕으로 제1 장르의 제1 음성 피드백을 제공할 수 있다(S1140). 한편, 제1 음성 피드백을 제공하는 방법은, 도 3a 내지 도 5b를 참조하여 상술하였는 바, 그 상세한 설명은 생략하도록 한다.
반면에, 음성 명령에 기설정된 커맨드가 포함되지 않으면, 전자 장치(1000)는 음성 명령에 대응되는 응답 메시지를 획득할 수 있다(S1150). 그리고, 전자 장치(1000)는 음성 명령 및 응답 메시지를 바탕으로 제2 음성 피드백을 제공할 수 있다(S1160). 한편, 제2 음성 피드백을 제공하는 방법은, 도 7 내지 도 9를 참조하여 상술하였는 바, 그 상세한 설명은 생략하도록 한다.
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 처리 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 처리 동작을 특정 기기가 수행하도록 할 수 있다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
한편, 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims (15)

  1. 전자 장치에 있어서,
    마이크;
    스피커;
    적어도 하나의 인스트럭션을 저장하는 메모리; 및
    프로세서;를 포함하고,
    상기 프로세서는,
    상기 마이크를 통해 사용자의 음성 명령을 획득하고,
    상기 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하고,
    상기 음성 명령에 상기 기설정된 명령이 포함된 경우, 상기 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하고,
    상기 획득된 가사를 바탕으로 상기 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 출력하도록 상기 스피커를 제어하는
    전자 장치.
  2. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 명령에 포함된 적어도 하나의 키워드를 획득하고,
    상기 적어도 하나의 키워드를 바탕으로 상기 가사를 획득하는
    전자 장치.
  3. 제2 항에 있어서,
    상기 프로세서는,
    특정 이벤트를 지칭하는 제1 키워드 및 특정 인물을 지칭하는 제2 키워드를 획득하고,
    상기 제1 키워드를 바탕으로 가사 템플릿을 획득하고,
    상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제2 키워드로 변경하는
    전자 장치.
  4. 제3 항에 있어서,
    상기 프로세서는,
    상기 제2 키워드가 획득되면, 상기 전자 장치에 저장된 정보를 바탕으로 상기 제2 키워드에 대응되는 제3 키워드를 획득하고,
    상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제3 키워드로 변경하는
    전자 장치.
  5. 제1 항에 있어서,
    상기 프로세서는,
    상기 통신 인터페이스를 통해 외부 서버로부터 상기 외부 서버에 저장된 복수의 멜로디 중 하나를 획득하고,
    상기 획득된 멜로디와 상기 획득된 가사를 합성하여 상기 제1 음성 피드백을 생성하는
    전자 장치.
  6. 제5 항에 있어서,
    상기 프로세서는,
    상기 복수의 멜로디 중 상기 사용자에 의해 선택된 멜로디, 미리 설정된 멜로디, 상기 전자 장치에 의해 재생된 횟수가 기설정된 값보다 큰 멜로디 및 상기 전자 장치를 통해 현재 재생중인 멜로디 중 적어도 하나를 획득하는
    전자 장치.
  7. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 명령이 획득되면, 학습된 신경망 모델을 이용하여 상기 음성 명령에 대응되는 감정에 대한 정보를 획득하고,
