WO2022177264A1 - 전자 장치 및 전자 장치의 음성 인식 처리 방법 - Google Patents

전자 장치 및 전자 장치의 음성 인식 처리 방법 Download PDF

Info

Publication number
WO2022177264A1
WO2022177264A1 PCT/KR2022/002213 KR2022002213W WO2022177264A1 WO 2022177264 A1 WO2022177264 A1 WO 2022177264A1 KR 2022002213 W KR2022002213 W KR 2022002213W WO 2022177264 A1 WO2022177264 A1 WO 2022177264A1
Authority
WO
WIPO (PCT)
Prior art keywords
utterance
capsule
processing
response result
session
Prior art date
Application number
PCT/KR2022/002213
Other languages
English (en)
French (fr)
Inventor
손지수
김영빈
조정근
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to US17/677,149 priority Critical patent/US11756575B2/en
Publication of WO2022177264A1 publication Critical patent/WO2022177264A1/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
    • 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
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/221—Announcement of recognition results

Definitions

  • Embodiments of the present disclosure provide an electronic device capable of receiving a voice input according to a user's utterance and executing a function corresponding to a user command generated by the voice input, and a voice recognition processing method of the electronic device. .
  • PDA personal digital assistant
  • smart phone smart phone
  • tablet PC personal computer
  • AI artificial intelligence speaker
  • wearable device wearable device
  • digital camera Various types of electronic devices, such as digital cameras), and/or Internet of things (IoT) devices, are widely used.
  • IoT Internet of things
  • the electronic device may implement various functions in addition to the call function, and provides various input interfaces to allow users to use various functions.
  • an input interface of an electronic device provides a voice input method in addition to a button input method or a touch screen-based touch input method.
  • the electronic device may use a voice recognition or speech recognition technology to control the execution of an application through a user's voice command or perform a function using a web-based service.
  • the speech recognition technology may be a technology for understanding a voice uttered by a user (eg, a person) and converting it into code information that can be handled by the electronic device.
  • the speech recognition technology may include a processing operation of inputting a speech waveform to identify a word or a sequence of words and extracting a meaning.
  • commands with simple computational processing are processed by the electronic device, and commands that cannot be processed by the electronic device (for example, a client) (for example, commands with complex computational processing and requiring a lot of resources) are A method of processing using a server (eg, an intelligent server) is proposed.
  • the electronic device may acquire a user command (eg, an input voice) and transmit the acquired user command to the server to be processed by the server.
  • the electronic device may process a user's utterance through an intelligent service (eg, an AI voice assistant) (or an artificial intelligence assistant or an intelligent personal assistant service), and a session between the electronic device and the server (eg: A continuous service may be provided by processing follow-up utterances while the connection or maintenance time for the service is maintained. For example, while the session between the electronic device and the server is maintained, the subsequent utterance is continuously processed (eg, continuous utterance processing) based on the capsule (or domain) that processed the previous utterance to respond A response may be provided to the user.
  • an intelligent service eg, an AI voice assistant
  • an artificial intelligence assistant or an intelligent personal assistant service eg: A continuous service may be provided by processing follow-up utterances while the connection or maintenance time for the service is maintained.
  • the subsequent utterance is continuously processed (eg, continuous utterance processing) based on the capsule (or domain) that processed the previous utterance to respond A response may be provided to the user.
  • continuous utterance can be supported only when a session between the electronic device and the server is maintained.
  • continuous utterances are not supported for utterances after the session with respect to the previous utterances are terminated, and are recognized and processed as new initial utterances (eg, root utterances) of a new session.
  • the support range of continuous speech may be extended to after the end of the session so that the speech after the end of the session can be processed as the continuous speech.
  • an intelligent service eg, AI voice assistant
  • a session related to the first utterance is terminated, and a second utterance input after the end of the session is processed as a continuous utterance subsequent to the first utterance Disclosed is a method and apparatus capable of doing so.
  • the server when the server fails to process the second utterance input after the session related to the first utterance is ended, or the server processes the capsule (or for the second utterance input after the session ends) domain) is different from the capsule (or domain) processed for the previous first utterance, by processing the second utterance based on the capsule that processed the first utterance, thereby causing the second utterance to follow the first utterance.
  • Disclosed is a method and an apparatus capable of treating the continuous ignition.
  • a response to a utterance input later when a response to a utterance input later is provided in a state where the session is ended, a first response result according to the continuous utterance processing, or a second response result according to the root utterance processing together with the first response result for the utterance 2
  • a method and an apparatus capable of selectively providing a response result.
  • An apparatus for supporting a speech recognition service includes a memory and a speech recognition device operatively connected to the memory (or circuitry, or a processor), The recognition device receives the first utterance, processes the first utterance to start a session to generate a first response result, and receives the second utterance after the session related to the first utterance ends and processing the second utterance to generate a second response result, determining whether to execute continuous utterance processing for the second utterance based on the second response result, and executing the continuous utterance processing reprocess the second utterance based at least in part on a first response result related to the first utterance to produce a third response result, and output the third response result, based on determining that can do.
  • An electronic device includes a communication circuit, a display, a microphone, a memory, and at least one processor, wherein the at least one processor receives a first utterance through the microphone and performs a session processing the first utterance to initiate a first response result, and after the session related to the first utterance ends, receiving a second utterance through the microphone, and generating a second response result; to process the second utterance, determine whether to execute continuous utterance processing for the second utterance based on a result of the second response, and determine whether to execute the continuous utterance processing, a third reprocess the second utterance based at least in part on a first response result related to the first utterance to generate a response result, and output a third response result.
  • An operating method of an electronic device includes receiving a first utterance through a microphone, and generating a first response result by processing the first utterance through at least one processor to start a session operations, after the session related to the first utterance ends, receiving a second utterance through the microphone, processing the second utterance to generate a second response result, the second response result determining whether to execute the continuous utterance processing for the second utterance based on
  • the method may include reprocessing the second utterance based at least in part on a first response result, and outputting a third response result through an output circuit.
  • a computer-readable recording medium recording a program for executing the method in a processor may be included.
  • the session related to the first utterance is terminated, and the second utterance input after the end of the session is performed. It can be processed as a continuous utterance subsequent to the first utterance.
  • an intelligent service eg, AI voice assistant
  • the support range of continuous speech is extended to after the end of the session, thereby improving user convenience, accessibility, and/or service use satisfaction can do.
  • a first response result according to continuous utterance processing is provided for the corresponding utterance, or a root utterance is provided together with the first response result.
  • a second response result according to the processing may be provided, thereby improving user convenience, accessibility, and/or service use satisfaction.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments of the present disclosure
  • FIG. 2 is a block diagram illustrating an integrated intelligence system according to various embodiments of the present disclosure
  • FIG. 3 is a diagram illustrating a form in which relation information between a concept and an action is stored in a database according to various embodiments of the present disclosure
  • FIG. 4 is a diagram illustrating an example of a user interface through which an electronic device processes a voice input received through an intelligent application according to various embodiments of the present disclosure
  • FIG. 5 is a diagram schematically illustrating a configuration of an electronic device according to an exemplary embodiment.
  • FIG. 6 is a diagram for describing an example of an operation of processing continuous utterance between an electronic device and a server according to an exemplary embodiment.
  • FIG. 7 is a diagram for describing an example of an operation of processing continuous utterance between an electronic device and a server according to an exemplary embodiment.
  • FIG. 8 is a flowchart illustrating a method of operating an electronic device according to an exemplary embodiment.
  • FIG. 9 is a flowchart illustrating a method of operating an electronic device according to an exemplary embodiment.
  • FIG. 10 is a flowchart illustrating a method of operating an electronic device according to an exemplary embodiment.
  • FIG. 11 is a flowchart illustrating a method of operating an electronic device according to an exemplary embodiment.
  • FIG. 12 is a flowchart illustrating a method of operating an electronic device or a server according to an exemplary embodiment.
  • FIG. 13 is a diagram illustrating an example of providing a result of continuous utterance processing in an electronic device according to an exemplary embodiment.
  • 14A and 14B are diagrams for explaining an example of a result screen that is provided by processing a utterance after a session ends as a continuous utterance in an electronic device according to an exemplary embodiment
  • 15 is a diagram for explaining an example of a result screen that is provided by processing a utterance after a session ends as a continuous utterance in the electronic device according to an exemplary embodiment
  • 16A and 16B are diagrams for explaining an example of a result screen that is provided by processing utterances after the end of a session as continuous utterances by a designated capsule in the electronic device, according to an exemplary embodiment
  • 17A and 17B are diagrams for explaining an example of a result screen that is provided by processing utterances after the end of a session as continuous utterances by a designated capsule in the electronic device according to an exemplary embodiment
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100 according to various embodiments of the present disclosure.
  • the electronic device 101 communicates with the electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or a second network 199 . It may communicate with at least one of the electronic device 104 and the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • the electronic device 101 includes a processor 120 , a memory 130 , an input module 150 , a sound output module 155 , a display module 160 , an audio module 170 , and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or an antenna module 197 .
  • at least one of these components eg, the connection terminal 178
  • some of these components are integrated into one component (eg, display module 160 ). can be
  • the processor 120 for example, executes software (eg, a program 140) to execute at least one other component (eg, a hardware or software component) of the electronic device 101 connected to the processor 120. It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 . may be stored in , process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • software eg, a program 140
  • the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 .
  • the volatile memory 132 may be stored in , process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • the processor 120 is a main processor 121 (eg, a central processing unit (CPU) or an application processor (AP)) or an auxiliary processor capable of operating independently or together with it ( 123) (eg, graphic processing unit (GPU), neural processing unit (NPU), image signal processor (ISP), sensor hub processor, or communication processor (CP, communication processor)) may be included.
  • main processor 121 eg, a central processing unit (CPU) or an application processor (AP)
  • auxiliary processor capable of operating independently or together with it eg, graphic processing unit (GPU), neural processing unit (NPU), image signal processor (ISP), sensor hub processor, or communication processor (CP, communication processor)
  • the electronic device 101 includes the main processor 121 and the sub-processor 123
  • the sub-processor 123 uses less power than the main processor 121 or is set to be specialized for a specified function.
  • the auxiliary processor 123 may be implemented separately from or as a part of the main processor 121 .
  • the auxiliary processor 123 is, for example, on behalf of the main processor 121 or the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state. At least one of the components of the electronic device 101 (eg, the display module 160 , the sensor module 176 , or At least some of functions or states related to the communication module 190 may be controlled.
  • the coprocessor 123 eg, an image signal processor or a communication processor
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model. Artificial intelligence models can be created through machine learning.
  • Such learning may be performed, for example, in the electronic device 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (eg, the server 108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but in the above example not limited
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the above example.
  • the artificial intelligence model may include, in addition to, or alternatively, a software structure in addition to the hardware structure.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176 ) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto.
  • the memory 130 may include a volatile memory 132 or a non-volatile memory 134 .
  • the program 140 may be stored as software in the memory 130 , and may include, for example, an operating system (OS) 142 , middleware 144 or an application 146 . have.
  • OS operating system
  • middleware middleware
  • application application
  • the input module 150 may receive a command or data to be used by a component (eg, the processor 120 ) of the electronic device 101 from the outside (eg, a user) of the electronic device 101 .
  • the input module 150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 155 may output a sound signal to the outside of the electronic device 101 .
  • the sound output module 155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from or as part of the speaker.
  • the display module 160 may visually provide information to the outside (eg, a user) of the electronic device 101 .
  • the display module 160 may include, for example, a control circuit for controlling a display, a hologram device, or a projector and a corresponding device.
  • the display module 160 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the audio module 170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 170 acquires a sound through the input module 150 or an external electronic device (eg, a sound output module 155 ) directly or wirelessly connected to the electronic device 101 .
  • the electronic device 102) eg, a speaker or headphones
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, a user state), and generates an electrical signal or data value corresponding to the sensed state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the interface 177 may support one or more specified protocols that may be used by the electronic device 101 to directly or wirelessly connect with an external electronic device (eg, the electronic device 102 ).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, a secure digital (SD) card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD secure digital
  • the connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102 ).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 may capture still images and moving images. According to an embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). It can support establishment and communication performance through the established communication channel.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : It may include a local area network (LAN) communication module, or a power line communication module).
  • a wireless communication module 192 eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 eg, : It may include a local area network (LAN) communication module, or a power line communication module.
  • a corresponding communication module among these communication modules is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a wide area network (WAN)).
  • a first network 198 eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network 199 eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a wide area network (WAN)).
  • the wireless communication module 192 uses subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199 .
  • subscriber information eg, International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the electronic device 101 may be identified or authenticated.
  • the wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR).
  • NR access technology includes high-speed transmission of high-capacity data (eMBB, enhanced mobile broadband), minimization of terminal power and massive machine type communications (mMTC), or high reliability and low latency (URLLC, ultra-reliable and low-latency). communications) can be supported.
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • the wireless communication module 192 uses various techniques for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing.
  • MIMO massive multiple-input and multiple-output
  • the wireless communication module 192 may support various requirements defined in the electronic device 101 , an external electronic device (eg, the electronic device 104 ), or a network system (eg, the second network 199 ).
  • the wireless communication module 192 may include a peak data rate (eg, 20 Gbps or more) for realizing eMBB, loss coverage (eg, 164 dB or less) for realizing mMTC, or U-plane latency for realizing URLLC ( Example: Downlink (DL) and uplink (UL) each 0.5 ms or less, or round trip 1 ms or less) can be supported.
  • a peak data rate eg, 20 Gbps or more
  • loss coverage eg, 164 dB or less
  • U-plane latency for realizing URLLC
  • the antenna module 197 may transmit or receive a signal or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a conductor formed on a substrate (eg, a PCB) or a radiator formed of a conductive pattern.
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected from the plurality of antennas by, for example, the communication module 190 . can be selected. A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC)
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module comprises a printed circuit board, an RFIC disposed on or adjacent to a first side (eg, bottom side) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, an array antenna) disposed on or adjacent to a second side (eg, top or side) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the command or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or part of the operations performed by the electronic device 101 may be executed by one or more external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 may perform the function or service itself instead of executing the function or service itself.
  • one or more external electronic devices may be requested to perform at least a part of the function or the service.
  • One or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit a result of the execution to the electronic device 101 .
  • the electronic device 101 may process the result as it is or additionally and provide it as at least a part of a response to the request.
  • cloud computing, distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of things (IoT) device.
  • the server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or the server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to an intelligent service (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • the electronic device may have various types of devices.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a smart bracelet
  • a home appliance device e.g., a home appliance
  • first”, “second”, or “first” or “second” may simply be used to distinguish the component from other such components, and refer to those components in other aspects (e.g., importance or order) is not limited. It is said that one (eg, first) component is “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively”. When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logic block, component, or circuit.
  • a module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document include one or more instructions stored in a storage medium (eg, internal memory 136 or external memory 138) readable by a machine (eg, electronic device 101).
  • a storage medium eg, internal memory 136 or external memory 138
  • the processor eg, the processor 120
  • the device eg, the electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain a signal (eg, electromagnetic wave), and this term is used in cases where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
  • a signal eg, electromagnetic wave
  • the method according to various embodiments disclosed in this document may be provided in a computer program product (computer program product).
  • 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 (eg downloaded or uploaded) directly or online between smartphones (eg: smartphones).
  • a portion of the computer program product may be temporarily stored or temporarily generated in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or a memory of a relay server.
  • each component eg, a module or a program of the above-described components may include a singular or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. have.
  • one or more components or operations among the above-described corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg, a module or a program
  • the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component are executed sequentially, in parallel, repetitively, or heuristically, or one or more of the operations are executed in a different order. , may be omitted, or one or more other operations may be added.
  • FIG. 2 is a block diagram illustrating an integrated intelligence system according to an embodiment.
  • the integrated intelligent system 200 may include an electronic device 101 , an intelligent server 201 , and/or a service server 300 .
  • the electronic device 101 of an embodiment may be a terminal device (or electronic device) connectable to the Internet, for example, a mobile phone, a smart phone, a personal digital assistant (PDA), a notebook computer, a TV, a white home appliance, It may be a wearable device, a head mounted display (HMD), or a smart speaker.
  • a terminal device or electronic device connectable to the Internet
  • PDA personal digital assistant
  • HMD head mounted display
  • the electronic device 101 includes a communication module 190 (eg, the wireless communication module 192 of FIG. 1 ), a microphone 151 (eg, the input module 150 of FIG. 1 ), and a speaker. It may include a 155 (eg, the sound output module 155 of FIG. 1 ), a display module 160 , a memory 130 , or a processor 120 .
  • the components listed above may be operatively or electrically connected to each other.
  • the communication module 190 may be configured to transmit/receive data by being connected to an external device.
  • the microphone 151 may receive a sound (eg, a user's utterance) and convert it into an electrical signal.
  • the speaker 155 may output an electrical signal as a sound (eg, voice).
  • the display module 160 of an embodiment may be configured to display an image or a video.
  • the display module 160 according to an embodiment may display a graphic user interface (GUI) of an executed application (or an application program).
  • GUI graphic user interface
  • the memory 130 may store a client module 137 , a software development kit (SDK) 135 , and a plurality of apps 133 .
  • the client module 137 and the SDK 135 may constitute a framework (or a solution program) for performing general functions.
  • the client module 137 or the SDK 135 may configure a framework for processing a voice input.
  • the plurality of apps 133 stored in the memory 130 may be a program for performing a specified function.
  • the plurality of apps 133 may include a first app 130_1 and a second app 130_2.
  • each of the plurality of apps 133 may include a plurality of operations for performing a specified function.
  • the plurality of apps 133 may include an alarm app, a message app, and/or a schedule app.
  • the plurality of apps 133 may be executed by the processor 120 to sequentially execute at least some of the plurality of operations.
  • the processor 120 may control the overall operation of the electronic device 101 .
  • the processor 120 may be operatively or electrically connected to the communication module 190 , the microphone 151 , the speaker 155 , and the display module 160 to perform a specified operation.
  • the processor 120 may execute a program stored in the memory 130 to perform a designated function.
  • the processor 120 may execute at least one of the client module 137 and the SDK 135 to perform the following operations for processing a voice input.
  • the processor 120 may control the operation of the plurality of apps 133 through, for example, the SDK 135 .
  • the following operations described as operations of the client module 137 or the SDK 135 may be operations by the execution of the processor 120 .
  • the client module 137 may receive a voice input.
  • the client module 137 may receive a voice signal corresponding to the user's utterance sensed through the microphone 151 .
  • the client module 137 may transmit the received voice input to the intelligent server 201 .
  • the client module 137 may transmit status information of the electronic device 101 to the intelligent server 201 together with the received voice input.
  • the state information may be, for example, execution state information of an app.
  • the client module 137 may receive a result corresponding to the received voice input from the intelligent server 201 .
  • the client module 137 can calculate a result corresponding to the voice input received from the intelligent server 201 , it can receive a result corresponding to the received voice input from the intelligent server 201 .
  • the client module 137 may display the result received from the intelligent server 201 through the display module 160 .
  • the client module 137 may receive a plan corresponding to the voice input received from the intelligent server 201 .
  • the client module 137 may display a result of executing a plurality of operations of at least one app according to a plan on the display module 160 .
  • the client module 137 may, for example, sequentially display execution results of a plurality of operations on the display module 160 .
  • the client module 137 may display only a partial result of executing a plurality of operations (eg, a result of the last operation) on the display module 160 .
  • the client module 137 may receive a request from the intelligent server 201 to obtain information necessary for calculating a result corresponding to a voice input. According to an embodiment, the client module 137 may transmit the necessary information to the intelligent server 201 in response to the request.
  • the client module 137 of an embodiment may transmit result information of executing a plurality of operations according to the plan to the intelligent server 201 .
  • the intelligent server 201 may confirm that the received voice input has been correctly processed using the result information.
  • the client module 137 may include a voice recognition module. According to an embodiment, the client module 137 may recognize a voice input to perform a limited function through the voice recognition module. For example, the client module 137 may execute an intelligent app for processing a voice input through a specified input (eg, wake up!).
  • a voice recognition module may recognize a voice input to perform a limited function through the voice recognition module. For example, the client module 137 may execute an intelligent app for processing a voice input through a specified input (eg, wake up!).
  • the intelligent server 201 may receive information related to a user's voice input from the electronic device 101 through a communication network. According to an embodiment, the intelligent server 201 may change data related to the received voice input into text data. According to an embodiment, the intelligent server 201 may generate a plan for performing a task corresponding to a user's voice input based on text data.
  • the plan may be generated by an artificial intelligent (AI) system.
  • the artificial intelligence system may be a rule-based system, or a neural network-based system (eg, a feedforward neural network (FNN), a recurrent neural network (RNN)). ) may be Alternatively, the artificial intelligence system may be a combination of the above or other artificial intelligence systems.
  • the plan may be selected from a set of predefined plans, or may be generated in real time in response to a user request. For example, the artificial intelligence system may select at least one plan from among a plurality of predefined plans.
  • the intelligent server 201 may transmit a result according to the generated plan to the electronic device 101 or transmit the generated plan to the electronic device 101 .
  • the electronic device 101 may display a result according to the plan on the display module 160 .
  • the electronic device 101 may display the result of executing the operation according to the plan on the display module 160 .
  • the intelligent server 201 of an embodiment includes a front end 210, a natural language platform 220, a capsule DB 230, an execution engine 240, may include an end user interface 250 , a management platform 260 , a big data platform 270 , and/or an analytics platform 280 . have.
  • the front end 210 may receive a voice input from the electronic device 101 .
  • the front end 210 may transmit a response corresponding to the voice input to the electronic device 101 .
  • the natural language platform 220 includes an automatic speech recognition (ASR) module 221 , a natural language understanding (NLU) module 223 , and a planner module. ) 225 , a natural language generator (NLG) module 227 , and/or a text to speech (TTS) module 229 .
  • ASR automatic speech recognition
  • NLU natural language understanding
  • TTS text to speech
  • the automatic voice recognition module 221 may convert a voice input received from the electronic device 101 into text data.
  • the natural language understanding module 223 may recognize the user's intention by using text data of the voice input. For example, the natural language understanding module 223 may determine the user's intention by performing syntactic analysis and/or semantic analysis.
  • the natural language understanding module 223 recognizes the meaning of a word extracted from a voice input using a linguistic feature (eg, a grammatical element) of a morpheme or phrase, and matches the meaning of the identified word to the intention of the user. can be decided
  • the planner module 225 may generate a plan using the intent and parameters determined by the natural language understanding module 223 .
  • the planner module 225 may determine a plurality of domains required to perform the task based on the determined intention.
  • the planner module 225 may determine a plurality of operations included in each of the plurality of domains determined based on the intention.
  • the planner module 225 may determine a parameter required to execute the determined plurality of operations or a result value output by the execution of the plurality of operations. Parameters and result values can be defined in the concept of a specified type (or class).
  • the plan may include a plurality of actions and a plurality of concepts determined by the user's intention.
  • the planner module 225 may determine the relationship between the plurality of operations and the plurality of concepts in stages (or hierarchically). For example, the planner module 225 may determine the execution order of the plurality of operations determined based on the user's intention based on the plurality of concepts. In other words, the planner module 225 may determine the execution order of the plurality of operations based on parameters necessary for the execution of the plurality of operations and results output by the execution of the plurality of operations. Accordingly, the planner module 225 may generate a plan including related information (eg, ontology) between a plurality of operations and a plurality of concepts. The planner module 225 may generate a plan by using information stored in the capsule database 230 in which a set of relationships between concepts and operations is stored.
  • related information eg, ontology
  • the natural language generation module 227 may change the specified information into text form.
  • the information changed to the text form may be in the form of natural language utterance.
  • the text-to-speech conversion module 229 may change information in a text format into information in a voice format.
  • some or all of the functions of the natural language platform 220 may also be implemented in the electronic device 101 .
  • the capsule database 230 may store information on a relationship between a plurality of concepts and operations corresponding to a plurality of domains.
  • a capsule may include a plurality of action objects (or action information) and a concept object (or concept information) included in the plan.
  • the capsule database 230 may store a plurality of capsules in the form of a concept action network (CAN).
  • the plurality of capsules may be stored in a function registry included in the capsule database 230 .
  • the capsule database 230 may include a strategy registry in which strategy information necessary for determining a plan corresponding to a voice input is stored.
  • the strategy information may include reference information for determining one plan when there are a plurality of plans corresponding to the voice input.
  • the capsule database 230 may include a follow up registry in which information of a subsequent operation for suggesting a subsequent operation to the user in a specified situation is stored.
  • the subsequent operation may include, for example, a subsequent utterance.
  • the capsule database 230 may include a layout registry that stores layout information of information output through the electronic device 101 .
  • the capsule database 230 may include a vocabulary registry in which vocabulary information included in a capsule identifier (capsule ID) is stored.
  • the capsule database 230 may include a dialog registry (dialog registry) in which information about a dialog (or interaction) with a user is stored.
  • the capsule database 230 may update the stored object through a developer tool.
  • the developer tool may include, for example, a function editor for updating an action object or a concept object.
  • the developer tool may include a vocabulary editor for updating the vocabulary.
  • the developer tool may include a strategy editor for creating and registering strategies for determining plans.
  • the developer tool may include a dialog editor that creates a conversation with the user.
  • the developer tool can include a follow up editor that can edit subsequent utterances that activate follow-up goals and provide hints.
  • the subsequent goal may be determined based on a currently set goal, a user's preference, or an environmental condition.
  • the capsule database 230 may be implemented in the electronic device 101 as well.
  • the execution engine 240 of an embodiment may calculate a result using the generated plan.
  • the end user interface 250 may transmit the calculated result to the electronic device 101 . Accordingly, the electronic device 101 may receive the result and provide the received result to the user.
  • the management platform 260 may manage information used in the intelligent server 201 .
  • the big data platform 270 according to an embodiment may collect user data.
  • the analysis platform 280 of an embodiment may manage the quality of service (QoS) of the intelligent server 201 .
  • the analytics platform 280 may manage the components and processing speed (or efficiency) of the intelligent server 201 .
  • the service server 300 may provide a specified service (eg, food order or hotel reservation) to the electronic device 101 .
  • the service server 300 may be a server operated by a third party.
  • the service server 300 may provide information for generating a plan corresponding to the received voice input to the intelligent server 201 .
  • the provided information may be stored in the capsule database 230 .
  • the service server 300 may provide result information according to the plan to the intelligent server 201 .
  • the electronic device 101 may provide various intelligent services to the user in response to a user input.
  • the user input may include, for example, an input through a physical button, a touch input, or a voice input.
  • the electronic device 101 may provide a voice recognition service through an intelligent app (or a voice recognition app) stored therein.
  • the electronic device 101 recognizes a user utterance or a voice input received through the microphone 151 and provides a service corresponding to the recognized voice input to the user.
  • the electronic device 101 may perform a specified operation alone or together with the intelligent server 201 and/or the service server 300 based on the received voice input. For example, the electronic device 101 may execute an app corresponding to the received voice input and perform a specified operation through the executed app.
  • the electronic device 101 when the electronic device 101 provides a service together with the intelligent server 201 and/or the service server 300 , the electronic device 101 detects a user's utterance using the microphone 151 . and a signal (or voice data) corresponding to the sensed user's utterance may be generated. The electronic device 101 may transmit the voice data to the intelligent server 201 using the communication module 190 .
  • the intelligent server 201 In response to the voice input received from the electronic device 101 , the intelligent server 201 according to an exemplary embodiment performs a plan for performing a task corresponding to the voice input, or performs an operation according to the plan. results can be generated.
  • the plan may include, for example, a plurality of actions for performing a task corresponding to a user's voice input, and a plurality of concepts related to the plurality of actions.
  • the concept may define parameters input to the execution of the plurality of operations or result values output by the execution of the plurality of operations.
  • the plan may include a plurality of actions and association information between a plurality of concepts.
  • the electronic device 101 may receive the response using the communication module 190 .
  • the electronic device 101 outputs a voice signal generated inside the electronic device 101 to the outside using the speaker 155 or an image generated inside the electronic device 101 using the display module 160 to the outside. can be output as
  • FIG. 2 an example in which speech recognition of a speech input received by the electronic device 101, natural language understanding and generation, and calculation of a result using a plan are performed on the intelligent server 201 has been described, but various embodiments of the present document are not limited thereto.
  • the intelligent server 201 eg, natural language platform 220, execution engine 240, capsule database 230
  • the intelligent server 201 are embedded in the electronic device 101, so that the operation of the electronic device ( 101) can also be performed.
  • FIG. 3 is a diagram illustrating a form in which relation information between a concept and an operation is stored in a database, according to various embodiments of the present disclosure
  • the capsule database 230 of the intelligent server 201 may store the capsule in the form of a concept action network (CAN).
  • the capsule database 230 may store an operation for processing a task corresponding to a user's voice input and parameters necessary for the operation in a CAN format.
  • the capsule database 230 may store a plurality of capsules (eg, capsule A 401 and capsule B 404 ) corresponding to each of a plurality of domains (eg, applications).
  • one capsule eg, capsule A 401
  • one domain eg, location (geo), application.
  • at least one service provider eg, CP 1 402 or CP 2 403
  • one capsule may include at least one operation 410 and at least one concept 420 for performing a specified function.
  • the natural language platform 220 may generate a plan for performing a task corresponding to the received voice input by using the capsule stored in the capsule database 230 .
  • the planner module 225 of the natural language platform 220 may generate a plan using capsules stored in the capsule database 230 .
  • create plan 407 can do.
  • FIG. 4 is a diagram illustrating an example of a user interface through which an electronic device processes a voice input received through an intelligent application according to various embodiments of the present disclosure
  • the electronic device 101 may execute an intelligent app to process a user command (eg, voice input) through the intelligent server 201 .
  • a user command eg, voice input
  • the electronic device 101 when the electronic device 101 recognizes a specified voice input (eg, wake up!) or receives an input through a hardware key (eg, a dedicated hardware key), It can run intelligent apps to process voice input.
  • the electronic device 101 may, for example, run the intelligent app in a state in which the schedule app is running.
  • the electronic device 101 may display an object 451 (eg, an icon) corresponding to the intelligent app on the display module 160 .
  • the electronic device 101 may receive a voice input by a user's utterance.
  • the electronic device 101 may receive a voice input saying "Tell me about this week's schedule!
  • the electronic device 101 may display a user interface (UI) 313 (eg, an input window) of an intelligent app on which text data of the received voice input is displayed on the display module 160 .
  • UI user interface
  • the electronic device 101 may display a result corresponding to the received voice input on the display module 160 .
  • the electronic device 101 may receive a plan corresponding to a received user command (eg, a received voice input), and may display 'this week's schedule' on the display module 160 according to the plan.
  • FIG. 5 is a diagram schematically illustrating a configuration of an electronic device according to an exemplary embodiment.
  • the electronic device 101 may include a communication module 190 , a display module 160 , a processor 120 , a memory 130 , and a function processing module 500 . have.
  • the communication module 190 is a legacy network (eg, a 3G network and/or a 4G network), a 5G network, an out of band (OOB), and/or a next-generation communication technology (eg, a new radio (NR) technology). ) can be supported.
  • the communication module 190 may correspond to the wireless communication module 192 as illustrated in FIG. 1 .
  • the electronic device 101 uses the communication module 190 to communicate with an external device (eg, the server 108 of FIG. 1 , the intelligent server 201 of FIG. 2 , and/or the It may communicate with other electronic devices 102 and 104).
  • the electronic device 101 transmits a voice signal of a user's utterance input through a microphone (eg, the microphone 151 of FIG. 2 ) to the server through the communication module 190 during intelligent service operation. and may receive a response result processed with respect to the voice signal of the user's utterance from the server.
  • a microphone eg, the microphone 151 of FIG. 2
  • the communication module 190 may receive a response result processed with respect to the voice signal of the user's utterance from the server.
  • the display module 160 may visually provide various information to the outside (eg, a user) of the electronic device 101 .
  • the display module 160 includes a touch sensing circuit (or a touch sensor) (not shown), a pressure sensor capable of measuring the intensity of a touch, and/or a touch panel (eg, a magnetic field type stylus) detecting a stylus pen. : digitizer).
  • the display module 160 is a signal (eg, voltage, light quantity, resistance, electromagnetic signal and / Alternatively, a touch input and/or a hovering input (or a proximity input) may be sensed by measuring a change in the amount of electric charge.
  • the display module 160 may include a liquid crystal display (LCD), an organic light emitted diode (OLED), and an active matrix organic light emitted diode (AMOLED). According to some embodiments, the display module 160 may be configured as a flexible display.
  • LCD liquid crystal display
  • OLED organic light emitted diode
  • AMOLED active matrix organic light emitted diode
  • the display module 160 may visually provide an execution screen related to performing an intelligent service and a response result processed to a user's utterance under the control of the processor 120 . According to an embodiment, the display module 160 may display various information (eg, a user interface) related to performing an intelligent service.
  • the memory 130 may correspond to the memory 130 as described in the description with reference to FIG. 1 .
  • the memory 130 may store various data used by the electronic device 101 .
  • the data may include, for example, input data or output data for an application (eg, the program 140 of FIG. 1 ) and a command related thereto.
  • the memory 130 may store instructions that cause the processor 120 to operate when executed.
  • the application may be stored as software (eg, the program 140 of FIG. 1 ) on the memory 130 , and may be executable by the processor 120 .
  • the application may be an application that can use an intelligent service (eg, AI voice assistant).
  • the memory 130 may include a function processing module 500 related to a function (or operation) of processing an intelligent service, which may be performed by the processor 120 .
  • the memory 130 may include at least one module of the function processing module 500 in the form of software.
  • a function of the function processing module 500 may be implemented and stored in the memory 130 in the form of an instruction.
  • the processor 120 may control an operation (or processing) related to processing an intelligent service (eg, an AI voice assistant) in the electronic device 101 .
  • an intelligent service eg, an AI voice assistant
  • the processor 120 may control an operation related to processing a utterance input after the end of the session as a continuous utterance.
  • the processor 120 may process the user's additional utterance after the end of the session related to the previous utterance as a continuous utterance related to (or subsequent to) the previous utterance. It is possible to control the operation related to extending the support scope of the session after the end of the session.
  • the processor 120 provides a response result to the user's first utterance input through a microphone (eg, the microphone 151 in FIG. 2 ), the session related to the first utterance ends,
  • the second utterance input after the end of the session may be processed as a continuous utterance following the first utterance.
  • the processor 120 is configured to, when the server fails to process the second utterance input after the session related to the first utterance is terminated, or to the server for the second utterance input after the session is terminated
  • the capsule (or domain) processed in is different from the capsule (or domain) processed for the previous first utterance
  • the second utterance may be treated as a continuous utterance subsequent to the first utterance.
  • the processor 120 when a response to an additional utterance of a user input later is provided in a state where the session is terminated, the processor 120 does not immediately provide a response result for the corresponding utterance, but determines whether the additional utterance is continuously uttered.
  • the display module 160 may be controlled to provide a single result or a double result according to the determined and determined continuous utterance type.
  • the processor 120 provides a first response result that is one result based on processing as a continuous utterance for an additional utterance, or provides two results based on processing as a root utterance for an additional utterance. The first response result and the second response result according to the route utterance process may be provided together.
  • the processor 120 provides a first response result related to the user's first utterance input through a microphone (eg, the microphone 151 of FIG. 2 ), and after providing the first response result , a session related to the first utterance may be terminated based on the specified condition.
  • the processor 120 acquires a voice signal according to the user's second utterance input through a microphone (eg, the microphone 151 of FIG. 2 ). In this case, a second response result related to processing of the second utterance may be obtained.
  • the processor 120 may determine whether to process the second utterance continuously based on the second response result. According to an embodiment, the processor 120 may perform an operation related to reprocessing of the second utterance by designating information related to the first utterance based on determining the continuous utterance processing. According to an embodiment, the processor 120 obtains a third response result related to the reprocessing of the second utterance, based on the performance of the operation related to the reprocessing of the second utterance, and performs continuous utterance with respect to the second utterance. You can provide one or two response results based on the attributes you process.
  • the processor 120 determines the third response result according to the continuous utterance processing of the second utterance, based on the attribute (eg, the first attribute or the second attribute) for processing the continuous utterance of the second utterance.
  • the second response result according to the root utterance processing of the second utterance and the third response result according to the continuous utterance processing of the second utterance may be provided.
  • the processor 120 may include a function processing module 500 for processing an intelligent service.
  • the processor 120 includes at least one module of the function processing module 500 , based on the at least one module, in response to the user's utterance, identifies whether to maintain the previous session, and When this is terminated, a function (or operation) related to processing the user's utterance as a continuous utterance in a new session and providing at least one response result according to the result may be processed.
  • the processor 120 may control various operations related to a normal function of the electronic device 101 in addition to the above functions. For example, the processor 120 may control its operation and screen display when a specified application is executed. As another example, the processor 120 may receive input signals corresponding to various touch events or proximity event inputs supported by a touch-based or proximity-based input interface, and control function operation accordingly.
  • the function processing module 500 is included in the processor 120 , for example as a hardware module (eg, circuitry), and/or a storage readable by the processor 120 . It may be implemented as software including one or more instructions stored in a storage medium (eg, the memory 130). For example, operations performed by the processor 120 may be stored in the memory 130 and executed by instructions that cause the processor 120 to operate when executed.
  • a function (or operation) of the function processing module 500 may be implemented and stored in the memory 130 in the form of an instruction (or command).
  • the function processing module 500 may be understood as, for example, a hardware module (eg, a circuit), but various embodiments are not limited thereto.
  • the function processing module 500 may include, in addition to, or alternatively to, a software structure in addition to a hardware structure.
  • the function processing module 500 is software (eg, FIG. 1 ) including one or more instructions stored in a storage medium (eg, the memory 130 ) readable by the processor 120 . of the program 140). According to an embodiment, the operations performed by the function processing module 500 may be stored in the memory 130 and, when executed, may be executed by instructions that cause the processor 120 to operate.
  • the function processing module 500 includes an audio recording module 510 , a session management module 520 , a request management module 530 , a continuous follow-up utterances decision module 540 (or follow-up decision module), history management module 550 (or capsule history module) , a result management module 560 (or a result handler), and a user interface (UI) processing module (UI processing module) 570 .
  • an audio recording module 510 includes an audio recording module 510 , a session management module 520 , a request management module 530 , a continuous follow-up utterances decision module 540 (or follow-up decision module), history management module 550 (or capsule history module) , a result management module 560 (or a result handler), and a user interface (UI) processing module (UI processing module) 570 .
  • UI user interface
  • the audio recognition module 510 may represent an embedded automatic speech recognition (eASR) module. According to an embodiment, the audio recognition module 510 converts a voice input received through a microphone of the electronic device 101 (eg, the microphone 151 of FIG. 2 ) into text data according to a user's utterance, and converts the converted Text data may be transmitted to the request management module 530 .
  • eASR embedded automatic speech recognition
  • the session management module 520 is configured to manage a session for a user's utterance (eg, a connection or maintenance time between the electronic device 101 for a service and a server) based on a specified session management policy.
  • a session management policy may be defined differently for each electronic device 101 , and may be defined in various ways even within the electronic device 101 according to the operation mode (or operation application) of the voice assistant.
  • the session management policy may include an input (eg, an input for moving to a home screen or an input for terminating a voice assistant) for the user to explicitly end the session.
  • the session management module 520 may provide session information for each connected session, and set and provide different session information for each session change.
  • the request management module 530 may indicate a module that requests processing (eg, user speech processing) on text data (eg, audio stream) transmitted from the audio recognition module 510 to the server. have.
  • the request management module 530 transmits text data (eg, an audio stream according to the Nth utterance, N) transmitted from the audio recognition module 510 while the session is maintained through the session management module 520 . is a natural number) may be transmitted to the server through the communication module 190 , and may request utterance processing (eg, voice recognition and response result) for text data.
  • the request management module 530 may transmit session information (eg, Request ID) managed by the session management module 520 together.
  • session information eg, Request ID
  • a server eg, the intelligent server 201 of FIG. 2
  • the Capsules can be mapped to handle the current utterance (eg, to handle successive utterances within the same session).
  • the request management module 530 performs the same for text data (eg, an audio stream for each user utterance) transmitted from the audio recognition module 510 while the session is maintained by the session management module 520 .
  • Session information can be provided.
  • the request management module 530 is configured to transmit text data ( For example: for an audio stream for each user's utterance), session information of the current session that is different from the session information of the previous session may be provided.
  • the continuous utterance determining module 540 may represent a module for determining whether to process a user utterance as a continuous utterance or as a root utterance. According to an embodiment, the continuous utterance determination module 540 determines whether to process the current utterance as a continuous utterance continuous to the previous utterance from a response result (eg, an utterance processing result) to the current utterance, and processes the continuous utterance. Upon determination, a server (eg, the intelligent server 201 of FIG. 2 ) may be requested to process the current utterance as a continuous utterance.
  • a server eg, the intelligent server 201 of FIG. 2
  • the continuous utterance determination module 540 analyzes a response result (eg, a utterance processing result) to the user's utterance, and based on a condition suitable for each situation, the history management module 550, the result management module ( 560 ) or the UI processing module 570 may provide related data.
  • a response result eg, a utterance processing result
  • the continuous utterance determination module 540 is configured to process the second utterance of the current session as a continuous utterance and provide a third response result according to the continuous utterance processing determination based on the response result of the first situation. can work According to an embodiment, when the continuous utterance determination module 540 determines the continuous utterance processing based on the response result of the second situation, the second response result of processing the second utterance of the current session as the root utterance and the second utterance of the current session It may operate to provide a third response result obtained by processing the second utterance as a continuous utterance.
  • the continuous utterance determination module 540 is a method for determining whether a current utterance is a continuation of a previous utterance, including a capsule ID, a service ID, a device type, A conversation ID, a capsule name, a device locale, and/or a time zone may be compared. According to an embodiment, an operation of the continuous utterance determination module 540 will be described with reference to drawings to be described later.
  • the history management module 550 may represent a module that manages (eg, stores) the history (eg, session information and capsule identifier (eg, capsule ID)) of capsules processed for user utterances. have.
  • the history management module 550 may store and manage session information of a previous utterance and a capsule identifier of a capsule for processing the previous utterance.
  • the history management module 550 may include a user utterance, a capsule identifier (eg, a capsule ID) of a capsule in which the user utterance is processed, and a capsule identifier of a capsule selected by the user from among a plurality of capsules in which the user utterance is processed.
  • time information eg, an end time (eg, timestamp) of a previous session
  • time information eg, an end time (eg, timestamp) of a previous session
  • an operation of the history management module 550 will be described with reference to the drawings to be described later.
  • the result management module 560 may represent a module for managing results processed in the capsule (eg, response results for each user utterance). According to an embodiment, the result management module 560 may determine a response result first processed as a root utterance for an utterance in the current session and a continuous utterance for an utterance in the current session based on the operation of the continuation utterance determining module 540 . The second processed response result may be stored and managed.
  • the result management module 560 transmits one response result (eg, a response result according to continuous speech processing) to the UI processing module 570 based on the determination of the continuous speech determination module 540 or , or two response results (eg, a response result according to continuous utterance processing and a response result according to root utterance processing) may be transmitted to the UI processing module 570 .
  • one response result eg, a response result according to continuous speech processing
  • two response results eg, a response result according to continuous utterance processing and a response result according to root utterance processing
  • the UI processing module 570 may represent a module providing one or more results. According to an embodiment, the UI processing module 570 may provide one response result or two response results based on the operation of the continuous utterance processing module 540 . According to an embodiment, an operation of the UI processing module 570 will be described with reference to the drawings to be described later.
  • Various embodiments described in the present disclosure may be implemented in a recording medium readable by a computer or a similar device using software, hardware, or a combination thereof.
  • the operations described in various embodiments are ASICs (Application Specific Integrated Circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gates) arrays), processors, controllers, micro-controllers, microprocessors, and/or other electrical units for performing functions. have.
  • ASICs Application Specific Integrated Circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gates
  • the recording medium provides an operation of providing a result of a first response related to a user's first utterance input through a microphone (eg, the microphone 151 of FIG. 2 ), and terminating a session related to the first utterance.
  • a microphone eg, the microphone 151 of FIG. 2
  • an operation after terminating a session related to the first utterance, an operation of acquiring a voice signal according to the user's second utterance input through a microphone, an operation of acquiring a second response result related to processing of the second utterance; 2 determining whether continuous utterance processing is performed for the second utterance based on a result of the response; performing reprocessing of the second utterance by designating information related to the first utterance based on determining continuous utterance processing; recording a program for executing an operation of obtaining a third response result related to reprocessing of the second utterance, and an operation of providing one or two response results based on an attribute of processing successive utterances with respect to the second utterance It may include a computer-readable recording medium.
  • various embodiments may process the current utterance as a continuous utterance continuous to the previous utterance in a state where the session is ended.
  • the electronic device 101 fails to process the user's utterance input after the session is terminated with respect to the previous utterance (eg, the first situation or un-handled situation), or after the session is terminated
  • the capsule that has processed the input utterance is processed in a different capsule (eg, the second capsule) from the capsule that has processed the previous utterance (eg, the second situation or misunderstood situation)
  • the response result to the user's utterance is output immediately
  • the continuous utterance may be processed by requesting to perform the utterance processing once more based on the capsule (eg, the second capsule) in which the previous utterance has been processed.
  • a support range of a continuous utterance with respect to a user utterance may be supported to be extended after the end of the session.
  • the electronic device 101 analyzes an input of a utterance (eg, a first utterance) and the inputted first utterance, and the session ends (eg, in response to a timeout or a user's explicit input after a utterance-based response).
  • a utterance eg, a first utterance
  • the session ends (eg, in response to a timeout or a user's explicit input after a utterance-based response).
  • a utterance input later for example, a second utterance
  • Continuous utterances or root utterances can be processed.
  • the first situation is a case in which the utterance after the end of the session cannot be processed, for example, because the capsule mapping fails (or does not recognize) in the server for the utterance after the end of the session, "I understand well” It may include cases where a response result such as “I wouldn’t do it” occurs.
  • the second situation is a case in which the utterance after the end of the session is recognized as the root utterance and the utterance is processed in a capsule different from the previous capsule, for example, “What is the weather?” After the utterance, in a new session, “What about New York?”
  • a case in which the result of the utterance is not processed by the first capsule (eg, Capsule A, weather capsule) but by the second capsule (eg, Capsule B, clock capsule) to inform the time in New York may be included.
  • the electronic device 101 converts the second utterance into the first utterance by using the previously processed capsule identifier (or domain information). It may be processed as a continuous continuous utterance, and may provide a corresponding first response result.
  • the electronic device 101 performs the second utterance Manage (eg, store) the result of the first response performed in the corresponding capsule for the second utterance, process the second utterance as a continuous utterance continuous to the first utterance using the previously processed capsule identifier, and the corresponding second utterance
  • the electronic device 101 may provide the user with result information about the other two capsules (or domains), or determine a more suitable capsule and provide a corresponding response result.
  • the user may input the second utterance for the root utterance after the session for the first utterance is terminated.
  • the electronic device 101 provides both response results, such as a response result processed as a root utterance and a response result processed as a continuous utterance, in consideration of the user's intended root utterance, so that the user can selectively select the result can be obtained.
  • the electronic device 101 when the user inputs a utterance through the voice assistant, transmits an audio stream (or voice signal) according to the user's utterance to the server 600 ( Example: transmitted to the intelligent server 201 of FIG. 2 ), and the result processed by the server 600 is again transmitted from the electronic device 101 to a voice through a speaker (eg, the speaker 155 in FIG. 2 ) It may be output or displayed on the screen through the display module 160 .
  • an audio stream or voice signal
  • the server 600 Example: transmitted to the intelligent server 201 of FIG. 2
  • the result processed by the server 600 is again transmitted from the electronic device 101 to a voice through a speaker (eg, the speaker 155 in FIG. 2 ) It may be output or displayed on the screen through the display module 160 .
  • the server 600 may be classified in various ways according to roles.
  • the server 600 is an ASR module 620 (eg, the ASR module 221 of FIG. 2 ) that converts an audio stream into natural language text, an NLU module that finds and maps a capsule to process the natural language converted into text 630 (eg, the NLU module 223 of FIG. 2 ), a TTS module 640 that converts natural language text into a playable audio stream (eg, the TTS module 229 of FIG.
