WO2022196994A1 - 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법 - Google Patents

개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법 Download PDF

Info

Publication number
WO2022196994A1
WO2022196994A1 PCT/KR2022/003172 KR2022003172W WO2022196994A1 WO 2022196994 A1 WO2022196994 A1 WO 2022196994A1 KR 2022003172 W KR2022003172 W KR 2022003172W WO 2022196994 A1 WO2022196994 A1 WO 2022196994A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
question
voice
module
pronunciation
Prior art date
Application number
PCT/KR2022/003172
Other languages
English (en)
French (fr)
Inventor
류철
김광훈
성준식
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 CN202280008387.8A priority Critical patent/CN116635933A/zh
Priority to EP22771660.2A priority patent/EP4207184A4/en
Priority to US17/654,881 priority patent/US20220301544A1/en
Publication of WO2022196994A1 publication Critical patent/WO2022196994A1/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
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • 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
    • G10L15/22—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
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination

Definitions

  • the present disclosure relates to an electronic device including a personalized-text to speech (P-TTS) module and a control method thereof.
  • P-TTS personalized-text to speech
  • TTS may be referred to as a technology that learns a data pair consisting of a text and a sound source, and generates a word most suitable for a given text.
  • Personalized TTS can be referred to as a technology that converts an acoustic model into a user's tone, obtains a small amount of text and sound data pairs from the user, and through this, a large amount of text and sound data pairs The purpose is to create and imitate the user's voice.
  • Personalized TTS requires all pronunciation strings to be included in a small amount of text and sound source data pairs, so that a large amount of sound sources can be created based on this.
  • the electronic device provides a text including all pronunciation strings to the user in advance, and allows the user to read it to secure a sound source.
  • the performance of personalized TTS depends, firstly, that the collected sound sources are as natural as the speaker's usual tone, and secondly that sufficient sound sources are collected for each pronunciation sequence.
  • Embodiments of the present disclosure provide an electronic device for acquiring a natural utterance of a user through a conversation using a chatbot and a control method thereof.
  • An electronic device includes a memory and at least one processor operatively connected to the memory, wherein the at least one processor is configured to include the memory among a plurality of pronunciation strings when a voice assistant application is executed.
  • a question corresponding to a word including the identified pronunciation string among a plurality of words included in the subject is identified, a subject is identified based on the identified pronunciation string
  • a text may be obtained, a question voice corresponding to the question text may be output, and an utterance may be received after outputting the question voice.
  • the control method of the electronic device includes, when a voice assistant application is executed, identifying a pronunciation string in which the amount of sound source data stored in the memory is less than a specific value from among a plurality of pronunciation strings, based on the identified pronunciation string
  • the operation of identifying a topic, the operation of obtaining a question text corresponding to a word including the identified pronunciation sequence among a plurality of words included in the topic, an operation of outputting a question voice corresponding to the question text, and the question It may include an operation of receiving an utterance after outputting the voice.
  • the user's natural utterance may be acquired, thereby improving the quality of the personalized TTS.
  • FIG. 1 is a block diagram of an exemplary electronic device in a network environment according to various embodiments of the present disclosure
  • FIG. 2 is a block diagram illustrating an example integrated intelligence system according to various embodiments.
  • 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 a user terminal displaying a screen for processing a voice input received through an intelligent app, according to various embodiments of the present disclosure
  • FIG. 5 is a flowchart illustrating an example operation of collecting user utterances of an electronic device according to various embodiments of the present disclosure
  • FIG. 6 is a diagram for explaining an exemplary operation of learning a P-TTS module of an electronic device according to various embodiments of the present disclosure
  • 7A is a chart for explaining answer data collected by a user's utterance according to various embodiments of the present disclosure
  • 7B is a chart for explaining the amount of sound source data per each pronunciation string according to various embodiments of the present disclosure.
  • 8A is a diagram for describing a word list for each topic according to various embodiments of the present disclosure.
  • 8B is a chart for explaining a subject prediction result of an electronic device according to various embodiments of the present disclosure.
  • 9A is a chart for explaining a pronunciation sequence for each word according to various embodiments of the present disclosure.
  • 9B is a chart for explaining a word for each pronunciation string according to various embodiments of the present disclosure.
  • FIG. 10 is a chart for explaining a question list for each word according to various embodiments of the present disclosure.
  • FIG. 11 is a flowchart illustrating an example operation of learning a P-TTS module of an electronic device of an electronic device according to various embodiments of the present disclosure
  • FIG. 1 is a block diagram of an example electronic device 101 in a network environment 100 in accordance with various embodiments.
  • an electronic device 101 communicates with an 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 .
  • a first network 198 eg, a short-range wireless communication network
  • a second network 199 e.g., a second network 199
  • 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 the main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • the main processor 121 eg, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the main processor 121 e.g, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a
  • the secondary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or when the main processor 121 is active (eg, executing an application). ), together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display module 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states.
  • the coprocessor 123 eg, an image signal processor or a communication processor
  • may be implemented as part of another functionally related component eg, the camera module 180 or the communication module 190 ). have.
  • 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 142 , middleware 144 , or an application 146 .
  • 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 ) connected directly or wirelessly with the electronic device 101 .
  • the electronic device 102) eg, a speaker or headphones
  • the electronic device 102 may output a sound.
  • 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, an SD card interface, or an audio interface.
  • 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 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 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 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 WAN).
  • a telecommunication network
  • 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 access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low-latency
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • a high frequency band eg, mmWave band
  • 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. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna.
  • 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 a part of operations executed in the electronic device 101 may be executed in 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.
  • FIG. 2 is a block diagram illustrating an example integrated intelligence system in accordance with various embodiments.
  • the integrated intelligent system may include a user terminal 101 , an intelligent server 200 , and a service server 300 .
  • the user terminal 101 may be a terminal device (or electronic device) connectable to the Internet, for example, a mobile phone, a smart phone, or a personal digital assistant (PDA). digital assistant), notebook computer, TV, white goods, wearable device, HMD, or smart speaker, or the like, but is not limited thereto.
  • a terminal device or electronic device connectable to the Internet
  • PDA personal digital assistant
  • the user terminal 101 includes a communication module (eg, including a communication circuit) 190 , a microphone 150 , a speaker 155 , a display 160 , a memory 130 , and/or A processor (eg, including processing circuitry) 120 may be included.
  • a communication module eg, including a communication circuit
  • a processor eg, including processing circuitry
  • the components listed above may be operatively or electrically connected to each other.
  • the communication module 190 may include various communication circuits and may be configured to transmit and receive data in connection with an external device.
  • the microphone 150 eg, the input module 150 of FIG. 1
  • the speaker 155 eg, the sound output module 155 of FIG. 1
  • the display 160 may be configured to display an image or a video.
  • the display 160 may also display a graphic user interface (GUI) of an executed app (or an application program).
  • GUI graphic user interface
  • the memory 130 of an embodiment includes a client module 131 , a software development kit (SDK) 133 , and a plurality of apps 135 (eg, 135-1 and 135 ). -2, etc.), including various software (eg executable program instructions).
  • the client module 131 and the SDK 133 may constitute a framework (or a solution program) for performing general functions.
  • the client module 131 or the SDK 133 may configure a framework for processing a voice input.
  • the memory 130 of an embodiment may be a program for performing a specified function in the plurality of apps 135 .
  • the plurality of apps 135 may include a first app 135_1 and a second app 135_3 .
  • each of the plurality of apps 135 may include a plurality of operations for performing a specified function.
  • the apps may include an alarm app, a message app, and/or a schedule app.
  • the plurality of apps 135 may be executed by the processor 120 (eg, the processor 120 of FIG. 1 ) to sequentially execute at least some of the plurality of operations.
  • the processor 120 may include various processing circuits and may control the overall operation of the user terminal 101 .
  • the processor 120 may be electrically connected to the communication module 190 , the microphone 150 , the speaker 155 , and the display 160 to perform a specified operation.
  • the processor 120 may also 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 131 and the SDK 133 to perform the following operations for processing a voice input.
  • the processor 120 may control the operation of the plurality of apps 135 through, for example, the SDK 133 .
  • the following operations described as operations of the client module 131 or the SDK 133 may be operations by the execution of the processor 120 .
  • the client module 131 may receive a voice input.
  • the client module 131 may receive a voice signal corresponding to the user's utterance sensed through the microphone 150 .
  • the client module 131 may transmit the received voice input to the intelligent server 200 (eg, the server 108 of FIG. 1 ).
  • the client module 131 may transmit status information of the user terminal 101 to the intelligent server 200 together with the received voice input.
  • the state information may be, for example, execution state information of an app.
  • the client module 131 may receive a result corresponding to the received voice input. For example, when the intelligent server 200 can calculate a result corresponding to the received voice input, the client module 131 may receive a result corresponding to the received voice input. The client module 131 may display the received result on the display 160 .
  • the client module 131 may receive a plan corresponding to the received voice input.
  • the client module 131 may display a result of executing a plurality of operations of the app according to the plan on the display 160 .
  • the client module 131 may, for example, sequentially display execution results of a plurality of operations on the display.
  • the user terminal 101 may display only some results of executing a plurality of operations (eg, results of the last operation) on the display.
  • the client module 131 may receive a request for obtaining information necessary for calculating a result corresponding to a voice input from the intelligent server 200 . According to an embodiment, the client module 131 may transmit the necessary information to the intelligent server 200 in response to the request.
  • the client module 131 may transmit result information of executing a plurality of operations according to a plan to the intelligent server 200 .
  • the intelligent server 200 may confirm that the received voice input has been correctly processed using the result information.
  • the client module 131 may include a voice recognition module. According to an embodiment, the client module 131 may recognize a voice input performing a limited function through the voice recognition module. For example, the client module 131 may perform an intelligent app for processing a voice input for performing an organic operation through a specified input (eg, wake up!).
  • a voice recognition module may recognize a voice input performing a limited function through the voice recognition module. For example, the client module 131 may perform an intelligent app for processing a voice input for performing an organic operation through a specified input (eg, wake up!).
  • the intelligent server 200 may receive information related to a user's voice input from the user terminal 101 through a communication network. According to an embodiment, the intelligent server 200 may change data related to the received voice input into text data. According to an embodiment, the intelligent server 200 may generate a plan for performing a task corresponding to the user's voice input based on the text data.
  • the plan may be generated by an artificial intelligent (AI) system.
  • the artificial intelligence system may be a rule-based system, a neural network-based system (eg, a feedforward neural network (FNN)), a recurrent neural network (RNN) )))) can also be
  • the AI system may be a combination of the above or other 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 a plan from among a plurality of predefined plans.
  • the intelligent server 200 may transmit a result according to the generated plan to the user terminal 101 or transmit the generated plan to the user terminal 101 .
  • the user terminal 101 may display a result according to the plan on the display.
  • the user terminal 101 may display the result of executing the operation according to the plan on the display.
  • the intelligent server 200 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 include various circuits and may receive a voice input received from the user terminal 101 .
  • the front end 210 may transmit a response corresponding to the voice input.
  • the natural language platform 220 may include various software modules (eg, including various executable program instructions), for example, an automatic speech recognition module (ASR module). 221 , a natural language understanding module (NLU module) 223 , a planner module 225 , a natural language generator module (NLG module) 227 and/or It may include a text to speech module (TTS module) 229 .
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • NLU module natural language understanding module
  • NLU module natural language generator module
  • TTS module text to speech module
  • the automatic voice recognition module 221 may convert a voice input received from the user terminal 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 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 with the intention of the user. You can decide your intentions.
  • 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 a 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.
  • the parameter and the result value may be defined as a concept of a specified format (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 required for 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 a plurality of operations and related information (eg, an ontology) between a plurality of concepts. The planner module 225 may generate a plan using information stored in the capsule database 230 in which a set of relationships between concepts and operations is stored.
  • the planner module 225 may generate a plan using information stored in the capsule database 230 in which a set of relationships between concepts and operations is stored.
  • the natural language generation module 227 may change the specified information into a 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 be implemented in the user terminal 101 .
  • the capsule database 230 may store information on relationships between a plurality of concepts and operations corresponding to a plurality of domains.
  • a capsule may include a plurality of action objects (action objects or action information) and concept objects (concept objects 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 on 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 user terminal 101 .
  • the capsule database 230 may include a vocabulary registry in which vocabulary information included in the capsule information is stored.
  • the capsule database 230 may include a dialog registry (dialog registry) in which dialog (or interaction) information with the user is stored.
  • the capsule database 230 may update a 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 user terminal 101 .
  • the execution engine 240 may calculate a result using the generated plan.
  • the end user interface 250 may transmit the calculated result to the user terminal 101 . Accordingly, the user terminal 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 200 .
  • 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 200 . For example, the analysis platform 280 may manage the components and processing speed (or efficiency) of the intelligent server 200 .
  • QoS quality of service
  • the service server 300 may provide a specified service (eg, food order or hotel reservation) to the user terminal 101 .
  • the service server 300 may be a server operated by a third party.
  • the service server 300 of an embodiment may provide information for generating a plan corresponding to the received voice input to the intelligent server 200 .
  • 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 200 .
  • the user terminal 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 user terminal 101 may provide a voice recognition service through an intelligent app (or a voice recognition app) stored therein.
  • the user terminal 101 may recognize a user utterance or a voice input received through the microphone, and provide a service corresponding to the recognized voice input to the user. .
  • the user terminal 101 may perform a specified operation alone or together with the intelligent server and/or service server, based on the received voice input. For example, the user terminal 101 may execute an app corresponding to the received voice input and perform a specified operation through the executed app.
  • the user terminal 101 when the user terminal 101 provides a service together with the intelligent server 200 and/or the service server, the user terminal detects a user's utterance using the microphone 150, A signal (or voice data) corresponding to the sensed user's utterance may be generated. The user terminal may transmit the voice data to the intelligent server 200 using the communication module 190 .