    상기 감정에 대한 정보를 바탕으로 상기 가사를 획득하는
    전자 장치.
  8. 제1 항에 있어서,
    상기 프로세서는,
    상기 음성 명령에 상기 기설정된 명령이 포함되지 않은 경우, 상기 음성 명령에 대응되는 응답 메시지를 획득하고,
    상기 응답 메시지를 바탕으로 제2 장르의 제2 음성 피드백을 출력하도록 상기 스피커를 제어하는
    전자 장치.
  9. 제8 항에 있어서,
    상기 프로세서는,
    상기 음성 명령이 기설정된 음성 명령에 대응되는지 여부를 식별하고,
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지와 음악적 요소를 포함한 오디오 데이터가 합성된 상기 제2 음성 피드백을 출력하도록 상기 스피커를 제어하고,
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되면, 상기 오디오 데이터를 포함하지 않는 상기 제2 음성 피드백을 제공하도록 상기 스피커를 제어하는
    전자 장치.
  10. 제9 항에 있어서,
    상기 프로세서는,
    상기 음성 명령이 상기 기설정된 음성 명령에 대응되지 않으면, 상기 응답 메시지의 내용을 바탕으로 상기 오디오 데이터를 획득하고,
    상기 오디오 데이터와 상기 응답 메시지를 합성하여 상기 제2 음성 피드백을 생성하는
    전자 장치.
  11. 전자 장치의 제어 방법에 있어서,
    사용자의 음성 명령을 획득하는 단계;
    상기 음성 명령에 기설정된 명령이 포함되는지 여부를 판단하는 단계;
    상기 음성 명령에 상기 기설정된 명령이 포함된 경우, 상기 음성 명령에 포함된 텍스트를 바탕으로 가사를 획득하는 단계; 및
    상기 획득된 가사를 바탕으로 상기 기설정된 명령에 대응되는 제1 장르의 제1 음성 피드백을 제공하는 단계;를 포함하는
    제어 방법.
  12. 제11 항에 있어서,
    상기 가사를 획득하는 단계는,
    상기 음성 명령에 포함된 적어도 하나의 키워드를 획득하는 단계, 및
    상기 적어도 하나의 키워드를 바탕으로 상기 가사를 획득하는 단계를 포함하는
    제어 방법.
  13. 제12 항에 있어서,
    상기 적어도 하나의 키워드를 획득하는 단계는,
    특정 이벤트를 지칭하는 제1 키워드 및 특정 인물을 지칭하는 제2 키워드를 획득하고,
    상기 가사를 획득하는 단계는,
    상기 제1 키워드를 바탕으로 가사 템플릿을 획득하고,
    상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제2 키워드로 변경하는
    제어 방법.
  14. 제13 항에 있어서,
    상기 가사를 획득하는 단계는,
    상기 제2 키워드가 획득되면, 상기 전자 장치에 저장된 정보를 바탕으로 상기 제2 키워드에 대응되는 제3 키워드를 획득하고,
    상기 가사 템플릿에 포함된 적어도 하나의 단어를 상기 제3 키워드로 변경하는
    제어 방법.
  15. 제11 항에 있어서,
    상기 음성 명령이 획득되면, 외부 서버로부터 상기 외부 서버에 저장된 복수의 멜로디 중 하나를 획득하는 단계;를 더 포함하고,
    상기 제1 음성 피드백을 제공하는 단계는,
    상기 획득된 멜로디와 상기 획득된 가사를 합성하여 상기 제1 음성 피드백을 생성하는 단계를 포함하는
    제어 방법.
PCT/KR2021/011984 2020-09-21 2021-09-06 전자 장치 및 그 제어 방법 WO2022059979A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0121570 2020-09-21
KR1020200121570A KR20220039018A (ko) 2020-09-21 2020-09-21 전자 장치 및 그 제어 방법