  • a capsule module 650 that stores a plurality of capsules in the form of a (concept action network) and stores information about a relationship between a plurality of concepts and actions corresponding to a plurality of domains (eg, the capsule database 230 of FIG. 2 ) ) can include various modules such as
  • the server 600 is not limited to the components shown in FIG. 6 or FIG. 7 , and may be implemented including, for example, various modules as illustrated in FIG. 2 .
  • a front end 610 (eg, the front end 210 of FIG. 2 ) may exist between the electronic device 101, the server 600, and each module of the server 600, Data may be exchanged between the electronic device 101 and the server and/or each module of the server 600 through the front end 610 .
  • the front end 610 may support management of a session connecting the electronic device 101 and the server 600 .
  • the front end 610 may instruct the electronic device 101 a module to be connected among a plurality of modules of the server 600 or inform which module to exchange data with between each module of the server 600 .
  • the front end 610 may be referred to as a capsule execution service (CES).
  • CES capsule execution service
  • FIG. 6 is a diagram for describing an example of an operation of processing continuous utterance between an electronic device and a server according to an exemplary embodiment.
  • the electronic device 101 responds to the utterance processing result (eg, response result) from the server 600 (eg, the intelligent server 201 of FIG. 2 ) for the current utterance, in a first situation (eg, : Un-handled situation) and the second situation (eg, misunderstood situation) can be distinguished to process continuous utterance.
  • a first situation eg, : Un-handled situation
  • the second situation eg, misunderstood situation
  • FIG. 6 may show an example of an operation performed by the electronic device 101 in a first situation.
  • the first situation is a case where the utterance after the end of the session cannot be processed, for example, a case where capsule mapping fails in the server 600 with respect to the utterance after the end of the session. .
  • the electronic device 101 converts a voice signal according to the user's utterance into an audio stream through the audio recognition module 510 in real time. may be transmitted to the request management module 530 .
  • the electronic device 101 may be in a state where a previous session has been terminated, and in operation 601 , new session information (eg, conversation ID, request ID) for a user utterance is provided. By creating it, you can start a new session.
  • new session information eg, conversation ID, request ID
  • the electronic device 101 may transmit an audio stream according to the user's utterance to the server 600 at substantially the same time as requesting the server 600 to start a new session through the request management module 530 .
  • the audio stream according to the user's utterance may be transmitted to the ASR module 620 through the front end 610 of the server 600 and converted into NL text.
  • the NLU module 630 of the server 600 may find and map a capsule capable of processing the NL text converted through the ASR module 620 .
  • FIG. 6 an example of processing the NL text in the un-handled capsule 653 may be illustrated because the capsule mapping for processing the NL text fails in the NLU module 630 .
  • the NLU module 630 maps the previous capsule (eg, Capsule A 651 ).
  • the utterance may be treated as if it were a root utterance, causing a recognition failure (eg, capsule mapping failure) for the corresponding utterance, resulting in a situation in which the utterance cannot be processed. .
  • a recognition failure eg, capsule mapping failure
  • the server 600 treats the NL text as a recognition failure through the raw capsule 653 , and in operation 609 , the response result to the non-processing (eg, “I did not understand well”) result) may be transmitted to the electronic device 101 .
  • the response result to the non-processing eg, “I did not understand well”
  • the continuous utterance determination module 540 of the electronic device 101 performs the history management module 550 .
  • the capsule ID eg, Capsule A (651)
  • the electronic device 101 may process an operation for continuous utterance processing without immediately providing a response result.
  • the continuous utterance determination module 540 specifies and delivers a capsule ID (eg, Capsule A 651 ) associated with a previous utterance obtained from the history management module 550 , and the corresponding capsule Based on the ID capsule, it is possible to request reprocessing of the NL text of the current utterance that has failed to be recognized.
  • the electronic device 101 may specify a capsule ID to the server 600 to designate a capsule to process the NL text, and the server 600 may be configured based on the specified capsule (eg, Capsule A 651). to process NL text.
  • the NLU module 630 requests processing of the NL text of the current utterance with a capsule (eg, Capsule A 651 ) corresponding to the capsule ID specified by the electronic device 101 , and , the processing result can be delivered.
  • the server 600 may process a current utterance as a continuous utterance of a previous utterance based on the capsule designated by the electronic device 101 .
  • the NLU module 630 transmits the response result processed in the designated capsule (eg, Capsule A 651 ) for the NL text to the continuous utterance determination module 540 of the electronic device 101 . can provide
  • the continuous utterance determination module 540 may receive a response result from the server 600 , and transmit the response result to the UI processing module 570 in operation 619 .
  • the UI processing module 570 may output a response result according to a specified output method, and in operation 621 , information on response result processing (eg, processing completion information) is provided to the history management module 550 . can be forwarded to
  • the history management module 550 may manage information related to continuous utterance processing of a user's utterance based on processing completion information of the UI processing module 570 .
  • the history management module 550 is configured to include a user utterance, a capsule identifier (eg, capsule ID) of a capsule (eg, Capsule A 651 ) in which the user utterance is processed, and/or a time at which the user utterance is processed. You can store (or update) and manage information (eg the end time of a previous session (eg timestamp)).
  • the previous utterance in the previous session is based on the processed capsule
  • the user's utterance is reprocessed, so that the utterance of the new session can be processed as a continuous utterance that is continuous to the utterance of the previous session. For example, after the user makes a first utterance of “tell me about the weather today” in the first session, and the first session ends according to a specified condition, in the second session, the user makes a second utterance “How about New York?” You can input utterances.
  • the unprocessed capsule 653 may process the second utterance to return a response result.
  • the response result processed by the unprocessed capsule 653 is not separately stored, and the second utterance is performed through the weather capsule (eg, weather news), which is the previous capsule (eg, Capsule A 651) in which the first utterance has been processed. may be processed again, and the processing result may be provided to the user as a response result to the second utterance.
  • the electronic device 101 may be configured to operate a speaker without the display module 160 or an operation mode in which the use of the display module 160 is restricted (eg, a mobile driving mode or a hidden mode). ), it is possible to output the response result as audio through TTS and provide it to the user.
  • the electronic device 101 may output a response result to the screen and provide it to the user.
  • FIG. 7 is a view for explaining an example of an operation of processing continuous utterance between an electronic device and a server according to various embodiments of the present disclosure
  • the electronic device 101 responds to the utterance processing result (eg, response result) from the server 600 (eg, the intelligent server 201 of FIG. 2 ) for the current utterance, in a first situation (eg, : Un-handled situation) and the second situation (eg, misunderstood situation) can be distinguished to process continuous utterance.
  • a first situation eg, : Un-handled situation
  • the second situation eg, misunderstood situation
  • the second situation may include a case in which the utterance after the end of the session is recognized as the root utterance and the utterance is processed in a capsule different from the previous capsule.
  • the electronic device 101 converts a voice signal according to the user's utterance into an audio stream through the audio recognition module 510 to convert it into an audio stream in real time to the request management module ( 530).
  • the electronic device 101 may be in a state where a previous session has been terminated, and in operation 701 , new session information (eg, conversation ID, request ID) for a user's utterance is provided. By creating it, you can start a new session.
  • the electronic device 101 may transmit an audio stream according to the user's utterance to the server 600 at substantially the same time as requesting the server 600 to start a new session through the request management module 530 .
  • the audio stream according to the user's utterance may be transmitted to the ASR module 620 through the front end 610 of the server 600 and converted into NL text.
  • the NLU module 630 of the server 600 may find and map a capsule capable of processing the NL text converted through the ASR module 620 .
  • a new capsule eg, Capsule A 651
  • Example: An example of processing in Capsule B (751)) can be shown.
  • the NLU module 630 maps the previous capsule (eg, Capsule A 651 ).
  • the NL text is processed as a root utterance through the mapped capsule (eg, Capsule B 751 ) of the server 600 , and in operation 709 , a response result to the root utterance processing may be transmitted to the electronic device 101 .
  • the mapped capsule eg, Capsule B 751
  • the capsule Example: Capsule ID of Capsule A 651 may be obtained.
  • the continuous utterance determination module 540 compares the capsule ID of the capsule that has processed the previous utterance with the capsule ID of the capsule that has processed the current utterance (eg, Capsule B 751), so that the capsule IDs are mutually exclusive.
  • the result management module 560 tells the result management module 560 the current response result (eg, first response) processed by the capsule (eg, Capsule B (751)). result) and store it.
  • the continuous utterance determination module 540 is a method for confirming the continuous utterance connection between the current utterance and the previous utterance, and includes not only a capsule ID, but also, for example, a service ID and a device type. Type), conversation ID, capsule name, device locale, and/or time zone may be compared.
  • the continuous utterance determination module 540 stores the current response result and then, in operation 715, while specifying and delivering the capsule ID of the capsule (eg, Capsule A 651) in which the previous utterance has been processed, It is possible to request reprocessing of the NL text of the current utterance based on the capsule of the corresponding capsule ID.
  • the electronic device 101 may specify a capsule ID to the server 600 to designate a capsule to process the NL text, and the server 600 may be configured based on the specified capsule (eg, Capsule A 651). to process NL text.
  • the NLU module 630 requests processing of the NL text of the current utterance with a capsule (eg, Capsule A 651 ) corresponding to the capsule ID specified by the electronic device 101 , and , the processing result can be delivered.
  • the server 600 may process a current utterance as a continuous utterance of a previous utterance based on the capsule designated by the electronic device 101 .
  • the NLU module 630 transmits the response result processed in the designated capsule (eg, Capsule A 651 ) for the NL text to the continuous utterance determination module 540 of the electronic device 101 . can provide
  • the continuous utterance determining module 540 receives a response result (eg, a second response result for the current utterance) from the server 600 , and in operation 721 , sets the response result to the result management module 560 . can be passed to and stored.
  • a response result eg, a second response result for the current utterance
  • the result management module 560 may include a first response result (eg, a response result of a root utterance processed by the Capsule B 751 ) to the current utterance and a second response result (eg: The response result of the continuous utterance processed by the Capsule A 651) may be transmitted to the UI processing module 570 .
  • a first response result eg, a response result of a root utterance processed by the Capsule B 751
  • a second response result eg: The response result of the continuous utterance processed by the Capsule A 651
  • the UI processing module 570 may output two response results according to a specified method, briefly provide the results to the user, and receive a user's selection of the two response results.
  • the UI processing module 570 may output the response result selected by the user according to a specified output method, and in operation 725 , information on response result processing (eg, processing completion information) is stored in the history management module It can be forwarded to (550).
  • information on response result processing eg, processing completion information
  • the history management module 550 may manage information related to continuous utterance processing or root utterance processing of user utterances based on processing completion information of the UI processing module 570 .
  • the history management module 550 is a capsule (eg, Capsule A 651) selected by the user from among user utterances and capsules in which user utterances are processed (eg, Capsule A 651 and Capsule B 751). ) or Capsule B (751)) of the capsule identifier (eg, capsule ID), and / or user utterance processing time information (eg, timestamp) may be stored (or updated) and managed.
  • the capsule in which the previous utterance in the previous session is processed By reprocessing the user's utterance based on For example, in the first session, the user utters “Make a reminder for shopping tomorrow at 5 o’clock”, and after the first session ends according to a specified condition, in the second session, the user “sets it to 6 o’clock” may be input as the second utterance.
  • the first utterance may be processed in the reminder capsule
  • the second utterance may be processed in a date and time capsule different from the reminder capsule.
  • the result of the first response processed in the date and time capsule is stored, the user utterance is processed again in the reminder capsule, which is the capsule of the first session, and the result of the second response processed by the reminder capsule is stored again. obtained, and can be provided to the user along with the previously stored first response result.
  • the electronic device 101 when a speaker without the display module 160 or an operation mode in which the use of the display module 160 is restricted (eg, a mobile driving mode or a hidden mode), the electronic device 101 sets two It is possible to output the results of the responses as audio so that the user can select them.
  • the electronic device 101 when the display module 160 is present and the operation mode is available, the electronic device 101 may output two response results to the screen so that the user can select it.
  • the electronic device 101 or the server 600 is a voice recognition device (eg, an intelligent server 201 of FIG. 2 ) for supporting a voice recognition service according to various embodiments of the present disclosure.
  • voice assistant a single subject of the electronic device 101 or the server 600 may process various embodiments of the present disclosure.
  • the electronic device 101 includes, for example, a component for voice recognition processing of the server 600 as illustrated in FIG. 2, FIG. 6, or FIG. : voice assistant) and may operate in a manner of performing voice recognition processing standalone without interaction with the server 600 .
  • the server 600 includes, for example, at least some components of the function processing module 500 as illustrated in FIGS. 5, 6 or 7 (eg, a continuous utterance determination module 540 ,
  • a voice recognition device eg, a voice assistant
  • a voice recognition apparatus for continuous speech processing and voice recognition processing according to various embodiments is implemented as a hardware module or a software module, and is mounted on the electronic device 101 or the server 600 . It may be implemented, and operations according to various embodiments may be processed by any one component (eg, the electronic device 101 or the server 600 ) including the voice recognition device.
  • a device for supporting a voice recognition service according to an embodiment of the present disclosure includes a memory and a voice recognition device operatively connected to the memory (eg, FIG. 5 and the configuration of the intelligent server 201 of FIG. 2) (or processor), wherein the voice recognition device (or processor) receives a first response result related to the user's first utterance.
  • the voice recognition apparatus may perform utterance processing on the first utterance based on a specified first capsule, and then provide a first response result corresponding thereto in a specified manner, and a second utterance related to the first utterance. After providing the first response result, it may be configured to terminate the session based on detection of a condition specified in relation to the session of the first utterance.
  • the speech recognition apparatus maps a capsule for processing the second utterance, processes the second utterance based on the mapped capsule, and the second utterance corresponding to the processing of the second utterance. 2 may be set to obtain a response result.
  • the voice recognition apparatus determines a history related to the first utterance based on the acquisition of the second response result, and when there is a history related to the first utterance, It may be configured to analyze the processed second response result, and determine whether to process the continuous utterance based on a result of analyzing the second response result.
  • the speech recognition apparatus may be configured to determine the continuous utterance processing or the root utterance processing of the second utterance with reference to the end time of the session. have.
  • the voice recognition apparatus may be configured to determine whether the second response result is a response result of a first situation according to a recognition failure with respect to the second utterance, or the second response result processes the first utterance. In the case of a response result of a second situation processed in a second capsule different from the first capsule, it may be configured to determine a continuous utterance processing of the second utterance.
  • the speech recognition device is configured to obtain a capsule identifier of the first capsule that has processed the first utterance, based on determining the second utterance as continuous utterance processing, and perform the second utterance.
  • a capsule for reprocessing may be configured to designate the first capsule of the obtained capsule identifier, and to reprocess the second utterance based on the designated first capsule.
  • the voice recognition apparatus provides the third response result according to the continuous speech processing of the second utterance when determining continuous utterance processing based on the response result of the first situation, and It may be configured to provide the second response result according to the root utterance processing of the second utterance and the third response result according to the continuous utterance processing of the second utterance when the continuous utterance processing is determined based on the response result of the situation have.
  • the electronic device 101 includes a communication module 190 , a display module 160 , a microphone 151 , a memory 130 , and a processor 120 , and the processor 120 .
  • a communication module 190 provides a first response result related to the user's first utterance input through the microphone 151, ends a session related to the first utterance, and ends the session related to the first utterance
  • a voice signal according to the user's second utterance input through the microphone 151 is obtained
  • a second response result related to processing of the second utterance is obtained, and based on the second response result, determining whether to process the continuous utterance for the second utterance, designating information related to the first utterance based on determining the continuous utterance processing, and reprocessing the second utterance, and performing reprocessing of the second utterance
  • obtain a third response result related to the reprocessing of and provide one or two response results based on an attribute of processing a continuous utterance with respect
  • the processor 120 determines a history related to the first utterance based on the acquisition of the second response result, and when there is a history related to the first utterance, the second utterance It may be configured to analyze a result of the second response processed for , and determine whether to process the continuous utterance based on a result of analyzing the result of the second response.
  • the processor 120 may be configured to determine the continuous utterance processing or the root utterance processing of the second utterance with reference to the end time of the session.
  • the processor 120 is configured to be configured such that the second response result is a response result of a first situation according to a recognition failure for the second utterance, or the second response result processes the first utterance In the case of a response result of a second situation processed in one first capsule and another second capsule, it may be configured to determine a continuous utterance processing of the second utterance.
  • the processor 120 obtains a capsule identifier of the first capsule that has processed the first utterance, based on determining the second utterance to be a continuous utterance processing, and the obtained capsule and transmit an identifier to the server, and request the server to reprocess the second utterance based on the first capsule of the capsule identifier.
  • the processor 120 provides the third response result according to the continuous speech processing of the second utterance when determining the continuous utterance processing based on the response result of the first situation, and and to provide the second response result according to the root utterance processing of the second utterance and the third response result according to the continuous utterance processing of the second utterance when the continuous utterance processing is determined based on the response result of two situations.
  • operations performed by the electronic device 101 to be described below are performed by a processor (eg, in FIG. 1 or FIG. 5 ) including at least one processing circuitry of the electronic device 101 . processor 120).
  • the operations performed by the electronic device 101 may be stored in the memory 130 and, when executed, may be executed by instructions that cause the processor 120 to operate.
  • FIG. 8 is a flowchart illustrating a method of operating an electronic device according to an exemplary embodiment.
  • the processor 120 of the electronic device 101 may provide a first response result related to the first utterance.
  • the processor 120 may transmit a voice signal (or audio stream) according to the first utterance to the server 600 , and A first response result processed for one utterance may be obtained.
  • the processor 120 may provide the first response result to the user in the form of visual information and/or audio information based on a specified output method (eg, UI display and/or audio output). .
  • the processor 120 may end the session related to the first utterance. According to an embodiment, after providing the first response result related to the first utterance, the processor 120 may manage the session of the first utterance, and a specified condition set for session cancellation may be detected. When the session is subsequently terminated (subsequently terminate) may be.
  • the specified condition may be based on, for example, a specified session management policy.
  • the processor 120 may terminate the communication session with the user when the expiration of the session maintenance time is detected.
  • the session maintenance time may be defined in various ways according to the operation mode. For example, in the normal operation mode, basic N minutes (N is a natural number) may be set, and a designated operation mode (eg, the driving mode (or In driving mode)), M seconds (M is a natural number) may be set.
  • the processor 120 may automatically end the session after M seconds (eg, about 4 seconds) after playing the first response result as audio (eg, TTS playback) in the driving mode.
  • the processor 120 may terminate the session based on an explicit input of the user (eg, moving to a home screen or ending the voice assistant).
  • the processor 120 may transmit a voice signal (or audio stream) of the second utterance to the server 600 .
  • the processor 120 transmits a voice signal (or audio stream) of the second utterance to the server in response to receiving an input of the second utterance from the user. (600).
  • the second utterance may be transmitted in a new session.
  • the processor 120 may obtain a second response result related to the second utterance.
  • the second response result may be generated by the server 600 that processes the second utterance.
  • the server 600 may transmit the second response result back to the electronic device 101 .
  • the processor 120 may determine whether continuous speech processing is performed based on the second response result. According to an embodiment, when receiving the second response result, the processor 120 may determine whether a history of a previous utterance (eg, the first utterance) exists. According to an embodiment, the processor 120 analyzes the second response result when there is a history related to the previous utterance, and the second response result is a result of a recognition failure (or capsule mapping failure) on the server 600 side. whether it is an obtained raw response result (eg, a response result of the first situation), or an erroneously processed response result ( For example, it can be determined whether it is a response result of the second situation).
  • a recognition failure or capsule mapping failure
  • the processor 120 may determine a continuous utterance processing for the second utterance. According to an embodiment, based on the determination of the continuous utterance process, the second response result may be managed without outputting immediately.
  • the processor 120 may determine whether to execute continuous speech processing by referring to time information related to a previous speech (eg, an end time (eg, timestamp) of a previous session). For example, the processor 120 processes a continuous utterance when the session end time of the previous utterance exceeds a specified predetermined time (eg, in units of days, hours, or minutes) (eg, exceeds a predetermined time based on the current utterance). may have no meaning, it may be determined to process the second utterance as the root utterance, and the second response result may be directly output according to the root utterance processing decision.
  • a specified predetermined time eg, in units of days, hours, or minutes
  • the processor 120 may request a capsule identifier (eg, capsule ID) related to the first utterance and processing of the second utterance based on the capsule identifier based on the determination of the continuous utterance processing for the second utterance.
  • a capsule identifier eg, a capsule ID
  • the processor 120 obtains a capsule identifier (eg, a capsule ID) in which the first utterance, which is a previous utterance, has been processed, and sends the server 600 by the corresponding capsule identifier.
  • a request may be made to reprocess the second utterance using the same capsule as identified.
  • the processor 120 may provide various information (eg, user utterance, session information, a capsule identifier of a capsule in which the user utterance is processed, and/or time information at which the user utterance is processed) related to utterance processing for the user utterance. ) can be mapped and managed.
  • various information eg, user utterance, session information, a capsule identifier of a capsule in which the user utterance is processed, and/or time information at which the user utterance is processed
  • the processor 120 may obtain a third response result related to the second utterance. According to an embodiment, the processor 120 may obtain the third response result reprocessed by the capsule designated for the second utterance by the server 600 .
  • the processor 120 may provide (eg, output) a response result.
  • the processor 120 generates from the result of processing the second utterance as the continuous utterance based on the first attribute for processing the continuous utterance (eg, continuous utterance processing for the response result of the first situation).
  • a third response result may be provided (eg, output).
  • the processor 120 generates the second utterance from the result of processing the second utterance as the root utterance based on the second attribute for processing the continuous utterance (eg, continuous utterance processing for the response result of the second situation).
  • the second response result and the third response result generated from the result of processing the second utterance as a continuous utterance may be provided together (eg, output).
  • FIG. 9 is a flowchart illustrating a method of operating an electronic device according to an exemplary embodiment.
  • the processor 120 of the electronic device 101 may receive a first voice signal (or audio stream) related to a first utterance in a first session.
  • the processor 120 may receive a first voice signal according to the user's first utterance through the microphone of the electronic device 101 (eg, the microphone 151 of FIG. 2 ).
  • the processor 120 may output a processing result related to the first voice signal.
  • the processor 120 may transmit the first voice signal of the first utterance to the server 600 , and obtain a first response result generated through processing of the first utterance by the server 600 . can do.
  • the processor 120 may provide the first response result to the user as visual information and/or auditory information based on a specified output method.
  • the processor 120 may end the first session.
  • the processor 120 may manage the first session of the first utterance, and may be appropriately designated for termination.
  • the first session may be terminated.
  • the processor 120 may receive explicit input from the user to cancel the first session based on expiration of a session maintenance time of the first session, or alternatively, the first session. Upon detection, the first session may be terminated.
  • the processor 120 may receive a second voice signal related to the second utterance in the second session.
  • the processor 120 performs a second session, which is a new session different from the first session, using the microphone of the electronic device 101 (eg, in FIG. 2 ).
  • a second voice signal according to the user's second utterance may be received through the microphone 151).
  • the processor 120 may determine whether continuous speech processing is performed for the second speech based on the processing result of the second speech signal. According to an embodiment, the processor 120 may determine whether a history of the first utterance (eg, a previous utterance) exists when obtaining a response result processed with respect to the second utterance. According to an embodiment, when there is a history related to the first utterance, the processor 120 analyzes the response result processed for the second utterance, and the response result is an unprocessed response result (eg, the first situation) according to the recognition failure. response result) or whether the capsule in which the second utterance is processed is a response result (eg, a response result in the second situation) obtained by erroneously processing the capsule different from the capsule in which the first utterance is processed.
  • a response result eg, a previous utterance
  • the processor 120 may determine a continuous utterance processing for the second utterance.
  • the processor 120 may determine to execute continuous speech processing by referring to time information related to a previous speech (eg, an end time (eg, timestamp) of a previous session). For example, the processor 120 processes a continuous utterance when the session end time of the previous utterance exceeds a specified predetermined time (eg, in units of days, hours, or minutes) (eg, exceeds a predetermined time based on the current utterance). may have no meaning, so it may be determined to process the second utterance as a root utterance.
  • a specified predetermined time eg, in units of days, hours, or minutes
  • the processor 120 may determine whether to process the second utterance (eg, the current utterance) as a continuous utterance or as a root utterance based on the determination result.
  • the second utterance eg, the current utterance
  • the processor 120 may output a processing result related to the second voice signal in operation 913 based on determining that the second utterance is a root utterance processing (eg, 'No' in operation 911). .
  • the processor 120 may identify the type (or attribute) of the continuous utterance processing in operation 915 based on determining the second utterance as continuous utterance processing (eg, 'Yes' in operation 911). have. According to an embodiment, the processor 120 may distinguish whether the response result is an unprocessed result or a processing result by another capsule (eg, different from a capsule used to process the first voice signal). According to an embodiment, the processor 120 may determine to execute continuous utterance processing of the first attribute in the case of an unprocessed result (eg, recognition failure), and a result of processing by another capsule (eg, another capsule) ), it may be determined to execute the continuous utterance processing of the second attribute.
  • an unprocessed result eg, recognition failure
  • another capsule eg, another capsule
  • the processor 120 may determine whether the type of the processing to be executed is the continuous speech processing of the first attribute or the continuous speech processing of the second attribute based on the identification of the type of continuous speech processing .
  • the processor 120 may output the first processing result in operation 919 based on determining that the continuous utterance processing of the first attribute is to be executed (eg, 'Yes' in operation 917 ). According to an embodiment, the processor 120 may provide the user with one response result processed as a continuous utterance with respect to the second utterance.
  • the processor 120 may output the second processing result in operation 921 based on determining to execute the continuous utterance processing of the second attribute (eg, 'No' in operation 917 ).
  • the processor 120 may provide the user with two response results, that is, a response result processed as a root utterance with respect to the second utterance and a response result processed as a continuous utterance with respect to the second utterance.
  • FIG. 10 is a flowchart illustrating a method of operating an electronic device according to an exemplary embodiment.
  • the processor 120 of the electronic device 101 may obtain a first response result related to a second utterance (eg, a current utterance). According to an embodiment, the processor 120 may obtain a result of the first response processed by the server 600 to the second utterance.
  • a second utterance eg, a current utterance
  • the processor 120 may determine whether a previous session related to the user's utterance exists based on the reception of the first response result. According to an embodiment, the processor 120 may determine whether a previous session exists by analyzing a history related to the user's utterance. According to an embodiment, when a previous session exists, the processor 120 may determine whether to execute continuous speech processing by referring to an end time (eg, timestamp) of the previous session.
  • an end time eg, timestamp
  • the processor 120 may output a first response result and provide it to the user.
  • the processor 120 determines the second utterance as the root utterance, even if the previous session exists, when the end time of the previous session exceeds a specified time (eg, a time frame).
  • the first response result may be output immediately.
  • the processor 120 may analyze the first response result.
  • the processor 120 may analyze the type of the first response result to determine whether the second utterance corresponds to a continuous utterance or a root utterance, based on the acquisition of the first response result. .
  • the processor 120 may determine whether the first response result corresponds to an unprocessed response according to the recognition failure of the second utterance, based on the analysis of the first response result.
  • the processor 120 determines that the first response result is an unprocessed response (eg, 'Yes' in operation 1007), in operation 1011, the processor 120 obtains a first capsule identifier related to the first utterance of the previous session. can be obtained According to an embodiment, the processor 120 may obtain the first capsule identifier corresponding to the capsule in which the first utterance was processed in the previous session through analysis of the user history related to the utterance processing.
  • the processor 120 may request reprocessing of the second utterance by designating the first capsule identifier.
  • the processor 120 transmits the obtained first capsule identifier to the server 600 , and tells the server 600 to reprocess the second utterance based on a capsule matching the first capsule identifier. you can request
  • the processor 120 may obtain a second response result related to the second utterance through reprocessing. According to an embodiment, the processor 120 may obtain a second processed second response result based on a capsule (eg, a capsule of the first capsule identifier) designated for the second utterance by the server 600 . .
  • a capsule eg, a capsule of the first capsule identifier
  • the processor 120 may output the second response result and provide it to the user.
  • the processor 120 obtains the first capsule identifier related to the first utterance of the previous session. can be obtained According to an embodiment, the processor 120 may obtain the first capsule identifier corresponding to the capsule in which the first utterance of the previous session was processed through history analysis related to utterance processing.
  • the processor 120 may compare the first capsule identifier related to the first utterance of the previous session with the second capsule identifier related to the second utterance of the current session. According to an embodiment, the processor 120 may determine whether another capsule is used to process the second utterance when generating the second response result by comparing the first capsule identifier and the second capsule identifier.
  • the processor 120 may determine whether the first capsule identifier and the second capsule identifier are the same capsule identifier, based on the comparison result. According to an embodiment, the processor 120 may identify whether the capsule in which the second utterance is processed is the same capsule as the capsule in which the first utterance is processed based on the comparison of the capsule identifiers.
  • the processor 120 may output the first response result and provide it to the user.
  • the processor 120 when the processor 120 is not the same capsule identifier (eg, 'No' in operation 1025), for example, when the capsule in which the second utterance is processed is a different capsule from the capsule in which the first utterance is processed.
  • the first response result may be stored and managed.
  • the processor 120 may request reprocessing of the second utterance by the corresponding first capsule by designating the first capsule identifier.
  • the processor 120 may request the server 600 to reprocess the second utterance based on the capsule of the first capsule identifier while transmitting the obtained first capsule identifier to the server 600 . have.
  • the processor 120 may obtain a second response result related to the second utterance through a reprocessing operation. According to an embodiment, the processor 120 may obtain a second processed second response result based on a capsule (eg, a capsule of the first capsule identifier) designated for the second utterance by the server 600 . .
  • a capsule eg, a capsule of the first capsule identifier
  • the processor 120 may output the first response result and the second response result and provide them to the user.
  • the processor 120 calls the previously stored first response result to obtain the first response result and the second response result. Two response results can be output together (eg in parallel or sequentially).
  • FIG. 11 is a flowchart illustrating a method of operating an electronic device according to an exemplary embodiment.
  • the processor 120 of the electronic device 101 may check a history stored in relation to the utterance of a previous session. According to an embodiment, the processor 120 may determine the history of the speech processing of the speech of the previous session (eg, the first speech) when obtaining a response result related to the speech of the current session.
  • the processor 120 may determine the history of the speech processing of the speech of the previous session (eg, the first speech) when obtaining a response result related to the speech of the current session.
  • the processor 120 may determine whether a specified condition is satisfied. According to an embodiment, the processor 120 may determine whether a history related to the utterance of a previous session exists, based on the history check. If there is a history, the processor 120 may determine whether an end time (eg, timestamp) of the previous session is included within a specified predetermined time (or time range). If the end time exists within a specified predetermined time, the processor 120 may determine whether a capsule identifier (eg, a capsule ID) that has processed the utterance of the previous session is recorded. When these conditions are satisfied, the processor 120 may determine that the specified condition is satisfied.
  • an end time eg, timestamp
  • the processor 120 may output a response result related to the utterance of the current session.
  • the response result related to the utterance of the current session may include an unprocessed result according to a recognition failure or a response result processed based on a capsule mapped for utterance processing of the current session.
  • the processor 120 may obtain a capsule identifier that has processed the utterance of the previous session.
  • the processor 120 may perform an operation related to continuous utterance processing of the utterance of the current session, based on the capsule identifier processing the utterance of the previous session. According to an embodiment, the processor 120 processes the utterance of the current session through a designated capsule based on the capsule identifier for processing the utterance of the previous session, and provides one or two response results corresponding thereto. related actions can be performed.
  • the electronic device 101 includes, for example, a component for voice recognition processing of the server 600 as illustrated in FIG. 2, FIG. 6, or FIG. : voice assistant) and may operate in a manner of performing voice recognition processing standalone without interaction with the server 600 .
  • the server 600 includes, for example, at least some components of the function processing module 500 as illustrated in FIGS. 5, 6 or 7 (eg, a continuous utterance determination module 540 ,
  • a voice recognition device eg, a voice assistant
  • a voice recognition apparatus for continuous speech processing and voice recognition processing according to various embodiments is implemented as a hardware module or a software module, and is mounted on the electronic device 101 or the server 600 . It may be implemented, and operations according to various embodiments may be processed by any one component (eg, the electronic device 101 or the server 600 ) including the voice recognition device.
  • An example of operation of the electronic device 101 or the server 600 including a voice recognition device for supporting a voice recognition service according to various embodiments of the present disclosure is illustrated in FIG. 12 .
  • FIG. 12 is a flowchart illustrating a method of operating an electronic device or a server according to an exemplary embodiment.
  • the voice recognition device (eg, the configuration of the function processing module 500 of FIG. 5 and the intelligent server 201 of FIG. 2 ) is implemented in the electronic device 101 or the server 600 and , may indicate the operation of the voice recognition device in the electronic device 101 or the server 600 .
  • the voice recognition device implemented as a hardware module or a software module in the electronic device 101 or the server 600 (eg, a processor for controlling the operation of the voice recognition device) performs a first utterance
  • the first response result generated through the processing of may be provided.
  • a voice signal or audio stream
  • a first response result corresponding thereto may be output.
  • the voice recognition apparatus when operating in the server 600 , receives a voice signal according to the first utterance from the electronic device 101 and performs utterance processing on the received voice signal based on a designated capsule. Thereafter, the first response result corresponding thereto may be transmitted to the electronic device 101 .
  • the voice recognition apparatus may end the session related to the first utterance.
  • the voice recognition apparatus may manage the session of the first utterance, and end the session based on detection of a specified condition for termination. have.
  • the specified condition may be based on, for example, a specified session management policy.
  • the voice recognition apparatus may terminate the session when the session maintenance time expires.
  • the voice recognition device may terminate the session based on disconnection of the session according to the user's explicit input from the electronic device 101 (eg, moving the home screen or ending the voice assistant).
  • the voice recognition apparatus may acquire the user's second utterance after the session related to the first utterance ends.
  • the voice recognition apparatus may receive the user's second speech input through the microphone of the electronic device 101 (eg, the microphone 151 of FIG. 2 ).
  • the voice recognition apparatus may receive a voice signal according to the second utterance from the electronic device 101 .
  • the voice recognition apparatus may obtain a second response result related to processing of the second utterance.
  • the speech recognition apparatus may find and map a capsule for processing the second utterance based on reception of the second utterance, process the second utterance through the mapped capsule, and receive a second response corresponding thereto results can be obtained.
  • the voice recognition apparatus may determine whether the second utterance is a continuous utterance related to the first utterance, based on obtaining the second response result.
  • the second utterance may be a continuous utterance associated with the first utterance not processed by the continuous utterance processing.
  • the speech recognition apparatus may determine whether to execute continuous speech processing for the second speech based on the second response result.
  • the voice recognition apparatus may determine the history of the first utterance (eg, a previous utterance) when obtaining a second response result processed with respect to the second utterance.
  • the speech recognition apparatus analyzes a result of a second response processed for the second utterance when there is a history related to the first utterance, and the response result is unprocessed due to a recognition failure (or capsule mapping failure). Determining whether a response result (eg, a response result of the first situation) or a capsule in which the second utterance is processed is a response result (eg, a response result in the second situation) that is different from the capsule in which the first utterance is processed can do.
  • a recognition failure or capsule mapping failure
  • the voice recognition apparatus may determine a continuous speech process for the second utterance.
  • the speech recognition apparatus may determine continuous speech processing or root speech processing for the second utterance by referring to time information related to the previous utterance (eg, an end time of the previous session). For example, if the session end time of the previous utterance exceeds a specified period of time (eg, in units of days, hours, or minutes) (eg, exceeds a predetermined time based on the current utterance), the speech recognition device may Since there may be no meaning, it may be decided to treat the second utterance as a root utterance.
  • a specified period of time eg, in units of days, hours, or minutes
  • the speech recognition apparatus may reprocess the second utterance based on a capsule identifier (eg, capsule ID) related to the first utterance, based on determining to execute continuous utterance processing for the second utterance.
  • a capsule identifier eg, capsule ID
  • the voice recognition apparatus acquires a capsule identifier (eg, a capsule ID) in which a first utterance, which is a previous utterance, has been processed, and a second utterance based on the capsule of the corresponding capsule identifier. can be reprocessed.
  • the voice recognition apparatus provides various information related to utterance processing for the user utterance (eg, user utterance, session information, a capsule identifier of a capsule in which the user utterance is processed, and/or time information during which the user utterance is processed) can be managed by mapping
  • the voice recognition apparatus may obtain a third response result related to reprocessing of the second utterance based on the designated capsule.
  • the voice recognition apparatus processes the second utterance through a designated capsule for processing the second utterance (eg, a capsule corresponding to the capsule identifier processing the first utterance), and a third response corresponding thereto results can be obtained.
  • the voice recognition apparatus may provide the third response result.
  • the voice recognition apparatus may provide a third response result that is a result of processing the second utterance as a continuous utterance.
  • the voice recognition apparatus may provide a second response result that is a result of processing the second utterance as a root utterance and a third response result that is a result of processing the second utterance as a continuous utterance.
  • the voice recognition apparatus when the voice recognition apparatus operates in the electronic device 101 , the voice recognition apparatus is operated through the display module 160 and/or the speaker (eg, the speaker 155 of FIG. 2 ) of the electronic device 101 . 3 response results or a second response result and a third response result may be provided.
  • the voice recognition apparatus may transmit a third response result or a second response result and a third response result to the electronic device 101 .
  • FIG. 13 is a diagram illustrating an example of providing a result of continuous utterance processing in an electronic device according to an exemplary embodiment.
  • FIG. 13 may show an example of a result of processing an utterance in a new current session as a continuous utterance continuous with that of the previous session after the session is terminated.
  • utterances in the previous session may be processed in the reminder capsule, and utterances in the new current session may be processed in a date and time capsule different from the reminder capsule.
  • the reminder capsule which is the capsule of the previous session
  • the second response result processed as . may be provided to the user.
  • a first response result 1310 in which the utterance of the current session is processed as a continuous utterance by designating a capsule in which the utterance of the previous session is processed eg, a user utterance is converted into a continuous utterance in the reminder capsule
  • An example of providing both the response result obtained by processing) and the second response result 1320 of processing the utterance of the current session as the root utterance eg, the response result processed as the root utterance in the date and time capsule
  • the electronic device 101 considers the user's intended root utterance, such as the second response result 1320 processed as the root utterance and the first response result 1310 processed as the continuous utterance. By providing all of the response results, it is possible for the user to select the correct result that matches the original intent for the input.
  • 14A and 14B are diagrams for explaining an example of a result screen that is provided by processing a utterance after a session ends as a continuous utterance in an electronic device according to an exemplary embodiment
  • the user's utterance (eg, the second utterance 1420) in a new session after the end of the session is recognized as a failure (eg, capsule mapping failure or mis-processing) ) (eg, the first situation), an example in which the user's utterance is processed as a continuous utterance and provided may be shown.
  • a failure eg, capsule mapping failure or mis-processing
  • FIG. 14A may show an example of providing a first response result corresponding to a first utterance 1410 of a user in a first session.
  • the electronic device 101 may execute a voice assistant and obtain a first utterance 1410 (eg, “Tell me about today’s weather”) from the user.
  • the example screen 1403 may represent an example in which the electronic device 101 provides (eg, displays) a first response result that has been uttered to the first utterance 1410 .
  • the electronic device 101 may provide a result screen uttered by a capsule (eg, a weather capsule) designated for the first utterance 1410 .
  • a capsule eg, a weather capsule
  • FIG. 14B may illustrate an example of providing a second response result corresponding to the user's second utterance 1420 in a new second session after the first session is ended.
  • the electronic device 101 may execute a voice assistant and obtain a second utterance 1420 (eg, “How about New York?”) from the user.
  • the second utterance 1420 of the second session is replaced with the first utterance of the first session ( 1410) may be reprocessed (eg, continuous utterance processing) by a designated capsule (eg, weather capsule) to provide a result (eg, screen display).
  • a designated capsule eg, weather capsule
  • a result eg, screen display
  • 15 is a diagram for explaining an example of a result screen that is provided by processing a utterance after a session ends as a continuous utterance in the electronic device according to an exemplary embodiment
  • FIG. 15 when the user's utterance (eg, the second utterance 1520) in a new session after the end of the session fails to be recognized (eg, capsule mapping fails or misses processing) (eg, the first utterance 1520) situation), an example in which the user's utterance is processed and provided as a continuous utterance may be shown.
  • the user's utterance eg, the second utterance 1520
  • capsule mapping fails or misses processing
  • an example screen ⁇ 1501> and an example screen ⁇ 1503> may represent examples of providing a first response result corresponding to a user's first utterance 1510 in a first session.
  • the electronic device 101 may execute a voice assistant and obtain a first utterance 1510 (eg, “Tell me about the weather”) from the user.
  • the example screen 1503 represents an example in which the electronic device 101 provides the first response result 1515, which has been uttered to the first utterance 1510, as audio (eg, TTS playback).
  • the electronic device 101 reproduces the first response result 1515 (eg, it is cloudy today in Yeongtong-gu, Suwon-si, and the lowest temperature is 26 degrees, ...) in the driving mode to a speaker (eg, the speaker ( 155)).
  • the first response result 1515 eg, it is cloudy today in Yeongtong-gu, Suwon-si, and the lowest temperature is 26 degrees, .
  • the example screen ⁇ 1505> displays the first response after a specified time period (eg, M seconds).
  • a specified time period eg, M seconds.
  • the electronic device 101 displays visual information (eg, “by time-out Text of “Session End”) and/or audible information (eg, audio of “Session End by Time-out”).
  • the example screen ⁇ 1507> and the example screen ⁇ 1509> provide an example of providing a second response result corresponding to the user's second utterance 1520 in a new second session after the first session is ended can represent
  • the electronic device 101 may execute the voice assistant and obtain (eg, receive) the second utterance 1520 (eg, “New York”) from the user. have.
  • the second utterance 1520 of the second session can represent an example of reprocessing (eg, continuous utterance processing) by a designated capsule (eg, weather capsule) that has processed the first utterance 1510 of the first session and providing the result as audio (eg, TTS playback).
  • a designated capsule eg, weather capsule
  • a recognition successful response result 1525 may be provided due to continuous speech processing.
  • the electronic device 101 plays the second response result 1525 (eg, New York City is sunny today and the lowest temperature is 12 degrees Celsius, ...) in the driving mode to the speaker (eg, degrees Celsius). 2) can be output through the speaker 155).
  • the second response result 1525 eg, New York City is sunny today and the lowest temperature is 12 degrees Celsius, Certainly in the driving mode to the speaker (eg, degrees Celsius). 2) can be output through the speaker 155).
  • 16A and 16B are diagrams for explaining an example of a result screen that is provided by processing utterances after the end of a session as continuous utterances by a designated capsule in the electronic device, according to an exemplary embodiment
  • the capsule that has processed the user's utterance (eg, the second utterance 1620) in the new session after the end of the session is the utterance of the previous session (eg, the first utterance 1610). ))) processed by a different capsule (eg, the second situation), an example in which the user's utterance is processed and provided as a continuous utterance may be shown.
  • FIG. 16A may show an example of providing a first response result corresponding to a first utterance 1610 of a user in a first session.
  • the electronic device 101 may execute the voice assistant and obtain the first utterance 1610 from the user (eg, make a 5 o'clock shopping reminder tomorrow) from the user. have.
  • the example screen 1603 may represent an example in which the electronic device 101 provides (eg, displays) a result of the first response processed in response to the first utterance 1610 .
  • the electronic device 101 may provide a result screen that is uttered by a capsule (eg, a reminder capsule) designated for the first utterance 1610 .
  • FIG. 16B may show an example of providing a response result corresponding to the user's second utterance 1620 in a new second session after the first session is ended.
  • the electronic device 101 may execute a voice assistant and obtain a second utterance 1620 (eg, “Correct it to 6 o’clock”) from the user.
  • the second utterance 1620 of the second session is reprocessed (eg, continuous utterance processing) by a designated capsule (eg, reminder capsule) that has processed the first utterance 1610 of the first session (eg, continuous utterance processing), and continuous utterance processing
  • a designated capsule eg, reminder capsule
  • continuous utterance processing An example of providing (eg, displaying a screen) a second response result 1630 according to , and a third response result 1640 according to a root utterance process may be shown.
  • a capsule in which the first utterance 1610 of the first session is processed (eg : Reminder capsule) and processing the second utterance 1620 of the second session as a continuous utterance based on the specified capsule (eg, reminder capsule), and the second response result 1630 1620) may be provided together with a third response result 1640 processed as a root utterance based on the mapped capsule (eg, date and time capsule).
  • the electronic device 101 sets the second response result 1640 processed as the root utterance and the second response result 1630 processed as the continuous utterance.
  • the user may selectively obtain a result related to the second utterance 1620 .
  • the electronic device 101 may provide a user to select a correct interpretation of the second utterance 1620 .
  • the example screen ⁇ 1609> is displayed when the user selects the second response result 1630 processed as a continuous utterance (eg, processed based on a reminder capsule, which is a designated capsule) on the example screen ⁇ 1607>.
  • An example of the result screen can be displayed.
  • the electronic device 101 provides a response result processed as a continuous utterance by a reminder capsule that has processed the first utterance 1610 with respect to the second utterance 1620 (eg: can be displayed).
  • the example screen ⁇ 1611> displays the third response result 1640 processed by the user as the root utterance (eg, processed based on the mapped capsule date and time capsule) on the example screen ⁇ 1607>.
  • the electronic device 101 may provide (eg, display) the second utterance 1620 as a response result processed as a root utterance by the date and time capsule.
  • 17A and 17B are diagrams for explaining an example of a result screen that is provided by processing utterances after the end of a session as continuous utterances by a designated capsule in the electronic device according to an exemplary embodiment
  • the capsule that has processed the user's utterance (eg, the second utterance 1710 ) in the new session after the end of the session is the utterance of the previous session (eg, the first utterance).
  • the utterance of the previous session eg, the first utterance.
  • an example in which the user's utterance is processed and provided as a continuous utterance may be shown.
  • FIG. 17A may illustrate an example of terminating the first session after providing a first response result corresponding to the user's first utterance in the first session.
  • the electronic device 101 may display an example of providing (eg, displaying) the first response result of processing the user's first utterance.
  • the electronic device 101 may provide a result screen uttered by a capsule (eg, date and time capsule) designated for the first utterance.
  • the example screen 1703 terminates the first session based on the user's explicit input (eg, moving to the home screen or ending the voice assistant).
  • the electronic device 101 displays the guide 1700 (eg, an output prompt) according to the end of the session based on the end of the first session, visual information (eg, text of “Session end”). ) and/or audible information (eg, audio of “Session End”).
  • FIG. 17B may show an example of providing a response result corresponding to the user's second utterance 1710 in a new second session after the first session is ended.
  • the electronic device 101 may execute a voice assistant and obtain a second utterance 1710 (eg, “New York”) from the user.
  • the user's second utterance 1710 is processed as a root utterance by a capsule (eg, a date and time capsule) that is different from the capsule (eg, a weather news capsule) that has processed the first utterance
  • the second utterance 1710 of the second session is reprocessed (eg, continuous utterance processing) by a designated capsule (eg, date and time capsule) that has processed the first utterance of the first session, and the second utterance 1710 is processed according to the continuous utterance processing.
  • a designated capsule eg, date and time capsule
  • the capsule eg, date and time capsule
  • a third response result 1730 in which 1710 is processed as a root utterance based on a mapped capsule eg, a weather news capsule
  • the electronic device 101 sets the second response result 1730 processed as the root utterance and the second response result 1720 processed as the continuous utterance.
  • the user may selectively obtain a result related to the second utterance 1710 . For example, it may be provided so that the user can select a correct interpretation result for his or her utterance.
  • the user selects the second response result 1720 processed as a continuous utterance (eg, processed based on the specified capsule date and time capsule).
  • an example result screen may be displayed.
  • the electronic device 101 provides a response result processed as a continuous utterance by the date and time capsule for processing the first utterance for the second utterance 1710 (eg, display )can do.
  • the user selects the third response result 1730 processed as a root utterance (eg, processed based on the weather news capsule, which is a mapped capsule).
  • a root utterance eg, processed based on the weather news capsule, which is a mapped capsule.
  • an example result screen may be displayed.
  • the electronic device 101 may provide (eg, display) the second utterance 1710 as a response result processed as a root utterance by the weather news capsule.
  • An operating method performed by the electronic device 101 provides a first response result related to a user's first utterance input through a microphone (eg, the microphone 151 of FIG. 2 ). operation, an operation of terminating a session related to the first utterance, an operation of obtaining a voice signal according to a user's second utterance input through the microphone after terminating the session related to the first utterance; obtaining a second response result related to the processing of the second utterance; determining whether to process the second utterance continuously based on the second response result; based on determining the continuous utterance processing performing reprocessing of the second utterance by designating information related to the first utterance, obtaining a third response result related to reprocessing of the second utterance, and continuous utterance with respect to the second utterance It may include an action to provide one or two response results based on the attribute that handles the .
  • the determining of whether to process the continuous utterance includes determining a history related to the first utterance based on the acquisition of the second response result, and when there is a history related to the first utterance , analyzing the result of the second response processed with respect to the second utterance, and determining whether to process the continuous utterance based on a result of analyzing the result of the second response.
  • the determining of whether to process the continuous utterance may include performing the continuous utterance processing or the root utterance processing of the second utterance with reference to the end time of the session when there is a history related to the first utterance. It may include an action to determine.
  • the determining of whether to process the continuous utterance may include whether the second response result is a response result of a first situation according to a recognition failure for the second utterance, or the second response result is the second utterance
  • the method may include determining the continuous utterance processing of the second utterance.
  • the reprocessing of the second utterance may include, based on determining the second utterance as continuous utterance processing, the capsule identifier of the first capsule that has processed the first utterance. acquiring, designating a capsule for reprocessing the second utterance as the first capsule of the acquired capsule identifier, and reprocessing the second utterance based on the designated first capsule have.
  • the providing of the response result includes: providing the third response result according to the continuous utterance processing of the second utterance when continuous utterance processing is determined based on the response result of the first situation , when the continuous utterance processing is determined based on the response result of the second situation, the second response result according to the root utterance processing of the second utterance and the third response result according to the continuous utterance processing of the second utterance are provided It may include an action to