  • the intelligent server 200 is a plan for performing a task corresponding to the voice input as a response to the voice input received from the user terminal 101, 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 user terminal 101 may receive the response using the communication module 190 .
  • the user terminal 101 outputs a voice signal generated inside the user terminal 101 to the outside using the speaker 155 or an image generated inside the user terminal 101 using the display 160 to the outside. can be output as
  • 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 (eg, the capsule database 230 ) of the intelligent server 200 may store the capsule in the form of a concept action network (CAN).
  • the capsule database may store an operation for processing a task corresponding to a user's voice input and parameters necessary for the operation in the form of a concept action network (CAN).
  • the capsule database may store a plurality of capsules (capsule(A) 401, 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
  • one capsule includes at least one service provider (eg, CP 1 402 , CP 2 403 , CP 4 405 and/or CP3 406 ) for performing a function for the domain related to the capsule. can be matched.
  • 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 using the capsule stored in the capsule database.
  • the planner module 225 of the natural language platform may generate a plan using a capsule stored in a capsule database. For example, using operations 4011 , 4013 and concepts 4012 , 4014 of capsule A 401 and operations 4041 and concept 4042 of capsule B 404 , create plan 407 . can do.
  • FIG. 4 is a diagram illustrating a screen in which a user terminal processes a voice input received through an intelligent app according to various embodiments of the present disclosure
  • the user terminal 101 may execute an intelligent app to process a user input through the intelligent server 200 .
  • the user terminal 101 processes the voice input.
  • a specified voice input eg, wake up! or receives an input through a hardware key (eg, a dedicated hardware key)
  • the user terminal 101 processes the voice input.
  • You can run intelligent apps for The user terminal 101 may, for example, run the intelligent app in a state in which the schedule app is running.
  • the user terminal 101 may display an object (eg, an icon) 311 corresponding to an intelligent app on the display 140 .
  • the user terminal 101 may receive a voice input by the user's utterance.
  • the user terminal 101 may receive a voice input "Tell me about this week's schedule!
  • the user terminal 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.
  • UI user interface
  • the user terminal 101 may display a result corresponding to the received voice input on the display.
  • the user terminal 101 may receive a plan corresponding to the received user input, and display 'this week's schedule' on the display according to the plan.
  • FIG. 5 is a flowchart illustrating an example operation of collecting user utterances of an electronic device according to various embodiments of the present disclosure
  • an electronic device eg, the electronic device 101 or the processor 120 of FIG. 1
  • executes a voice assistant application in operation 510 a memory among a plurality of pronunciation strings It is possible to identify a pronunciation string in which the amount of sound source data stored in (eg, the memory 130 of FIG. 1 ) is less than a set (eg, specific) value.
  • a set eg, specific
  • a pronunciation variant for example, when a word or a sentence is implemented as a voice, means an arrangement of a minimum unit of a voice, for example, a minimum unit of a phoneme of a sound. ) can mean a list of
  • the electronic device when the user's question voice is received after the voice assistant application is executed, the electronic device obtains an answer text corresponding to the question voice utterance, and stores a memory among a plurality of pronunciation sequences included in the answer text. It is also possible to identify a pronunciation sequence (or insufficient pronunciation sequence) in which the amount of sound source data stored in the is less than a set value.
  • the answer data obtained from the user will be described in more detail with reference to FIG. 7A , and the amount of sound source data for each pronunciation string will be described in more detail with reference to FIG. 7B .
  • the electronic device may identify a subject based on the identified pronunciation sequence. For example, when at least one pronunciation string in which the amount of stored sound source data is less than a set value is identified, the electronic device determines to collect user utterances for the identified at least one pronunciation string, and identifies the subject of a question for inducing the user utterance can do.
  • the electronic device may identify a topic having the largest number of words including the identified pronunciation string among the plurality of topics.
  • at least one word may be associated with each of a plurality of subjects in the form of a list, and the list of words for each subject may be stored in a memory or from an external server to a communication module (eg, the communication module ( 190)) may have been received.
  • a communication module eg, the communication module ( 190)
  • the electronic device uses at least one of a pronunciation string list for each word or a word list for each pronunciation string stored in the memory to identify a plurality of words including a pronunciation string with insufficient amount of stored sound source data, and a list of words for each subject. It is possible to identify a topic including the most identified plurality of words based on .
  • a list of pronunciation strings for each word according to an embodiment will be described in more detail below with reference to FIG. 9A, and a list of words for each pronunciation string will be described in more detail with reference to FIG. 9B below.
  • the electronic device may identify a topic including an insufficient pronunciation sequence by further considering a conversation topic with the user.
  • the electronic device when the user's question voice is received after the voice assistant application is executed, the electronic device obtains an answer text corresponding to the question voice utterance, and further adds a conversation topic of the question voice utterance and the answer text In consideration of this, a subject of a question for inducing a user's utterance may be identified. According to an embodiment, when the electronic device obtains the answer text corresponding to the user's question, since the subject is identified through the predictor module (eg, the predictor module 630 of FIG. 6 ) in the process of obtaining the answer text, the electronic device may identify the topic identified in the process of obtaining the answer text as the conversation topic.
  • the predictor module eg, the predictor module 630 of FIG. 6
  • answer data is obtained by analyzing the user's utterance, and the subject of the question for inducing the user's utterance is selected by further considering the subject of the answer data.
  • the electronic device may identify a conversation topic with the user based on Equation (1) below.
  • the topic i is a variable, and may be 1 to n corresponding to n topics, respectively. Accordingly, even when the word included in the answer data is included in a plurality of topics, accurate topic prediction may be possible.
  • the result of predicting the topic based on the answer data obtained by the user's utterance will be described in more detail with reference to FIG. 8B below.
  • the electronic device may obtain a question text corresponding to a word including the identified pronunciation string among a plurality of words included in the subject. For example, the electronic device may obtain a question text corresponding to a word including a pronunciation string in which the amount of stored sound source data is insufficient among a plurality of words included in the identified subject.
  • the electronic device may identify a word having the largest ratio of the number of pronunciation sequences lacking the amount of sound source data to the total number of pronunciation sequences of the word among a plurality of words included in the identified subject. For example, the electronic device may assign a word selection score to each of a plurality of words included in the identified subject based on Equation (2) below, and may identify a word having the highest word selection score.
  • Word selection score of word s with respect to pronunciation string x number of pronunciation strings x possessed by word s / total number of pronunciation strings possessed by word s Equation (2)
  • the electronic device identifies a word including the insufficient pronunciation string (eg, the pronunciation string x of Equation (2)) in the largest ratio, and retrieves the question text corresponding to the identified word in the question list for each word.
  • the question list for each word may be a list in which questions that induce a user to utter a corresponding word for each word are mapped, and may be stored in a memory or received from an external server through a communication module.
  • a list of questions for each word according to an embodiment will be described in more detail below with reference to FIG. 10 .
  • the electronic device may output a question voice corresponding to the question text.
  • the electronic device may output a question voice corresponding to the acquired question text through a speaker (eg, the sound output module 155 of FIG. 1 ) included in the electronic device.
  • a speaker eg, the sound output module 155 of FIG. 1
  • the electronic device converts a question text into a question voice using a TTS module learned based on the P-TTS module (eg, the text-to-speech module 229 of FIG. 2 ), and converts the question voice through a speaker. can be printed out.
  • the electronic device when outputting a question voice through an external speaker device (eg, the electronic devices 102 and 104 of FIG. 1 ) (eg, an earphone) connected to the electronic device, the electronic device may display the question voice by the external speaker device.
  • a question voice may be transmitted to an external speaker device through a communication module (eg, the communication module 190 of FIG. 1 ) to output .
  • the electronic device when the electronic device is a server connected to an external electronic device (eg, a smartphone), the electronic device may transmit the question voice to the external electronic device through the communication module so that the external electronic device outputs the question voice. .
  • an external electronic device eg, a smartphone
  • the electronic device may receive a user utterance after outputting a voice question.
  • the electronic device may receive a user utterance through a microphone (eg, the input module 150 of FIG. 1 ) included in the electronic device.
  • a microphone eg, the input module 150 of FIG. 1
  • the electronic device when receiving a user's utterance through an external microphone device (eg, the electronic devices 102 and 104 of FIG. 1 ) (eg, an earphone) connected to the electronic device, the electronic device receives the The user's spoken voice may be received through a communication module (eg, the communication module 190 of FIG. 1 ).
  • an external microphone device eg, the electronic devices 102 and 104 of FIG. 1
  • a communication module eg, the communication module 190 of FIG. 1
  • the electronic device when the electronic device is a server connected to an external electronic device (eg, a smartphone), the electronic device may receive a user uttered voice received by the external electronic device through the communication module.
  • an external electronic device eg, a smartphone
  • the electronic device recognizes the received user utterance through an ASR module (eg, the automatic voice recognition module 221 of FIG. 2 or the ASR module 610 of FIG. 6 ), and text corresponding to the user's utterance can be obtained, and the text and sound source can be stored as a pair.
  • an ASR module eg, the automatic voice recognition module 221 of FIG. 2 or the ASR module 610 of FIG. 6
  • text corresponding to the user's utterance can be obtained, and the text and sound source can be stored as a pair.
  • an operation after receiving a user's utterance for learning the P-TTS module will be described below with reference to FIG. 6 .
  • FIG. 6 is a diagram for explaining an exemplary operation of learning a P-TTS module of an electronic device according to various embodiments of the present disclosure
  • the electronic device 101 eg, the electronic device 101 or the processor 120 of FIG. 1
  • the pronunciation sequence and sound source data for the received user utterance can be obtained.
  • the electronic device 101 may obtain a text for a received utterance through the ASR module 610 (eg, the processor 120 of FIG. 1 or the automatic speech recognition module 221 of FIG. 2 ). .
  • the ASR module 610 eg, the processor 120 of FIG. 1 or the automatic speech recognition module 221 of FIG. 2 .
  • the electronic device 101 may acquire a plurality of pronunciation sequences included in the text acquired from the ASR module 610 .
  • the electronic device 101 maps sound source data based on the received user utterance and text acquired through the ASR module 610 to form a memory (eg, the memory 130 of FIG. 1 ) as a pair. ) can be stored in According to an embodiment, the electronic device 101 may store sound source data for each of a plurality of pronunciation strings included in the obtained text as a pair in the memory.
  • sound source data and text stored as a pair may be used as inputs of a P-TTS module (eg, the processor 120 of FIG. 1 or the text-to-speech module 229 of FIG. 2 ).
  • a P-TTS module eg, the processor 120 of FIG. 1 or the text-to-speech module 229 of FIG. 2 .
  • the electronic device 101 may identify, through the logger module 620 (eg, the processor 120 of FIG. 1 ), a pronunciation string in which the amount of sound source data stored in the memory is less than a set value among a plurality of pronunciation strings. have.
  • the electronic device 101 determines to provide a question voice for inducing the identified pronunciation string into a user's utterance, and the Logger Information on the pronunciation sequence identified through the module 620 may be transmitted to the selector module 640 .
  • the electronic device 101 may extract a pronunciation string included in the user's utterance by using the logger module 620 .
  • answer data collected by a user's utterance will be described in more detail with reference to FIG. 7A .
  • the electronic device 101 predicts a conversation topic from the user's utterance using the predictor module 630 (eg, the processor 120 of FIG. 1 or the natural language understanding module 223 of FIG. 2 ), and , information on the predicted conversation topic may be transmitted to the selector module 640 .
  • the predictor module 630 may obtain a prediction result as shown in FIG. 8B by using the word list for each subject as shown in FIG. 8A below.
  • the predictor module 630 may predict the probability of at least one subject included in the user's utterance based on Equation (1) described above.
  • the electronic device 101 may identify a word including an insufficient pronunciation sequence through the selector module 640 (eg, the processor 120 of FIG. 1 ).
  • the selector module 640 may identify a topic having the largest number of words including the insufficient pronunciation sequence based on the information on the insufficient pronunciation sequence received from the logger module 620 .
  • the selector module 620 may identify a topic having the largest number of words including an insufficient pronunciation string based on the list of words for each topic shown in FIG. 8A below.
  • the selector module 640 may identify a topic including an insufficient pronunciation sequence by further considering the conversation topic received from the predictor module 630 .
  • the selector module 640 may identify a word to induce utterance to the user based on a list of pronunciation strings for each word included in the identified subject or a list of words for each pronunciation sequence. For example, based on Equation (2), the selector module 640 provides the user with a word having a high ratio of insufficient pronunciation sequences among a plurality of words included in the pronunciation string list for each word or the word list for each pronunciation string based on Equation (2) described above. It can be identified by the word to be derived. According to an embodiment, the selector module 640 may transmit information about the identified word to the chat-bot module 650 . A list of pronunciation strings for each word according to an embodiment will be described in more detail below with reference to FIG. 9A, and a list of words for each pronunciation string will be described in more detail with reference to FIG. 9B below.
  • the electronic device 101 may obtain a question text corresponding to a word identified through the chatbot module 650 (eg, the processor of FIG. 1 ).
  • the chatbot module 650 may obtain a question text corresponding to a word received from the selector module 640 in the question list for each word.
  • a list of questions for each word according to an embodiment will be described in more detail below with reference to FIG. 10 .
  • the chatbot module 650 may obtain a question voice corresponding to the question text through the P-TTS module or the TTS module, and provide the question voice to the user 60 .
  • the chatbot module 650 may determine whether to repeat the question voice output operation by further considering the pronunciation sequence obtained from the user utterance received after providing the question voice and the obtained sound source data.
  • the chatbot module 650 repeats the topic identification operation, the question text acquisition operation, and the question voice output operation when a pronunciation sequence with a sound source data amount less than a set value is identified by further considering the acquired pronunciation sequence and the acquired sound source data. can do. Accordingly, it is possible to obtain sound source data for each pronunciation column from the user's utterance.
  • the chatbot module 650 further considers the acquired pronunciation sequence and the acquired sound source data and, if a pronunciation sequence with a sound source data amount less than a set value is not identified, P based on the acquired pronunciation sequence and the acquired sound source data -
  • the TTS module can be learned (660). For example, the chatbot module 650 stops providing the question voice and stops providing the question voice when it is identified that the amount of sound source data for the insufficient pronunciation sequence has been collected due to the reception of the user's utterance according to the question voice provision.
  • the P-TTS module can be learned by using the pronunciation sequence and sound source data.
  • the operation after receiving the user's utterance has been described, but according to an embodiment, after the voice assistant application is executed and before the user's utterance is received, the logger module (except for the operations of the ASR module 610 and the predictor module 630) 620), the operations of the selector module 640 and the chatbot module 650 may be performed.
  • 7A is a chart for explaining example answer data collected by a user's utterance according to various embodiments of the present disclosure
  • an electronic device may output a question through a voice assistant application.
  • the electronic device may output a question such as “What is your hobby?” by voice or display it on a display (eg, the display module 160 of FIG. 1 ).
  • the electronic device may receive answer data after outputting a question. For example, after outputting a question, the electronic device may receive a user's utterance such as answer 1 or answer 2 as shown in FIG. 7A .
  • 7B is a chart for explaining the amount of sound source data for each pronunciation string according to various embodiments of the present disclosure.