Publications (1)

Publication Number Publication Date
WO2022059979A1 true WO2022059979A1 (ko) 2022-03-24

Family

ID=80776286

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/011984 WO2022059979A1 (ko) 2020-09-21 2021-09-06 전자 장치 및 그 제어 방법

Country Status (2)

Country Link
KR (1) KR20220039018A (ko)
WO (1) WO2022059979A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114842847A (zh) * 2022-04-27 2022-08-02 中国第一汽车股份有限公司 一种车载用语音控制方法以及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120041656A (ko) * 2010-10-21 2012-05-02 삼성전자주식회사 가창 음성 생성 방법 및 그에 따른 장치
KR20150016225A (ko) * 2012-03-29 2015-02-11 스뮬, 인코포레이티드 타겟 운율 또는 리듬이 있는 노래, 랩 또는 다른 가청 표현으로의 스피치 자동 변환
KR20180110972A (ko) * 2017-03-30 2018-10-11 엘지전자 주식회사 음성 인식 방법
KR20200023662A (ko) * 2018-08-13 2020-03-06 엘지전자 주식회사 인공 지능 기기
JP2020076878A (ja) * 2018-11-08 2020-05-21 スカパーＪｓａｔ株式会社 カラオケ装置、カラオケ装置の制御方法、およびプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120041656A (ko) * 2010-10-21 2012-05-02 삼성전자주식회사 가창 음성 생성 방법 및 그에 따른 장치
KR20150016225A (ko) * 2012-03-29 2015-02-11 스뮬, 인코포레이티드 타겟 운율 또는 리듬이 있는 노래, 랩 또는 다른 가청 표현으로의 스피치 자동 변환
KR20180110972A (ko) * 2017-03-30 2018-10-11 엘지전자 주식회사 음성 인식 방법
KR20200023662A (ko) * 2018-08-13 2020-03-06 엘지전자 주식회사 인공 지능 기기
JP2020076878A (ja) * 2018-11-08 2020-05-21 スカパーＪｓａｔ株式会社 カラオケ装置、カラオケ装置の制御方法、およびプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114842847A (zh) * 2022-04-27 2022-08-02 中国第一汽车股份有限公司 一种车载用语音控制方法以及装置

Also Published As

Publication number Publication date
KR20220039018A (ko) 2022-03-29

Similar Documents

Publication Publication Date Title
WO2020013428A1 (ko) 개인화 asr 모델을 생성하는 전자 장치 및 이를 동작하는 방법
WO2020145439A1 (ko) 감정 정보 기반의 음성 합성 방법 및 장치
WO2020067710A1 (ko) 대화형 인터페이스를 제공하는 방법 및 시스템
WO2020027619A1 (ko) 순차적 운율 특징을 기초로 기계학습을 이용한 텍스트-음성 합성 방법, 장치 및 컴퓨터 판독가능한 저장매체
WO2020045835A1 (ko) 전자 장치 및 그 제어 방법
JP4757806B2 (ja) 電子文書表示装置及び方法
WO2020209647A1 (ko) 사용자 인터페이스를 통해 텍스트에 대한 합성 음성을 생성하는 방법 및 시스템
EP4014195A1 (en) Method and apparatus for personalizing content recommendation model
WO2021071110A1 (en) Electronic apparatus and method for controlling electronic apparatus
WO2018174397A1 (ko) 전자 장치 및 제어 방법
WO2022059979A1 (ko) 전자 장치 및 그 제어 방법
WO2020060151A1 (en) System and method for providing voice assistant service
CN113407275A (zh) 音频编辑方法、装置、设备及可读存储介质
WO2021107390A1 (en) Electronic device and method for controlling the electronic device
WO2021118050A1 (ko) 하이라이트 영상 자동 편집을 위한 컴퓨터 프로그램
KR102226427B1 (ko) 호칭 결정 장치, 이를 포함하는 대화 서비스 제공 시스템, 호칭 결정을 위한 단말 장치 및 호칭 결정 방법
WO2022260432A1 (ko) 자연어로 표현된 스타일 태그를 이용한 합성 음성 생성 방법 및 시스템
WO2021154018A1 (en) Electronic device and method for controlling the electronic device thereof
WO2022139122A1 (ko) 전자 장치 및 이의 제어 방법
WO2022034982A1 (ko) 텍스트에 대한 합성 음성 생성 작업을 수행하는 방법
WO2022071733A1 (ko) 전자 장치 및 그 제어 방법
CN113544772A (zh) 编辑支持程序、编辑支持方法和编辑支持装置
WO2024111803A1 (ko) 실시간 영상 콘텐츠 생성 방법 및 시스템
WO2024071921A1 (ko) 인공지능과 음성 인식을 기반으로 동작하는 전자 장치 및 이의 제어 방법
WO2022181911A1 (ko) 전자 장치 및 그의 제어 방법

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: 21869601

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: 21869601

Country of ref document: EP

Kind code of ref document: A1