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 개시의 실시예는 사용자의 발화에 따른 음성 입력으로 생성된 사용자 명령(user command)에 대응하는 기능을 실행할 수 있는 장치 및 그의 처리 방법에 관하여 개시한다. 다양한 실시예들에 따른 음성 인식 서비스를 지원하기 위한 장치(예: 전자 장치 또는 서버)는 메모리, 및 상기 메모리와 작동적으로 연결된 음성 인식 장치를 포함하고, 상기 음성 인식 장치는, 사용자의 제1 발화에 관련된 제1 응답 결과를 제공하고, 상기 제1 발화에 관련된 세션(session)을 종료하고, 상기 제1 발화에 관련된 세션이 종료된 이후에, 사용자의 제2 발화를 수신획득하고, 상기 제2 발화의 처리에 관련된 제2 응답 결과를 획득하고, 상기 제2 응답 결과에 기반하여 상기 제2 발화가 상기 제1 발화에 연관된 대한 연속 발화인지 처리 여부를 결정하고, 상기 연속 발화 처리를 결정하는 것에 기반하여, 상기 제1 발화에 관련된 정보에 기반하여 상기 제2 발화를 재처리 하고, 상기 제2 발화의 재처리에 관련된 제3 응답 결과를 획득하고, 및 상기 제3 응답 결과를 제공하도록 제어할 수 있다. 다양한 실시예들이 가능하다.