  • the electronic device may identify the amount of sound source data for each pronunciation string stored in a memory (eg, the memory 130 of FIG. 1 ). For example, the electronic device may identify the sound source data amount for each pronunciation string based on a reference value of the sound source data amount required to convert text into speech using the P-TTS module. According to an embodiment, as shown in FIG. 7B , the electronic device may identify the amount of sound source data for each pronunciation string as a ratio or as a capacity.
  • the electronic device may obtain sound source data for each pronunciation string and each pronunciation string by analyzing the user's answer data as shown in FIG. 7A , and based on the obtained sound source data, for each pronunciation string stored in the memory You can update music data.
  • 8A is a chart for explaining an example word list for each topic according to various embodiments of the present disclosure.
  • the electronic device may include a topic having the largest number of words including an insufficient pronunciation string based on the word list for each topic as illustrated in FIG. 8A . can be identified.
  • the electronic device when acquiring the user answer data, may predict the subject of the user answer data by using a list of words for each subject.
  • a subject prediction result according to an embodiment will be described in more detail with reference to FIG. 8B .
  • the word list for each subject may be stored in a memory (eg, the memory 130 of FIG. 1 ) or received from an external server through a communication module (eg, the communication module 190 of FIG. 1 ).
  • a communication module eg, the communication module 190 of FIG. 1
  • the word list for each subject in FIG. 8A is only an example for convenience of description, and is not limited thereto.
  • 8B is a chart for explaining a subject prediction example result of an electronic device according to various embodiments of the present disclosure.
  • the electronic device eg, the electronic device 101 or the processor 120 of FIG. 1 .
  • the electronic device provides answer data obtained from the user based on the word list for each topic shown in FIG. 8A . subject can be predicted.
  • the electronic device may predict the topic by acquiring a ratio of the sum of the number of words for each topic included in the answer data and the number of words for each topic. For example, referring to FIG. 8B , based on Equation (1), the electronic device provides the sum of the number of words for each topic and words related to the topic “K-POP” such as “music appreciation”, “TVXQ”, Obtaining the ratio of the number of words such as “song” and “BTS” and the sum of the number of words for each topic and the ratio of the number of words such as "originally” and “these days", which are words related to the topic of "history”, It can be obtained that the probability that the subject of the answer data is "K-POP" is 72%, and the probability that it is "history” is 13%.
  • the subject prediction result of FIG. 8B is only an example for convenience of description, and is not limited thereto.
  • 9A is a chart for explaining a pronunciation sequence for each word according to various embodiments of the present disclosure.
  • the list of pronunciation strings for each word is a list of pronunciation strings for each word in which a plurality of pronunciation strings included in each word are mapped, and stored in a memory (eg, the memory 130 of FIG. 1 ) or , may be received from an external server through a communication module (eg, the communication module 190 of FIG. 1 ).
  • the list of pronunciation strings for each word may include a plurality of words included in one subject.
  • the electronic device eg, the electronic device 101 of FIG. 1 , the processor 120 , or the selector module 640 of FIG. 6 ) based on the pronunciation sequence list for each word as shown in FIG. 9A . , it is possible to identify a word including a pronunciation string with insufficient amount of stored sound source data.
  • the electronic device may identify a word having the largest ratio of insufficient pronunciation strings among words included in the topic based on the list of pronunciation strings for each word using Equation (2).
  • 9B is a chart for explaining a word for each pronunciation string according to various embodiments of the present disclosure.
  • the list of words for each pronunciation string is a list of a plurality of words including a pronunciation string for each pronunciation string, which is stored in a memory (eg, the memory 130 of FIG. 1 ) or , may be received from an external server through a communication module (eg, the communication module 190 of FIG. 1 ).
  • the word list for each pronunciation column may include a plurality of words included in one topic for each pronunciation column.
  • the electronic device eg, the electronic device 101 of FIG. 1 , the processor 120 , or the selector module 640 of FIG. 6 ) based on the word list for each pronunciation string as shown in FIG. 9B . , it is possible to identify a word including a pronunciation string with insufficient amount of stored sound source data.
  • the electronic device identifies a plurality of words mapped to the insufficient pronunciation sequence based on the word list for each pronunciation sequence, and uses the above-described Equation (2) among the identified plurality of words to have the largest ratio of the insufficient pronunciation sequence. words can be identified.
  • FIG. 10 is a chart for explaining an example question list for each word according to various embodiments of the present disclosure.
  • the question list for each word may be, for example, at least one question text mapped to each word, and stored in a memory (eg, the memory 130 of FIG. 1 ). Or, it may be received from an external server through a communication module (eg, the communication module 190 of FIG. 1 ). According to an embodiment, the question list for each word may include at least one question text related to a topic for each word.
  • the electronic device (eg, the electronic device 101 of FIG. 1 , the processor 120 , or the chatbot 650 of FIG. 6 ) stores the stored question list for each word as shown in FIG. 10 . It is possible to identify a question text for inducing a word including a pronunciation sequence with an insufficient amount of sound source data to be uttered by a user.
  • FIG. 11 is a flowchart illustrating an example operation of learning a P-TTS module of an electronic device of an electronic device according to various embodiments of the present disclosure
  • the electronic device may receive a user utterance. For example, when a user's utterance "what shall we do today?" is input, in operation 1102, the electronic device may determine a domain supporting the chatting mode and may have a conversation with the user in the chatting mode.
  • the electronic device may store the sound source and text of the user's utterance. For example, the electronic device acquires a sound source through an input user utterance, and responds to the user utterance input through an ASR module (eg, the automatic voice recognition module 221 of FIG. 2 or the ASR module 610 of FIG. 6 ). It is possible to acquire the text for the text, and to map the acquired sound source and text and store it.
  • an ASR module eg, the automatic voice recognition module 221 of FIG. 2 or the ASR module 610 of FIG. 6 . It is possible to acquire the text for the text, and to map the acquired sound source and text and store it.
  • the electronic device may start analyzing the stored sound source and text. For example, the electronic device may analyze whether the amount of sound source data for each pronunciation sequence for the P-TTS operation is sufficient based on the stored sound source and text. For example, if the amount of sound source data for each pronunciation sequence is sufficient, the electronic device may end the operation, and when a pronunciation sequence with insufficient amount of sound source data is identified, the electronic device collects sound source data through user utterance to learn the P-TTS module can proceed.
  • the electronic device may analyze whether the stored sound source and text have sufficient input data for learning the P-TTS module.
  • the electronic device uses the stored sound source and text for learning the P-TTS module. It can be entered as input data.
  • the electronic device selects and selects a word including an insufficient pronunciation sequence.
  • the word-based second information may be determined.
  • the electronic device may determine information on a topic including the selected word as the second information.
  • the electronic device may extract first information from a user input.
  • the electronic device uses an NLG module (eg, the processor 120 of FIG. 1 or the natural language understanding module 223 or the natural language generation module 227 of FIG. 2 ) to obtain the intention and parameters of the user's utterance as the first information can be extracted with an NLG module (eg, the processor 120 of FIG. 1 or the natural language understanding module 223 or the natural language generation module 227 of FIG. 2 ) to obtain the intention and parameters of the user's utterance as the first information can be extracted with
  • NLG module eg, the processor 120 of FIG. 1 or the natural language understanding module 223 or the natural language generation module 227 of FIG. 2
  • the electronic device may determine a database (DB) having response data corresponding to the first information. For example, when a user's utterance "what should I do today?" is input, the electronic device may determine a database having response data for a daily conversation. According to an embodiment, the electronic device may acquire response data such as “Make a bucket list that you want to do this time” from the determined database.
  • DB database
  • the electronic device may determine response data corresponding to the second information from the determined database. For example, when a pronunciation string with insufficient sound source data is identified, the electronic device may determine response data corresponding to the second information from the determined database.
  • the electronic device has enough sound sources and text to learn the P-TTS module, and “the closer we get, the more conversations we need” from the database for daily conversations. can be determined as response data.
  • the electronic device is based on the second information including “BTS,” which is a word with insufficient pronunciation sequences in the database for daily conversation. , "Do you like BTS?” to induce users to utter "BTS".
  • a question text such as “Which BTS member are you a fan of?” can be obtained as response data.
  • the electronic device may output the obtained response data.
  • a voice corresponding to the response data may be output or a question text may be displayed.
  • the electronic device (eg, the electronic device 101 of FIG. 1 ) includes a memory (eg, the memory 130 of FIG. 1 ) and at least one processor operatively connected to the memory (eg, the electronic device 101 of FIG. 1 ). 1), wherein the at least one processor identifies a pronunciation sequence in which the amount of sound source data stored in the memory is less than a specific value among a plurality of pronunciation sequences when the voice assistant application is executed, and the identified pronunciation Identifies a topic based on a column, obtains a question text corresponding to a word including the identified pronunciation string among a plurality of words included in the topic, outputs a question voice corresponding to the question text, and After the question voice is output, the utterance may be received.
  • the at least one processor identifies a pronunciation sequence in which the amount of sound source data stored in the memory is less than a specific value among a plurality of pronunciation sequences when the voice assistant application is executed, and the identified pronunciation Identifies a topic based on a column,
  • the at least one processor may identify a topic having the largest number of words including the identified pronunciation sequence.
  • the at least one processor is, after the voice assistant application is executed, when a question voice utterance is received, obtains an answer text corresponding to the question voice utterance, and the question voice utterance and the answer text
  • the topic can be identified by further considering the conversation topic of
  • the at least one processor is, after the voice assistant application is executed, when a voice question utterance is received, obtains an answer text corresponding to the question voice utterance, and obtains a plurality of answer texts included in the answer text.
  • a pronunciation sequence in which the amount of sound source data stored in the memory is less than a specific value may be identified.
  • the at least one processor identifies a word having the largest ratio of the identified pronunciation sequence to the entire pronunciation sequence of the word from among the plurality of words included in the identified subject, and asks a question for each of the plurality of words.
  • a question text corresponding to the identified word may be obtained from the list.
  • the at least one processor acquires a pronunciation sequence and sound source data for the received utterance, and the amount of sound source data for the identified pronunciation sequence among the acquired sound source data is for P-TTS module learning. If it is less than the set sound source data amount, the subject identification operation, the question text acquisition operation, and the question voice output operation may be repeated.
  • the at least one processor is configured to, when the amount of sound source data for the identified sound source data among the obtained sound source data is equal to or greater than the sound source data amount set for learning the P-TTS module, the obtained sound source data and The P-TTS module may be learned based on the acquired sound source data.
  • it further includes a microphone (eg, the input module 150 of FIG. 1 ) and a speaker (eg, the sound output module 155 of FIG. 1 ), wherein the at least one processor is configured to operate through the speaker.
  • the question voice may be output, and the utterance may be received through the microphone.
  • the method further includes a communication module (eg, the communication module 190 of FIG. 1 ) including a communication circuit, wherein the at least one processor transmits the question voice to an external electronic device through the communication module. and may receive the utterance from the external electronic device through the communication module.
  • a communication module eg, the communication module 190 of FIG. 1
  • the at least one processor transmits the question voice to an external electronic device through the communication module. and may receive the utterance from the external electronic device through the communication module.
  • the electronic device may include a server that communicates with the external device.
  • the control method of the electronic device includes, when a voice assistant application is executed, identifying a pronunciation string in which the amount of sound source data stored in the memory is less than a specific value from among a plurality of pronunciation strings, based on the identified pronunciation string
  • the operation of identifying a topic, the operation of obtaining a question text corresponding to a word including the identified pronunciation sequence among a plurality of words included in the topic, an operation of outputting a question voice corresponding to the question text, and the question It may include the operation of receiving the speech output post-utterance.
  • the operation of identifying the subject may identify a subject having the largest number of words including the identified pronunciation string.
  • the identifying of the subject may include, after the voice assistant application is executed, when a question voice utterance is received, a response text corresponding to the question voice utterance is obtained, and the question voice utterance and the answer The topic may be identified by further considering the conversation topic of the text.
  • the operation of identifying the pronunciation sequence includes, after the voice assistant application is executed, when a voice question utterance is received, an answer text corresponding to the question voice utterance is obtained, and the answer text is included in the answer text.
  • a pronunciation sequence in which the amount of sound source data stored in the memory is less than a specific value may be identified.
  • the obtaining of the question text may include: identifying a word having the largest ratio of the identified pronunciation sequence to the entire pronunciation sequence of the word among a plurality of words included in the identified subject, and the plurality of words A question text corresponding to the identified word may be obtained from the star question list.
  • the sound source data amount for the identified pronunciation string among the acquired sound source data and the sound source data amount for the received utterance is less than the sound source data amount set for P-TTS module learning, , repeating the subject identification operation, the question text acquisition operation, and the question voice output operation.
  • the amount of sound source data for the identified sound source data among the obtained sound source data is greater than or equal to the sound source data amount set for learning the P-TTS module, based on the obtained sound source data and the sound source data It may further include the operation of learning the P-TTS module.
  • the outputting of the question voice may include outputting the question voice through a speaker of the electronic device, and the receiving of the user utterance may include receiving the user utterance through a microphone of the electronic device. can do.
  • the outputting of the question voice may include transmitting the question voice to an external electronic device through a communication module of the electronic device, and the receiving of the utterance may include the external electronic device through the communication module.
  • the utterance may be received from the device.
  • the electronic device may include a server that communicates with the external device.
  • 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, a home appliance device, or the like.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a laptop, a desktop, a tablet, or the like
  • 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 camera e.g., a portable medical device
  • a camera e.g., a camera
  • a wearable device e.g., a smart watch, a smart watch, a smart watch, a smart watch, or the like.
  • home appliance device e.g
  • first, second, or first or second may simply be used to distinguish an element from other elements in question, and may refer elements to 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”. Where mentioned, one component may be connected to the other component directly (eg, by wire), wirelessly, or via a third component.
  • module may include a unit implemented in hardware, software, or firmware, or a combination thereof, for example, logic, logic block, component, or circuit. terms may be used interchangeably.
  • 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' refers to a device in which the storage medium is tangible and may not include a signal (eg, electromagnetic wave), and this term refers to the case where data is semi-permanently stored in the storage medium and temporarily. It does not distinguish between 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 through an application store (eg Play StoreTM) or on two user devices ( It can be distributed (eg downloaded or uploaded) directly, online between smartphones (eg: smartphones).
  • a portion of the computer program product may be temporarily stored or temporarily created in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or 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, repeatedly, or heuristically, or one or more of the operations are executed in a different order, or omitted. , or one or more other operations may be added.