Description

전자 장치 및 전자 장치의 음성 인식 처리 방법
본 개시의 실시예는 사용자의 발화에 따른 음성 입력을 수신하고, 음성 입력으로 생성된 사용자 명령(user command)에 대응하는 기능을 실행할 수 있는 전자 장치 및 전자 장치의 음성 인식 처리 방법에 관하여 개시한다.
디지털 기술의 발달과 함께, PDA(personal digital assistant), 스마트 폰(smart phone), 태블릿 PC(personal computer), 인공 지능 스피커(AI(artificial intelligent) speak), 웨어러블 장치(wearable device), 디지털 카메라(digital camera), 및/또는 IoT(internet of things) 장치와 같은 다양한 유형의 전자 장치가 널리 사용되고 있다. 이러한 전자 장치는 기능 지지 및 증대를 위해, 전자 장치의 하드웨어적인 부분 및/또는 소프트웨어적인 부분이 지속적으로 개발되고 있다.
전자 장치는 통화 기능에서 나아가 다양한 기능들을 구현할 수 있으며, 다양한 기능들을 사용자가 이용하도록 하기 위해 다양한 입력 인터페이스를 제공하고 있다. 예를 들면, 전자 장치의 입력 인터페이스는 버튼 입력 방식 또는 터치스크린 기반의 터치 입력 방식에서 나아가, 음성 입력 방식을 제공하고 있다. 일 예로, 전자 장치는 음성 인식(voice recognition or speech recognition) 기술을 이용하여 사용자의 음성 명령을 통해 어플리케이션의 실행을 제어하거나, 웹 기반 서비스를 이용한 기능을 수행할 수 있다. 음성 인식 기술은 사용자(예: 사람)가 발화하는 음성을 이해하여 전자 장치가 다룰 수 있는 코드 정보로 변환하는 기술일 수 있다. 예를 들면, 음성 인식 기술은 음성 파형을 입력하여 단어나 단어 열을 식별하고, 의미를 추출하는 처리 동작을 포함할 수 있다.
현재 음성 인식 기술의 경우, 연산 처리가 간단한 명령은 전자 장치에서 처리하고, 전자 장치(예: 클라이언트(client))에서 처리하지 못하는 명령(예: 연산 처리가 복잡하고 많은 자원이 요구되는 명령)은 서버(예: 지능형 서버)를 이용하여 처리하는 방식을 제안하고 있다. 예를 들면, 전자 장치에서 사용자 명령(예: 입력된 음성)을 획득하고, 획득된 사용자 명령을 서버로 전달하여 서버에 의해 처리하도록 할 수 있다.
한편, 전자 장치는 지능형 서비스(예: AI 음성 어시스턴트(assistant))(또는 인공 지능 비서 또는 지능형 개인 비서 서비스)를 통해 사용자 발화를 처리할 수 있고, 전자 장치와 서버 간의 세션(session)(예: 서비스를 위한 연결 또는 유지 시간)이 유지되는 동안에, 연속 발화(follow-up utterances)를 처리하여 연속적인 서비스를 제공할 수 있다. 예를 들면, 전자 장치와 서버 간의 세션이 유지되는 동안에는, 이전 발화를 처리한 캡슐(capsule)(또는 도메인(domain))에 기반하여 후속된 발화를 연속되게 처리(예: 연속 발화 처리)하여 대응하는 응답을 사용자에게 제공할 수 있다.
하지만, 종래에서 연속 발화는 전자 장치와 서버 간의 세션이 유지되는 경우에만 지원할 수 있다. 예를 들면, 종래에서는 이전 발화에 대한 세션이 종료된 이후의 발화에 대해서는 연속 발화를 지원하지 않으며, 새로운 세션의 새로운 최초 발화(예: 루트(root) 발화)로 인식 및 처리하고 있다.
다양한 실시예들에서는, 전자 장치에서 지능형 서비스(예: AI 음성 어시스턴트)를 제공할 때, 세션 종료 이후의 발화를 연속 발화로 처리할 수 있도록, 연속 발화의 지원 범위를 세션 종료 이후까지 확장할 수 있는 방법 및 장치에 관하여 개시한다.
다양한 실시예들에서는, 전자 장치에서 제1 발화에 대한 응답 결과를 제공한 이후 제1 발화에 관련된 세션이 종료되고, 세션 종료 이후에 입력되는 제2 발화를 제1 발화에 후속되는 연속 발화로 처리할 수 있는 방법 및 장치에 관하여 개시한다.
다양한 실시예들에서는, 제1 발화에 관련된 세션이 종료된 이후 입력된 제2 발화에 대해 서버에서 처리하지 못한 경우, 또는 세션이 종료된 이후 입력된 제2 발화에 대해 서버에서 처리한 캡슐(또는 도메인)이 이전 제1 발화에 대해 처리한 캡슐(또는 도메인)과 다른 경우에 있어서, 제1 발화를 처리한 캡슐에 기반하여 제2 발화를 처리하는 것에 의해, 제2 발화를 제1 발화에 후속되는 연속 발화로 처리할 수 있는 방법 및 장치에 관하여 개시한다.
다양한 실시예들에서는, 세션이 종료된 상태에서 이후 입력된 발화에 대한 응답 제공 시, 해당 발화에 대해, 연속 발화 처리에 따른 제1 응답 결과, 또는 제1 응답 결과와 함께 루트 발화 처리에 따른 제2 응답 결과를 선택적으로 제공할 수 있는 방법 및 장치에 관하여 개시한다.
본 개시의 일 실시예에 따른 음성 인식 서비스를 지원하기 위한 장치는, 메모리, 및 상기 메모리와 작동적으로 연결된 음성 인식 장치(또는 회로(circuitry), 또는 프로세서(processor))를 포함하고, 상기 음성 인식 장치는, 제1 발화를 수신하고, 세션을 시작하기 위해 상기 제1 발화를 처리하여 제1 응답 결과를 생성하고, 상기 제1 발화에 관련된 상기 세션이 종료된 이후에, 제2 발화를 수신하고, 제2 응답 결과를 생성하기 위해 상기 제2 발화를 처리하고, 상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리를 실행할 지 여부를 결정하고, 상기 연속 발화 처리를 실행하기로 결정하는 것에 기반하여, 제3 응답 결과를 생성하기 위해 상기 제1 발화에 관련된 제1 응답 결과에 적어도 부분적으로 기반하여 상기 제2 발화를 재처리 하고, 및 상기 제3 응답 결과를 출력하도록 동작할 수 있다.
본 개시의 일 실시예에 따른 전자 장치는, 통신 회로, 디스플레이, 마이크, 메모리, 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 마이크를 통해 제1 발화를 수신하고, 세션을 시작하기 위해 상기 제1 발화를 처리하여 제1 응답 결과를 생성하고, 상기 제1 발화에 관련된 상기 세션이 종료된 이후에, 상기 마이크를 통해 제2 발화를 수신하고, 제2 응답 결과를 생성하기 위해 상기 제2 발화를 처리하고, 상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리를 실행할 지 여부를 결정하고, 상기 연속 발화 처리를 실행하기로 결정하는 것에 기반하여, 제3 응답 결과를 생성하기 위해 상기 제1 발화에 관련된 제1 응답 결과에 적어도 부분적으로 기반하여 상기 제2 발화를 재처리 하고, 및 제3 응답 결과를 출력하도록 동작할 수 있다.
본 개시의 일 실시예에 따른 전자 장치의 동작 방법은, 마이크를 통해 제1 발화를 수신하고, 세션을 시작하기 위해 상기 제1 발화를 적어도 하나의 프로세서를 통해 처리하여 제1 응답 결과를 생성하는 동작, 상기 제1 발화에 관련된 상기 세션이 종료된 이후에, 상기 마이크를 통해 제2 발화를 수신하는 동작, 제2 응답 결과를 생성하기 위해 상기 제2 발화를 처리하는 동작, 상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리를 실행할 지 여부를 결정하는 동작, 상기 연속 발화 처리를 실행하기로 결정하는 것에 기반하여, 제3 응답 결과를 생성하기 위해 상기 제1 발화에 관련된 제1 응답 결과에 적어도 부분적으로 기반하여 상기 제2 발화를 재처리 하는 동작, 및 제3 응답 결과를 출력 회로를 통해 출력하는 동작을 포함할 수 있다.
상기와 같은 과제를 해결하기 위하여 본 개시의 다양한 실시예들에서는, 상기 방법을 프로세서에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체를 포함할 수 있다.
본 개시의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 개시의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 개시의 바람직한 실시예와 같은 특정 실시예는 단지 예시로 주어진 것으로 이해되어야 한다.
본 개시의 실시예에 따른 전자 장치 및 그의 동작 방법에 따르면, 전자 장치에서 제1 발화에 대한 응답 결과를 제공한 이후 제1 발화에 관련된 세션이 종료되고, 세션 종료 이후에 입력되는 제2 발화를 제1 발화에 후속되는 연속 발화로 처리할 수 있다. 다양한 실시예들에 따르면, 전자 장치에서 지능형 서비스(예: AI 음성 어시스턴트)를 제공할 때, 연속 발화의 지원 범위를 세션 종료 이후까지 확장하여, 사용자의 편의성, 접근성 및/또는 서비스 사용 만족도를 향상할 수 있다.
본 개시의 실시예에 따르면, 세션이 종료된 상태에서 이후 입력된 발화에 대한 응답 제공 시, 해당 발화에 대해, 연속 발화 처리에 따른 제1 응답 결과를 제공하거나, 제1 응답 결과와 함께 루트 발화 처리에 따른 제2 응답 결과를 제공할 수 있으며, 이를 통해 사용자의 편의성, 접근성 및/또는 서비스 사용 만족도를 향상할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도면 설명과 관련하여, 동일 또는 유사한 구성 요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 다양한 실시예들에 따른 통합 지능화(integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 다양한 실시예들에 따른 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 다양한 실시예들에 따른 전자 장치가 지능형 어플리케이션을 통해 수신된 음성 입력을 처리하는 사용자 인터페이스의 일 예를 도시하는 도면이다.
도 5는 일 실시예에 따른 전자 장치의 구성을 개략적으로 도시하는 도면이다.
도 6은 일 실시예에 따른 전자 장치와 서버 간의 연속 발화를 처리하는 동작 예를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 전자 장치와 서버 간의 연속 발화를 처리하는 동작 예를 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 9는 일 실시예에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 10은 일 실시예에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 11은 일 실시예에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 12는 일 실시예에 따른 전자 장치 또는 서버의 동작 방법을 도시하는 흐름도이다.
도 13은 일 실시예에 따른 전자 장치에서 연속 발화 처리에 대한 결과를 제공하는 예를 도시하는 도면이다.
도 14a 및 도 14b는 일 실시예에 따른 전자 장치에서 세션 종료 이후의 발화를 연속 발화로 처리하여 제공하는 결과 화면의 예를 설명하기 위한 도면들이다.
도 15는 일 실시예에 따른 전자 장치에서 세션 종료 이후의 발화를 연속 발화로 처리하여 제공하는 결과 화면의 예를 설명하기 위한 도면이다.
도 16a 및 도 16b는 일 실시예에 따른 전자 장치에서 세션 종료 이후의 발화를 지정된 캡슐에 의해 연속 발화로 처리하여 제공하는 결과 화면의 예를 설명하기 위한 도면들이다.
도 17a 및 도 17b는 일 실시예에 따른 전자 장치에서 세션 종료 이후의 발화를 지정된 캡슐에 의해 연속 발화로 처리하여 제공하는 결과 화면의 예를 설명하기 위한 도면들이다.
도 1은 다양한 실시예들에 따른 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치(CPU, central processing unit) 또는 어플리케이션 프로세서(AP, application processor)) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치(GPU, graphic processing unit), 신경망 처리 장치(NPU, neural processing unit), 이미지 시그널 프로세서(ISP, image signal processor), 센서 허브 프로세서(sensor hub processor), 또는 커뮤니케이션 프로세서(CP, communication processor))를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(inactive)(예: 슬립(sleep)) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(OS, operating system)(142), 미들 웨어(middleware)(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD(secure digital) 카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN(wide area network))와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB, enhanced mobile broadband), 단말 전력 최소화와 다수 단말의 접속(mMTC, massive machine type communications), 또는 고신뢰도와 저지연(URLLC, ultra-reliable and low-latency communications)을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO, full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예들에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC, mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
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 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱(heuristic)하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는 일 실시예에 따른 통합 지능화(integrated intelligence) 시스템을 나타낸 블록도이다.
도 2를 참조하면, 일 실시예의 통합 지능화 시스템(200)은 전자 장치(101), 지능형 서버(201), 및/또는 서비스 서버(300)를 포함할 수 있다.
일 실시예의 전자 장치(101)는, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD(head mounted display), 또는 스마트 스피커일 수 있다.
도시된 실시예에 따르면, 전자 장치(101)는 통신 모듈(190)(예: 도 1의 무선 통신 모듈(192)), 마이크(151)(예: 도 1의 입력 모듈(150)), 스피커(155)(예: 도 1의 음향 출력 모듈(155)), 디스플레이 모듈(160), 메모리(130), 또는 프로세서(120)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시예의 통신 모듈(190)은 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시예의 마이크(151)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(155)는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 일 실시예의 디스플레이 모듈(160)은 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시예의 디스플레이 모듈(160)은 실행되는 어플리케이션(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(GUI, graphic user interface)를 표시할 수 있다.
일 실시예의 메모리(130)는 클라이언트 모듈(137), SDK(software development kit)(135) 및 복수의 앱들(133)을 저장할 수 있다. 클라이언트 모듈(137) 및 SDK(135)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(137) 또는 SDK(135)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시예의 메모리(130)에 저장된 복수의 앱들(133)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시예에 따르면, 복수의 앱들(133)은 제1 앱(130_1), 제2 앱(130_2)을 포함할 수 있다. 일 실시예에 따르면, 복수의 앱들(133) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 복수의 앱들(133)은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시예에 따르면, 복수의 앱들(133)은 프로세서(120)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시예의 프로세서(120)는 전자 장치(101)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(120)는 통신 모듈(190), 마이크(151), 스피커(155), 및 디스플레이 모듈(160)과 작동적으로 또는 전기적으로 연결되어 지정된 동작을 수행할 수 있다.
일 실시예의 프로세서(120)는 메모리(130)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(120)는 클라이언트 모듈(137) 또는 SDK(135) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(120)는, 예를 들어, SDK(135)를 통해 복수의 앱들(133)의 동작을 제어할 수 있다. 클라이언트 모듈(137) 또는 SDK(135)의 동작으로 설명된 이하의 동작은 프로세서(120)의 실행에 의한 동작일 수 있다.
일 실시예의 클라이언트 모듈(137)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(137)은 마이크(151)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 클라이언트 모듈(137)은 수신된 음성 입력을 지능형 서버(201)로 송신할 수 있다. 클라이언트 모듈(137)은 수신된 음성 입력과 함께, 전자 장치(101)의 상태 정보를 지능형 서버(201)로 송신할 수도 있다. 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시예의 클라이언트 모듈(137)은 수신된 음성 입력에 대응되는 결과를 지능형 서버(201)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(137)은 지능형 서버(201)에서 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 지능형 서버(201)로부터 수신할 수 있다. 클라이언트 모듈(137)은 지능형 서버(201)로부터 수신된 결과를 디스플레이 모듈(160)을 통해 표시할 수 있다.
일 실시예의 클라이언트 모듈(137)은 지능형 서버(201)로부터 수신된 음성 입력에 대응되는 플랜(plan)을 수신할 수 있다. 클라이언트 모듈(137)은 플랜에 따라 적어도 하나의 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(160)에 표시할 수 있다. 클라이언트 모듈(137)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이 모듈(160)에 표시할 수 있다. 클라이언트 모듈(137)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈(160)에 표시할 수 있다.
일 실시예에 따르면, 클라이언트 모듈(137)은 지능형 서버(201)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(137)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(201)로 송신할 수 있다.
일 실시예의 클라이언트 모듈(137)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(201)로 송신할 수 있다. 지능형 서버(201)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시예의 클라이언트 모듈(137)은 음성 인식 모듈을 포함할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(137)은 음성 인식 모듈을 통해 제한된 기능을 수행하기 위해 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(137)은 지정된 입력(예: 웨이크 업!)을 통해 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.
일 실시예의 지능형 서버(201)는 통신 네트워크를 통해 전자 장치(101)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시예에 따르면, 지능형 서버(201)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시예에 따르면, 지능형 서버(201)는 텍스트 데이터에 기반하여 사용자 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜을 생성할 수 있다.
일 실시예에 따르면, 플랜은 인공 지능(AI, artificial intelligent) 시스템에 의해 생성될 수 있다. 인공 지능 시스템은 룰 베이스 시스템(rule-based system)일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(FNN, feedforward neural network), 순환 신경망(RNN, recurrent neural network))일 수도 있다. 또는, 인공 지능 시스템은 전술한 것의 조합 또는 이와 다른 인공 지능 시스템일 수도 있다. 일 실시예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공 지능 시스템은 미리 정의된 복수의 플랜 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시예의 지능형 서버(201)는 생성된 플랜에 따른 결과를 전자 장치(101)로 송신하거나, 생성된 플랜을 전자 장치(101)로 송신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 플랜에 따른 결과를 디스플레이 모듈(160)에 표시할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 플랜에 따른 동작을 실행한 결과를 디스플레이 모듈(160)에 표시할 수 있다.
일 실시예의 지능형 서버(201)는 프론트 엔드(front end)(210), 자연어 플랫폼(natural language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 및/또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.
일 실시예의 프론트 엔드(210)는 전자 장치(101)로부터 음성 입력을 수신할 수 있다. 프론트 엔드(210)는 음성 입력에 대응되는 응답을 전자 장치(101)에 송신할 수 있다.
일 실시예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(ASR(automatic speech recognition) module)(221), 자연어 이해 모듈(NLU(natural language understanding) module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(NLG(natural language generator) module)(227), 및/또는 텍스트 음성 변환 모듈(TTS(text to speech) module)(229)을 포함할 수 있다.
일 실시예의 자동 음성 인식 모듈(221)은 전자 장치(101)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기반하여 태스크를 수행하기 위해 필요한 복수의 도메인(domain)을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기반하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터(parameter)나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 파라미터 및 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다.
일 실시예의 플래너 모듈(225)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기반하여, 사용자의 의도에 기반하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작의 실행에 필요한 파라미터 및 복수의 동작의 실행에 의해 출력되는 결과에 기반하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 전자 장치(101)에서도 구현가능 할 수 있다.
일 실시예에 따르면, 캡슐 데이터베이스(230)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object)(또는 동작 정보) 및 컨셉 오브젝트(concept object)(또는 컨셉 정보)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
일 실시예에 따르면, 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 전자 장치(101)를 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다.
일 실시예에 따르면, 캡슐 데이터베이스(230)는 캡슐 식별자(캡슐 ID)에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 캡슐 데이터베이스(230)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다.
상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시예에서는 캡슐 데이터베이스(230)는 전자 장치(101) 내에도 구현이 가능할 수 있다.
일 실시예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 일 실시예의 엔드 유저 인터페이스(250)는 산출된 결과를 전자 장치(101)로 송신할 수 있다. 이에 따라, 전자 장치(101)는 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시예의 매니지먼트 플랫폼(260)은 지능형 서버(201)에서 이용되는 정보를 관리할 수 있다. 일 실시예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시예의 분석 플랫폼(280)은 지능형 서버(201)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(201)의 구성 요소 및 처리 속도(또는 효율성)를 관리할 수 있다.
일 실시예의 서비스 서버(300)는 전자 장치(101)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시예의 서비스 서버(300)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(201)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(201)에 제공할 수 있다.
위에 기술된 통합 지능화 시스템(200)에서, 전자 장치(101)는, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시예에서, 전자 장치(101)는 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 전자 장치(101)는 마이크(151)를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시예에서, 전자 장치(101)는 수신된 음성 입력에 기초하여, 단독으로 또는 지능형 서버(201) 및/또는 서비스 서버(300)와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 전자 장치(101)는 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시예에서, 전자 장치(101)가 지능형 서버(201) 및/또는 서비스 서버(300)와 함께 서비스를 제공하는 경우에는, 전자 장치(101)는 마이크(151)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는 음성 데이터)를 생성할 수 있다. 전자 장치(101)는 상기 음성 데이터를 통신 모듈(190)을 이용하여 지능형 서버(201)로 송신할 수 있다.
일 실시예에 따른 지능형 서버(201)는 전자 장치(101)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시예의 전자 장치(101)는, 통신 모듈(190)을 이용하여 상기 응답을 수신할 수 있다. 전자 장치(101)는 스피커(155)를 이용하여 전자 장치(101) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(160)을 이용하여 전자 장치(101) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 2에서는 전자 장치(101)에서 수신한 음성 입력의 음성 인식, 자연어 이해 및 생성, 플랜을 이용한 결과의 산출 동작이 지능형 서버(201) 상에서 수행되는 예에 대해서 설명하였으나, 본 문서의 다양한 실시예들이 이에 한정되지 않는다. 예를 들어, 지능형 서버(201)의 적어도 일부 구성(예: 자연어 플랫폼(220), 실행 엔진(240), 캡슐 데이터베이스(230))은 전자 장치(101)에 임베디드되어, 그 동작이 전자 장치(101)에 의해 수행될 수도 있다.
도 3은 다양한 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
지능형 서버(201)의 캡슐 데이터베이스(230)는 CAN(concept action network) 형태로 캡슐을 저장할 수 있다. 캡슐 데이터베이스(230)는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN 형태로 저장할 수 있다.
캡슐 데이터베이스(230)는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(예: capsule A(401), capsule B(404))을 저장할 수 있다. 일 실시예에 따르면, 하나의 캡슐(예: capsule A(401))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(402) 또는 CP 2 (403))가 대응될 수 있다. 일 실시예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.
자연어 플랫폼(220)은 캡슐 데이터베이스(230)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼(220)의 플래너 모듈(225)은 캡슐 데이터베이스(230)에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(401)의 동작들(4011, 4013)과 컨셉들(4012, 4014) 및 캡슐 B(404)의 동작(4041)과 컨셉(4042)을 이용하여 플랜(407)을 생성할 수 있다.
도 4는 다양한 실시예들에 따른 전자 장치가 지능형 어플리케이션을 통해 수신된 음성 입력을 처리하는 사용자 인터페이스의 일 예를 도시하는 도면이다.
일 실시예에 따르면, 전자 장치(101)는 지능형 서버(201)를 통해 사용자 명령(예: 음성 입력)을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시예에 따르면, 제1 사용자 인터페이스(450)에서, 전자 장치(101)는 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 전자 장치(101)는, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 지능형 앱에 대응되는 오브젝트(451)(예: 아이콘)를 디스플레이 모듈(160)에 표시할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 전자 장치(101)는 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 사용자 인터페이스(UI, user interface)(313)(예: 입력창)를 디스플레이 모듈(160)에 표시할 수 있다.
일 실시예에 따르면, 제2 사용자 인터페이스(470)에서, 전자 장치(101)는 수신된 음성 입력에 대응되는 결과를 디스플레이 모듈(160)에 표시할 수 있다. 예를 들어, 전자 장치(101)는 수신된 사용자 명령(예: 수신된 음성 입력)에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이 모듈(160)에 표시할 수 있다.
다양한 실시예들을 서술하기에 앞서, 본 개시의 일 실시예가 적용될 수 있는 전자 장치(101)에 대하여 설명한다.
도 5는 일 실시예에 따른 전자 장치의 구성을 개략적으로 도시하는 도면이다.
도 5를 참조하면, 일 실시예에 따른 전자 장치(101)는 통신 모듈(190), 디스플레이 모듈(160), 프로세서(120), 메모리(130), 및 기능 처리 모듈(500)을 포함할 수 있다.