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)
  • Signal Processing (AREA)
  • Communication Control (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

일 실시예에 따라서, 전자 장치는, 메모리 및 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로세서는, 음성 비서 어플리케이션이 실행되면, 복수의 발음열 중 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하고, 식별된 발음열을 기반으로 주제를 식별하고, 주제에 포함된 복수의 단어들 중 식별된 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득하고, 질문 텍스트에 대응되는 질문 음성을 출력하고, 질문 음성 출력 후 발화를 수신할 수 있다.

Description

개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법
본 개시는 개인화 TTS(personalized-text to speech, P-TTS) 모듈을 포함하는 전자 장치 및 이의 제어 방법에 관한 것이다.
근래에는 사용자 음성 입력에 대한 응답을 제공하는 인공지능 에이전트(예로, 빅스비TM, 어시스턴트TM, 알렉사TM 등)를 이용한 다양한 서비스들이 제공되고 있다. 특히, TTS(text to speech) 기술 도입으로 인해 입력 텍스트와 음향 특징의 관계를 통합적으로 모델링하여 전반적으로 자연스러운 합성음을 출력 가능하게 되었다.
TTS는 텍스트와 음원이 한 쌍으로 이루어진 데이터 쌍을 학습하여, 임의의 텍스트가 주어졌을 때 이에 가장 적합한 말을 만들어내는 기술로 지칭될 수 있다. 개인화 TTS(Personalized TTS, P-TTS)는 음향 모델을 사용자의 음색으로 변환하는 기술로 지칭될 수 있고, 사용자로부터 소량의 텍스트와 음원 데이터 쌍을 획득하고, 이를 통해 대량의 텍스트와 음원 데이터 쌍을 생성하여 사용자의 목소리를 모사할 수 있도록 하는 것을 목적으로 한다.
개인화 TTS는 소량의 텍스트 및 음원 데이터 쌍에 모든 발음열이 포함되어 있어야, 이를 바탕으로 대량의 음원을 생성할 수 있다. 이를 위해서 전자 장치는 사용자에게 모든 발음열이 포함되어 있는 텍스트를 사전에 제공하고, 사용자가 이를 읽게 하여 음원을 확보한다.
개인화 TTS의 성능은 첫째로 수집된 음원이 화자의 평소 말투와 같이 자연스러울 것, 둘째로 각 발음열에 대해서 충분한 음원을 모으는 것에 의해 좌우된다.
그러나, 텍스트를 사용자에게 읽게하여 음원을 확보하는 경우, 사용자가 대화하는 것 같은 자연스러운 발화를 수행하기 어렵다.
본 개시의 실시 예들은 챗봇을 이용한 대화를 통해 사용자의 자연스러운 발화를 획득하기 위한 전자 장치 및 이의 제어 방법을 제공한다.
본 개시의 일 실시 예에 따른 전자 장치는, 메모리 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 음성 비서 어플리케이션이 실행되면, 복수의 발음열 중 상기 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하고, 상기 식별된 발음열을 기반으로 주제를 식별하고, 상기 주제에 포함된 복수의 단어들 중 상기 식별된 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득하고, 상기 질문 텍스트에 대응되는 질문 음성을 출력하고, 상기 질문 음성 출력 후 발화를 수신할 수 있다.
일 실시 예에 따르면, 전자 장치의 제어 방법은, 음성 비서 어플리케이션이 실행되면, 복수의 발음열 중, 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하는 동작, 상기 식별된 발음열을 기반으로 주제를 식별하는 동작, 상기 주제에 포함된 복수의 단어들 중 상기 식별된 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득하는 동작, 상기 질문 텍스트에 대응되는 질문 음성을 출력하는 동작 및 상기 질문 음성 출력 후 발화를 수신하는 동작을 포함할 수 있다.
본 개시의 다양한 실시 예에 따르면, 챗봇과의 대화를 통해 사용자의 발화를 수집하므로, 사용자의 자연스러운 발화를 획득할 수 있어 개인화 TTS의 품질을 개선할 수 있다.
또한, 본 개시의 다양한 실시 예에 따르면, 개인화 TTS에 사용될 음원의 양의 불균형을 해결할 수 있다.
본 개시의 특정 실시 양태의 상술한, 그리고, 다른 양태, 특징 및 이점은 첨부 도면과 함께 취해진 다음의 상세한 설명으로부터 더욱 명백해질 것이다.
도 1은 다양한 실시 예에 따른 네트워크 환경 내의 예시의 전자 장치의 블럭도이다.
도 2는 다양한 실시 예에 따른 예시의 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 다양한 실시 예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 다양한 실시 예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 5는 다양한 실시 예에 따른 전자 장치의 사용자 발화 수집 예시 동작을 설명하기 위한 흐름도이다.
도 6은 다양한 실시 예에 따른 전자 장치의 P-TTS 모듈 학습 예시 동작을 설명하기 위한 도면이다.
도 7a는 다양한 실시 예에 따라 사용자 발화에 의해 수집된 답변 데이터를 설명하기 위한 차트이다.
도 7b는 다양한 실시 예에 따른 각 발음열 당 음원 데이터량을 설명하기 위한 차트이다.
도 8a는 다양한 실시 예에 따른 주제 별 단어 리스트를 설명하기 위한 도면이다.
도 8b는 다양한 실시 예에 따른 전자 장치의 주제 예측 결과를 설명하기 위한 차트이다.
도 9a는 다양한 실시 예에 따른 단어 별 발음열을 설명하기 위한 차트이다.
도 9b는 다양한 실시 예에 따른 발음열 별 단어를 설명하기 위한 차트이다.
도 10은 다양한 실시 예에 따른 단어 별 질문 리스트를 설명하기 위한 차트이다.
도 11은 다양한 실시 예에 따른 전자 장치의 전자 장치의 P-TTS 모듈 학습 예시 동작을 설명하기 위한 흐름도이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 예시 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 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. 일실시예에 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. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)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(예: 슬립) 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. 일실시예에 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. 일실시예에 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(142), 미들 웨어(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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)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 제 1 네트워크(198) 또는 제 2 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: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 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. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 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 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 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 제 2 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.
일실시예에 따르면, 명령 또는 데이터는 제 2 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. 일실시예에 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. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 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.
도 2는 다양한 실시예에 따른 예시 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 2를 참조하면, 일 실시예의 통합 지능화 시스템은 사용자 단말(101), 지능형 서버(200), 및 서비스 서버(300)를 포함할 수 있다.
일 실시 예의 사용자 단말(101)(예: 도 1의 전자 장치(101))은, 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, 또는 스마트 스피커, 또는 이와 유사한 것 일 수 있으나, 이에 한정되지 않는다.
도시된 실시 예에 따르면, 사용자 단말(101)은 통신 모듈(예: 통신 회로를 포함)(190), 마이크(150), 스피커(155), 디스플레이(160), 메모리(130), 및/또는 프로세서(예: 처리 회로를 포함)(120)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 모듈(190)(예: 도 1의 통신 모듈(190))은 다양한 통신 회로를 포함할 수 있고, 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(150)(예: 도 1의 입력 모듈(150))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시 예의 스피커(155)(예: 도 1의 음향 출력 모듈(155))는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이(160)(예: 도 1의 디스플레이 모듈(160))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(160)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예의 메모리(130)(예: 도 1의 메모리(130))는 클라이언트 모듈(131), SDK(software development kit)(133), 및 복수의 앱들(135)(예: 135-1, 135-2 등)을 포함하는 다양한 소프트웨어(예: 실행 가능한 프로그램 명령들)을 저장할 수 있다. 상기 클라이언트 모듈(131), 및 SDK(133)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(131) 또는 SDK(133)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(130)는 상기 복수의 앱들(135)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(135)은 제1 앱(135_1), 제2 앱(135_3) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(135) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(135)은 프로세서(120)(예: 도 1의 프로세서(120))에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(120)는 다양한 처리 회로를 포함할 수 있고, 사용자 단말(101)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(120)는 통신 모듈(190), 마이크(150), 스피커(155), 및 디스플레이(160)와 전기적으로 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예의 프로세서(120)는 또한 상기 메모리(130)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(120)는 클라이언트 모듈(131) 또는 SDK(133) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(120)는, 예를 들어, SDK(133)를 통해 복수의 앱(135)의 동작을 제어할 수 있다. 클라이언트 모듈(131) 또는 SDK(133)의 동작으로 설명된 이하의 동작은 프로세서(120)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(131)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(131)은 마이크(150)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(131)은 수신된 음성 입력을 지능형 서버(200)(예: 도 1의 서버(108))로 송신할 수 있다. 클라이언트 모듈(131)은 수신된 음성 입력과 함께, 사용자 단말(101)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(131)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(131)은 지능형 서버(200)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(131)은 상기 수신된 결과를 디스플레이(160)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(131)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(131)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(160)에 표시할 수 있다. 