일 실시예에 따라, 통신 모듈(190)은 레거시 네트워크(예: 3G 네트워크 및/또는 4G 네트워크), 5G 네트워크, OOB(out of band) 및/또는 차세대 통신 기술(예: NR(new radio) 기술)을 지원할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 도 1에 예시한 바와 같은 무선 통신 모듈(192)에 대응할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 통신 모듈(190)을 이용하여 네트워크를 통해 외부 장치(예: 도 1의 서버(108), 도 2의 지능형 서버(201) 및/또는 도 1의 다른 전자 장치(102, 104))와 통신을 수행할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 지능형 서비스 동작 시에, 마이크(예: 도 2의 마이크(151))를 통해 입력된 사용자 발화의 음성 신호를 통신 모듈(190)을 통해 서버로 전송할 수 있고, 서버로부터 사용자 발화의 음성 신호에 대해 처리된 응답 결과를 수신할 수 있다.
일 실시예에 따라, 디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 다양한 정보를 시각적으로 제공할 수 있다. 일 실시예에 따라, 디스플레이 모듈(160)은 터치 감지 회로(또는 터치 센서)(미도시), 터치의 세기를 측정할 수 있는 압력 센서 및/또는 자기장 방식의 스타일러스 펜을 검출하는 터치 패널(예: 디지타이저)을 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치 감지 회로, 압력 센서 및/또는 터치 패널에 기반하여 디스플레이 모듈(160)의 특정 위치에 대한 신호(예: 전압, 광량, 저항, 전자기 신호 및/또는 전하량)의 변화를 측정함으로써 터치 입력 및/또는 호버링 입력(또는 근접 입력)을 감지할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 액정 표시 장치(LCD, liquid crystal display), OLED(organic light emitted diode), AMOLED(active matrix organic light emitted diode)로 구성될 수 있다. 어떤 실시예에 따르면, 디스플레이 모듈(160)은 플렉서블 디스플레이(flexible display)로 구성될 수 있다.
일 실시예에 따르면, 디스플레이 모듈(160)은 프로세서(120)의 제어 하에, 지능형 서비스 수행과 관련된 실행 화면 및 사용자 발화에 대해 처리된 응답 결과를 시각적으로 제공할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 지능형 서비스 수행과 관련된 다양한 정보(예: 사용자 인터페이스)를 표시할 수 있다.
일 실시예에 따라, 메모리(130)는 도 1을 참조한 설명 부분에서 설명한 바와 같은 메모리(130)에 대응할 수 있다. 일 실시예에 따르면, 메모리(130)는 전자 장치(101)에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 어플리케이션(예: 도 1의 프로그램(140)), 및 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 일 실시예에 따라, 메모리(130)는 실행 시에, 프로세서(120)가 동작하도록 하는 인스트럭션들(instructions)을 저장할 수 있다. 예를 들면, 어플리케이션은 메모리(130) 상에 소프트웨어(예: 도 1의 프로그램(140))로서 저장될 수 있고, 프로세서(120)에 의해 실행 가능할 수 있다. 일 실시예에 따라, 어플리케이션은 지능형 서비스(예: AI 음성 어시스턴트)를 이용할 수 있는 어플리케이션일 수 있다.
일 실시예에 따르면, 메모리(130)는 프로세서(120)에 의하여 수행될 수 있는, 지능형 서비스를 처리하는 기능(또는 동작)과 관련된 기능 처리 모듈(500)을 포함할 수 있다. 예를 들면, 메모리(130)는 기능 처리 모듈(500)의 적어도 하나의 모듈을 소프트웨어 형태로 포함할 수 있다. 예를 들면, 기능 처리 모듈(500)의 기능은 메모리(130)에 인스트럭션 형태로 구현되어 저장될 수 있다.
일 실시예에 따라, 프로세서(120)는 전자 장치(101)에서 지능형 서비스(예: AI 음성 어시스턴트)를 처리하는 것과 관련된 동작(또는 처리)을 제어할 수 있다. 일 실시예에 따르면, 프로세서(120)는 지능형 서비스를 제공할 때, 세션 종료 이후에 입력된 발화를 연속 발화로 처리하는 것과 관련된 동작을 제어할 수 있다. 일 실시예에 따르면, 프로세서(120)는 지능형 서비스를 제공할 때, 이전 발화와 관련된 세션 종료 이후의 사용자의 추가 발화를 이전 발화와 연관된(또는 후속되는) 연속 발화로 처리할 수 있도록, 연속 발화의 지원 범위를 세션 종료 이후까지 확장하는 것과 관련된 동작을 제어할 수 있다.
일 실시예에 따르면, 프로세서(120)는 마이크(예: 도 2의 마이크(151))를 통해 입력된 사용자의 제1 발화에 대한 응답 결과를 제공한 이후 제1 발화에 관련된 세션이 종료되고, 세션 종료 이후에 입력되는 제2 발화를 제1 발화에 후속되는 연속 발화로 처리할 수 있다. 일 실시예에 따르면, 프로세서(120)는, 제1 발화에 관련된 세션이 종료된 이후 입력된 제2 발화에 대해 서버에서 처리하지 못한 경우, 또는 세션이 종료된 이후 입력된 제2 발화에 대해 서버에서 처리한 캡슐(또는 도메인)이 이전 제1 발화에 대해 처리한 캡슐(또는 도메인)과 다른 경우에 있어서, 제1 발화를 처리한 캡슐에 기반하여 제2 발화를 처리하는 것에 의해, 제2 발화를 제1 발화에 후속되는 연속 발화로 처리할 수 있다.
일 실시예에 따르면, 프로세서(120)는, 세션이 종료된 상태에서 이후 입력된 사용자의 추가 발화에 대한 응답 제공 시, 해당 발화에 대한 응답 결과를 바로 제공하지 않고, 추가 발화의 연속 발화 여부를 결정하고, 결정하는 연속 발화의 종류에 따라, 싱글 결과(single result) 또는 더블 결과(double result)를 제공하도록 디스플레이 모듈(160)을 제어할 수 있다. 일 실시예에 따르면, 프로세서(120)는 추가 발화에 대해 연속 발화로 처리에 기반하여 하나의 결과인 제1 응답 결과를 제공하거나, 또는 추가 발화에 대해 루트 발화로 처리에 기반하여 두 개의 결과인 제1 응답 결과와 루트 발화 처리에 따른 제2 응답 결과를 함께 제공할 수 있다.
일 실시예에 따르면, 프로세서(120)는 마이크(예: 도 2의 마이크(151))를 통해 입력된 사용자의 제1 발화에 관련된 제1 응답 결과를 제공하고, 제1 응답 결과를 제공한 후, 지정된 조건에 기반하여 제1 발화에 관련된 세션(session)을 종료할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 발화에 관련된 세션을 종료한 이후에, 마이크(예: 도 2의 마이크(151))를 통해 입력된 사용자의 제2 발화에 따른 음성 신호를 획득하는 경우, 제2 발화의 처리에 관련된 제2 응답 결과를 획득할 수 있다.
일 실시예에 따르면, 프로세서(120)는 제2 응답 결과를 획득하는 경우, 제2 응답 결과에 기반하여 제2 발화에 대한 연속 발화 처리 여부를 결정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 연속 발화 처리를 결정하는 것에 기반하여 제1 발화에 관련된 정보를 지정하여 제2 발화에 대한 재처리와 관련된 동작을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제2 발화에 대한 재처리와 관련된 동작 수행에 기반하여, 제2 발화의 재처리에 관련된 제3 응답 결과를 획득하고, 제2 발화에 대해 연속 발화를 처리하는 속성에 기반하여 한 개 또는 두 개의 응답 결과를 제공할 수 있다.
일 실시예에 따르면, 프로세서(120)는 제2 발화의 연속 발화를 처리하는 속성(예: 제1 속성 또는 제2 속성)에 기반하여, 제2 발화의 연속 발화 처리에 따른 제3 응답 결과를 제공하거나, 또는 제2 발화의 루트 발화 처리에 따른 제2 응답 결과와 제2 발화의 연속 발화 처리에 따른 제3 응답 결과를 제공할 수 있다.
일 실시예에 따르면, 프로세서(120)는 지능형 서비스를 처리하기 위한 기능 처리 모듈(500)을 포함할 수 있다. 예를 들면, 프로세서(120)는 기능 처리 모듈(500)의 적어도 하나의 모듈을 포함하고, 적어도 하나의 모듈에 기반하여, 사용자의 발화에 응답하여, 이전 세션의 유지 여부를 식별하고, 이전 세션이 종료된 경우, 새로운 세션에서 사용자의 발화를 연속 발화로 처리하고, 그 결과에 따른 적어도 하나의 응답 결과를 제공하는 것과 관련된 기능(또는 동작)을 처리할 수 있다.
다양한 실시예들에 따른, 프로세서(120)는 상기의 기능 외에 전자 장치(101)의 통상적인 기능과 관련된 각종 동작을 제어할 수 있다. 예를 들면, 프로세서(120)는 지정된 어플리케이션 실행 시 그의 운영 및 화면 표시를 제어할 수 있다. 다른 예를 들면, 프로세서(120)는 터치 기반 또는 근접 기반의 입력 인터페이스에서 지원하는 다양한 터치 이벤트 또는 근접 이벤트 입력에 대응하는 입력신호를 수신하고, 그에 따른 기능 운영을 제어할 수 있다.
일 실시예에 따라, 기능 처리 모듈(500)은, 예를 들면, 하드웨어 모듈(예: 회로(circuitry))로 프로세서(120)에 포함되거나, 및/또는 프로세서(120)에 의해 읽을 수 있는 저장 매체(storage medium)(예: 메모리(130))에 저장된 하나 이상의 인스트럭션들을 포함하는 소프트웨어로서 구현될 수 있다. 예를 들면, 프로세서(120)에서 수행하는 동작들은, 메모리(130)에 저장되고, 실행 시에, 프로세서(120)가 동작하도록 하는 인스트럭션들에 의해 실행될 수 있다.
일 실시예에 따라, 기능 처리 모듈(500)의 기능(또는 동작)은 메모리(130)에 인스트럭션(또는 명령어) 형태로 구현되어 저장될 수 있다. 예를 들면, 기능 처리 모듈(500)은, 예를 들면, 하드웨어 모듈(예: 회로)로 이해될 수 있지만, 다양한 실시예들이 이에 한정되지 않는다. 예를 들어, 기능 처리 모듈(500)은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
일 실시예에 따르면, 기능 처리 모듈(500)은 프로세서(120)에 의해 읽을 수 있는 저장 매체(storage medium)(예: 메모리(130))에 저장된 하나 이상의 인스트럭션들을 포함하는 소프트웨어(예: 도 1의 프로그램(140))로서 구현될 수 있다. 일 실시예에 따르면, 기능 처리 모듈(500)에서 수행하는 동작들은, 메모리(130)에 저장되고, 실행 시에, 프로세서(120)가 동작하도록 하는 인스트럭션들에 의해 실행될 수 있다.
일 실시예에 따라, 기능 처리 모듈(500)은 오디오 인식 모듈(audio recording module)(510), 세션 관리 모듈(session management module)(520), 요청 관리 모듈(request management module)(530), 연속 발화 결정 모듈(follow-up utterances decision module)(540)(또는 후속 결정 모듈(follow-up decision module)), 히스토리 관리 모듈(history management module)(550)(또는 캡슐 히스토리 모듈(capsule history module)), 결과 관리 모듈(result management module)(560)(또는 결과 핸들러(result handler)), 및 사용자 인터페이스(UI, user interface) 처리 모듈(UI processing module)(570)을 포함할 수 있다.
일 실시예에 따라, 오디오 인식 모듈(510)은, eASR(embedded ASR(automatic speech recognition)) 모듈을 나타낼 수 있다. 일 실시예에 따른, 오디오 인식 모듈(510)은 사용자 발화에 따라 전자 장치(101)의 마이크(예: 도 2의 마이크(151))를 통해 수신된 음성 입력을 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 요청 관리 모듈(530)로 전달할 수 있다.
일 실시예에 따라, 세션 관리 모듈(520)은 사용자의 발화에 대한 세션(예: 서비스를 위한 전자 장치(101)와 서버 간의 연결 또는 유지 시간)을 지정된 세션 관리 정책에 기반하여 관리하는 모듈을 나타낼 수 있다. 일 실시예에 따라, 세션 관리 정책은, 전자 장치(101)마다 별도로 다양하게 정의될 수 있으며, 전자 장치(101) 내에서도 음성 어시스턴트의 동작 모드(또는 동작 어플리케이션)에 따라 다양하게 정의될 수 있다. 또한, 세션 관리 정책은, 사용자가 세션을 명시적으로 종료하도록 지정된 입력(예: 홈 화면 이동 입력 또는 음성 어시스턴트 종료 입력)을 포함할 수 있다. 일 실시예에 따르면, 세션 관리 모듈(520)은 연결되는 세션 마다 세션 정보를 부여할 수 있고, 세션의 변경 마다 다른 세션 정보를 설정하여 제공할 수 있다.
일 실시예에 따라, 요청 관리 모듈(530)은, 오디오 인식 모듈(510)로부터 전달된 텍스트 데이터(예: 오디오 스트림)에 대한 처리(예: 사용자 발화 처리)를 서버로 요청하는 모듈을 나타낼 수 있다. 일 실시예에 따르면, 요청 관리 모듈(530)은 세션 관리 모듈(520)을 통해 세션이 유지되는 동안, 오디오 인식 모듈(510)로부터 전달되는 텍스트 데이터(예: 제N 발화에 따른 오디오 스트림, N은 자연수)를, 통신 모듈(190)을 통해 서버로 전달하고, 텍스트 데이터에 대한 발화 처리(예: 음성 인식 및 응답 결과)를 요청할 수 있다. 일 실시예에 따르면, 요청 관리 모듈(530)은 텍스트 데이터(예: 오디오 스트림)를 서버로 전달할 때, 세션 관리 모듈(520)에서 관리되고 있는 세션 정보(예: Request ID)를 함께 전달할 수 있다. 예를 들면, 서버(예: 도 2의 지능형 서버(201))(예: NLU 모듈)는 전자 장치(101)로부터 발화 처리 요청이 수신되는 경우 세션 정보에 기반하여 이전 발화에 대해 처리된 캡슐에서 현재 발화를 처리(예: 동일 세션 내에서의 연속 발화를 처리)하도록 캡슐을 매핑할 수 있다.
일 실시예에 따르면, 요청 관리 모듈(530)은 세션 관리 모듈(520)에 의해 세션이 유지되는 동안, 오디오 인식 모듈(510)로부터 전달되는 텍스트 데이터(예: 사용자 발화 별 오디오 스트림)에 대해 동일한 세션 정보를 제공할 수 있다. 일 실시예에 따르면, 요청 관리 모듈(530)은 세션 관리 모듈(520)에 의해 이전 세션이 종료되고, 새로운 현재 세션이 시작되는 경우, 현재 세션에서 오디오 인식 모듈(510)로부터 전달되는 텍스트 데이터(예: 사용자 발화 별 오디오 스트림)에 대해, 이전 세션의 세션 정보와 다른 현재 세션의 세션 정보를 제공할 수 있다.
일 실시예에 따라, 연속 발화 결정 모듈(540)은, 사용자 발화에 대해 연속 발화로 처리할 지 또는 루트 발화로 처리할 지 여부를 결정하는 모듈을 나타낼 수 있다. 일 실시예에 따르면, 연속 발화 결정 모듈(540)은 현재 발화에 대한 응답 결과(예: 발화 처리 결과)로부터 현재 발화를 이전 발화에 연속되는 연속 발화로 처리할 지 여부를 판단하고, 연속 발화 처리 결정 시에 서버(예: 도 2의 지능형 서버(201))에 현재 발화를 연속 발화로 처리하도록 요청할 수 있다. 일 실시예에 따르면, 연속 발화 결정 모듈(540)은 사용자 발화에 대한 응답 결과(예: 발화 처리 결과)를 분석하여 각 상황에 맞는 조건에 기반하여, 히스토리 관리 모듈(550), 결과 관리 모듈(560) 또는 UI 처리 모듈(570)에 관련 데이터를 제공할 수 있다.
일 실시예에 따르면, 연속 발화 결정 모듈(540)은 제1 상황의 응답 결과에 기반하여 연속 발화 처리 결정 시, 현재 세션의 제2 발화를 연속 발화로 처리하고 그에 따른 제3 응답 결과를 제공하도록 동작할 수 있다. 일 실시예에 따르면, 연속 발화 결정 모듈(540)은 제2 상황의 응답 결과에 기반하여 연속 발화 처리 결정 시, 현재 세션의 제2 발화를 루트 발화로 처리한 제2 응답 결과와 현재 세션의 제2 발화를 연속 발화로 처리한 제3 응답 결과를 함께 제공하도록 동작할 수 있다.
일 실시예에 따르면, 연속 발화 결정 모듈(540)은 현재 발화가 이전 발화의 연속 발화인지 확인하기 위한 방법으로, 캡슐 ID(capsule ID), 서비스 ID(service ID), 디바이스 타입(device Type), 대화 ID(conversation ID), 캡슐 이름(capsule Name), 디바이스 로케일(device Locale), 및/또는 타임 존(time Zone)을 비교할 수 있다. 일 실시예에 따라, 연속 발화 결정 모듈(540)의 동작과 관련하여 후술하는 도면들을 참조하여 설명된다.
일 실시예에 따라, 히스토리 관리 모듈(550)은, 사용자 발화에 대해 처리된 캡슐의 히스토리(예: 세션 정보 및 캡슐 식별자(예: capsule ID))를 관리(예: 저장)하는 모듈을 나타낼 수 있다. 일 실시예에 따르면, 히스토리 관리 모듈(550)은 이전 발화의 세션 정보 및 이전 발화를 처리하는 캡슐의 캡슐 식별자를 저장 및 관리할 수 있다. 일 실시예에 따르면, 히스토리 관리 모듈(550)은, 사용자 발화, 사용자 발화가 처리된 캡슐의 캡슐 식별자(예: 캡슐 ID), 사용자 발화가 처리된 복수의 캡슐 중 사용자에 의해 선택된 캡슐의 캡슐 식별자, 및/또는 사용자 발화를 처리한 시간 정보(예: 이전 세션의 종료 시간(예: timestamp))를 저장(또는 갱신) 및 관리할 수 있다. 일 실시예에 따라, 히스토리 관리 모듈(550)의 동작과 관련하여 후술하는 도면들을 참조하여 설명된다.
일 실시예에 따라, 결과 관리 모듈(560)은, 캡슐에서 처리된 결과(예: 사용자 발화 별 응답 결과)를 관리하는 모듈을 나타낼 수 있다. 일 실시예에 따르면, 결과 관리 모듈(560)은 연속 발화 결정 모듈(540)의 동작에 기반하여 현재 세션에서 발화에 대해 루트 발화로 제1 처리된 응답 결과와 현재 세션에서 발화에 대해 연속 발화로 제2 처리된 응답 결과를 저장 및 관리할 수 있다. 일 실시예에 따르면, 결과 관리 모듈(560)은 연속 발화 결정 모듈(540)의 결정에 기반하여 한 개의 응답 결과(예: 연속 발화 처리에 따른 응답 결과)를 UI 처리 모듈(570)로 전달하거나, 또는 두 개의 응답 결과(예: 연속 발화 처리에 따른 응답 결과 및 루트 발화 처리에 따른 응답 결과)를 UI 처리 모듈(570)로 전달할 수 있다. 일 실시예에 따라, 결과 관리 모듈(560)의 동작과 관련하여 후술하는 도면들을 참조하여 설명된다.
일 실시예에 따라, UI 처리 모듈(570)은, 하나 또는 그 이상의 결과를 제공하는 모듈을 나타낼 수 있다. 일 실시예에 따르면, UI 처리 모듈(570)은 연속 발화 처리 모듈(540)의 동작에 기반하여 한 개의 응답 결과 또는 두 개의 응답 결과를 제공할 수 있다. 일 실시예에 따라, UI 처리 모듈(570)의 동작과 관련하여 후술하는 도면들을 참조하여 설명된다.
본 개시에서 설명되는 다양한 실시예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합된 것을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 하드웨어적인 구현에 의하면, 다양한 실시예들에서 설명되는 동작들은 ASICs(Application Specific Integrated Circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로프로세서(microprocessors), 및/또는 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다.
다양한 실시예들에서, 기록 매체는 마이크(예: 도 2의 마이크(151))를 통해 입력된 사용자의 제1 발화에 관련된 제1 응답 결과를 제공하는 동작, 제1 발화에 관련된 세션을 종료하는 동작, 제1 발화에 관련된 세션을 종료한 이후에, 마이크를 통해 입력된 사용자의 제2 발화에 따른 음성 신호를 획득하는 동작, 제2 발화의 처리에 관련된 제2 응답 결과를 획득하는 동작, 제2 응답 결과에 기반하여 제2 발화에 대한 연속 발화 처리 여부를 결정하는 동작, 연속 발화 처리를 결정하는 것에 기반하여 제1 발화에 관련된 정보를 지정하여 제2 발화에 대한 재처리를 수행하는 동작, 제2 발화의 재처리에 관련된 제3 응답 결과를 획득하는 동작, 및 제2 발화에 대해 연속 발화를 처리하는 속성에 기반하여 한 개 또는 두 개의 응답 결과를 제공하는 동작을 실행시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체를 포함할 수 있다.
이상에서와 같이, 다양한 실시예들은 세션이 종료된 상태에서의, 현재 발화에 대하여 이전 발화에 연속되는 연속 발화로 처리할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 이전 발화에 대해 세션이 종료된 이후 입력된 사용자 발화에 대해 처리하지 못한 경우(예: 제1 상황 또는 un-handled 상황), 또는 세션이 종료된 이후 입력된 발화를 처리한 캡슐이 이전 발화를 처리한 캡슐(예: 제2 캡슐)과 다른 캡슐에서 처리된 경우(예: 제2 상황 또는 misunderstood 상황)에 있어서, 사용자 발화에 대한 응답 결과를 바로 출력하지 않고, 이전 발화를 처리한 캡슐(예: 제2 캡슐)에 기반하여 발화 처리를 한번 더 수행하도록 요청하여, 연속 발화를 처리하도록 할 수 있다. 예를 들면, 다양한 실시예들에서는, 사용자 발화에 대해 연속 발화의 지원 범위를 세션 종료 이후까지 확장할 수 있도록 지원할 수 있다.
다양한 실시예들에 따르면, 전자 장치(101)는 발화(예: 제1 발화) 입력 및 입력된 제1 발화를 분석하여, 발화 기반 응답 후 세션이 종료(예: timeout 또는 사용자의 명시적인 입력에 따른 종료)된 상태에서 이후 입력된 발화(예: 제2 발화)를 분석 할 때, 제1 상황 또는 제2 상황을 식별하고, 제1 상황 또는 제2 상황에 대응하는 조건으로 제2 발화에 대한 연속 발화 또는 루트 발화를 처리할 수 있다.
일 실시예에 따라, 제1 상황은 세션 종료 이후의 발화를 처리하지 못하는 경우로, 예를 들면, 세션 종료 이후의 발화에 대해 서버에서 캡슐 매핑에 실패하여(또는 인식하지 못하여), “잘 이해하지 못했어요”와 같은 응답 결과가 발생하는 경우를 포함할 수 있다. 일 실시예에 따라, 제2 상황은 세션 종료 이후의 발화가 루트 발화로 인식하여, 이전 캡슐과 다른 캡슐에서 발화를 처리한 경우로, 예를 들면, “날씨는?” 발화 이후에, 새로운 세션에서 “뉴욕은?” 발화에 대한 결과를, 제1 캡슐(예: Capsule A, 날씨 캡슐)이 아니라 제2 캡슐(예: Capsule B, 시계 캡슐)이 처리하여 뉴욕의 시간을 알려주는 경우를 포함할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 제1 상황(예: 발화 처리를 실패하는 경우)에서, 이전에 처리한 캡슐 식별자(또는 도메인 정보)를 이용하여, 제2 발화를 제1 발화에 연속되는 연속 발화로 처리하고, 대응하는 제1 응답 결과를 제공할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 제2 상황(예: 입력된 제2 발화 기반 처리 캡슐(또는 도메인)이 제1 발화에 대해 수행한 캡슐(또는 도메인)과 다른 경우)에서, 제2 발화에 대해 해당 캡슐에서 수행된 제1 응답 결과를 관리(예: 저장)하고, 이전에 처리한 캡슐 식별자를 이용하여 제2 발화를 제1 발화에 연속되는 연속 발화로 처리하고, 대응하는 제2 응답 결과를 획득하여, 제1 응답 결과와 제2 응답 결과를 함께 제공할 수 있다. 예를 들면, 전자 장치(101)는 다른 두 캡슐(또는 도메인)에 대한 결과 정보를 사용자에게 제공하거나, 또는 보다 적합한 캡슐을 결정하여 대응하는 응답 결과를 제공할 수도 있다. 예를 들면, 사용자는 제1 발화에 대한 세션 종료 이후에, 루트 발화를 위한 제2 발화를 입력할 수도 있다. 이를 위해, 전자 장치(101)는 사용자의 의도된 루트 발화를 고려하여, 루트 발화로 처리된 응답 결과와 연속 발화로 처리된 응답 결과와 같이 2개의 응답 결과를 모두 제공하여, 사용자가 선택적으로 결과를 획득하도록 할 수 있다.
일 실시예에 따르면, 이하 도 6 및 도 7의 예시에서, 전자 장치(101)는 음성 어시스턴트를 통해 사용자가 발화를 입력하면, 사용자 발화에 따른 오디오 스트림(또는 음성 신호)을 서버(600)(예: 도 2의 지능형 서버(201))로 전달하고, 서버(600)에서 처리된 결과를 다시 전자 장치(101)에서 스피커(예: 도 2의 스피커(155))를 통해 음성(voice)으로 출력하거나, 또는 디스플레이 모듈(160)을 통해 화면에서 표시할 수 있다.
일 실시예에 따라, 서버(600)는 역할에 따라 다양하게 구분될 수 있다. 예를 들면, 서버(600)는 오디오 스트림을 자연어 텍스트로 변환하는 ASR 모듈(620)(예: 도 2의 ASR 모듈(221)), 텍스트로 변환된 자연어를 처리할 캡슐을 찾아 맵핑하는 NLU 모듈(630)(예: 도 2의 NLU 모듈(223)), 자연어 텍스트를 재생 가능한 오디오 스트림으로 변환하여 제공하는 TTS 모듈(640)(예: 도 2의 TTS 모듈(229)), 및/또는 CAN(concept action network)의 형태로 복수의 캡슐을 저장하고, 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장하는 캡슐 모듈(650)(예: 도 2의 캡슐 데이터베이스(230))과 같은 다양한 모듈을 포함할 수 있다.
일 실시예에 따라, 서버(600)는 도 6 또는 도 7에 개시된 구성 요소에 제한하지 않으며, 예를 들면, 도 2에 예시한 바와 같이 다양한 모듈을 포함하여 구현될 수 있다. 일 실시예에 따르면, 전자 장치(101)와 서버(600) 그리고 및 서버(600)의 각 모듈들 사이에는 프론트 엔드(610)(예: 도 2의 프론트 엔드(210))가 존재할 수 있으며, 프론트 엔드(610)를 통해 전자 장치(101)와 서버 및/또는 서버(600)의 각 모듈 간에 데이터를 주고 받을 수 있다.
일 실시예에 따르면, 프론트 엔드(610)는 전자 장치(101)와 서버(600)를 연결하는 세션의 관리를 지원할 수 있다. 예를 들면, 프론트 엔드(610)는 전자 장치(101)에게 서버(600)의 복수의 모듈들 중에서 연결될 모듈을 지시하거나, 서버(600)의 각 모듈 간에도 어느 모듈과 데이터를 주고 받아야 하는지를 알려줄 수 있다. 일 실시예에 따르면, 프론트 엔드(610)는 CES(capsule execution service)로 지칭될 수 있다.
도 6은 일 실시예에 따른 전자 장치와 서버 간의 연속 발화를 처리하는 동작 예를 설명하기 위한 도면이다.
일 실시예에 따르면, 전자 장치(101)는 현재 발화에 대한 서버(600)(예: 도 2의 지능형 서버(201))로부터 발화 처리 결과(예: 응답 결과)에 대해, 제1 상황(예: un-handled 상황)과 제2 상황(예: misunderstood 상황)을 구분하여 연속 발화를 처리할 수 있다. 일 실시예에 따라, 도 6에서는 제1 상황에서 전자 장치(101)가 수행하는 동작 예를 나타낼 수 있다. 일 실시예에 따라, 제1 상황은, 세션 종료 이후의 발화를 처리하지 못하는 경우로, 예를 들면, 세션 종료 이후의 발화에 대해 서버(600)에서 캡슐 매핑에 실패하는 경우를 포함할 수 있다.
도 6을 참조하면, 전자 장치(101)는 사용자가 발화를 입력하는 경우, 동작 601에서, 오디오 인식 모듈(510)을 통해 사용자 발화에 따른 음성 신호를 오디오 스트림(audio stream)으로 변환하여 실시간으로 요청 관리 모듈(530)로 전달할 수 있다. 일 실시예에 따라, 동작 603에 예시한 바와 같이, 전자 장치(101)는 이전 세션이 종료된 상태일 수 있고, 동작 601에서는 사용자 발화에 대해 새로운 세션 정보(예: conversation ID, request ID)를 생성하여, 새로운 세션을 시작할 수 있다.
동작 605에서, 전자 장치(101)는 요청 관리 모듈(530)을 통해, 새로운 세션의 시작을 서버(600)에 요청함과 실질적으로 동시에, 사용자 발화에 따른 오디오 스트림을 서버(600)에 전송할 수 있다. 일 실시예에 따라, 사용자 발화에 따른 오디오 스트림은, 예를 들면, 서버(600)의 프론트 엔드(610)를 통해 ASR 모듈(620)로 전달되어, NL 텍스트(text)로 변환될 수 있다.
일 실시예에 따르면, 서버(600)의 NLU 모듈(630)에서는 ASR 모듈(620)을 통해 변환된 NL 텍스트를 처리할 수 있는 캡슐을 찾아 매핑할 수 있다. 일 실시예에 따라, 도 6에서는, NLU 모듈(630)에서 NL 텍스트의 처리를 위한 캡슐 매핑에 실패하여, 미처리(un-handled) 캡슐(653)에서 NL 텍스트를 처리하는 예를 나타낼 수 있다. 예를 들면, 이전 세션이 종료된 경우에는 NLU 모듈(630)이 이전 캡슐(예: Capsule A(651))을 매핑하는 것을 보장할 수 없다. 따라서, 연속 발화로 처리하기 위한 사용자 의도에도 불구하고, 루트 발화인 것처럼 처리되어, 해당 발화에 대해 인식 실패(예: 캡슐 매핑에 실패)하여, 결과적으로 발화를 처리할 수 없는 상황이 발생할 수 있다.
일 실시예에 따라, 동작 607에서, 서버(600)는 미처리 캡슐(653)을 통해 NL 텍스트에 대해 인식 실패로 처리하고, 동작 609에서, 미처리에 대한 응답 결과(예: “잘 이해하지 못했어요”의 결과)를 전자 장치(101)로 전송할 수 있다.
일 실시예에 따라, 동작 611에서, 전자 장치(101)의 연속 발화 결정 모듈(540)은 서버(600)의 응답 결과가 미처리 응답 결과(예: 인식 실패)인 경우, 히스토리 관리 모듈(550)을 통해 이전 발화가 처리된 캡슐의 캡슐 ID(예: Capsule A(651))를 획득할 수 있다. 일 실시예에 따라, 전자 장치(101)는 사용자 발화에 대해 인식 실패가 발생하는 경우, 그에 대한 응답 결과를 바로 제공하지 않고, 연속 발화 처리를 위한 동작을 처리할 수 있다.
일 실시예에 따라, 동작 613에서, 연속 발화 결정 모듈(540)은 히스토리 관리 모듈(550)로부터 획득된 이전 발화와 연관된 캡슐 ID(예: Capsule A(651))를 명시하여 전달하면서, 해당 캡슐 ID의 캡슐에 기반하여 인식 실패한 현재 발화의 NL 텍스트의 재처리를 요청할 수 있다. 예를 들면, 전자 장치(101)는 서버(600)에 캡슐 ID를 명시하여, NL 텍스트를 처리할 캡슐을 지정할 수 있고, 서버(600)는 지정된 캡슐(예: Capsule A(651))에 기반하여 NL 텍스트를 처리할 수 있다.
일 실시예에 따라, 동작 615에서, NLU 모듈(630)은 전자 장치(101)에 의해 지정된 캡슐 ID에 대응하는 캡슐(예: Capsule A(651))로 현재 발화의 NL 텍스트의 처리를 요청하고, 그 처리 결과를 전달 받을 수 있다. 예를 들면, 서버(600)는 전자 장치(101)가 지정된 캡슐에 기반하여 현재 발화를 이전 발화의 연속 발화로 처리할 수 있다. 일 실시예에 따라, 동작 617에서, NLU 모듈(630)은 NL 텍스트를 지정된 캡슐(예: Capsule A(651))에서 처리된 응답 결과를 전자 장치(101)의 연속 발화 결정 모듈(540)로 제공할 수 있다.
일 실시예에 따라, 연속 발화 결정 모듈(540)은 서버(600)로부터 응답 결과를 수신하고, 동작 619에서, UI 처리 모듈(570)에 응답 결과를 전달할 수 있다.
일 실시예에 따라, UI 처리 모듈(570)은 응답 결과를 지정된 출력 방식에 따라 출력할 수 있고, 동작 621에서, 응답 결과 처리에 대한 정보(예: 처리 완료 정보)를 히스토리 관리 모듈(550)에 전달할 수 있다.
일 실시예에 따라, 히스토리 관리 모듈(550)은 UI 처리 모듈(570)의 처리 완료 정보에 기반하여, 사용자 발화의 연속 발화 처리에 관련된 정보를 관리할 수 있다. 일 실시예에 따르면, 히스토리 관리 모듈(550)은 사용자 발화, 사용자 발화가 처리된 캡슐(예: Capsule A(651))의 캡슐 식별자(예: 캡슐 ID), 및/또는 사용자 발화를 처리한 시간 정보(예: 이전 세션의 종료 시간(예: timestamp))를 저장(또는 갱신) 및 관리할 수 있다.
도 6에 예시한 바와 같이, 이전 발화에 대한 세션이 종료되고, 새로운 세션에서 사용자 발화에 대해 인식 실패(예: 미처리 캡슐에 의해 처리)된 경우, 이전 세션에서의 이전 발화가 처리된 캡슐에 기반하여 사용자 발화를 재처리 하여, 새로운 세션의 발화를 이전 세션의 발화에 연속되는 연속 발화로 처리할 수 있다. 예를 들면, 사용자가 제1 세션에서 “오늘 날씨 알려줘”라는 제1 발화를 하고, 지정된 조건에 따라 제1 세션이 종료된 이후에, 제2 세션에서 사용자가 “뉴욕은 어때?”라는 제2 발화를 입력할 수 있다. 이러한 경우, 날씨에 대한 제1 세션은 이미 만료되었으므로, 제2 발화에 대해 미처리 캡슐(653)에서 처리하여 그 응답 결과를 반환할 수 있다. 여기서, 미처리 캡슐(653)에 의해 처리된 응답 결과는 따로 저장하지 않으며, 제1 발화가 처리된 이전 캡슐(예: Capsule A(651))인 날씨 캡슐(예: 웨더 뉴스)을 통해 제2 발화를 다시 처리하고, 그 처리 결과를 제2 발화에 대한 응답 결과로 사용자에게 제공할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 디스플레이 모듈(160)이 없는 스피커, 또는 디스플레이 모듈(160)의 사용이 제한된 동작 모드(예: 모바일 드라이빙 모드(driving mode) 또는 히든 모드(hidden mode))인 경우에는, TTS로 응답 결과를 오디오로 출력하여 사용자에게 제공할 수 있다. 다른 실시예에 따르면, 전자 장치(101)는 디스플레이 모듈(160)이 있고 이의 사용이 가능한 동작 모드인 경우에는, 응답 결과를 화면으로 출력하여 사용자에게 제공할 수 있다.
도 7은 다양한 실시예들에 따른 전자 장치와 서버 간의 연속 발화를 처리하는 동작 예를 설명하기 위한 도면이다.