클라이언트 모듈(131)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(101)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(131)은 지능형 서버(200)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(131)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(131)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(131)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(131)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(131)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시 예의 지능형 서버(200)는 통신 망을 통해 사용자 단말(101)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. AI 시스템은 전술한 것의 조합 또는 이와 다른 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(200)는 생성된 플랜에 따른 결과를 사용자 단말(101)로 송신하거나, 생성된 플랜을 사용자 단말(101)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(200)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 실시 예의 프론트 엔드(210)는 다양한 회로를 포함할 수 있고, 사용자 단말(101)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 음성 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)은 다양한 소프트웨어 모듈(예: 다양한 실행 가능한 프로그램 명령들을 포함)을 포함할 수 있고, 예를 들어, 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227) 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(221)은 사용자 단말(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) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 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. 상기 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 기초하여 사용자의 의도에 기초하여 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 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(101)에서도 구현 가능 할 수 있다.
상기 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 실시 예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 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 실시 예에 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 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자 단말(101)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 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 실시 예에서는 캡슐 데이터베이스(230)는 사용자 단말(101) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 사용자 단말(101)로 송신할 수 있다. 이에 따라, 사용자 단말(101)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(280)을 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(300)는 사용자 단말(101)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(300)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)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(200)에 제공할 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(101)은, 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 실시 예에서, 상기 사용자 단말(101)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(101)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(101)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(101)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(101)이 지능형 서버(200) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(150)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 모듈(190)을 이용하여 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(200)는 사용자 단말(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 실시 예의 사용자 단말(101)은, 통신 모듈(190)을 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(101)은 상기 스피커(155)를 이용하여 사용자 단말(101) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(160)를 이용하여 사용자 단말(101) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 3은 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(200)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(230))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(401), capsule(B)(404))을 저장할 수 있다. 일 실시 예에 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), CP 2(403), CP 4(405) 및/또는 CP3(406))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.
상기, 자연어 플랫폼(220)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(225)은 캡슐 데이터베이스에 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 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(101)은 지능형 서버(200)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 310 화면에서, 사용자 단말(101)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(101)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이(140)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(101)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 320 화면에서, 사용자 단말(101)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(101)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.
도 5는 다양한 실시 예에 따른 전자 장치의 사용자 발화 수집 예시 동작을 설명하기 위한 흐름도이다.
일 실시 예에 따라, 도 5를 참조하면, 전자 장치(예: 도 1의 전자 장치(101) 또는 프로세서(120))는, 510 동작에서, 음성 비서 어플리케이션이 실행되면, 복수의 발음열 중 메모리(예: 도 1의 메모리(130))에 저장된 음원 데이터량이 설정된(예: 특정) 값 미만인 발음열을 식별할 수 있다. 발음열 별 음원 데이터량에 대한 설명은 이하 도 7b를 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 발음열(pronunciation variant)은, 예를 들어, 단어 또는 문장을 음성으로 구현하는 경우, 최소 단위의 음성의 나열을 의미하는 것으로, 예를 들어, 소리의 최소 단위 음소(phoneme)의 나열을 의미할 수 있다.
일 실시 예에 따라, 전자 장치는 음성 비서 어플리케이션이 실행된 후, 사용자의 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고, 답변 텍스트에 포함된 복수의 발음열 중 메모리에 저장된 음원 데이터량이 설정된 값 미만인 발음열(또는 부족한 발음열)을 식별할 수도 있다. 사용자로부터 획득된 답변 데이터에 대해서는 도 7a를 참조하여 보다 자세히 설명하고, 발음열 별 음원 데이터량에 대한 설명은 도 7b를 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 520 동작에서, 전자 장치는 식별된 발음열을 기반으로 주제를 식별할 수 있다. 예를 들어, 전자 장치는 저장된 음원 데이터량이 설정된 값 미만인 적어도 하나의 발음열이 식별되면, 식별된 적어도 하나의 발음열에 대한 사용자 발화를 수집하도록 결정하고, 사용자 발화를 유도하기 위한 질문의 주제를 식별할 수 있다.
예를 들어, 전자 장치는 복수의 주제 중 식별된 발음열이 포함된 단어가 가장 많은 주제를 식별할 수 있다. 일 실시 예에 따라, 복수의 주제 각각에 대하여 적어도 하나의 단어가 리스트 형태로 연관될 수 있으며, 주제 별 단어 리스트는 메모리에 저장된 것이거나, 외부 서버로부터 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 수신된 것일 수 있다. 일 실시 예에 따른 주제 별 단어 리스트는 도 8a를 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 전자 장치는 메모리에 저장된 단어 별 발음열 리스트 또는 발음열 별 단어 리스트 중 적어도 하나를 이용하여 저장된 음원 데이터량이 부족한 발음열이 포함된 복수의 단어를 식별하고, 주제 별 단어 리스트를 기반으로 식별된 복수의 단어가 가장 많이 포함된 주제를 식별할 수 있다.
일 실시 예에 따른 단어 별 발음열 리스트는 이하 도 9a를 참조하여 보다 자세히 설명하고, 발음열 별 단어 리스트는 이하 도 9b를 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 전자 장치는 사용자와의 대화 주제를 더 고려하여 부족한 발음열이 포함된 주제를 식별할 수 있다.
예를 들어, 전자 장치는 음성 비서 어플리케이션이 실행된 후, 사용자의 질문 음성 발화가 수신되면, 전자 장치는 질문 음성 발화에 대응되는 답변 텍스트를 획득하고, 질문 음성 발화 및 답변 텍스트의 대화 주제를 더 고려하여 사용자의 발화 유도를 위한 질문의 주제를 식별할 수 있다. 일 실시 예에 따라, 전자 장치가 사용자 질문에 대응되는 답변 텍스트를 획득하는 경우, 답변 텍스트를 획득하는 과정에서 predictor 모듈(예: 도 6의 predictor 모듈(630))을 통해 주제가 식별되므로, 전자 장치는 답변 텍스트 획득 과정에서 식별된 주제를 대화 주제로 식별할 수 있다.
일 실시 예로, 음성 어플리케이션이 질문 음성을 출력한 후 사용자의 발화가 입력되면, 사용자의 발화를 분석하여 답변 데이터를 획득하고, 답변 데이터의 주제를 더 고려하여 사용자의 발화 유도를 위한 질문의 주제를 식별할 수 있다. 예를 들어, 전자 장치는 아래의 식 (1)을 기반으로, 사용자와의 대화 주제를 식별할 수 있다.
주제 x 일 확률 = (답변 데이터에서 주제 x 에 포함된 단어 개수) / ∑i(답변 데이터에서 주제 i에 포함된 단어 개수) 식(1)
예를 들어, 주제 i는 변수로, n개의 주제와 각각 대응되는 1부터 n까지일 수 있다. 이로 인해, 답변 데이터에 포함된 단어가 복수의 주제에 포함된 경우에도 정확한 주제 예측이 가능할 수 있다. 사용자의 발화에 의해 획득된 답변 데이터를 기반으로 주제를 예측한 결과는 이하 도 8b를 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 530 동작에서, 전자 장치는 주제에 포함된 복수의 단어들 중 식별된 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득할 수 있다. 예를 들어, 전자 장치는 식별된 주제에 포함된 복수의 단어들 중 저장된 음원 데이터량이 부족한 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득할 수 있다.
일 실시 예에 따라, 전자 장치는 식별된 주제에 포함된 복수의 단어 중, 단어의 전체 발음열의 수 대비 음원 데이터량이 부족한 발음열의 수의 비율이 가장 큰 단어를 식별할 수 있다. 예를 들어, 전자 장치는 식별된 주제에 포함된 복수의 단어 별로 아래의 식(2)를 기반으로 단어 선정 점수를 부여하고, 단어 선정 점수가 가장 큰 단어를 식별할 수 있다.
발음열 x에 대한 단어 s의 단어선정점수 = 단어 s가 가지고 있는 발음열 x의 수 / 단어 s가 가지고 있는 전체 발음열 수 식(2)
일 실시 예에 따라, 전자 장치는 부족한 발음열(예: 식(2)의 발음열 x)을 가장 큰 비율로 포함하는 단어를 식별하고, 단어 별 질문 리스트에서 식별된 단어에 대응되는 질문 텍스트를 획득할 수 있다. 예를 들어, 단어 별 질문 리스트는, 단어 별로 해당 단어를 사용자가 발화하도록 유도하는 질문이 매핑된 리스트일 수 있으며, 메모리에 저장된 것이거나, 통신 모듈을 통해 외부 서버로부터 수신된 것일 수 있다. 일 실시 예에 따른 단어 별 질문 리스트는 이하 도 10을 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 540 동작에서, 전자 장치는 질문 텍스트에 대응되는 질문 음성을 출력할 수 있다.