일 실시예에 따르면, 전자 장치(101)는 현재 발화에 대한 서버(600)(예: 도 2의 지능형 서버(201))로부터 발화 처리 결과(예: 응답 결과)에 대해, 제1 상황(예: un-handled 상황)과 제2 상황(예: misunderstood 상황)을 구분하여 연속 발화를 처리할 수 있다. 일 실시예에 따라, 도 7에서는 제2 상황에서 전자 장치(101)가 수행하는 동작 예를 나타낼 수 있다. 일 실시예에 따라, 제2 상황은, 세션 종료 이후의 발화가 루트 발화로 인식하여, 이전 캡슐과 다른 캡슐에서 발화를 처리한 경우를 포함할 수 있다.
도 7을 참조하면, 전자 장치(101)는 사용자가 발화를 입력하는 경우, 동작 701에서, 오디오 인식 모듈(510)을 통해 사용자 발화에 따른 음성 신호를 오디오 스트림으로 변환하여 실시간으로 요청 관리 모듈(530)로 전달할 수 있다. 일 실시예에 따라, 동작 703에 예시한 바와 같이, 전자 장치(101)는 이전 세션이 종료된 상태일 수 있고, 동작 701에서는 사용자 발화에 대해 새로운 세션 정보(예: conversation ID, request ID)를 생성하여, 새로운 세션을 시작할 수 있다.
동작 705에서, 전자 장치(101)는 요청 관리 모듈(530)을 통해, 새로운 세션의 시작을 서버(600)에 요청함과 실질적으로 동시에, 사용자 발화에 따른 오디오 스트림을 서버(600)에 전송할 수 있다. 일 실시예에 따라, 사용자 발화에 따른 오디오 스트림은, 예를 들면, 서버(600)의 프론트 엔드(610)를 통해 ASR 모듈(620)로 전달되어, NL 텍스트로 변환될 수 있다.
일 실시예에 따르면, 서버(600)의 NLU 모듈(630)에서는 ASR 모듈(620)을 통해 변환된 NL 텍스트를 처리할 수 있는 캡슐을 찾아 매핑할 수 있다. 일 실시예에 따라, 도 7에서는, NLU 모듈(630)에서 NL 텍스트의 처리를 위한 캡슐 매핑에서, 이전 발화를 처리한 캡슐(예: Capsule A(651))과 다른 새로운 세션에 따른 새로운 캡슐(예: Capsule B(751))에서 처리하는 예를 나타낼 수 있다. 예를 들면, 이전 세션이 종료된 경우에는 NLU 모듈(630)이 이전 캡슐(예: Capsule A(651))을 매핑하는 것을 보장할 수 없다. 따라서, 연속 발화로 처리하기 위한 사용자 의도에도 불구하고, 루트 발화인 것처럼 처리되어, 해당 발화에 대해 이전 발화를 처리한 캡슐(예: Capsule A(651))이 아닌 다른 캡슐(예: Capsule B(751))에서 처리되는 상황이 발생할 수 있다.
일 실시예에 따라, 동작 707에서, 서버(600)의 매핑된 캡슐(예: Capsule B(751))을 통해 NL 텍스트에 대해 루트 발화로 처리하고, 동작 709에서, 루트 발화 처리에 대한 응답 결과를 전자 장치(101)로 전송할 수 있다.
일 실시예에 따라, 동작 711에서, 전자 장치(101)의 연속 발화 결정 모듈(540)은 서버(600)의 응답 결과를 수신하는 경우, 히스토리 관리 모듈(550)로부터 이전 발화를 처리한 캡슐(예: Capsule A(651)의 캡슐 ID를 획득할 수 있다.
일 실시예에 따라, 연속 발화 결정 모듈(540)은 이전 발화를 처리한 캡슐의 캡슐 ID와 현재 발화를 처리한 캡슐(예: Capsule B(751))의 캡슐 ID를 비교하여, 캡슐 ID가 서로 다른 경우(예: Capsule A ≠ Capsule B), 동작 713에서, 결과 관리 모듈(560)에 현재 발화를 처리한 캡슐(예: Capsule B(751))이 처리한 현재 응답 결과(예: 첫 번째 응답 결과)를 전달하여 저장할 수 있다. 어떤 실시예에 따르면, 연속 발화 결정 모듈(540)은 현재 발화와 이전 발화의 연속 발화 연부를 확인하기 위한 방법으로, 캡슐 ID 뿐만 아니라, 예를 들면, 서비스 ID(service ID), 디바이스 타입(device Type), 대화 ID(conversation ID), 캡슐 이름(capsule Name), 디바이스 로케일(device Locale), 및/또는 타임 존(time Zone)을 비교할 수도 있다.
일 실시예에 따라, 연속 발화 결정 모듈(540)은 현재 응답 결과를 저장한 후, 동작 715에서, 이전 발화가 처리된 캡슐(예: Capsule A(651))의 캡슐 ID를 명시하여 전달하면서, 해당 캡슐 ID의 캡슐에 기반하여 현재 발화의 NL 텍스트의 재처리를 요청할 수 있다. 예를 들면, 전자 장치(101)는 서버(600)에 캡슐 ID를 명시하여, NL 텍스트를 처리할 캡슐을 지정할 수 있고, 서버(600)는 지정된 캡슐(예: Capsule A(651))에 기반하여 NL 텍스트를 처리할 수 있다.
일 실시예에 따라, 동작 717에서, NLU 모듈(630)은 전자 장치(101)에 의해 지정된 캡슐 ID에 대응하는 캡슐(예: Capsule A(651))로 현재 발화의 NL 텍스트의 처리를 요청하고, 그 처리 결과를 전달 받을 수 있다. 예를 들면, 서버(600)는 전자 장치(101)가 지정된 캡슐에 기반하여 현재 발화를 이전 발화의 연속 발화로 처리할 수 있다. 일 실시예에 따라, 동작 719에서, NLU 모듈(630)은 NL 텍스트를 지정된 캡슐(예: Capsule A(651))에서 처리된 응답 결과를 전자 장치(101)의 연속 발화 결정 모듈(540)로 제공할 수 있다.
일 실시예에 따라, 연속 발화 결정 모듈(540)은 서버(600)로부터 응답 결과(예: 현재 발화에 대한 두 번째 응답 결과)를 수신하고, 동작 721에서, 응답 결과를 결과 관리 모듈(560)에 전달하여 저장할 수 있다.
일 실시예에 따라, 동작 723에서, 결과 관리 모듈(560)은 현재 발화에 대한 첫 번째 응답 결과(예: Capsule B(751)에서 처리된 루트 발화의 응답 결과)와 두 번째 응답 결과(예: Capsule A(651)에서 처리된 연속 발화의 응답 결과)를 UI 처리 모듈(570)에 전달할 수 있다.
일 실시예에 따라, UI 처리 모듈(570)은 2개의 응답 결과를 지정된 방식에 따라 출력하여, 사용자에게 간략히 제공할 수 있고, 2개의 응답 결과에 대한 사용자의 선택을 입력 받을 수 있다.
일 실시예에 따라, UI 처리 모듈(570)은 사용자가 선택한 응답 결과를 지정된 출력 방식에 따라 출력할 수 있고, 동작 725에서, 응답 결과 처리에 대한 정보(예: 처리 완료 정보)를 히스토리 관리 모듈(550)에 전달할 수 있다.
일 실시예에 따라, 히스토리 관리 모듈(550)은 UI 처리 모듈(570)의 처리 완료 정보에 기반하여, 사용자 발화의 연속 발화 처리 또는 루트 발화 처리에 관련된 정보를 관리할 수 있다. 일 실시예에 따르면, 히스토리 관리 모듈(550)은 사용자 발화, 사용자 발화가 처리된 캡슐(예: Capsule A(651) 및 Capsule B(751)) 중 사용자에 의해 선택된 캡슐(예: Capsule A(651) 또는 Capsule B(751))의 캡슐 식별자(예: 캡슐 ID), 및/또는 사용자 발화를 처리한 시간 정보(예: timestamp)를 저장(또는 갱신) 및 관리할 수 있다.
도 7에 예시한 바와 같이, 이전 발화에 대한 세션이 종료되고, 새로운 세션에서 사용자 발화에 대해, 이전 발화를 처리한 캡슐과 다른 캡슐에 의해 처리된 경우, 이전 세션에서의 이전 발화가 처리된 캡슐에 기반하여 사용자 발화를 재처리 하여, 새로운 세션의 발화를 이전 세션의 발화에 연속되는 연속 발화로 처리할 수 있다. 예를 들면, 사용자가 제1 세션에서 “내일 5시 쇼핑하기 리마인더 만들어줘”라는 발화를 하고, 지정된 조건에 따라 제1 세션이 종료된 이후에, 제2 세션에서 사용자가 “6시로 수정해줘”라는 제2 발화를 입력할 수 있다. 이러한 경우, 제1 발화는 리마인더 캡슐에서 처리될 수 있고, 제2 발화는 리마인더 캡슐과 다른 날짜 및 시간 캡슐에서 처리될 수 있다. 이러한 경우, 제2 발화에 대해 날짜 및 시간 캡슐에서 처리된 첫 번째 응답 결과를 저장하고, 제1 세션의 캡슐인 리마인더 캡슐에서 사용자 발화를 다시 처리하고, 리마인더 캡슐이 다시 처리한 두 번째 응답 결과를 획득하여, 이전에 저장한 첫 번째 응답 결과와 함께 사용자에게 제공할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 디스플레이 모듈(160)이 없는 스피커, 또는 디스플레이 모듈(160)의 사용이 제한된 동작 모드(예: 모바일 드라이빙 모드 또는 히든 모드)인 경우에는, TTS로 두 가지 응답 결과를 오디오로 출력하여 사용자에게 선택하도록 할 수 있다. 다른 실시예에 따르면, 전자 장치(101)는 디스플레이 모듈(160)이 있고 이의 사용이 가능한 동작 모드인 경우에는, 두 가지 응답 결과를 화면으로 출력하여 사용자에게 선택하도록 할 수 있다.
일 실시예에 따르면, 전자 장치(101) 또는 서버(600)(예: 도 2의 지능형 서버(201))는 본 개시의 다양한 실시예들에 따른 음성 인식 서비스를 지원하기 위한 음성 인식 장치(예: 음성 어시스턴트)를 포함하여, 전자 장치(101) 또는 서버(600)의 단일 주체에서 본 개시의 다양한 실시예들을 처리할 수도 있다.
일 실시예에 따르면, 전자 장치(101)는, 예를 들면, 도 2, 도 6 또는 도 7에 예시한 바와 같은 서버(600)의 음성 인식 처리를 위한 구성 요소를 포함하여 음성 인식 장치(예: 음성 어시스턴트)를 구현할 수 있고, 서버(600)와 상호작용 없이 음성 인식 처리를 단독(standalone)으로 수행하는 방식으로 동작할 수 있다.
다른 실시예에 따르면, 서버(600)는 예를 들면, 도 5, 도 6 또는 도 7에 예시한 바와 같은 기능 처리 모듈(500)의 적어도 일부 구성 요소(예: 연속 발화 결정 모듈(540), 히스토리 관리 모듈(550), 및/또는 결과 관리 모듈(560))를 포함하여 음성 인식 장치(예: 음성 어시스턴트)를 구현할 수 있고, 전자 장치(101)로부터 전달된 발화에 관련된 음성 신호에 대해 단독으로 처리하고, 연속 발화 또는 루트 발화에 대한 응답 결과를 전자 장치(101)에 제공하는 방식으로 동작할 수 있다.
다양한 실시예들에 따른 연속 발화 처리 및 음성 인식 처리를 위한 음성 인식 장치(예: 음성 어시스턴트)는, 하드웨어 모듈 또는 소프트웨어 모듈로 구현되어, 전자 장치(101) 또는 서버(600)에 탑재되는 형태로 구현하고, 음성 인식 장치를 포함하는 어느 하나의 구성 요소(예: 전자 장치(101) 또는 서버(600))에 의해 다양한 실시예들에 따른 동작을 처리할 수도 있다.
본 개시의 실시예에 따른 음성 인식 서비스를 지원하기 위한 장치(예: 전자 장치(101) 또는 서버(201, 600))는, 메모리, 및 상기 메모리와 작동적으로 연결된 음성 인식 장치(예: 도 5의 기능 처리 모듈(500) 및 도 2의 지능형 서버(201)의 구성)(또는 프로세서)를 포함하고, 상기 음성 인식 장치(또는 프로세서)는, 사용자의 제1 발화에 관련된 제1 응답 결과를 제공하고, 상기 제1 발화에 관련된 세션(session)을 종료하고, 상기 제1 발화에 관련된 세션이 종료된 이후에, 사용자의 제2 발화를 획득하고, 상기 제2 발화의 처리에 관련된 제2 응답 결과를 획득하고, 상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리 여부를 결정하고, 상기 연속 발화 처리를 결정하는 것에 기반하여, 상기 제1 발화에 관련된 정보에 기반하여 상기 제2 발화를 재처리 하고, 상기 제2 발화의 재처리에 관련된 제3 응답 결과를 획득하고, 및 상기 제3 응답 결과를 제공하도록 설정될 수 있다.
일 실시예에 따르면, 상기 음성 인식 장치는, 상기 제1 발화를 지정된 제1 캡슐에 기반하여 발화 처리한 후, 그에 대응하는 제1 응답 결과를 지정된 방식으로 제공하고, 상기 제1 발화에 관련된 제1 응답 결과를 제공한 후, 상기 제1 발화의 세션과 관련하여 지정된 조건의 감지에 기반하여 상기 세션을 종료하도록 설정될 수 있다.
일 실시예에 따르면, 상기 음성 인식 장치는, 상기 제2 발화를 처리하기 위한 캡슐을 매핑하고, 매핑된 캡슐에 기반하여 상기 제2 발화를 처리하고, 상기 제2 발화의 처리에 대응하는 상기 제2 응답 결과를 획득하도록 설정될 수 있다.
일 실시예에 따르면, 상기 음성 인식 장치는, 상기 제2 응답 결과 획득에 기반하여, 상기 제1 발화에 관련된 히스토리를 판단하고, 상기 제1 발화에 관련된 히스토리가 존재하는 경우, 상기 제2 발화에 대해 처리된 상기 제2 응답 결과를 분석하고, 상기 제2 응답 결과를 분석하는 결과에 기반하여 상기 연속 발화 처리 여부를 결정하도록 설정될 수 있다.
일 실시예에 따르면, 상기 음성 인식 장치는, 상기 제1 발화에 관련된 히스토리가 존재하는 경우, 상기 세션의 종료 시간을 참조하여 상기 제2 발화의 연속 발화 처리 또는 루트 발화 처리를 결정하도록 설정될 수 있다.
일 실시예에 따르면, 상기 음성 인식 장치는, 상기 제2 응답 결과가 상기 제2 발화에 대해 인식 실패에 따른 제1 상황의 응답 결과이거나, 또는 상기 제2 응답 결과가 상기 제1 발화를 처리한 제1 캡슐과 다른 제2 캡슐에서 처리되는 제2 상황의 응답 결과인 경우, 상기 제2 발화의 연속 발화 처리를 결정하도록 설정될 수 있다.
일 실시예에 따르면, 상기 음성 인식 장치는, 상기 제2 발화를 연속 발화 처리로 결정하는 것에 기반하여, 상기 제1 발화를 처리한 상기 제1 캡슐의 캡슐 식별자를 획득하고, 상기 제2 발화를 재처리 하기 위한 캡슐을 상기 획득된 캡슐 식별자의 상기 제1 캡슐을 지정하고, 지정된 제1 캡슐에 기반하여 상기 제2 발화를 재처리 하도록 설정될 수 있다.
일 실시예에 따르면, 상기 음성 인식 장치는, 상기 제1 상황의 응답 결과에 기반하여 연속 발화 처리 결정 시, 상기 제2 발화의 연속 발화 처리에 따른 상기 제3 응답 결과를 제공하고, 상기 제2 상황의 응답 결과에 기반하여 연속 발화 처리 결정 시, 상기 제2 발화의 루트 발화 처리에 따른 상기 제2 응답 결과와 상기 제2 발화의 연속 발화 처리에 따른 상기 제3 응답 결과를 제공하도록 설정될 수 있다.
본 개시의 일 실시예에 따른 전자 장치(101)는, 통신 모듈(190), 디스플레이 모듈(160), 마이크(151), 메모리(130), 및 프로세서(120)를 포함하고, 상기 프로세서(120)는, 상기 마이크(151)를 통해 입력된 사용자의 제1 발화에 관련된 제1 응답 결과를 제공하고, 상기 제1 발화에 관련된 세션(session)을 종료하고, 상기 제1 발화에 관련된 세션을 종료한 이후에, 상기 마이크(151)를 통해 입력된 사용자의 제2 발화에 따른 음성 신호를 획득하고, 상기 제2 발화의 처리에 관련된 제2 응답 결과를 획득하고, 상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리 여부를 결정하고, 상기 연속 발화 처리를 결정하는 것에 기반하여 상기 제1 발화에 관련된 정보를 지정하여 상기 제2 발화에 대한 재처리를 수행하고, 상기 제2 발화의 재처리에 관련된 제3 응답 결과를 획득하고, 및 상기 제2 발화에 대해 연속 발화를 처리하는 속성에 기반하여 한 개 또는 두 개의 응답 결과를 제공하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는, 상기 제2 응답 결과 획득에 기반하여, 상기 제1 발화에 관련된 히스토리를 판단하고, 상기 제1 발화에 관련된 히스토리가 존재하는 경우, 상기 제2 발화에 대해 처리된 상기 제2 응답 결과를 분석하고, 상기 제2 응답 결과를 분석하는 결과에 기반하여 상기 연속 발화 처리 여부를 결정하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는, 상기 제1 발화에 관련된 히스토리가 존재하는 경우, 상기 세션의 종료 시간을 참조하여 상기 제2 발화의 연속 발화 처리 또는 루트 발화 처리를 결정하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는, 상기 제2 응답 결과가 상기 제2 발화에 대해 인식 실패에 따른 제1 상황의 응답 결과이거나, 또는 상기 제2 응답 결과가 상기 제1 발화를 처리한 제1 캡슐과 다른 제2 캡슐에서 처리되는 제2 상황의 응답 결과인 경우, 상기 제2 발화의 연속 발화 처리를 결정하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는, 상기 제2 발화를 연속 발화 처리로 결정하는 것에 기반하여, 상기 제1 발화를 처리한 상기 제1 캡슐의 캡슐 식별자를 획득하고, 상기 획득된 캡슐 식별자를 상기 서버로 전송하고, 상기 캡슐 식별자의 상기 제1 캡슐에 기반하여 상기 제2 발화의 재처리를 상기 서버로 요청하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서(120)는, 상기 제1 상황의 응답 결과에 기반하여 연속 발화 처리 결정 시, 상기 제2 발화의 연속 발화 처리에 따른 상기 제3 응답 결과를 제공하고, 상기 제2 상황의 응답 결과에 기반하여 연속 발화 처리 결정 시, 상기 제2 발화의 루트 발화 처리에 따른 상기 제2 응답 결과와 상기 제2 발화의 연속 발화 처리에 따른 상기 제3 응답 결과를 제공하도록 설정될 수 있다.
이하에서는 다양한 실시예들의 전자 장치(101)의 동작 방법에 대해서 상세하게 설명한다. 다양한 실시예들에 따라, 이하에서 설명하는 전자 장치(101)에서 수행하는 동작들은, 전자 장치(101)의 적어도 하나의 프로세싱 회로(processing circuitry)를 포함하는 프로세서(예: 도 1 또는 도 5의 프로세서(120))에 의해 실행될 수 있다. 일 실시예에 따라, 전자 장치(101)에서 수행하는 동작들은, 메모리(130)에 저장되고, 실행 시에, 프로세서(120)가 동작하도록 하는 인스트럭션들에 의해 실행될 수 있다.
도 8은 일 실시예에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 8을 참조하면, 동작 801에서, 전자 장치(101)의 프로세서(120)는 제1 발화에 관련된 제1 응답 결과를 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 사용자의 제1 발화 입력에 대응하여, 제1 발화에 따른 음성 신호(또는 오디오 스트림)를 서버(600)로 전송할 수 있고, 서버(600)에 의해 제1 발화에 대해 처리된 제1 응답 결과를 획득할 수 있다. 일 실시예에 따라, 프로세서(120)는 제1 응답 결과를 지정된 출력 방식(예: UI 표시 및/또는 오디오 출력)에 기반하여 시각적 정보 및/또는 청각적 정보의 형식으로 사용자에게 제공할 수 있다.
동작 803에서, 프로세서(120)는 제1 발화에 관련된 세션을 종료할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 발화에 관련된 제1 응답 결과를 제공한 후, 제1 발화의 세션을 관리할 수 있고, 세션의 취소(cancellation)를 위해 설정된 지정된 조건이 감지될 때 세션을 후속적으로 종료(subsequently terminate)할 수 있다.
일 실시예에 따르면, 지정된 조건은, 예를 들면, 지정된 세션 관리 정책에 따를 수 있다. 예를 들면, 프로세서(120)는 세션 유지 시간의 만료가 검출되면 사용자와의 통신 세션(communication session)을 종료할 수 있다. 일 예로, 세션 유지 시간은 동작 모드에 따라 다양하게 정의될 수 있으며, 예를 들면, 일반 동작 모드에서는 기본 N분(N은 자연수)이 설정될 수 있고, 지정된 동작 모드(예: 드라이빙 모드(또는 운전 중 모드))에서는 M초(M은 자연수)가 설정될 수 있다. 일 실시예에 따라, 프로세서(120)는 드라이빙 모드에서 제1 응답 결과를 오디오로 재생(예: TTS 재생)한 후, M초(예: 약 4초) 후에 세션을 자동으로 종료할 수 있다. 다른 예를 들면, 프로세서(120)는 사용자의 명시적인 입력(예: 홈 화면 이동 또는 음성 어시스턴트 종료)에 기반하여 세션을 종료할 수 있다.
동작 805에서, 프로세서(120)는 제2 발화의 음성 신호(또는 오디오 스트림)를 서버(600)로 전송할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 발화에 대한 세션이 종료된 이후에, 사용자로부터 제2 발화의 입력을 수신하는 것에 대응하여, 제2 발화의 음성 신호(또는 오디오 스트림)를 서버(600)로 전송할 수 있다. 동작 803에서 제1 세션이 종료됨에 따라 제2 발화는 새로운 세션에서 전송될 수 있다.
동작 807에서, 프로세서(120)는 제2 발화에 관련된 제2 응답 결과를 획득할 수 있다. 일 실시예에 따르면, 제2 응답 결과는 제2 발화를 처리하는 서버(600)에 의해 생성될 수 있다. 서버(600)는 제2 응답 결과를 전자 장치(101)로 다시 전송할 수 있다.
동작 809에서, 프로세서(120)는 제2 응답 결과에 기반하여 연속 발화 처리 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제2 응답 결과를 수신 시에, 이전 발화(예: 제1 발화)의 히스토리가 존재하는지 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 이전 발화에 관련된 히스토리가 존재하는 경우 제2 응답 결과를 분석하여, 제2 응답 결과가 서버(600) 측에서 인식 실패(또는 캡슐 매핑에 실패) 결과로 획득된 미처리 응답 결과(예: 제1 상황의 응답 결과)인지, 또는 제2 발화가 처리된 캡슐이 이전 발화가 처리된 제1 캡슐과 다른 제2 캡슐에서 잘못 처리된(erroneously processed) 응답 결과(예: 제2 상황의 응답 결과)인지 판단할 수 있다.
일 실시예에 따르면, 프로세서(120)는 제2 응답 결과가 제1 상황 또는 제2 상황의 응답 결과인 경우, 제2 발화에 대한 연속 발화 처리를 결정할 수 있다. 일 실시예에 따르면, 연속 발화 처리를 결정하는 것에 기반하여, 제2 응답 결과를 바로 출력하지 않고 관리할 수 있다.
일 실시예에 따르면, 프로세서(120)는 이전 발화에 관련된 시간 정보(예: 이전 세션의 종료 시간(예: timestamp))를 참조하여 연속 발화 처리를 실행할 지 여부를 결정할 수도 있다. 예를 들면, 프로세서(120)는 이전 발화의 세션 종료 시간이, 지정된 일정 시간(예: 일 단위, 시간 단위 또는 분 단위)을 초과하는 경우(예: 현재 발화 기준 일정 시간 초과)에는 연속 발화 처리의 의미가 없을 수 있으므로, 제2 발화에 대해 루트 발화로 처리하도록 결정할 수 있고, 루트 발화 처리 결정에 따라 제2 응답 결과를 바로 출력할 수 있다.
동작 811에서, 프로세서(120)는 제2 발화에 대한 연속 발화 처리의 결정에 기반하여 제1 발화에 관련된 캡슐 식별자(예: 캡슐 ID) 및 캡슐 식별자에 기반한 제2 발화의 처리를 요청할 수 있다. 일 실시예에 따르면, 프로세서(120)는 연속 발화 처리를 결정하는 경우, 이전 발화인 제1 발화가 처리된 캡슐 식별자(예: 캡슐 ID)를 획득하고, 서버(600)에게 해당 캡슐 식별자에 의해 식별된 바와 같은 동일한 캡슐을 이용하여 제2 발화를 재처리 할 것을 요청할 수 있다. 일 실시예에 따르면, 프로세서(120)는 사용자 발화에 대한 발화 처리에 관련된 다양한 정보(예: 사용자 발화, 세션 정보, 사용자 발화가 처리된 캡슐의 캡슐 식별자, 및/또는 사용자 발화가 처리된 시간 정보)를 매핑하여 관리할 수 있다.
동작 813에서, 프로세서(120)는 제2 발화에 관련된 제3 응답 결과를 획득할 수 있다. 일 실시예에 따르면, 프로세서(120)는 서버(600)에 의해 제2 발화에 대해 지정된 캡슐에 의해 재처리된 제3 응답 결과를 획득할 수 있다.
동작 815에서, 프로세서(120)는 응답 결과를 제공(예: 출력)할 수 있다. 일 실시예에 따르면, 프로세서(120)는 연속 발화를 처리하는 제1 속성(예: 제1 상황의 응답 결과에 대한 연속 발화 처리)에 기반하여, 제2 발화를 연속 발화로 처리하는 결과로부터 생성된 제3 응답 결과를 제공(예: 출력)할 수 있다. 일 실시예에 따르면, 프로세서(120)는 연속 발화를 처리하는 제2 속성(예: 제2 상황의 응답 결과에 대한 연속 발화 처리)에 기반하여, 제2 발화를 루트 발화로 처리하는 결과로부터 생성된 제2 응답 결과와 제2 발화를 연속 발화로 처리하는 결과로부터 생성된 제3 응답 결과를 함께 제공(예: 출력)할 수 있다.
도 9는 일 실시예에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 9를 참조하면, 동작 901에서, 전자 장치(101)의 프로세서(120)는 제1 세션에서 제1 발화에 관련된 제1 음성 신호(또는 오디오 스트림)를 입력 받을 수 있다. 일 실시예에 따르면, 프로세서(120)는 전자 장치(101)의 마이크(예: 도 2의 마이크(151))를 통해 사용자의 제1 발화에 따른 제1 음성 신호를 입력 받을 수 있다.
동작 903에서, 프로세서(120)는 제1 음성 신호에 관련된 처리 결과를 출력할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 발화의 제1 음성 신호를 서버(600)로 전송할 수 있고, 서버(600)에 의해 제1 발화의 처리를 통해 생성된 제1 응답 결과를 획득할 수 있다. 일 실시예에 따라, 프로세서(120)는 제1 응답 결과를 지정된 출력 방식에 기반하여 시각적 정보 및/또는 청각적 정보로 사용자에게 제공할 수 있다.
동작 905에서, 프로세서(120)는 제1 세션을 종료할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 발화에 관련된 제1 응답 결과를 제공한 후, 제1 발화의 제1 세션을 관리할 수 있고, 종료(termination)를 위한 적절하고(appropriate) 지정된 조건(designated condition)이 감지되면 제1 세션을 종료할 수 있다. 예를 들어, 일 실시예에 따르면, 프로세서(120)는 제1 세션의 세션 유지 시간(session maintenance time) 만료에 기반하여, 또는 다른 대안으로서, 제1 세션을 취소하기 위한 사용자의 명시적인 입력을 검출하면 제1 세션을 종료할 수 있다.
동작 907에서, 프로세서(120)는 제2 세션에서 제2 발화에 관련된 제2 음성 신호를 입력 받을 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 세션이 종료된 이후에, 제1 세션과 다른 새로운 세션(new session)인 제2 세션에서, 전자 장치(101)의 마이크(예: 도 2의 마이크(151))를 통해 사용자의 제2 발화에 따른 제2 음성 신호를 입력 받을 수 있다.
동작 909에서, 프로세서(120)는 제2 음성 신호의 처리 결과에 기반하여, 제2 발화에 대한 연속 발화 처리 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제2 발화에 대해 처리된 응답 결과를 획득 시에, 제1 발화(예: 이전 발화)의 히스토리가 존재하는지 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 발화에 관련된 히스토리가 존재하는 경우 제2 발화에 대해 처리된 응답 결과를 분석하여, 응답 결과가 인식 실패에 따른 미처리 응답 결과(예: 제1 상황의 응답 결과)인지, 또는 제2 발화가 처리된 캡슐이 제1 발화가 처리된 캡슐과 다른 캡슐에서 잘못 처리하여 획득된 응답 결과(예: 제2 상황의 응답 결과)인지 판단할 수 있다.
일 실시예에 따르면, 프로세서(120)는 제2 응답 결과가 제1 상황 또는 제2 상황의 응답 결과인 경우, 제2 발화에 대한 연속 발화 처리를 결정할 수 있다. 일 실시예에 따르면, 프로세서(120)는 이전 발화에 관련된 시간 정보(예: 이전 세션의 종료 시간(예: timestamp))를 참조하여 연속 발화 처리를 실행하도록 결정할 수도 있다. 예를 들면, 프로세서(120)는 이전 발화의 세션 종료 시간이, 지정된 일정 시간(예: 일 단위, 시간 단위 또는 분 단위)을 초과하는 경우(예: 현재 발화 기준 일정 시간 초과)에는 연속 발화 처리의 의미가 없을 수 있으므로, 제2 발화에 대해 루트 발화로 처리하도록 결정할 수 있다.
동작 911에서, 프로세서(120)는 판단하는 결과에 기반하여 제2 발화(예: 현재 발화)를 연속 발화로 처리할 지 또는 루트 발화로 처리할 지 여부를 결정할 수 있다.
동작 911에서, 프로세서(120)는 제2 발화를 루트 발화 처리로 결정하는 것에 기반하여(예: 동작 911의 ‘아니오’), 동작 913에서, 제2 음성 신호에 관련된 처리 결과를 출력할 수 있다.
동작 911에서, 프로세서(120)는 제2 발화를 연속 발화 처리로 결정하는 것에 기반하여(예: 동작 911의 ‘예’), 동작 915에서, 연속 발화 처리의 종류(또는 속성)를 식별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 응답 결과가 미처리 결과이거나, 또는 다른 캡슐(예: 제1 음성 신호를 처리하는 데 이용되는 캡슐과 다름)에 의한 처리 결과인지 구별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 미처리 결과(예: 인식 실패(recognition failure))인 경우 제1 속성의 연속 발화 처리를 실행하도록 결정할 수 있고, 다른 캡슐에 의한 처리 결과(예: 다른 캡슐을 통해 잘못 생성된 처리 결과)인 경우 제2 속성의 연속 발화 처리를 실행하도록 결정할 수 있다.
동작 917에서, 프로세서(120)는 연속 발화 처리의 종류를 식별하는 것에 기반하여, 실행할 처리의 종류가 제1 속성의 연속 발화 처리인지, 또는 제2 속성의 연속 발화 처리인지 여부를 판단할 수 있다.
동작 917에서, 프로세서(120)는 제1 속성의 연속 발화 처리를 실행하는 것으로 결정하는 것에 기반하여(예: 동작 917의 ‘예’), 동작 919에서, 제1 처리 결과를 출력할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제2 발화에 대해 연속 발화로 처리된 하나의 응답 결과를 사용자에게 제공할 수 있다.
동작 917에서, 프로세서(120)는 제2 속성의 연속 발화 처리를 실행하는 것으로 결정하는 것에 기반하여(예: 동작 917의 ‘아니오’), 동작 921에서, 제2 처리 결과를 출력할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제2 발화에 대해 루트 발화로 처리된 응답 결과와 제2 발화에 대해 연속 발화로 처리된 응답 결과인 2개의 응답 결과를 사용자에게 제공할 수 있다.
도 10은 일 실시예에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 10을 참조하면, 동작 1001에서, 전자 장치(101)의 프로세서(120)는 제2 발화(예: 현재 발화)에 관련된 제1 응답 결과를 획득할 수 있다. 일 실시예에 따르면, 프로세서(120)는 서버(600)에 의해 제2 발화에 대해 처리된 제1 응답 결과를 획득할 수 있다.
동작 1003에서, 프로세서(120)는 제1 응답 결과 수신에 기반하여, 사용자 발화에 관련된 이전 세션이 존재하는지 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 사용자 발화에 관련된 히스토리를 분석하여, 이전 세션의 존재 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 이전 세션이 존재하는 경우 이전 세션의 종료 시간(예: timestamp)을 참조하여 연속 발화 처리를 실행할 지 여부를 결정할 수도 있다.
동작 1003에서, 프로세서(120)는 이전 세션이 존재하지 않는 것으로 판단하는 경우(예: 동작 1003의 ‘아니오’), 동작 1041에서, 제1 응답 결과를 출력하여 사용자에게 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 이전 세션이 존재하더라도, 이전 세션의 종료 시간이 지정된 시간(예: 시간 프레임(time frame))을 초과하는 경우에는, 제2 발화를 루트 발화로 결정하여 제1 응답 결과를 바로 출력하도록 할 수 있다.
동작 1003에서, 프로세서(120)는 이전 세션이 존재하는 경우(예: 동작 1003의 ‘예’), 동작 1005에서, 제1 응답 결과를 분석할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 응답 결과 획득에 기반하여, 제2 발화가 연속 발화에 대응하는지 또는 루트 발화에 대응하는지 판단을 위해, 제1 응답 결과의 종류를 분석할 수 있다.
동작 1007에서, 프로세서(120)는 제1 응답 결과의 분석에 기반하여, 제1 응답 결과가 제2 발화의 인식 실패에 따른 미처리 응답에 대응하는지 판단할 수 있다.
동작 1007에서, 프로세서(120)는 제1 응답 결과가 미처리 응답인 것으로 판단하는 경우(예: 동작 1007의, ‘예’), 동작 1011에서, 이전 세션의 제1 발화에 관련된 제1 캡슐 식별자를 획득할 수 있다. 일 실시예에 따르면, 프로세서(120)는 발화 처리에 관련된 사용자 히스토리의 분석을 통해 이전 세션에서 제1 발화가 처리된 캡슐에 대응하는 제1 캡슐 식별자를 획득할 수 있다.
동작 1013에서, 프로세서(120)는 제1 캡슐 식별자를 지정하여 제2 발화의 재처리를 요청할 수 있다. 일 실시예에 따르면, 프로세서(120)는 획득된 제1 캡슐 식별자를 서버(600)에 전달하면서, 제1 캡슐 식별자와 매칭되는 캡슐에 기반하여 제2 발화를 재처리 할 것을 서버(600)로 요청할 수 있다.
동작 1015에서, 프로세서(120)는 재처리를 통해 제2 발화에 관련된 제2 응답 결과를 획득할 수 있다. 일 실시예에 따르면, 프로세서(120)는 서버(600)에 의해 제2 발화에 대해 지정된 캡슐(예: 제1 캡슐 식별자의 캡슐)에 기반하여 제2 처리된 제2 응답 결과를 획득할 수 있다.
동작 1017에서, 프로세서(120)는 제2 응답 결과를 출력하여 사용자에게 제공할 수 있다.
동작 1007에서, 프로세서(120)는 제2 응답 결과가 미처리 응답이 아닌 것으로 판단하는 경우(예: 동작 1007의 ‘아니오’), 동작 1021에서, 이전 세션의 제1 발화에 관련된 제1 캡슐 식별자를 획득할 수 있다. 일 실시예에 따르면, 프로세서(120)는 발화 처리에 관련된 히스토리 분석을 통해 이전 세션의 제1 발화가 처리된 캡슐에 대응하는 제1 캡슐 식별자를 획득할 수 있다.
동작 1023에서, 프로세서(120)는 이전 세션의 제1 발화에 관련된 제1 캡슐 식별자와 현재 세션의 제2 발화에 관련된 제2 캡슐 식별자를 비교할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 캡슐 식별자와 제2 캡슐 식별자를 비교하여, 제2 응답 결과를 생성할 때 제2 발화를 처리하기 위해 다른 캡슐이 사용되었는지 여부를 결정할 수 있다.
동작 1025에서, 프로세서(120)는 비교하는 결과에 기반하여, 제1 캡슐 식별자와 제2 캡슐 식별자가 동일한 캡슐 식별자인지 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 캡슐 식별자의 비교에 기반하여 제2 발화를 처리한 캡슐이 제1 발화를 처리한 캡슐과 동일한 캡슐인지 여부를 식별할 수 있다.
동작 1025에서, 동일한 캡슐 식별자인 경우(예: 동작 1025의 ‘예’), 예를 들면, 제2 발화가 처리된 캡슐이 제1 발화가 처리된 캡슐과 동일한 캡슐인 경우, 재처리가 필요하지 않을 수 있다. 따라서, 동작 1041에서, 프로세서(120)는 제1 응답 결과를 출력하여 사용자에게 제공할 수 있다.
동작 1025에서, 프로세서(120)는 동일한 캡슐 식별자가 아닌 경우(예: 동작 1025의 ‘아니오’), 예를 들면, 제2 발화가 처리된 캡슐이 제1 발화가 처리된 캡슐과 다른 캡슐인 경우, 동작 1027에서, 제1 응답 결과를 저장 및 관리할 수 있다.
동작 1029에서, 프로세서(120)는 제1 캡슐 식별자를 지정하여 대응하는 제1 캡슐에 의해 제2 발화의 재처리를 요청할 수 있다. 일 실시예에 따르면, 프로세서(120)는 획득된 제1 캡슐 식별자를 서버(600)에 전달하면서, 제1 캡슐 식별자의 캡슐에 기반하여 제2 발화를 재처리 할 것을 서버(600)로 요청할 수 있다.
동작 1031에서, 프로세서(120)는 재처리 동작을 통해 제2 발화에 관련된 제2 응답 결과를 획득할 수 있다. 일 실시예에 따르면, 프로세서(120)는 서버(600)에 의해 제2 발화에 대해 지정된 캡슐(예: 제1 캡슐 식별자의 캡슐)에 기반하여 제2 처리된 제2 응답 결과를 획득할 수 있다.
동작 1033에서, 프로세서(120)는 제1 응답 결과와 제2 응답 결과를 출력하여 사용자에게 제공할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제2 발화에 대해 지정된 캡슐에 기반하여 재처리된 제2 응답 결과를 획득하는 경우, 이전에 저장된 제1 응답 결과를 호출하여, 제1 응답 결과와 제2 응답 결과를 함께(예: 병렬적으로 또는 순차적으로) 출력할 수 있다.
도 11은 일 실시예에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 11을 참조하면, 동작 1101에서, 전자 장치(101)의 프로세서(120)는 이전 세션의 발화와 관련하여 저장된 히스토리를 확인할 수 있다. 일 실시예에 따르면, 프로세서(120)는 현재 세션의 발화와 관련된 응답 결과 획득 시에, 이전 세션의 발화(예: 제1 발화)의 발화 처리에 대한 히스토리를 판단할 수 있다.
동작 1103에서, 프로세서(120)는 지정된 조건의 만족 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 히스토리 확인에 기반하여, 이전 세션의 발화에 관련된 히스토리가 존재하는지 여부를 판단할 수 있다. 만약, 히스토리가 존재하는 경우, 프로세서(120)는 이전 세션의 종료 시간(예: timestamp)이 지정된 일정 시간(또는 시간 범위) 내에 포함되는지 여부를 판단할 수 있다. 만약, 종료 시간이 지정된 일정 시간 내에 존재하는 경우, 프로세서(120)는 이전 세션의 발화를 처리한 캡슐 식별자(예: 캡슐 ID)가 기록되었는지 여부를 판단할 수 있다. 프로세서(120)는 이러한 조건들이 만족되는 경우 지정된 조건이 충족되는 것으로 결정할 수 있다.
동작 1103에서, 프로세서(120)는 지정된 조건을 만족하지 않는 경우(예: 동작 1103의 ‘아니오’), 동작 1105에서, 현재 세션의 발화에 관련된 응답 결과를 출력할 수 있다. 일 실시예에 따라, 현재 세션의 발화에 관련된 응답 결과는 인식 실패에 따른 미처리 결과 또는 현재 세션의 발화 처리를 위해 매핑된 캡슐에 기반하여 처리된 응답 결과를 포함할 수 있다.
동작 1103에서, 프로세서(120)는 지정된 조건을 만족하는 경우(예: 동작 1103의 ‘예’), 동작 1107에서, 이전 세션의 발화를 처리한 캡슐 식별자를 획득할 수 있다.
동작 1109에서, 프로세서(120)는 이전 세션의 발화를 처리한 캡슐 식별자에 기반하여, 현재 세션의 발화의 연속 발화 처리에 관련된 동작을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 이전 세션의 발화를 처리하는 캡슐 식별자에 기반하여 지정된 캡슐을 통해 현재 세션의 발화를 처리하도록 하고, 그에 대응하는 한 개 또는 두 개의 응답 결과를 제공하는 것에 관련된 동작을 수행할 수 있다.
이하에서는, 전자 장치(101) 또는 서버(600)(예: 도 2의 지능형 서버(201))의 단일 주체에서 본 개시의 실시예에 따른 동작을 처리하는 예를 설명한다.
일 실시예에 따르면, 전자 장치(101)는, 예를 들면, 도 2, 도 6 또는 도 7에 예시한 바와 같은 서버(600)의 음성 인식 처리를 위한 구성 요소를 포함하여 음성 인식 장치(예: 음성 어시스턴트)를 구현할 수 있고, 서버(600)와 상호작용 없이 음성 인식 처리를 단독(standalone)으로 수행하는 방식으로 동작할 수 있다.
다른 실시예에 따르면, 서버(600)는 예를 들면, 도 5, 도 6 또는 도 7에 예시한 바와 같은 기능 처리 모듈(500)의 적어도 일부 구성 요소(예: 연속 발화 결정 모듈(540), 히스토리 관리 모듈(550), 및/또는 결과 관리 모듈(560))를 포함하여 음성 인식 장치(예: 음성 어시스턴트)를 구현할 수 있고, 전자 장치(101)로부터 전달된 발화에 관련된 음성 신호에 대해 단독으로 처리하고, 연속 발화 또는 루트 발화에 대한 응답 결과를 전자 장치(101)에 제공하는 방식으로 동작할 수 있다.
다양한 실시예들에 따른 연속 발화 처리 및 음성 인식 처리를 위한 음성 인식 장치(예: 음성 어시스턴트)는, 하드웨어 모듈 또는 소프트웨어 모듈로 구현되어, 전자 장치(101) 또는 서버(600)에 탑재되는 형태로 구현하고, 음성 인식 장치를 포함하는 어느 하나의 구성 요소(예: 전자 장치(101) 또는 서버(600))에 의해 다양한 실시예들에 따른 동작을 처리할 수도 있다. 본 개시의 다양한 실시예들에 따른 음성 인식 서비스를 지원하기 위한 음성 인식 장치를 포함하는 전자 장치(101) 또는 서버(600)의 동작 예시가 도 12에 도시된다.
도 12는 일 실시예에 따른 전자 장치 또는 서버의 동작 방법을 도시하는 흐름도이다.
일 실시예에 따라, 도 12에서는 음성 인식 장치(예: 도 5의 기능 처리 모듈(500) 및 도 2의 지능형 서버(201)의 구성)가 전자 장치(101) 또는 서버(600)에서 구현되고, 이에 따라, 전자 장치(101) 또는 서버(600)에서의 음성 인식 장치의 동작을 나타낼 수 있다.
도 12를 참조하면, 전자 장치(101) 또는 서버(600)에 하드웨어 모듈 또는 소프트웨어 모듈로 구현된 음성 인식 장치(예: 음성 인식 장치의 동작을 제어하는 프로세서)는, 동작 1201에서, 제1 발화의 처리를 통해 생성된 제1 응답 결과를 제공할 수 있다. 일 실시예에 따르면, 음성 인식 장치는, 전자 장치(101)에서 동작할 시, 사용자의 제1 발화 입력에 대응하여, 제1 발화에 따른 음성 신호(또는 오디오 스트림)를 지정된 캡슐에 기반하여 발화 처리 후 그에 대응하는 제1 응답 결과를 출력할 수 있다. 다른 실시예에 따르면, 음성 인식 장치는, 서버(600)에서 동작할 시, 전자 장치(101)로부터 제1 발화에 따른 음성 신호를 수신하고, 수신된 음성 신호를 지정된 캡슐에 기반하여 발화 처리한 후 그에 대응하는 제1 응답 결과를 전자 장치(101)로 전송할 수 있다.
동작 1203에서, 음성 인식 장치는 제1 발화에 관련된 세션을 종료할 수 있다. 일 실시예에 따르면, 음성 인식 장치는 제1 발화에 관련된 제1 응답 결과를 제공한 후, 제1 발화의 세션을 관리할 수 있고, 종료를 위한 지정된 조건의 감지에 기반하여 세션을 종료할 수 있다. 일 실시예에 따르면, 지정된 조건은, 예를 들면, 지정된 세션 관리 정책에 따를 수 있다. 예를 들면, 음성 인식 장치는 세션 유지 시간 만료 시 세션을 종료할 수 있다. 다른 예를 들면, 음성 인식 장치는 전자 장치(101)로부터 사용자의 명시적인 입력(예: 홈 화면 이동 또는 음성 어시스턴트 종료)에 따른 세션 연결 해제에 기반하여 세션을 종료할 수 있다.
동작 1205에서, 음성 인식 장치는 제1 발화에 관련된 세션이 종료된 이후에, 사용자의 제2 발화를 획득할 수 있다. 일 실시예에 따르면, 음성 인식 장치는, 전자 장치(101)에서 동작할 시, 전자 장치(101)의 마이크(예: 도 2의 마이크(151))를 통해 사용자의 제2 발화 입력을 수신할 수 있다. 다른 실시예에 따르면, 음성 인식 장치는, 서버(600)에서 동작할 시, 전자 장치(101)로부터 제2 발화에 따른 음성 신호를 수신할 수 있다.
동작 1207에서, 음성 인식 장치는 제2 발화의 처리에 관련된 제2 응답 결과를 획득할 수 있다. 일 실시예에 따르면, 음성 인식 장치는 제2 발화 수신에 기반하여 제2 발화를 처리하기 위한 캡슐을 찾아 매핑할 수 있고, 매핑된 캡슐을 통해 제2 발화를 처리하고, 그에 대응하는 제2 응답 결과를 획득할 수 있다.
동작 1209에서, 음성 인식 장치는 제2 응답 결과 획득에 기반하여, 제2 발화가 제1 발화에 연관된 연속 발화인지 여부를 결정할 수 있다. 예를 들어, 제2 발화는 연속 발화 처리에 의해 처리되지 않은 제1 발화와 연관된 연속 발화일 수 있다. 예를 들면, 음성 인식 장치는 제2 응답 결과에 기반하여 제2 발화에 대한 연속 발화 처리를 실행할 지 여부를 판단할 수 있다. 일 실시예에 따르면, 음성 인식 장치는 제2 발화에 대해 처리된 제2 응답 결과를 획득 시에, 제1 발화(예: 이전 발화)의 히스토리를 판단할 수 있다.
일 실시예에 따르면, 음성 인식 장치는 제1 발화에 관련된 히스토리가 존재하는 경우 제2 발화에 대해 처리된 제2 응답 결과를 분석하여, 응답 결과가 인식 실패(또는 캡슐 매핑에 실패)에 따른 미처리 응답 결과(예: 제1 상황의 응답 결과)인지, 또는 제2 발화가 처리된 캡슐이 제1 발화가 처리된 캡슐과 다른 캡슐에서 처리된 응답 결과(예: 제2 상황의 응답 결과)인지 판단할 수 있다.
일 실시예에 따르면, 음성 인식 장치는 제2 응답 결과가 제1 상황 또는 제2 상황의 응답 결과인 경우, 제2 발화에 대한 연속 발화 처리로 결정할 수 있다. 일 실시예에 따르면, 음성 인식 장치는 이전 발화에 관련된 시간 정보(예: 이전 세션의 종료 시간)를 참조하여 제2 발화에 대한 연속 발화 처리 또는 루트 발화 처리를 결정할 수도 있다. 예를 들면, 음성 인식 장치는 이전 발화의 세션 종료 시간이, 지정된 일정 시간(예: 일 단위, 시간 단위 또는 분 단위)을 초과하는 경우(예: 현재 발화 기준 일정 시간 초과)에는 연속 발화 처리의 의미가 없을 수 있으므로, 제2 발화에 대해 루트 발화로 처리하도록 결정할 수 있다.
동작 1211에서, 음성 인식 장치는 제2 발화에 대한 연속 발화 처리를 실행하도록 결정하는 것에 기반하여, 제1 발화에 관련된 캡슐 식별자(예: 캡슐 ID)에 기반하여 제2 발화를 재처리 할 수 있다. 일 실시예에 따르면, 음성 인식 장치는 연속 발화 처리를 결정하는 경우, 이전 발화인 제1 발화가 처리된 캡슐 식별자(예: 캡슐 ID)를 획득하고, 해당 캡슐 식별자의 캡슐에 기반하여 제2 발화를 재처리 할 수 있다. 일 실시예에 따르면, 음성 인식 장치는 사용자 발화에 대한 발화 처리에 관련된 다양한 정보(예: 사용자 발화, 세션 정보, 사용자 발화가 처리된 캡슐의 캡슐 식별자, 및/또는 사용자 발화가 처리된 시간 정보)를 매핑하여 관리할 수 있다.
동작 1213에서, 음성 인식 장치는 지정된 캡슐에 기반한 제2 발화의 재처리에 관련된 제3 응답 결과를 획득할 수 있다. 일 실시예에 따르면, 음성 인식 장치는 제2 발화를 처리하기 위한 지정된 캡슐(예: 제1 발화를 처리한 캡슐 식별자에 대응하는 캡슐)을 통해 제2 발화를 처리하고, 그에 대응하는 제3 응답 결과를 획득할 수 있다.
동작 1215에서, 음성 인식 장치는 상기 제3 응답 결과를 제공할 수 있다. 일 실시예에 따르면, 음성 인식 장치는 제2 발화를 연속 발화로 처리된 결과인 제3 응답 결과를 제공할 수 있다. 어떤 실시예에 따르면, 음성 인식 장치는 제2 발화를 루트 발화로 처리된 결과인 제2 응답 결과와 제2 발화를 연속 발화로 처리된 결과인 제3 응답 결과를 함께 제공할 수 있다. 일 실시예에 따르면, 음성 인식 장치는, 전자 장치(101)에서 동작할 시, 전자 장치(101)의 디스플레이 모듈(160) 및/또는 스피커(예: 도 2의 스피커(155))를 통해 제3 응답 결과 또는 제2 응답 결과 및 제3 응답 결과를 제공할 수 있다. 다른 실시예에 따르면, 음성 인식 장치는, 서버(600)에서 동작할 시, 제3 응답 결과 또는 제2 응답 결과 및 제3 응답 결과를 전자 장치(101)로 전송할 수 있다.
도 13은 일 실시예에 따른 전자 장치에서 연속 발화 처리에 대한 결과를 제공하는 예를 도시하는 도면이다.
일 실시예에 따라, 도 13은 세션 종료 이후에, 새로운 현재 세션에서의 발화를 이전 세션의 발화와 연속된 연속 발화로 처리한 결과의 예를 나타낼 수 있다.
예를 들면, 사용자가 이전 세션에서 “내일 5시 쇼핑하기 리마인더 만들어줘”라는 발화를 하고, 지정된 조건에 따라 이전 세션이 종료된 이후에, 새로운 현재 세션에서 사용자가 “6시로 수정해줘”라는 사용자 발화를 입력할 수 있다. 이러한 경우, 이전 세션의 발화는 리마인더 캡슐에서 처리될 수 있고, 새로운 현재 세션에서의 발화는 리마인더 캡슐과 다른 날짜 및 시간 캡슐에서 처리될 수 있다. 이러한 경우, 이전 세션의 캡슐인 리마인더 캡슐에서 현재 세션에서의 사용자 발화를 이전 세션의 발화와 연속된 연속 발화로 처리한 제1 응답 결과와, 현재 세션에서의 발화에 대해 날짜 및 시간 캡슐에서 루트 발화로 처리된 제2 응답 결과를 사용자에게 제공할 수 있다.
일 실시예에 따르면, 도 13에서는, 이전 세션의 발화를 처리한 캡슐을 지정하여 현재 세션의 발화를 연속 발화로 처리한 제1 응답 결과(1310)(예: 사용자 발화를 리마인더 캡슐에서 연속 발화로 처리하여 획득한 응답 결과)와 현재 세션의 발화를 루트 발화로 처리한 제2 응답 결과(1320)(예: 날짜 및 시간 캡슐에서 루트 발화로 처리한 응답 결과)를 함께 제공하는 예를 나타낼 수 있다.일 실시예에 따르면, 전자 장치(101)는 사용자의 의도된 루트 발화를 고려하여, 루트 발화로 처리된 제2 응답 결과(1320)와 연속 발화로 처리된 제1 응답 결과(1310)와 같이 응답 결과들을 모두 제공하여, 사용자가 입력에 대한 원래 의도(original intent)에 맞는 올바른 결과(correct result)를 선택하도록 할 수 있다.
도 14a 및 도 14b는 일 실시예에 따른 전자 장치에서 세션 종료 이후의 발화를 연속 발화로 처리하여 제공하는 결과 화면의 예를 설명하기 위한 도면들이다.
일 실시예에 따라, 도 14a 및 도 14b에서는, 세션 종료 이후의 새로운 세션에서 사용자의 발화(예: 제2 발화(1420))가 인식 실패(예: 캡슐 매핑 실패 또는 미스 처리(mis-processing))된 경우(예: 제1 상황)에서, 사용자의 발화를 연속 발화로 처리하여 제공하는 예를 나타낼 수 있다.
도 14a를 참조하면, 도 14a는 제1 세션에서 사용자의 제1 발화(1410)에 대응하는 제1 응답 결과를 제공하는 예를 나타낼 수 있다. 일 실시예에 따라, 예시 화면 <1401>에서, 전자 장치(101)는 음성 어시스턴트를 실행하고, 사용자로부터 제1 발화(1410)(예: “오늘 날씨 알려줘”)를 획득할 수 있다. 일 실시예에 따라, 예시 화면 <1403>은 전자 장치(101)가 제1 발화(1410)에 대해 발화 처리된 제1 응답 결과를 제공(예: 표시)하는 예를 나타낼 수 있다. 예를 들면, 전자 장치(101)는 제1 발화(1410)에 대해 지정된 캡슐(예: 날씨 캡슐)에 의해 발화 처리된 결과 화면을 제공할 수 있다.
도 14b를 참조하면, 도 14b는 제1 세션이 종료된 이후, 새로운 제2 세션에서 사용자의 제2 발화(1420)에 대응하는 제2 응답 결과를 제공하는 예를 나타낼 수 있다. 일 실시예에 따라, 예시 화면 <1405>에서, 전자 장치(101)는 음성 어시스턴트를 실행하고, 사용자로부터 제2 발화(1420)(예: “뉴욕은 어때?”)를 획득할 수 있다.
여기서, 도 14b에서는 사용자의 제2 발화(1420)에 대해 인식 실패(또는 캡슐 매핑 실패 또는 미스 처리)된 경우에 있어서, 제2 세션의 제2 발화(1420)를 제1 세션의 제1 발화(1410)를 처리한 지정된 캡슐(예: 날씨 캡슐)에 의해 재처리(예: 연속 발화 처리)하여 결과를 제공(예: 화면 표시)하는 예를 나타낼 수 있다. 예를 들면, 예시 화면 <1407>에 예시한 바와 같이, 제1 세션 종료 이후의 제2 세션의 제2 발화(1420)에 대해 최초에 인식 실패할 시 인식 실패의 응답 결과를 바로 제공하지 않고, 연속 발화 처리로 인해 인식 성공된 응답 결과를 제공할 수 있다.
도 15는 일 실시예에 따른 전자 장치에서 세션 종료 이후의 발화를 연속 발화로 처리하여 제공하는 결과 화면의 예를 설명하기 위한 도면이다.
일 실시예에 따라, 도 15에서는, 세션 종료 이후의 새로운 세션에서 사용자의 발화(예: 제2 발화(1520))가 인식 실패(예: 캡슐 매핑 실패 또는 미스 처리)된 경우(예: 제1 상황)에서, 사용자의 발화를 연속 발화로 처리하여 제공하는 예를 나타낼 수 있다.
도 15를 참조하면, 예시 화면 <1501> 및 예시 화면 <1503>은 제1 세션에서 사용자의 제1 발화(1510)에 대응하는 제1 응답 결과를 제공하는 예를 나타낼 수 있다. 일 실시예에 따라, 예시 화면 <1501>에서, 전자 장치(101)는 음성 어시스턴트를 실행하고, 사용자로부터 제1 발화(1510)(예: “날씨 알려줘”)를 획득할 수 있다. 일 실시예에 따라, 예시 화면 <1503>은 전자 장치(101)가 제1 발화(1510)에 대해 발화 처리된 제1 응답 결과(1515)를 오디오로 제공(예: TTS 재생)하는 예를 나타낼 수 있다. 예를 들면, 전자 장치(101)는 드라이빙 모드에서 제1 응답 결과(1515)(예: 오늘 수원시 영통구는 흐리고 최저 기온은 26도, …)를 오디오로 재생하여 스피커(예: 도 2의 스피커(155))를 통해 출력할 수 있다.
일 실시예에 따라, 예시 화면 <1505>는, 전자 장치(101)가 제1 발화(1510)에 대한 제1 응답 결과(1515)를 제공한 후, 지정된 시간(예: M초) 후에 제1 세션을 자동으로 종료하는 예를 나타낼 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제1 세션의 종료에 기반하여 세션 종료에 따른 가이드(1530)(예: 출력 프롬프트(output prompt))를 시각적 정보(예: “Time-out에 의한 Session 종료”의 텍스트) 및/또는 청각적 정보(예: “Time-out에 의한 Session 종료”의 오디오)로 제공할 수 있다.
일 실시예에 따라, 예시 화면 <1507> 및 예시 화면 <1509>는 제1 세션이 종료된 이후, 새로운 제2 세션에서 사용자의 제2 발화(1520)에 대응하는 제2 응답 결과를 제공하는 예를 나타낼 수 있다. 일 실시예에 따라, 예시 화면 <1507>에서, 전자 장치(101)는 음성 어시스턴트를 실행하고, 사용자로부터 제2 발화(1520)(예: “뉴욕은”)를 획득(예: 수신)할 수 있다.
여기서, 예시 화면 <1507> 및 예시 화면 <1509>에서는 사용자의 제2 발화(1520)에 대해 인식 실패(또는 캡슐 매핑 실패 또는 미스 처리)된 경우에 있어서, 제2 세션의 제2 발화(1520)를 제1 세션의 제1 발화(1510)를 처리한 지정된 캡슐(예: 날씨 캡슐)에 의해 재처리(예: 연속 발화 처리)하여 결과를 오디오로 제공(예: TTS 재생)하는 예를 나타낼 수 있다. 예를 들면, 예시 화면 <1509>에 예시한 바와 같이, 제1 세션 종료 이후의 제2 세션의 제2 발화(1520)에 대해 최초에 인식 실패할 시 인식 실패의 응답 결과를 바로 제공하지 않고, 연속 발화 처리로 인해 인식 성공된 응답 결과(1525)를 제공할 수 있다. 예를 들면, 전자 장치(101)는 드라이빙 모드에서 제2 응답 결과(1525)(예: 오늘 미국 뉴욕시는 화창하여 최저 기온은 12도, ...)를 오디오로 재생하여 스피커(예: 도 2의 스피커(155))를 통해 출력할 수 있다.
도 16a 및 도 16b는 일 실시예에 따른 전자 장치에서 세션 종료 이후의 발화를 지정된 캡슐에 의해 연속 발화로 처리하여 제공하는 결과 화면의 예를 설명하기 위한 도면들이다.
일 실시예에 따라, 도 16a 및 도 16b에서는, 세션 종료 이후의 새로운 세션에서 사용자의 발화(예: 제2 발화(1620))를 처리한 캡슐이 이전 세션의 발화(예: 제1 발화(1610))를 처리한 캡슐과 다른 캡슐에 의해 처리된 경우(예: 제2 상황)에서, 사용자의 발화를 연속 발화로 처리하여 제공하는 예를 나타낼 수 있다.
도 16a를 참조하면, 도 16a는 제1 세션에서 사용자의 제1 발화(1610)에 대응하는 제1 응답 결과를 제공하는 예를 나타낼 수 있다. 일 실시예에 따라, 예시 화면 <1601>에서, 전자 장치(101)는 음성 어시스턴트를 실행하고, 사용자로부터 제1 발화(1610)(예: 내일 5시 쇼핑하기 리마인더 만들어줘”)를 획득할 수 있다. 일 실시예에 따라, 예시 화면 <1603>은 전자 장치(101)가 제1 발화(1610)에 대해 발화 처리된 제1 응답 결과를 제공(예: 표시)하는 예를 나타낼 수 있다. 예를 들면, 전자 장치(101)는 제1 발화(1610)에 대해 지정된 캡슐(예: 라마인더 캡슐)에 의해 발화 처리된 결과 화면을 제공할 수 있다.
도 16b를 참조하면, 도 16b는 제1 세션이 종료된 이후, 새로운 제2 세션에서 사용자의 제2 발화(1620)에 대응하는 응답 결과를 제공하는 예를 나타낼 수 있다. 일 실시예에 따라, 예시 화면 <1605>에서, 전자 장치(101)는 음성 어시스턴트를 실행하고, 사용자로부터 제2 발화(1620)(예: “6시로 수정해줘”)를 획득할 수 있다.
여기서, 도 16b에서는 사용자의 제2 발화(1620)가 제1 발화(1610)를 처리한 캡슐(예: 리마인더 캡슐)과 다른 캡슐(예: 날짜 및 시간 캡슐)에 의해 루트 발화로 처리된 경우에 있어서, 제2 세션의 제2 발화(1620)를 제1 세션의 제1 발화(1610)를 처리한 지정된 캡슐(예: 리마인더 캡슐)에 의해 재처리(예: 연속 발화 처리)하고, 연속 발화 처리에 따른 제2 응답 결과(1630)와 루트 발화 처리에 따른 제3 응답 결과(1640)를 함께 제공(예: 화면 표시)하는 예를 나타낼 수 있다. 예를 들면, 예시 화면 <1607>에 예시한 바와 같이, 제1 세션 종료 이후의 제2 세션의 제2 발화(1620)에 대해, 제1 세션의 제1 발화(1610)를 처리한 캡슐(예: 리마인더 캡슐)을 지정하여 제2 세션의 제2 발화(1620)를 지정된 캡슐(예: 리마인더 캡슐)에 기반하여 연속 발화로 처리한 제2 응답 결과(1630)와 제2 세션의 제2 발화(1620)를 매핑된 캡슐(예: 날짜 및 시간 캡슐)에 기반하여 루트 발화로 처리한 제3 응답 결과(1640)를 함께 제공할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 사용자의 의도된 루트 발화를 고려하여, 루트 발화로 처리된 제3 응답 결과(1640)와 연속 발화로 처리된 제2 응답 결과(1630)와 같이 2개의 응답 결과를 모두 제공하여, 사용자가 선택적으로 제2 발화(1620)에 관련된 결과를 획득하도록 할 수 있다. 예를 들어, 전자 장치(101)는 사용자가 제2 발화(1620)의 올바른 해석(correct interpretation)을 선택할 수 있도록 제공할 수 있다.
일 실시예에 따르면, 예시 화면 <1609>는 예시 화면 <1607>에서 사용자가 연속 발화로 처리된(예: 지정된 캡슐인 리마인더 캡슐에 기반하여 처리된) 제2 응답 결과(1630)를 선택한 경우에 결과 화면 예를 나타낼 수 있다. 예시 화면 <1609>에 예시한 바와 같이, 전자 장치(101)는 제2 발화(1620)에 대해 제1 발화(1610)를 처리한 리마인더 캡슐에 의해 연속 발화로 처리된 응답 결과를 제공(예: 표시)할 수 있다.
일 실시예에 따르면, 예시 화면 <1611>은 예시 화면 <1607>에서 사용자가 루트 발화로 처리된(예: 매핑된 캡슐인 날짜 및 시간 캡슐에 기반하여 처리된) 제3 응답 결과(1640)를 선택한 경우에 결과 화면 예를 나타낼 수 있다. 예시 화면 <1611>에 예시한 바와 같이, 전자 장치(101)는 제2 발화(1620)를 날짜 및 시간 캡슐에 의해 루트 발화로 처리된 응답 결과를 제공(예: 표시)할 수 있다.
도 17a 및 도 17b는 일 실시예에 따른 전자 장치에서 세션 종료 이후의 발화를 지정된 캡슐에 의해 연속 발화로 처리하여 제공하는 결과 화면의 예를 설명하기 위한 도면들이다.
일 실시예에 따라, 도 17a 및 도 17b에서는, 세션 종료 이후의 새로운 세션에서 사용자의 발화(예: 제2 발화(1710))를 처리한 캡슐이 이전 세션의 발화(예: 제1 발화)를 처리한 캡슐과 다른 캡슐에 의해 처리된 경우(예: 제2 상황)에서, 사용자의 발화를 연속 발화로 처리하여 제공하는 예를 나타낼 수 있다.
도 17a를 참조하면, 도 17a는 제1 세션에서 사용자의 제1 발화에 대응하는 제1 응답 결과를 제공한 후, 제1 세션을 종료하는 예를 나타낼 수 있다. 일 실시예에 따라, 예시 화면 <1701>에서, 전자 장치(101)는 사용자의 제1 발화를 처리한 제1 응답 결과를 제공(예: 표시)하는 예를 나타낼 수 있다. 예를 들면, 전자 장치(101)는 제1 발화에 대해 지정된 캡슐(예: 날짜 및 시간 캡슐)에 의해 발화 처리된 결과 화면을 제공할 수 있다.
일 실시예에 따라, 예시 화면 <1703>은 제1 발화에 대한 제1 응답 결과를 제공한 후, 사용자의 명시적인 입력(예: 홈 화면 이동 또는 음성 어시스턴트 종료)에 기반하여 제1 세션을 종료하는 예를 나타낼 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제1 세션의 종료에 기반하여 세션 종료에 따른 가이드(1700)(예: 출력 프롬프트(output prompt))를 시각적 정보(예: “Session 종료”의 텍스트) 및/또는 청각적 정보(예: “Session 종료”의 오디오)로 제공할 수 있다.
도 17b를 참조하면, 도 17b는 제1 세션이 종료된 이후, 새로운 제2 세션에서 사용자의 제2 발화(1710)에 대응하는 응답 결과를 제공하는 예를 나타낼 수 있다. 일 실시예에 따라, 예시 화면 <1705>에서, 전자 장치(101)는 음성 어시스턴트를 실행하고, 사용자로부터 제2 발화(1710)(예: “뉴욕은”)를 획득할 수 있다.
여기서, 도 17b에서는 사용자의 제2 발화(1710)가 제1 발화를 처리한 캡슐(예: 날짜 및 시간 캡슐)과 다른 캡슐(예: 웨더 뉴스 캡슐)에 의해 루트 발화로 처리된 경우에 있어서, 제2 세션의 제2 발화(1710)를 제1 세션의 제1 발화를 처리한 지정된 캡슐(예: 날짜 및 시간 캡슐)에 의해 재처리(예: 연속 발화 처리)하고, 연속 발화 처리에 따른 제2 응답 결과(1720)와 루트 발화 처리에 따른 제3 응답 결과(1730)를 함께 제공(예: 화면 표시)하는 예를 나타낼 수 있다.
예를 들면, 예시 화면 <1707>에 예시한 바와 같이, 제1 세션 종료 이후의 제2 세션의 제2 발화(1710)에 대해, 제1 세션의 제1 발화를 처리한 캡슐(예: 날짜 및 시간 캡슐)을 지정하여 제2 세션의 제2 발화(1710)를 지정된 캡슐(예: 날짜 및 시간 캡슐)에 기반하여 연속 발화로 처리한 제2 응답 결과(1720)와 제2 세션의 제2 발화(1710)를 매핑된 캡슐(예: 웨더 뉴스 캡슐)에 기반하여 루트 발화로 처리한 제3 응답 결과(1730)를 함께 제공할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 사용자의 의도된 루트 발화를 고려하여, 루트 발화로 처리된 제3 응답 결과(1730)와 연속 발화로 처리된 제2 응답 결과(1720)와 같이 2개의 응답 결과를 모두 제공하여, 사용자가 선택적으로 제2 발화(1710)에 관련된 결과를 획득하도록 할 수 있다. 예를 들어, 사용자가 자신의 발화에 대한 올바른 해석 결과(correct interpretation result)를 선택할 수 있도록 제공할 수 있다.
일 실시예에 따르면, 예시 화면 <1709>는 예시 화면 <1707>에서 사용자가 연속 발화로 처리된(예: 지정된 캡슐인 날짜 및 시간 캡슐에 기반하여 처리된) 제2 응답 결과(1720)를 선택한 경우에 결과 화면 예를 나타낼 수 있다. 예시 화면 <1709>에 예시한 바와 같이, 전자 장치(101)는 제2 발화(1710)에 대해 제1 발화를 처리한 날짜 및 시간 캡슐에 의해 연속 발화로 처리된 응답 결과를 제공(예: 표시)할 수 있다.
일 실시예에 따르면, 예시 화면 <1711>은 예시 화면 <1707>에서 사용자가 루트 발화로 처리된(예: 매핑된 캡슐인 웨더 뉴스 캡슐에 기반하여 처리된) 제3 응답 결과(1730)를 선택한 경우에 결과 화면 예를 나타낼 수 있다. 예시 화면 <1711>에 예시한 바와 같이, 전자 장치(101)는 제2 발화(1710)를 웨더 뉴스 캡슐에 의해 루트 발화로 처리된 응답 결과를 제공(예: 표시)할 수 있다.
본 개시의 일 실시예에 따른 전자 장치(101)에서 수행하는 동작 방법은, 마이크(예: 도 2의 마이크(151))를 통해 입력된 사용자의 제1 발화에 관련된 제1 응답 결과를 제공하는 동작, 상기 제1 발화에 관련된 세션(session)을 종료하는 동작, 상기 제1 발화에 관련된 세션을 종료한 이후에, 상기 마이크를 통해 입력된 사용자의 제2 발화에 따른 음성 신호를 획득하는 동작, 상기 제2 발화의 처리에 관련된 제2 응답 결과를 획득하는 동작, 상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리 여부를 결정하는 동작, 상기 연속 발화 처리를 결정하는 것에 기반하여 상기 제1 발화에 관련된 정보를 지정하여 상기 제2 발화에 대한 재처리를 수행하는 동작, 상기 제2 발화의 재처리에 관련된 제3 응답 결과를 획득하는 동작, 및 상기 제2 발화에 대해 연속 발화를 처리하는 속성에 기반하여 한 개 또는 두 개의 응답 결과를 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 연속 발화 처리 여부를 결정하는 동작은, 상기 제2 응답 결과 획득에 기반하여, 상기 제1 발화에 관련된 히스토리를 판단하는 동작, 상기 제1 발화에 관련된 히스토리가 존재하는 경우, 상기 제2 발화에 대해 처리된 상기 제2 응답 결과를 분석하는 동작, 상기 제2 응답 결과를 분석하는 결과에 기반하여 상기 연속 발화 처리 여부를 결정하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 연속 발화 처리 여부를 결정하는 동작은, 상기 제1 발화에 관련된 히스토리가 존재하는 경우, 상기 세션의 종료 시간을 참조하여 상기 제2 발화의 연속 발화 처리 또는 루트 발화 처리를 결정하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 연속 발화 처리 여부를 결정하는 동작은, 상기 제2 응답 결과가 상기 제2 발화에 대해 인식 실패에 따른 제1 상황의 응답 결과이거나, 또는 상기 제2 응답 결과가 상기 제1 발화를 처리한 제1 캡슐과 다른 제2 캡슐에서 처리되는 제2 상황의 응답 결과인 경우, 상기 제2 발화의 연속 발화 처리를 결정하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 제2 발화에 대한 재처리를 수행하는 동작은, 상기 제2 발화를 연속 발화 처리로 결정하는 것에 기반하여, 상기 제1 발화를 처리한 상기 제1 캡슐의 캡슐 식별자를 획득하는 동작, 상기 제2 발화를 재처리 하기 위한 캡슐을 상기 획득된 캡슐 식별자의 상기 제1 캡슐로 지정하는 동작, 지정된 제1 캡슐에 기반하여 상기 제2 발화를 재처리 하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 응답 결과를 제공하는 동작은, 상기 제1 상황의 응답 결과에 기반하여 연속 발화 처리 결정 시, 상기 제2 발화의 연속 발화 처리에 따른 상기 제3 응답 결과를 제공하는 동작, 상기 제2 상황의 응답 결과에 기반하여 연속 발화 처리 결정 시, 상기 제2 발화의 루트 발화 처리에 따른 상기 제2 응답 결과와 상기 제2 발화의 연속 발화 처리에 따른 상기 제3 응답 결과를 제공하는 동작을 포함할 수 있다.
본 명세서와 도면에 개시된 본 개시의 다양한 실시예들은 본 개시의 기술 내용을 쉽게 설명하고 본 개시의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 개시의 범위를 한정하고자 하는 것은 아니다. 따라서 본 개시의 범위는 여기에 개시된 실시예들 이외에도 본 개시의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다.