일 실시 예에 따라, 전자 장치는 전자 장치에 포함된 스피커(예: 도 1의 음향 출력 모듈(155))를 통해 획득된 질문 텍스트에 대응되는 질문 음성을 출력할 수 있다. 예를 들어, 전자 장치는 P-TTS 모듈을 기반으로 학습된 TTS 모듈(예: 도 2의 텍스트 음성 변환 모듈(229))을 이용하여 질문 텍스트를 질문 음성으로 변환하고, 질문 음성을 스피커를 통해 출력할 수 있다.
일 실시 예에 따라, 전자 장치와 연결된 외부 스피커 장치(예: 도 1의 전자 장치(102, 104))(예: 이어폰)를 통해 질문 음성을 출력하는 경우, 전자 장치는 외부 스피커 장치가 질문 음성을 출력하도록 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 질문 음성을 외부 스피커 장치로 전송할 수 있다.
일 실시 예에 따라, 전자 장치가 외부 전자 장치(예: 스마트폰)와 연결된 서버인 경우, 전자 장치는 외부 전자 장치가 질문 음성을 출력하도록 통신 모듈을 통해 질문 음성을 외부 전자 장치로 전송할 수 있다.
일 실시 예에 따라, 550 동작에서, 전자 장치는 질문 음성 출력 후 사용자 발화를 수신할 수 있다.
일 실시 예에 따라, 전자 장치는 질문 음성 출력 후, 전자 장치에 포함된 마이크(예: 도 1의 입력 모듈(150))를 통해 사용자 발화를 수신할 수 있다.
일 실시 예에 따라, 전자 장치와 연결된 외부 마이크 장치(예: 도 1의 전자 장치(102, 104))(예: 이어폰)를 통해 사용자 발화를 수신하는 경우, 전자 장치는 외부 마이크 장치가 수신한 사용자 발화 음성을 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 수신할 수 있다.
일 실시 예에 따라, 전자 장치가 외부 전자 장치(예: 스마트폰)와 연결된 서버인 경우, 전자 장치는 외부 전자 장치에 의해 수신된 사용자 발화 음성을 통신 모듈을 통해 수신할 수 있다.
일 실시 예에 따라, 전자 장치는 수신된 사용자 발화를 ASR 모듈(예: 도 2의 자동 음성 인식 모듈(221) 또는 도 6의 ASR 모듈(610))을 통해 인식하고, 사용자 발화에 대응되는 텍스트를 획득하고, 텍스트와 음원을 한 쌍으로 저장할 수 있다. 일 실시 예에 따라, P-TTS 모듈의 학습을 위해 사용자 발화를 수신한 이후의 동작은 이하 도 6을 참조하여 설명하기로 한다.
도 6은 다양한 실시 예에 따른 전자 장치의 P-TTS 모듈 학습 예시 동작을 설명하기 위한 도면이다.
일 실시 예에 따라, 전자 장치(101)(예: 도 1의 전자 장치(101) 또는 프로세서(120))는 사용자(60)의 발화를 수신하면, 수신된 사용자 발화에 대한 발음열 및 음원 데이터를 획득할 수 있다.
예를 들어, 전자 장치(101)는 ASR 모듈(610)(예: 도 1의 프로세서(120) 또는 도 2의 자동 음성 인식 모듈(221))을 통해 수신된 발화에 대한 텍스트를 획득할 수 있다.
일 실시 예에 따라, 전자 장치(101)는 ASR 모듈(610)로부터 획득된 텍스트에 포함된 복수의 발음열을 획득할 수 있다.
일 실시 예에 따라, 전자 장치(101)는 수신된 사용자 발화를 기반으로 한 음원 데이터와 ASR 모듈(610)을 통해 획득된 텍스트를 매핑하여 한 쌍으로 메모리(예: 도 1의 메모리(130))에 저장할 수 있다. 일 실시 예에 따라, 전자 장치(101)는 획득된 텍스트에 포함된 복수의 발음열 별로 음원 데이터를 매핑하여 한 쌍으로 메모리에 저장할 수 있다.
일 실시 예에 따라, 한 쌍으로 저장된 음원 데이터와 텍스트는 P-TTS 모듈(예: 도 1의 프로세서(120) 또는 도 2의 텍스트 음성 변환 모듈(229))의 입력으로 사용될 수 있다.
일 실시 예에 따라, 전자 장치(101)는 Logger 모듈(620)(예: 도 1의 프로세서(120))을 통해 복수의 발음열 중 메모리에 저장된 음원 데이터량이 설정된 값 미만인 발음열을 식별할 수 있다. 일 실시 예에 따라, 전자 장치(101)는 음원 데이터량이 설정된(예: 특정) 값 미만인 발음열이 식별되면, 식별된 발음열을 사용자 발화로 유도하기 위한 질문 음성을 제공하기로 결정하고, Logger 모듈(620)을 통해 식별된 발음열에 대한 정보를 selector 모듈(640)로 전달할 수 있다.
일 실시 예로, 전자 장치(101)는 Logger 모듈(620)을 이용하여 사용자 발화에 포함된 발음열을 추출할 수 있다. 예를 들어, 사용자 발화에 의해 수집된 답변 데이터는 도 7a을 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 전자 장치(101)는 predictor 모듈(630)(예: 도 1의 프로세서(120) 또는 도 2의 자연어 이해 모듈(223))을 이용하여 사용자의 발화에서 대화 주제를 예측하고, 예측된 대화 주제에 대한 정보를 selector 모듈(640)에 전달할 수 있다. 일 실시 예에 따라, predictor 모듈(630)은 이하 도 8a에 도시된 바와 같은 주제 별 단어 리스트를 이용하여 도 8b에 도시된 바와 같은 예측 결과를 획득할 수 있다. 예를 들어, predictor 모듈(630)은 상술한 식(1)을 기반으로 사용자의 발화에 포함된 적어도 하나의 주제의 확률을 예측할 수 있다.
일 실시 예에 따라, 전자 장치(101)는 selector 모듈(640)(예: 도 1의 프로세서(120))을 통해 부족한 발음열을 포함하는 단어를 식별할 수 있다. 예를 들어, selector 모듈(640)은 Logger 모듈(620)로부터 수신된 부족한 발음열에 대한 정보를 기반으로, 부족한 발음열이 포함된 단어가 가장 많은 주제를 식별할 수 있다. 예를 들어, selector 모듈(620)은 이하 도 8a에 도시된 주제 별 단어 리스트를 기반으로 부족한 발음열이 포함된 단어가 가장 많은 주제를 식별할 수 있다.
일 실시 예에 따라, selector 모듈(640)은 predictor 모듈(630)로부터 수신된 대화 주제를 더 고려하여 부족한 발음열이 포함된 주제를 식별할 수 있다.
일 실시 예에 따라, selector 모듈(640)은 식별된 주제에 포함된 복수의 단어 별 발음열 리스트 또는 발음열 별 단어 리스트를 기반으로 사용자에게 발화를 유도할 단어를 식별할 수 있다. 예를 들어, selector 모듈(640)은 상술한 식(2)를 기반으로, 단어 별 발음열 리스트 또는 발음열 별 단어 리스트에 포함된 복수의 단어 중 부족한 발음열의 비율이 높은 단어를 사용자에게 발화를 유도할 단어로 식별할 수 있다. 일 실시 예에 따라, selector 모듈(640)은 식별된 단어에 대한 정보를 챗봇(chat-bot) 모듈(650)로 전달할 수 있다. 일 실시 예에 따른 단어 별 발음열 리스트는 이하 도 9a를 참조하여 보다 자세히 설명하고, 발음열 별 단어 리스트는 이하 도 9b를 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 전자 장치(101)는 챗봇 모듈(650)(예: 도 1의 프로세서))을 통해 식별된 단어에 대응되는 질문 텍스트를 획득할 수 있다. 예를 들어, 챗봇 모듈(650)은, 단어 별 질문 리스트에서 selector 모듈(640)로부터 수신한 단어에 대응되는 질문 텍스트를 획득할 수 있다. 일 실시 예에 따른 단어 별 질문 리스트는 이하 도 10을 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 챗봇 모듈(650)은 P-TTS 모듈 또는 TTS 모듈을 통해 질문 텍스트에 대응되는 질문 음성을 획득하고, 질문 음성을 사용자(60)에게 제공할 수 있다.
일 실시 예에 따라, 챗봇 모듈(650)은 질문 음성을 제공한 후 수신된 사용자 발화로부터 획득된 발음열 및 획득된 음원 데이터를 더 고려하여 질문 음성 출력 동작의 반복 여부를 결정할 수 있다.
예를 들어, 챗봇 모듈(650)은 획득된 발음열 및 획득된 음원 데이터를 더 고려하여 음원 데이터량이 설정된 값 미만인 발음열이 식별되면, 주제 식별 동작, 질문 텍스트 획득 동작 및 질문 음성 출력 동작을 반복할 수 있다. 이로 인해 사용자 발화로부터 발음열별 음원 데이터를 획득할 수 있다.
일 실시 예로, 챗봇 모듈(650)은 획득된 발음열 및 상기 획득된 음원 데이터를 더 고려하여 음원 데이터량이 설정된 값 미만인 발음열이 식별되지 않으면, 획득된 발음열 및 획득된 음원 데이터를 기반으로 P-TTS 모듈을 학습(660)할 수 있다. 예를 들어, 챗봇 모듈(650)은 질문 음성 제공에 따른 사용자 발화 수신으로 인해 부족한 발음열에 대한 음원 데이터량이 설정된 값 이상 수집된 것으로 식별되면, 질문 음성 제공을 중단하고, 질문 음성 제공에 따라 획득된 발음열 및 음원 데이터를 이용하여 P-TTS 모듈을 학습할 수 있다.
도 6에서는 사용자 발화 수신 이후의 동작을 설명하였으나, 일 실시 예에 따라, 음성 비서 어플리케이션이 실행된 후 사용자 발화가 수신되기 전에는 ASR 모듈(610) 및 predictor 모듈(630)의 동작을 제외한 logger 모듈(620), selector 모듈(640) 및 챗봇 모듈(650)의 동작이 수행될 수 있다.
도 7a는 다양한 실시 예에 따라 사용자 발화에 의해 수집된 예시 답변 데이터를 설명하기 위한 차트이다.
일 실시 예에 따라, 도 7a를 참조하면, 전자 장치(예: 도 1의 전자 장치(101) 또는 프로세서(120))는, 음성 비서 어플리케이션을 통해 질문을 출력할 수 있다. 예를 들어, 전자 장치는 "취미가 무엇인가요?"와 같은 질문을 음성으로 출력하거나, 디스플레이(예: 도 1의 디스플레이 모듈(160))에 표시할 수 있다.
일 실시 예에 따라, 전자 장치는 질문 출력 후 답변 데이터를 수신할 수 있다. 예를 들어, 전자 장치는 질문 출력 후 도 7a에 도시된 바와 같은 답변 1 또는 답변 2와 같은 사용자의 발화를 수신할 수 있다.
도 7b는 다양한 실시 예에 따른 각 발음열 별 음원 데이터량을 설명하기 위한 차트이다.
일 실시 예에 따라, 도 7b를 참조하면, 전자 장치는 메모리(예: 도 1의 메모리(130))에 저장된 각 발음열 별 음원 데이터량을 식별할 수 있다. 예를 들어, 전자 장치는 P-TTS 모듈을 이용하여 텍스트를 음성으로 변환하기 위해 필요한 음원 데이터량의 기준 값을 기반으로, 각 발음열 별 음원 데이터량을 식별할 수 있다. 일 실시 예에 따라, 도 7b에 도시된 바와 같이, 전자 장치는 발음열 별 음원 데이터량을 비율로 식별하거나, 용량으로 식별할 수도 있다.
일 실시 예에 따라, 전자 장치는 도 7a에 도시된 바와 같은 사용자의 답변 데이터를 분석하여 발음열 및 발음열 별 음원 데이터를 획득할 수 있으며, 획득된 음원 데이터를 기반으로 메모리에 저장된 발음열 별 음원 데이터를 업데이트할 수 있다.
도 8a는 다양한 실시 예에 따른 주제 별 예시 단어 리스트를 설명하기 위한 차트이다.
일 실시 예에 따라, 전자 장치(예: 도 1의 전자 장치(101) 또는 프로세서(120))는 도 8a에 도시된 바와 같은 주제 별 단어 리스트를 기반으로 부족한 발음열을 포함한 단어가 가장 많은 주제를 식별할 수 있다.
일 실시 예에 따라, 전자 장치는 사용자 답변 데이터를 획득한 경우, 주제 별 단어 리스트를 이용하여 사용자 답변 데이터의 주제를 예측할 수도 있다. 일 실시 예에 따른 주제 예측 결과는 도 8b를 참조하여 보다 자세히 설명하기로 한다.
일 실시 예에 따라, 주제 별 단어 리스트는 메모리(예: 도 1의 메모리(130))에 저장되거나 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 외부 서버로부터 수신된 것일 수 있다. 도 8a의 주제 별 단어 리스트는 설명의 편의를 위한 실시 예일 뿐, 이에 한정되지는 않는다.
도 8b는 다양한 실시 예에 따른 전자 장치의 주제 예측 예시 결과를 설명하기 위한 차트이다.
일 실시 예에 따라, 도 8b를 참조하면, 전자 장치(예: 도 1의 전자 장치(101) 또는 프로세서(120))는 도 8a에 도시된 주제 별 단어 리스트를 기반으로 사용자로부터 획득된 답변 데이터의 주제를 예측할 수 있다.
예를 들어, 전자 장치는 답변 데이터에 포함된 주제 별 단어의 개수의 합과 각 주제 별 단어의 개수의 비율을 획득하여, 주제를 예측할 수 있다. 예를 들어, 도 8b를 참조하면, 전자 장치는 상술한 식(1)을 기반으로 각 주제 별 단어의 개수의 합과 "K-POP" 주제와 관련된 단어인 "음악 감상", "동방신기", "노래", "BTS"와 같은 단어의 개수의 비율 및 각 주제 별 단어의 개수의 합과 "역사" 주제와 관련된 단어인 "원래", "요즘"과 같은 단어의 개수의 비율을 획득하여, 답변 데이터의 주제가 "K-POP"일 확률이 72%이고, "역사"일 확률이 13%임을 획득할 수 있다. 도 8b의 주제 예측 결과는 설명의 편의를 위한 실시 예일 뿐, 이에 한정되지는 않는다.
도 9a는 다양한 실시 예에 따른 단어 별 발음열을 설명하기 위한 차트이다.
일 실시 예에 따라, 도 9a를 참조하면, 단어 별 발음열 리스트는 단어 별로 각 단어에 포함된 복수의 발음열이 매핑된 것으로, 메모리(예: 도 1의 메모리(130))에 저장된 것이거나, 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 외부 서버로부터 수신된 것일 수 있다. 일 실시 예에 따라, 단어 별 발음열 리스트는 하나의 주제에 포함된 복수의 단어를 포함할 수 있다.
일 실시 예에 따라, 전자 장치(예: 도 1의 전자 장치(101), 프로세서(120) 또는 도 6의 selector 모듈(640))는 도 9a에 도시된 바와 같은 단어 별 발음열 리스트를 기반으로, 저장된 음원 데이터량이 부족한 발음열이 포함된 단어를 식별할 수 있다.
예를 들어, 전자 장치는 상술한 식(2)를 이용하여 단어 별 발음열 리스트를 기반으로 주제에 포함된 단어들 중 부족한 발음열의 비율이 가장 큰 단어를 식별할 수 있다.
도 9b는 다양한 실시 예에 따른 발음열 별 단어를 설명하기 위한 차트이다.
일 실시 예에 따라, 도 9b를 참조하면, 발음열 별 단어 리스트는 발음열 별로 발음열이 포함된 복수의 단어가 매핑된 것으로, 메모리(예: 도 1의 메모리(130))에 저장된 것이거나, 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 외부 서버로부터 수신된 것일 수 있다. 일 실시 예에 따라, 발음열 별 단어 리스트는, 발음 열 별로 하나의 주제에 포함된 복수의 단어를 포함할 수 있다.
일 실시 예에 따라, 전자 장치(예: 도 1의 전자 장치(101), 프로세서(120) 또는 도 6의 selector 모듈(640))는 도 9b에 도시된 바와 같은 발음열 별 단어 리스트를 기반으로, 저장된 음원 데이터량이 부족한 발음열이 포함된 단어를 식별할 수 있다.
예를 들어, 전자 장치는 발음열 별 단어 리스트를 기반으로 부족한 발음열에 매핑되는 복수의 단어를 식별하고, 식별된 복수의 단어들 중 상술한 식(2)를 이용하여 부족한 발음열의 비율이 가장 큰 단어를 식별할 수 있다.
도 10은 다양한 실시 예에 따른 단어 별 예시 질문 리스트를 설명하기 위한 차트이다.
일 실시 예에 따라, 도 10을 참조하면, 단어 별 질문 리스트는, 예를 들어, 단어 별로 적어도 하나의 질문 텍스트가 매핑된 것일 수 있고, 메모리(예: 도 1의 메모리(130))에 저장된 것이거나, 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 외부 서버로부터 수신된 것일 수 있다. 일 실시 예에 따라, 단어 별 질문 리스트는, 단어 별로 주제와 관련된 적어도 하나의 질문 텍스트를 포함할 수 있다.
일 실시 예에 따라, 전자 장치(예: 도 1의 전자 장치(101), 프로세서(120) 또는 도 6의 챗봇(650))는 도 10에 도시된 바와 같은 단어 별 질문 리스트를 기반으로, 저장된 음원 데이터량이 부족한 발음열이 포함된 단어가 사용자 발화로 유도되기 위한 질문 텍스트를 식별할 수 있다.
도 11은 다양한 실시 예에 따른 전자 장치의 전자 장치의 P-TTS 모듈 학습 예시 동작을 설명하기 위한 흐름도이다.
일 실시 예에 따라, 도 11을 참조하면, 1101 동작에서, 전자 장치(예: 도 1의 전자 장치 또는 프로세서(120))는 사용자 발화를 수신할 수 있다. 예를 들어, "오늘 뭐할까?"라는 사용자 발화가 입력되면, 1102 동작에서, 전자 장치는 채팅 모드를 지원하는 도메인을 결정하여 사용자와 채팅 모드로 대화를 수행할 수 있다.
일 실시 예에 따라, 1103 동작에서, 전자 장치는 사용자의 발화의 음원과 텍스트를 저장할 수 있다. 예를 들어, 전자 장치는 입력된 사용자 발화를 통해 음원을 획득하고, ASR 모듈(예: 도 2의 자동 음성 인식 모듈(221) 또는 도 6의 ASR 모듈(610))을 통해 입력된 사용자 발화에 대한 텍스트를 획득하고, 획득된 음원 및 텍스트를 매핑하여 저장할 수 있다.
일 실시 예에 따라, 1104 동작에서, 전자 장치는 저장된 음원과 텍스트를 분석을 시작할 수 있다. 예를 들어, 전자 장치는 저장된 음원 및 텍스트를 기반으로 P-TTS 동작을 위한 발음열 별 음원 데이터량이 충분한지 분석할 수 있다. 예를 들어, 전자 장치는 발음열 별 음원 데이터량이 충분하다면, 동작을 종료할 수 있고, 음원 데이터량이 부족한 발음열이 식별되면, 사용자 발화를 통해 음원 데이터를 수집하여 P-TTS 모듈을 학습하도록 동작을 진행할 수 있다.
일 실시 예에 따라, 1105 동작에서, 전자 장치는 저장된 음원과 텍스트가 P-TTS 모듈을 학습하기 위한 입력 데이터(input data)가 충분한지 여부를 분석할 수 있다.
일 실시 예에 따라, 저장된 음원과 텍스트가 P-TTS 모듈을 학습하기 위한 입력 데이터로 충분하다면(1105 동작-예), 1106 동작에서, 전자 장치는 저장된 음원과 텍스트를 P-TTS 모듈 학습을 위한 입력 데이터로 입력할 수 있다.
일 실시 예에 따라, 저장된 음원과 텍스트가 P-TTS 모듈을 학습하기 위한 입력 데이터로 충분하지 않다면(1105 동작-아니오), 1107 동작에서, 전자 장치는 부족한 발음열이 포함된 단어 선정 및 선정된 단어 기반 제2 정보를 결정할 수 있다. 예를 들어, 전자 장치는 선정된 단어가 포함된 주제에 대한 정보를 제2 정보로 결정할 수 있다. 부족한 발음열과 관련된 주제 식별 동작 및 단어 식별 동작은 도 5 및 도 6에 기재된 바, 중복된 설명은 생략될 수 있다.
일 실시 예에 따라, 1108 동작에서, 전자 장치는 사용자 입력으로부터 제1 정보를 추출할 수 있다. 예를 들어, 전자 장치는 NLG 모듈(예: 도 1의 프로세서(120) 또는 도 2의 자연어 이해 모듈(223) 또는 자연어 생성 모듈(227))을 이용하여 사용자 발화의 의도 및 파라미터를 제1 정보로 추출할 수 있다.
일 실시 예에 따라, 1109 동작에서, 전자 장치는, 제1 정보에 대응되는 응답 데이터를 가진 데이터베이스(database, DB)를 결정할 수 있다. 예를 들어, 전자 장치는 "오늘 뭐할까?"라는 사용자의 발화가 입력되면, 일상 대화에 대한 응답 데이터를 가진 데이터베이스를 결정할 수 있다. 일 실시 예에 따라, 전자 장치는 결정된 데이터 베이스에서 “이번 기회에 꼭 하고싶은 버킷리스트를 만들어보세요”와 같은 응답 데이터를 획득할 수 있다.
일 실시 예에 따라, 1110 동작에서, 전자 장치는, 결정된 데이터베이스에서 제2 정보에 대응되는 응답 데이터를 결정할 수 있다. 예를 들어, 음원 데이터량이 부족한 발음열이 식별된 경우, 전자 장치는 결정된 데이터베이스에서 제2 정보에 대응되는 응답 데이터를 결정할 수 있다.
예를 들어, 사용자가 “엄마 싫어” 라고 발화했을 경우, 전자 장치는 P-TTS 모듈을 학습하기 위한 음원 및 텍스트가 충분한 경우, 일상 대화에 대한 데이터 베이스에서 “가까울수록 더 많은 대화가 필요하죠”를 응답 데이터로 결정할 수 있다. 일 실시 예로, 전자 장치는 P-TTS 모듈을 학습하기 위한 음원 및 텍스트가 충분하지 않은 경우, 일상 대화에 대한 데이터 베이스에서 부족한 발음열이 포함된 단어인 “BTS”를 포함하는 제2 정보를 기반으로, 사용자의 "BTS" 발화 유도를 위해 "BTS는 좋아하시나요?" 또는 "BTS 멤버중에 누구팬인가요?"와 같은 질문 텍스트를 응답 데이터로 획득할 수 있다.
일 실시 예에 따라, 1111 동작에서, 전자 장치는 획득된 응답 데이터를 출력할 수 있다. 예를 들어, 응답 데이터에 대응되는 음성을 출력하거나, 질문 텍스트를 표시할 수 있다.
일 실시 예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는, 메모리(예: 도 1의 메모리(130)) 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서(예: 도 1의 프로세서(120))를 포함하고, 상기 적어도 하나의 프로세서는, 음성 비서 어플리케이션이 실행되면, 복수의 발음열 중 상기 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하고, 상기 식별된 발음열을 기반으로 주제를 식별하고, 상기 주제에 포함된 복수의 단어들 중 상기 식별된 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득하고, 상기 질문 텍스트에 대응되는 질문 음성을 출력하고, 상기 질문 음성 출력 후 발화를 수신할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 식별된 발음열이 포함된 단어가 가장 많은 주제를 식별할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 음성 비서 어플리케이션이 실행된 후, 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고, 상기 질문 음성 발화 및 상기 답변 텍스트의 대화 주제를 더 고려하여 상기 주제를 식별할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 음성 비서 어플리케이션이 실행된 후, 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고, 상기 답변 텍스트에 포함된 복수의 발음열 중 상기 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 식별된 주제에 포함된 복수의 단어 중 단어의 전체 발음열에 대한 상기 식별된 발음열의 비율이 가장 큰 단어를 식별하고, 상기 복수의 단어 별 질문 리스트에서 상기 식별된 단어에 대응되는 질문 텍스트를 획득할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 수신된 발화에 대한 발음열 및 음원 데이터를 획득하고, 상기 획득된 음원 데이터 중 상기 식별된 발음열에 대한 음원 데이터량이 P-TTS 모듈 학습을 위해 설정된 음원 데이터량 미만이면, 상기 주제 식별 동작, 상기 질문 텍스트 획득 동작 및 상기 질문 음성 출력 동작을 반복할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 획득된 음원 데이터 중 상기 식별된 발음열에 대한 음원 데이터량이 상기 P-TTS 모듈 학습을 위해 상기 설정된 음원 데이터량 이상이면, 상기 획득된 발음열 및 상기 획득된 음원 데이터를 기반으로 상기 P-TTS 모듈을 학습할 수 있다.
일 실시 예에 따르면, 마이크(예: 도 1의 입력 모듈(150)) 및 스피커(예: 도 1의 음향 출력 모듈(155))를 더 포함하고, 상기 적어도 하나의 프로세서는, 상기 스피커를 통해 상기 질문 음성을 출력하고, 상기 마이크를 통해 상기 발화를 수신할 수 있다.
일 실시 예에 따르면, 통신 회로를 포함하는 통신 모듈(예: 도 1의 통신 모듈(190))을 더 포함하고, 상기 적어도 하나의 프로세서는, 상기 통신 모듈을 통해 상기 질문 음성을 외부 전자 장치로 전송하고, 상기 통신 모듈을 통해 상기 외부 전자 장치로부터 상기 발화를 수신할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 외부 장치와 통신하는 서버를 포함할 수 있다.
일 실시 예에 따르면, 전자 장치의 제어 방법은, 음성 비서 어플리케이션이 실행되면, 복수의 발음열 중, 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하는 동작, 상기 식별된 발음열을 기반으로 주제를 식별하는 동작, 상기 주제에 포함된 복수의 단어들 중 상기 식별된 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득하는 동작, 상기 질문 텍스트에 대응되는 질문 음성을 출력하는 동작 및 상기 질문 음성 출력 후발화를 수신하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 주제를 식별하는 동작은, 상기 식별된 발음열이 포함된 단어가 가장 많은 주제를 식별할 수 있다.
일 실시 예에 따르면, 상기 주제를 식별하는 동작은, 상기 음성 비서 어플리케이션이 실행된 후, 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고, 상기 질문 음성 발화 및 상기 답변 텍스트의 대화 주제를 더 고려하여 상기 주제를 식별할 수 있다.
일 실시 예에 따르면, 상기 발음열을 식별하는 동작은, 상기 음성 비서 어플리케이션이 실행된 후, 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고, 상기 답변 텍스트에 포함된 복수의 발음열 중 상기 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별할 수 있다.
일 실시 예에 따르면, 상기 질문 텍스트를 획득하는 동작은, 상기 식별된 주제에 포함된 복수의 단어 중 단어의 전체 발음열에 대한 상기 식별된 발음열의 비율이 가장 큰 단어를 식별하고, 상기 복수의 단어 별 질문 리스트에서 상기 식별된 단어에 대응되는 질문 텍스트를 획득할 수 있다.
일 실시 예에 따르면, 상기 수신된 발화에 대한 발음열 및 음원 데이터를 획득하는 동작 및 상기 획득된 음원 데이터 중 상기 식별된 발음열에 대한 음원 데이터량이 P-TTS 모듈 학습을 위해 설정된 음원 데이터량 미만이면, 상기 주제 식별 동작, 상기 질문 텍스트 획득 동작 및 상기 질문 음성 출력 동작을 반복하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 획득된 음원 데이터 중 상기 식별된 발음열에 대한 음원 데이터량이 상기 P-TTS 모듈 학습을 위해 상기 설정된 음원 데이터량 이상이면, 상기 획득된 발음열 및 상기 획득된 음원 데이터를 기반으로 상기 P-TTS 모듈을 학습하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 질문 음성을 출력하는 동작은, 상기 전자 장치의 스피커를 통해 상기 질문 음성을 출력하고, 상기 사용자 발화를 수신하는 동작은, 상기 전자 장치의 마이크를 통해 상기 사용자 발화를 수신할 수 있다.
일 실시 예에 따르면, 상기 질문 음성을 출력하는 동작은, 상기 전자 장치의 통신 모듈을 통해 상기 질문 음성을 외부 전자 장치로 전송하고, 상기 발화를 수신하는 동작은, 상기 통신 모듈을 통해 상기 외부 전자 장치로부터 상기 발화를 수신할 수 있다.
일 실시 예에 따르면, 상기 전자 장치는, 상기 외부 장치와 통신하는 서버를 포함할 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, 가전 장치, 또는 이와 유사한 것을 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. "제 1", "제 2", 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: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어, 또는 이들의 조합으로 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, 일실시예에 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 않을 수 있으며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 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 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
본 개시는 다양한 실시 예를 참조하여 예시되고 설명되었지만, 다양한 실시 예는 제한이 아니라 예시적인 것으로 의도된다는 것이 이해될 것이다. 첨부된 청구범위 및 그 균등물을 포함하는 본 개시의 진정한 사상 및 전체 범위를 벗어나지 않고, 형태 및 세부 사항의 다양한 변경이 이루어질 수 있다는 것이 통상의 기술자에 의해 추가로 이해될 것이다.