Claims (15)

  1. 음성 인식 서비스를 지원하기 위한 장치에 있어서,
    메모리; 및
    상기 메모리와 작동적으로 연결된 음성 인식 회로를 포함하고, 상기 음성 인식 회로는,
    제1 발화를 수신하고, 세션을 시작하기 위해 상기 제1 발화를 처리하여 제1 응답 결과를 생성하고,
    상기 제1 발화에 관련된 상기 세션이 종료된 이후에, 제2 발화를 수신하고,
    제2 응답 결과를 생성하기 위해 상기 제2 발화를 처리하고,
    상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리를 실행할 지 여부를 결정하고,
    상기 연속 발화 처리를 실행하기로 결정하는 것에 기반하여, 제3 응답 결과를 생성하기 위해 상기 제1 발화에 관련된 제1 응답 결과에 적어도 부분적으로 기반하여 상기 제2 발화를 재처리 하고, 및
    상기 제3 응답 결과를 출력하도록 설정된 장치.
  2. 제1항에 있어서, 상기 제1 발화 처리는 세션 시작을 포함하고,
    상기 제1 발화는 상기 세션에서 제1 캡슐에 따라 처리되고,
    상기 음성 인식 회로는,
    상기 제1 캡슐에 따라 상기 제1 발화를 처리한 후, 지정된 방식을 이용하여 상기 생성된 제1 응답 결과를 출력하고, 상기 제1 발화의 상기 세션과 관련하여 종료 조건을 감지하는 것에 기반하여 상기 세션을 종료하도록 설정된 장치.
  3. 제2항에 있어서, 상기 음성 인식 회로는,
    상기 제2 발화를 처리하기 위한 캡슐을 매핑하고,
    매핑된 캡슐에 적어도 부분적으로 기반하여 상기 제2 발화를 처리하도록 설정된 장치.
  4. 제3항에 있어서, 상기 음성 인식 회로는,
    상기 제2 응답 결과 생성에 기반하여, 상기 제1 발화에 관련된 히스토리가 존재하는지 여부를 판단하고,
    상기 히스토리가 존재하는 것을 감지하는 것에 기반하여, 상기 제2 발화에 대해 상기 연속 발화 처리를 실행할 지 여부를 결정하기 위해 상기 제2 응답 결과를 분석하도록 설정된 음성 인식 장치.
  5. 제4항에 있어서,
    상기 연속 발화 처리를 실행할 지 여부 결정은 상기 세션의 종료 시간을 기반으로 결정하도록 설정된 장치.
  6. 제3항에 있어서, 상기 음성 인식 회로는,
    상기 제2 발화의 처리에 관한 인식 실패를 포함하는 제1 상황을 검출하거나, 또는
    상기 제1 발화가 처리된 상기 제1 캡슐과 다른 제2 캡슐에서 상기 제2 발화가 처리되는 제2 상황을 검출하는 것 중 적어도 하나에 기반하여 상기 연속 발화 처리를 실행하도록 결정하도록 설정된 장치.
  7. 제6항에 있어서, 상기 음성 인식 회로는,
    상기 제2 발화에 대해 연속 발화 처리를 실행하기로 결정하는 것에 기반하여, 상기 제1 발화가 처리된 상기 제1 캡슐의 캡슐 식별자를 획득하도록 설정되고,
    상기 제2 발화를 처리하기 위한 캡슐 매핑은, 상기 제2 발화를 재처리 하기 위해 상기 획득된 캡슐 식별자에 대응하는 상기 제1 캡슐을 지정하는 것을 포함하는 장치.
  8. 제6항에 있어서,
    상기 제1 상황이 감지되면, 상기 제3 응답 결과는 상기 제2 발화에 대한 연속 발화 처리를 통해 상기 생성되고,
    상기 제2 상황이 감지되면, 상기 제2 응답 결과는 상기 제2 발화에 대한 루트 발화 처리를 통해 생성되고, 상기 제3 응답 결과는 상기 제2 발화에 대한 연속 발화 처리를 통해 생성되는 장치.
  9. 전자 장치에 있어서,
    통신 회로;
    디스플레이;
    마이크;
    메모리; 및
    적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는,
    상기 마이크를 통해 제1 발화를 수신하고, 세션을 시작하기 위해 상기 제1 발화를 처리하여 제1 응답 결과를 생성하고,
    상기 제1 발화에 관련된 상기 세션이 종료된 이후에, 상기 마이크를 통해 제2 발화를 수신하고,
    제2 응답 결과를 생성하기 위해 상기 제2 발화를 처리하고,
    상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리를 실행할 지 여부를 결정하고,
    상기 연속 발화 처리를 실행하기로 결정하는 것에 기반하여, 제3 응답 결과를 생성하기 위해 상기 제1 발화에 관련된 제1 응답 결과에 적어도 부분적으로 기반하여 상기 제2 발화를 재처리 하고, 및
    제3 응답 결과를 출력하도록 설정된 전자 장치.
  10. 제9항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제2 응답 결과 생성에 기반하여, 상기 제1 발화에 관련된 히스토리가 존재하는지 여부를 판단하고,
    상기 히스토리가 존재하는 것을 감지하는 것에 기반하여, 상기 제2 발화에 대해 상기 연속 발화 처리를 실행할 지 여부를 결정하도록 설정된 전자 장치.
  11. 제10항에 있어서, 상기 연속 발화 처리를 실행할 지 여부 결정은 상기 세션의 종료 시간을 기반으로 결정하도록 설정된 전자 장치.
  12. 제9항에 있어서,
    상기 제1 발화는 상기 세션에서 제1 캡슐에 따라 처리되고,
    상기 적어도 하나의 프로세서는,
    상기 제2 발화의 처리에 관한 인식 실패를 포함하는 제1 상황을 검출하거나, 또는
    상기 제1 발화가 처리된 상기 제1 캡슐과 다른 제2 캡슐에서 상기 제2 발화가 처리되는 제2 상황을 검출하는 것 중 적어도 하나에 기반하여 상기 연속 발화 처리를 실행하도록 결정하도록 설정된 전자 장치.
  13. 제12항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 제2 발화에 대해 연속 발화 처리를 실행하기로 결정하는 것에 기반하여, 상기 제1 발화가 처리된 상기 제1 캡슐의 캡슐 식별자를 획득하도록 설정되고,
    상기 제2 발화를 처리하기 위한 캡슐 매핑은, 상기 제2 발화를 재처리 하기 위해 상기 획득된 캡슐 식별자에 대응하는 상기 제1 캡슐을 지정하는 것을 포함하는 전자 장치.
  14. 제12항에 있어서,
    상기 제1 상황이 감지되면, 상기 제3 응답 결과는 상기 제2 발화에 대한 연속 발화 처리를 통해 생성되고,
    상기 제2 상황이 감지되면, 상기 제2 응답 결과는 상기 제2 발화에 대한 루트 발화 처리를 통해 생성되고, 상기 제3 응답 결과는 상기 제2 발화에 대한 연속 발화 처리를 통해 생성되는 전자 장치.
  15. 전자 장치의 동작 방법에 있어서,
    마이크를 통해 제1 발화를 수신하고, 세션을 시작하기 위해 상기 제1 발화를 적어도 하나의 프로세서를 통해 처리하여 제1 응답 결과를 생성하는 동작;
    상기 제1 발화에 관련된 상기 세션이 종료된 이후에, 상기 마이크를 통해 제2 발화를 수신하는 동작;
    제2 응답 결과를 생성하기 위해 상기 제2 발화를 처리하는 동작;
    상기 제2 응답 결과에 기반하여 상기 제2 발화에 대한 연속 발화 처리를 실행할 지 여부를 결정하는 동작;
    상기 연속 발화 처리를 실행하기로 결정하는 것에 기반하여, 제3 응답 결과를 생성하기 위해 상기 제1 발화에 관련된 제1 응답 결과에 적어도 부분적으로 기반하여 상기 제2 발화를 재처리 하는 동작; 및
    제3 응답 결과를 출력 회로를 통해 출력하는 동작을 포함하는 방법.
PCT/KR2022/002213 2021-02-16 2022-02-15 전자 장치 및 전자 장치의 음성 인식 처리 방법 WO2022177264A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/677,149 US11756575B2 (en) 2021-02-16 2022-02-22 Electronic device and method for speech recognition processing of electronic device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0020454 2021-02-16
KR1020210020454A KR20220116949A (ko) 2021-02-16 2021-02-16 전자 장치 및 전자 장치의 음성 인식 처리 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/677,149 Continuation US11756575B2 (en) 2021-02-16 2022-02-22 Electronic device and method for speech recognition processing of electronic device

Publications (1)

Publication Number Publication Date
WO2022177264A1 true WO2022177264A1 (ko) 2022-08-25

Family

ID=82931442

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/002213 WO2022177264A1 (ko) 2021-02-16 2022-02-15 전자 장치 및 전자 장치의 음성 인식 처리 방법

Country Status (2)

Country Link
KR (1) KR20220116949A (ko)
WO (1) WO2022177264A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130141241A (ko) * 2012-06-15 2013-12-26 삼성전자주식회사 서버 및 서버의 제어 방법
US20150340033A1 (en) * 2014-05-20 2015-11-26 Amazon Technologies, Inc. Context interpretation in natural language processing using previous dialog acts
US20180144055A1 (en) * 2016-11-18 2018-05-24 Google Inc. Autonomously providing search results post-facto, including in assistant context
KR20180084392A (ko) * 2017-01-17 2018-07-25 삼성전자주식회사 전자 장치 및 그의 동작 방법
KR20200050373A (ko) * 2018-11-01 2020-05-11 삼성전자주식회사 전자 장치 및 그의 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130141241A (ko) * 2012-06-15 2013-12-26 삼성전자주식회사 서버 및 서버의 제어 방법
US20150340033A1 (en) * 2014-05-20 2015-11-26 Amazon Technologies, Inc. Context interpretation in natural language processing using previous dialog acts
US20180144055A1 (en) * 2016-11-18 2018-05-24 Google Inc. Autonomously providing search results post-facto, including in assistant context
KR20180084392A (ko) * 2017-01-17 2018-07-25 삼성전자주식회사 전자 장치 및 그의 동작 방법
KR20200050373A (ko) * 2018-11-01 2020-05-11 삼성전자주식회사 전자 장치 및 그의 제어 방법

Also Published As

Publication number Publication date
KR20220116949A (ko) 2022-08-23

Similar Documents

Publication Publication Date Title
WO2021025350A1 (en) Electronic device managing plurality of intelligent agents and operation method thereof
WO2019039834A1 (en) METHOD FOR PROCESSING VOICE DATA AND ELECTRONIC DEVICE SUPPORTING SAID METHOD
WO2020032563A1 (en) System for processing user voice utterance and method for operating same
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2020167006A1 (en) Method of providing speech recognition service and electronic device for same
WO2020197263A1 (en) Electronic device and multitasking supporting method thereof
WO2019172627A1 (en) System for processing user utterance and controlling method thereof
WO2019212213A1 (en) Electronic device and method of executing function of electronic device
WO2020050475A1 (ko) 전자 장치 및 단축 명령어에 대응하는 태스크 수행 방법
WO2020263016A1 (ko) 사용자 발화를 처리하는 전자 장치와 그 동작 방법
WO2018174445A1 (ko) 파셜 랜딩 후 사용자 입력에 따른 동작을 수행하는 전자 장치
WO2019017665A1 (en) ELECTRONIC APPARATUS FOR PROCESSING A USER STATEMENT FOR CONTROLLING AN EXTERNAL ELECTRONIC APPARATUS AND METHOD FOR CONTROLLING THE APPARATUS
WO2019235878A1 (ko) 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치
WO2019039873A1 (ko) Tts 모델을 생성하는 시스템 및 전자 장치
WO2020032381A1 (en) Electronic apparatus for processing user utterance and controlling method thereof
WO2022177224A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022092796A1 (ko) 전자 장치 및 전자 장치의 음성 인식 수행 방법
WO2022163963A1 (ko) 전자 장치 및 전자 장치의 단축 명령어 수행 방법
WO2022177264A1 (ko) 전자 장치 및 전자 장치의 음성 인식 처리 방법
WO2021085855A1 (ko) 다수의 사용자들이 참여하는 음성 에이전트 지원 방법 및 장치
WO2022186531A1 (ko) 전자 장치 및 전자 장치의 기기 연결 방법
WO2024085592A1 (ko) 전자 장치 및 전자 장치의 음성 어시스턴트 서비스 제공 방법
WO2023080574A1 (ko) 음성 인식 서비스를 제공하는 전자 장치 및 이의 동작 방법
WO2022010187A1 (ko) 전자 장치 및 전자 장치의 인증 동작 수행 방법
WO2024076139A1 (ko) 전자 장치 및 상기 전자 장치에서 사용자의 발화를 처리하는 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: 22756462

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: 22756462

Country of ref document: EP

Kind code of ref document: A1