Claims (15)

  1. 전자 장치에 있어서,
    메모리; 및
    상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서;를 포함하고,
    상기 적어도 하나의 프로세서는,
    음성 비서 어플리케이션이 실행되면, 복수의 발음열 중 상기 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하고,
    상기 식별된 발음열을 기반으로 주제를 식별하고,
    상기 주제에 포함된 복수의 단어들 중 상기 식별된 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득하고,
    상기 질문 텍스트에 대응되는 질문 음성을 출력하고,
    상기 질문 음성 출력 후 발화를 수신하도록 설정된 전자 장치.
  2. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 식별된 발음열이 포함된 단어가 가장 많은 주제를 식별하는 전자 장치.
  3. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 음성 비서 어플리케이션이 실행된 후, 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고,
    상기 질문 음성 발화 및 상기 답변 텍스트의 대화 주제를 더 고려하여 상기 주제를 식별하는 전자 장치.
  4. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 음성 비서 어플리케이션이 실행된 후, 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고,
    상기 답변 텍스트에 포함된 복수의 발음열 중 상기 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하는 전자 장치.
  5. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 식별된 주제에 포함된 복수의 단어 중 단어의 전체 발음열에 대한 상기 식별된 발음열의 비율이 가장 큰 단어를 식별하고,
    상기 복수의 단어 별 질문 리스트에서 상기 식별된 단어에 대응되는 질문 텍스트를 획득하는 전자 장치.
  6. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 수신된 사용자 발화에 대한 발음열 및 음원 데이터를 획득하고,
    상기 획득된 음원 데이터 중 상기 식별된 발음열에 대한 음원 데이터량이 P-TTS 모듈 학습을 위해 설정된 음원 데이터량 미만이면, 상기 주제 식별 동작, 상기 질문 텍스트 획득 동작 및 상기 질문 음성 출력 동작을 반복하는 전자 장치.
  7. 제6항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 획득된 음원 데이터 중 상기 식별된 발음열에 대한 음원 데이터량이 상기 P-TTS 모듈 학습을 위해 상기 설정된 음원 데이터량 이상이면, 상기 획득된 발음열 및 상기 획득된 음원 데이터를 기반으로 상기 P-TTS 모듈을 학습하는 전자 장치.
  8. 제1항에 있어서,
    마이크; 및
    스피커;를 더 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 스피커를 통해 상기 질문 음성을 출력하고,
    상기 마이크를 통해 상기 발화를 수신하는 전자 장치.
  9. 제1항에 있어서,
    통신 회로를 포함하는 통신 모듈;을 더 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 통신 모듈을 통해 상기 질문 음성을 외부 전자 장치로 전송하고,
    상기 통신 모듈을 통해 상기 외부 전자 장치로부터 상기 발화를 수신하는 전자 장치.
  10. 제9항에 있어서,
    상기 전자 장치는, 상기 외부 장치와 통신하는 서버를 포함하는, 전자 장치.
  11. 전자 장치의 제어 방법에 있어서,
    음성 비서 어플리케이션이 실행되면, 복수의 발음열 중, 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하는 동작;
    상기 식별된 발음열을 기반으로 주제를 식별하는 동작;
    상기 주제에 포함된 복수의 단어들 중 상기 식별된 발음열을 포함하는 단어에 대응되는 질문 텍스트를 획득하는 동작;
    상기 질문 텍스트에 대응되는 질문 음성을 출력하는 동작; 및
    상기 질문 음성 출력 후 발화를 수신하는 동작;을 포함하는 전자 장치의 제어 방법.
  12. 제11항에 있어서,
    상기 주제를 식별하는 동작은,
    상기 식별된 발음열이 포함된 단어가 가장 많은 주제를 식별하는 전자 장치의 제어 방법.
  13. 제11항에 있어서,
    상기 주제를 식별하는 동작은,
    상기 음성 비서 어플리케이션이 실행된 후, 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고,
    상기 질문 음성 발화 및 상기 답변 텍스트의 대화 주제를 더 고려하여 상기 주제를 식별하는 전자 장치의 제어 방법.
  14. 제11항에 있어서,
    상기 발음열을 식별하는 동작은,
    상기 음성 비서 어플리케이션이 실행된 후, 질문 음성 발화가 수신되면, 상기 질문 음성 발화에 대응되는 답변 텍스트를 획득하고,
    상기 답변 텍스트에 포함된 복수의 발음열 중 상기 메모리에 저장된 음원 데이터량이 특정 값 미만인 발음열을 식별하는 전자 장치의 제어 방법.
  15. 제11항에 있어서,
    상기 질문 텍스트를 획득하는 동작은,
    상기 식별된 주제에 포함된 복수의 단어 중 단어의 전체 발음열에 대한 상기 식별된 발음열의 비율이 가장 큰 단어를 식별하고,
    상기 복수의 단어 별 질문 리스트에서 상기 식별된 단어에 대응되는 질문 텍스트를 획득하는 전자 장치의 제어 방법.
PCT/KR2022/003172 2021-03-19 2022-03-07 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법 WO2022196994A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202280008387.8A CN116635933A (zh) 2021-03-19 2022-03-07 包括个性化文本到语音模块的电子装置及其控制方法
EP22771660.2A EP4207184A4 (en) 2021-03-19 2022-03-07 ELECTRONIC DEVICE WITH PERSONALIZED TEXT-TO-SPEECH MODULE AND CONTROL METHOD THEREOF
US17/654,881 US20220301544A1 (en) 2021-03-19 2022-03-15 Electronic device including personalized text to speech module and method for controlling the same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210036226A KR20220131098A (ko) 2021-03-19 2021-03-19 개인화 tts 모듈을 포함하는 전자 장치 및 이의 제어 방법
KR10-2021-0036226 2021-03-19

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/654,881 Continuation US20220301544A1 (en) 2021-03-19 2022-03-15 Electronic device including personalized text to speech module and method for controlling the same

Publications (1)

Publication Number Publication Date
WO2022196994A1 true WO2022196994A1 (ko) 2022-09-22

Family

ID=83320772

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/003172 WO2022196994A1 (ko) 2021-03-19 2022-03-07 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법

Country Status (2)

Country Link
KR (1) KR20220131098A (ko)
WO (1) WO2022196994A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130325477A1 (en) * 2011-02-22 2013-12-05 Nec Corporation Speech synthesis system, speech synthesis method and speech synthesis program
JP2014102345A (ja) * 2012-11-19 2014-06-05 Nippon Telegr & Teleph Corp <Ntt> 音響モデル学習用テキスト作成装置とその方法とプログラム
KR20150052600A (ko) * 2013-11-06 2015-05-14 주식회사 시스트란인터내셔널 녹취된 음성 데이터에 대한 핵심어 추출 기반 발화 내용 파악 시스템과, 이 시스템을 이용한 인덱싱 방법 및 발화 내용 파악 방법
KR101590724B1 (ko) * 2014-10-06 2016-02-02 포항공과대학교 산학협력단 음성 인식 오류 수정 방법 및 이를 수행하는 장치
KR20200048201A (ko) * 2018-10-29 2020-05-08 삼성전자주식회사 전자 장치 및 이의 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130325477A1 (en) * 2011-02-22 2013-12-05 Nec Corporation Speech synthesis system, speech synthesis method and speech synthesis program
JP2014102345A (ja) * 2012-11-19 2014-06-05 Nippon Telegr & Teleph Corp <Ntt> 音響モデル学習用テキスト作成装置とその方法とプログラム
KR20150052600A (ko) * 2013-11-06 2015-05-14 주식회사 시스트란인터내셔널 녹취된 음성 데이터에 대한 핵심어 추출 기반 발화 내용 파악 시스템과, 이 시스템을 이용한 인덱싱 방법 및 발화 내용 파악 방법
KR101590724B1 (ko) * 2014-10-06 2016-02-02 포항공과대학교 산학협력단 음성 인식 오류 수정 방법 및 이를 수행하는 장치
KR20200048201A (ko) * 2018-10-29 2020-05-08 삼성전자주식회사 전자 장치 및 이의 제어 방법

Also Published As

Publication number Publication date
KR20220131098A (ko) 2022-09-27

Similar Documents

Publication Publication Date Title
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2020040595A1 (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022177103A1 (ko) 사용자와 대화하는 인공 지능 에이전트 서비스를 지원하는 전자 장치
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022092796A1 (ko) 전자 장치 및 전자 장치의 음성 인식 수행 방법
WO2022065879A1 (ko) 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법
WO2022196994A1 (ko) 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법
WO2022196925A1 (ko) 전자 장치 및 전자 장치의 개인화 음성 모델 생성 방법
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2023158076A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2022191425A1 (ko) 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법
WO2023106862A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022231126A1 (ko) 전자 장치 및 전자 장치의 프로소디 제어를 위한 tts 모델 생성 방법
WO2022010158A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024043670A1 (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2022131805A1 (ko) 음성 입력의 응답 제공 방법 및 이를 지원하는 전자 장치
WO2022182038A1 (ko) 음성 명령 처리 장치 및 방법
WO2023043025A1 (ko) 불완전 연속 발화를 처리하는 방법 및 그 방법을 수행하는 서버 및 전자 장치
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024106913A1 (ko) 발화를 처리하기 위한 전자 장치, 그 동작 방법 및 저장 매체
WO2024080745A1 (ko) 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치

Legal Events

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

Ref document number: 22771660

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022771660

Country of ref document: EP

Effective date: 20230328

WWE Wipo information: entry into national phase

Ref document number: 202280008387.8

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE