WO2022234919A1 - 오호출을 식별하는 서버 및 이의 제어 방법 - Google Patents

오호출을 식별하는 서버 및 이의 제어 방법 Download PDF

Info

Publication number
WO2022234919A1
WO2022234919A1 PCT/KR2021/019212 KR2021019212W WO2022234919A1 WO 2022234919 A1 WO2022234919 A1 WO 2022234919A1 KR 2021019212 W KR2021019212 W KR 2021019212W WO 2022234919 A1 WO2022234919 A1 WO 2022234919A1
Authority
WO
WIPO (PCT)
Prior art keywords
voices
server
voice
similarity
response
Prior art date
Application number
PCT/KR2021/019212
Other languages
English (en)
French (fr)
Inventor
김선옥
권순범
조순희
엄기완
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to US17/569,994 priority Critical patent/US11967322B2/en
Publication of WO2022234919A1 publication Critical patent/WO2022234919A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
    • G06F1/3231—Monitoring the presence, absence or movement of users
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback

Definitions

  • the present disclosure relates to a server for identifying an erroneous call and a method for controlling the same.
  • wakeup of the AI assistant function may have various launch methods such as hardware-type physical buttons and software-type display touches.
  • the electronic device monitors ambient sounds through a low-power built-in microphone, and starts to operate when a voice of a trigger keyword is detected.
  • ASR automatic speech recognition
  • NLU natural language understanding
  • NLG natural language generation
  • TTS speech synthesis
  • an aspect of the present disclosure provides a server for identifying an erroneous call and a method for controlling the same when a large number of voices for wake-up are received at the same time.
  • a server includes a communication module and at least one processor operatively connected to the communication module, wherein the at least one processor is configured to: a set value of traffic volumes of a plurality of voices for waking up a voice assistant function received within a set period. If this is the case, a plurality of clusters are generated based on the mutual similarity of the plurality of voices, and it is determined whether to respond to each voice included in each of the plurality of clusters based on the similarity between the voices included in each of the plurality of clusters. can decide
  • a method for controlling a server includes an operation of generating a plurality of clusters based on the mutual similarity of the plurality of voices when the traffic amount of the plurality of voices for waking up the voice assistant function received within a set period is equal to or greater than a set value, and the plurality of clusters and determining whether to respond to each of the voices included in each of the plurality of clusters based on the similarity between the voices included in each of the voices.
  • the electronic device provides a response by waking up only when an utterance by a user intention is input, thereby reducing the waste of resources used in a wakeup due to an incorrect call and a response process due to an incorrect call. can be reduced
  • FIG. 1 is a block diagram of an electronic device in a network environment according to an embodiment of the present disclosure.
  • FIG. 2 is a block diagram illustrating an integrated intelligence system according to an embodiment of the present disclosure.
  • FIG. 3 is a diagram illustrating a form in which relation information between a concept and an action is stored in a database according to an embodiment of the present disclosure.
  • FIG. 4 is a diagram for explaining a communication connection form between a server and an electronic device according to an embodiment of the present disclosure.
  • FIG. 5 is a diagram for explaining an operation of determining whether a wakeup erroneous call is made by a server according to an embodiment of the present disclosure.
  • FIG. 6 is a diagram for explaining a system for determining whether to call a wakeup erroneously according to an embodiment of the present disclosure.
  • FIG. 7 is a diagram for explaining a response process according to whether a wakeup call is erroneous from a server according to an embodiment of the present disclosure.
  • FIG. 8 is a diagram for explaining an operation of acquiring a degree of similarity between a plurality of voices according to an embodiment of the present disclosure.
  • FIG. 9 is a diagram for explaining a clustering operation of a server according to an embodiment of the present disclosure.
  • FIG. 10 is a diagram for explaining a response generation operation of a response process of a server according to an embodiment of the present disclosure.
  • FIG. 11 is a diagram for describing an operation of an electronic device upon a wakeup error call according to an embodiment of the present disclosure.
  • FIG. 12 is a diagram for explaining an operation of identifying a wakeup error call of an electronic device according to an embodiment of the present disclosure.
  • FIG. 13 is a diagram for explaining a situation in which a response is provided in case of an incorrect wakeup call according to an embodiment of the present disclosure.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to an embodiment of the present disclosure.
  • 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 fifth generation (5G) network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or 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 fifth generation (5G) network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or WAN).
  • 5G fifth generation
  • 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 integrated intelligence system according to an embodiment of the present disclosure.
  • the integrated intelligent system may include a user terminal 201 , an intelligent server 200 , and a service server 300 .
  • the user terminal 201 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), laptop computer, TV, white goods, wearable device, HMD, or smart speaker.
  • a terminal device or electronic device connectable to the Internet
  • PDA personal digital assistant
  • laptop computer TV, white goods, wearable device, HMD, or smart speaker.
  • the user terminal 201 includes a communication module 190, a microphone (eg, an input module 150), a speaker (eg, a sound output module 155), a display module 160, a memory ( 130 ), or a processor 120 .
  • the components listed above may be operatively or electrically connected to each other.
  • the communication module 190 (eg, the communication module 190 of FIG. 1 ) according to an embodiment may be configured to be connected to an external device to transmit/receive data.
  • the microphone (eg, the input module 150 of FIG. 1 ) according to an embodiment may receive a sound (eg, a user's utterance) and convert it into an electrical signal.
  • the speaker (eg, the sound output module 155 of FIG. 1 ) according to an embodiment may output an electrical signal as a sound (eg, voice).
  • the display module 160 (eg, the display module 160 of FIG. 1 ) according to an embodiment may be configured to display an image or a video.
  • the display module 160 may also display a graphic user interface (GUI) of an executed app (or an application program).
  • GUI graphic user interface
  • the memory 130 may store the client module 131 , a software development kit (SDK) 133 , and a plurality of apps.
  • 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 plurality of apps may be a program for performing a specified function.
  • the plurality of apps may include a first app 135_1 and a second app 135_3 .
  • each of the plurality of apps 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 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 control the overall operation of the user terminal 201 .
  • the processor 120 is electrically connected to the communication module 190 , the microphone (eg, the input module 150 ), the speaker (eg, the sound output module 155 ), and the display module 160 to be designated action can be performed.
  • 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, for example, control the operation of the plurality of apps through 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 a user's utterance sensed through a microphone (eg, the input module 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 the state information of the user terminal 201 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 module 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 module 160 .
  • the client module 131 may, for example, sequentially display execution results of a plurality of operations on the display.
  • the user terminal 201 may display only a partial result of executing a plurality of operations (eg, a result 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 (eg, the server 108 of FIG. 1 ).
  • 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 201 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 Alternatively, it may be a combination of the above or other artificial intelligence systems.
  • the plan may be selected from a set of predefined plans or may be generated in real time in response to a user request. For example, the artificial intelligence system may select at least a plan from among a plurality of predefined plans.
  • the intelligent server 200 of an embodiment may transmit a result according to the generated plan to the user terminal 201 or transmit the generated plan to the user terminal 201 .
  • the user terminal 201 may display a result according to the plan on the display.
  • the user terminal 201 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 , It may include an end user interface 250 , a management platform 260 , a big data platform 270 , or an analytics platform 280 .
  • the front end 210 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 includes an automatic speech recognition module (ASR module) 221 , a natural language understanding module (NLU module) 223 , a planner module ( planner module 225 , a natural language generator module (NLG module) 227 , or a text to speech module (TTS module) 229 .
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • planner module planner module 225
  • NLG module natural language generator module
  • TTS module text to speech module
  • the ASR module 221 may convert a voice input received from the user terminal 201 into text data.
  • the NLU module 223 may determine the user's intention by using text data of the voice input. For example, the NLU module 223 may determine the user's intention by performing syntactic analysis or semantic analysis.
  • the NLU module 223 of an embodiment identifies the meaning of a word extracted from a voice input using a linguistic feature (eg, a grammatical element) of a morpheme or phrase, and matches the meaning of the identified word to the intention of the user. can be decided
  • the planner module 225 may generate a plan using the intent and parameters determined by the NLU 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 NLG 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 TTS 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 201 .
  • 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 201 .
  • 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 201 .
  • 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 201 . Accordingly, the user terminal 201 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 of an embodiment may provide a service (eg, food order, hotel reservation, CP service A 301 , CP service B 302 , or CP service C) to the user terminal 201 .
  • 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 201 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 201 may provide a voice recognition service through an intelligent app (or a voice recognition app) stored therein.
  • the user terminal 201 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 201 may perform a designated operation alone or together with the intelligent server and/or service server based on the received voice input. For example, the user terminal 201 may execute an app corresponding to the received voice input and perform a specified operation through the executed app.
  • the user terminal 201 when the user terminal 201 provides a service together with the intelligent server 200 and/or the service server, the user terminal uses the microphone (eg, the input module 150) to A utterance may be detected and a signal (or voice data) corresponding to the sensed user 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 201, or performing 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 201 may receive the response using the communication module 190 .
  • the user terminal 201 outputs a voice signal generated inside the user terminal 201 to the outside using the speaker (eg, the sound output module 155 ), or the user terminal 201 using the display module 160 . ) can output the image created inside to the outside.
  • 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 an embodiment of the present disclosure.
  • the capsule database (eg, the capsule database 230 ) of the intelligent server 200 (eg, the server 108 of FIG. 1 ) may store the capsule in the form of a concept action network (CAN) 400 .
  • 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
  • at least one service provider for performing a function for a domain related to the capsule eg, CP 1 402 , CP 2 403 , CP 3 406 , or CP 4 405 )
  • 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 for explaining a communication connection form between a server and an electronic device according to an embodiment of the present disclosure.
  • the server 108 (eg, the server 108 of FIG. 1 or the intelligent server 200 of FIG. 2 ) includes a plurality of electronic devices 101-1 and 101-2, ..., 101- n) (eg, the electronic device 101 of FIG. 1 ).
  • the plurality of electronic devices 101-1 and 101-2, ..., 101-n may be respectively disposed in different spaced apart spaces (eg, home, office, or school), and a plurality of Some of the electronic devices 101-1 and 101-2, ..., 101-n may be disposed in the same space.
  • each user of the plurality of electronic devices 101-1 and 101-2, ..., 101-n may be different from each other, and the plurality of electronic devices 101-1 and 101-2, . .., 101-n) of some electronic devices may have the same user.
  • the server 108 receives a user's spoken voice from at least one of the plurality of electronic devices 101-1, 101-2, ..., 101-n, and provides The answer may be transmitted to at least one electronic device that has transmitted the user's spoken voice.
  • FIG. 5 is a diagram for explaining an operation of determining whether a wakeup erroneous call is made by a server according to an embodiment of the present disclosure.
  • the server eg, the server 108 of FIG. 1 or the intelligent server 200 of FIG. 2 . wakes up the voice assistant function received through the communication module within a set period. If the traffic volume of the plurality of voices is equal to or greater than a set value, a plurality of clusters may be generated based on the degree of similarity between the plurality of voices.
  • the server uses a plurality of electronic devices (eg, the electronic device 101 of FIG. 1 ) through the communication module. or a plurality of wake-ups received within a set time (eg, simultaneously or set n seconds (ms)) from a plurality of electronic devices 101-1 and 101-2, ..., 101-n of FIG. 4 ). It can be identified whether the traffic volume of voice is greater than or equal to a set value (eg, the number of multiple voices is 100).
  • a set value eg, the number of multiple voices is 100).
  • the server transmits the plurality of voices to the ASR module (eg, in FIG. 2 ) in order to provide a normal response to the plurality of voices.
  • the ASR module 221 or the voice recognition (ASR) module 650 of the normal response process of FIG. 6 may transmit the information.
  • the server may identify whether the call is erroneous by voice of an external media other than the user's utterance.
  • the server may create a plurality of clusters based on the mutual similarity of a plurality of voices received within a set time.
  • each cluster may include two or more voices among a plurality of voices, and each cluster may be classified based on a range of similarity.
  • a shape of a cluster according to an embodiment will be described below with reference to FIG. 9 .
  • two or more voices having a mutual similarity within a first range (eg, 100%) among a plurality of voices may generate one cluster, and the remaining voices may generate one cluster. can be classified into two clusters.
  • two or more voices having a mutual similarity in a second range (eg, 80% or more and less than 100%) among a plurality of voices may generate one cluster, and the other voices may generate one cluster, , in this case, the plurality of voices may be classified into two clusters.
  • a second range eg, 80% or more and less than 100%
  • two or more voices generate one cluster, and the mutual similarity among the plurality of voices is within a first range (eg, 100%), and the mutual similarity among the plurality of voices is within a second range (eg, 80%) More than 100%), two or more voices may generate one cluster, and the remaining voices may generate one cluster.
  • the plurality of voices may be classified into three clusters.
  • the mutual similarity of all of the plurality of voices is the first range or the second range, there may be only one cluster.
  • the server randomly samples an arbitrary number of voices among a plurality of voices and selects them as a comparison group, or when two voices having a similarity equal to or greater than a set value are identified by randomly comparing each of the plurality of voices, identification The two negatives can be selected as a comparison group.
  • the server may obtain a similarity by comparing the voice selected as the comparison group with the remaining voices, and classify the plurality of voices based on the obtained similarity to generate a plurality of clusters.
  • the server may identify feature points of each of the plurality of voices, and compare the identified feature points to obtain similarities of the plurality of voices.
  • the feature point may include a position and distribution of a peak obtained after decomposing a voice into a waveform or spectral form.
  • the processing speed is fast and resource consumption can be reduced by judging the similarity only by the feature points without the need for understanding the language. Characteristic points of a voice according to an embodiment will be described below with reference to FIG. 8 .
  • the server may acquire similarity based on only a part of each of the plurality of voices. For example, the server may acquire similarity based on only the first part of each of the plurality of voices. As another embodiment, when at least one voice having a voice length equal to or greater than a set value is included among the plurality of voices, the server may acquire similarity by using some voices with respect to only at least one voice. According to an embodiment, the server may identify a feature point of a part of each voice and obtain a similarity based on the feature point. As described above, since similarity is determined using only a portion of each voice, processing speed is fast and resource consumption can be reduced.
  • the server may determine the similarity of each of the plurality of voices after removing the characteristics of the environmental characteristics (eg, the microphone position) of the electronic device that has transmitted each of the plurality of voices.
  • the above-described clustering operation of the server is only an example, and the server may perform clustering using other clustering techniques.
  • the server may determine whether to respond to each of the voices included in each of the plurality of clusters based on the similarity between the voices included in each of the plurality of clusters.
  • the server determines that all of the plurality of voices included in the cluster are erroneous calls, and provides no response. can decide to do For example, the server may terminate the response process without a response to the voice determined to be an erroneous call.
  • the server may transmit a command for adjusting the threshold value for wake-up recognition upward for a set time without providing a response to the terminal device providing the voice determined to be an erroneous call. For this reason, only when the wake-up voice is clearly pronounced, the wake-up voice is transmitted to the server, thereby preventing repetition of an erroneous call.
  • the server transmits a command to extend the set time.
  • the retransmission may be performed to at least one terminal device.
  • the server may store the feature points of the plurality of voices identified as miscalls in the memory as the feature points of the erroneous call.
  • the server may identify the received voice as an erroneous call when the similarity between the feature point of the received voice and the feature point of the stored false call is greater than or equal to a set value regardless of the amount of traffic.
  • the server identifies that the traffic amount of a plurality of voices received within a set time is equal to or greater than a set value, the server miscalls a plurality of voices based on the feature points of the stored error calls before comparing the similarity between the plurality of voices. It is also possible to identify whether
  • the server when the similarity between the plurality of voices included in one cluster is within a second range (eg, 80% or more and less than 100%), the server provides an ambiguous response to the plurality of voices included in the cluster.
  • a second range eg, 80% or more and less than 100%
  • the server provides an ambiguous response to the plurality of voices included in the cluster.
  • the ambiguous response may include a response to confirm whether to wake up or an utterance suitable for all situations.
  • the server may transmit an ambiguous response to a plurality of terminal devices corresponding to each of a plurality of voices included in a cluster having a similarity of a second range.
  • the server determines that the plurality of voices included in the cluster are normal calls. It can determine and perform a normal response process. For example, the server may provide a normal response by transferring a plurality of voices in the cluster to an ASR module (eg, the ASR module 221 of FIG. 2 or the ASR module 650 of the normal response process of FIG. 6 ).
  • an ASR module eg, the ASR module 221 of FIG. 2 or the ASR module 650 of the normal response process of FIG. 6 .
  • the threshold value of the degree of similarity that distinguishes the first range, the second range, and the third range of the degree of similarity is not limited to the above-described example, and may be changed according to an exemplary embodiment.
  • FIG. 6 is a diagram for explaining a system for determining whether to call a wakeup erroneously according to an embodiment of the present disclosure.
  • the electronic device 101 (eg, the electronic device 101 of FIG. 1 or the plurality of electronic devices 101-1 and 101-2, ..., 101-n of FIG. 4 ) has a voice
  • the assistant function may receive a trigger voice 10 for waking up.
  • the trigger voice 10 for wakeup is a set specific keyword, and may include at least one of a user uttered voice, ambient noise, or media audio. It may be a calling voice.
  • the electronic device 101 transmits the trigger voice 10 to the server 108 (eg, the server 108 of FIG. 1 ). to the intelligent server 200 of FIG. 2 or the server 108 of FIG. 4 ).
  • the server 108 may identify the traffic amount of a plurality of voices received within a set time (eg, simultaneous or n seconds (ms)) through the traffic monitor module 610 .
  • a set time e.g, simultaneous or n seconds (ms)
  • each of the plurality of voices may be received by different electronic devices.
  • the traffic monitor module 610 may be included in the front end of the server 108 (eg, the front end 210 of FIG. 2 ).
  • the server 108 if the amount of traffic of a plurality of voices received within a set time through the traffic monitor module 610 is less than a set value, the server 108 identifies that a normal response is provided, and a normal response process 650 is performed.
  • a plurality of voices can be delivered to the ASR module in order to proceed.
  • the normal response process 650 may include an ASR module (eg, the ASR module 221 of FIG. 2 ) and an NLU module (eg, the NLU module 223 of FIG. 2 ), FIG. 6 .
  • it may further include an NLG module (eg, the NLG module 227 of FIG. 2 ) and a TTS module (eg, the TTS module 229 of FIG. 2 ).
  • the server 108 receives a plurality of voices received within a time set through the call status identification module 620. It is possible to identify whether there is an erroneous call to the voice of
  • the server 108 may create a plurality of clusters based on the similarity of a plurality of voices received within a time set through the call status identification module 620 , and a plurality of clusters included in one cluster may be generated. Whether to respond may be determined according to the range of similarity between voices.
  • the server 108 determines that the plurality of voices completely match. and the plurality of voices may be identified as an erroneous call due to ambient noise or media audio.
  • the server 108 responds with an ambiguous response. may decide to provide.
  • a second range eg, 80% or more and less than 100%
  • the server 108 provides an ambiguous response for determining whether to wake-up. may decide to provide.
  • the server 108 performs a normal response process 650 . may decide to proceed with When proceeding to the normal response process 650 , the server 108 may determine to provide a response corresponding to the output of the natural language processing module.
  • a third range eg, less than 80%
  • the server 108 may transmit the identification result obtained by the call or not identification module 620 to the response generator 630 .
  • the server 108 may store feature points of the plurality of voices identified as erroneous calls in the miscall list 640 .
  • the response generator 630 may end the response process without providing a response to the electronic device 101 that has transmitted the voice.
  • the server 108 may transmit a command for increasing the wakeup threshold for a set time to the dynamic wakeup converter module of the electronic device 101 .
  • the electronic device 101 receives from the server 108 . Based on the command received, the threshold for successful wake-up can be raised to 8 for a certain period of time (eg, 1 minute).
  • the server 108 may determine an upward adjustment amount of the threshold value based on the size of the cluster. For example, if the number of voices identified as erroneous calls is greater than or equal to a set value, the threshold may be further increased. For example, if the size of the cluster including the voice identified as an erroneous call is greater than or equal to a preset value, the server 108 may transmit a command to the electronic device 101 to increase the threshold value to nine.
  • the server 108 issues a command to extend the time for raising the threshold value. It may be transmitted to the dynamic wakeup converter module of the electronic device 101 .
  • the electronic device 101 may extend the time for adjusting the threshold value for successful wakeup from 1 minute to 5 minutes based on the extension command received from the server 108 .
  • the time for adjusting the threshold value upward may be extended in stages, such as 10 minutes or 30 minutes.
  • the response generator 630 when it is determined to provide an ambiguous response to a plurality of voices included in one cluster, or when it is determined to provide a normal response, the response generator 630 generates a corresponding response to the electronic device 101 . ) can be provided. An operation of the response generator 630 according to an embodiment will be described below with reference to FIG. 10 .
  • FIG. 7 is a diagram for explaining a response process according to whether a wakeup call is erroneous from a server according to an embodiment of the present disclosure.
  • a server may receive a wakeup.
  • the server may receive a wakeup voice received from a plurality of electronic devices (eg, the electronic device 101 of FIG. 1 or the user terminal 201 of FIG. 2 ) from the plurality of electronic devices.
  • the server may identify whether the traffic is equal to or greater than a set value. For example, the server may determine whether or not a set value (eg, 100) or more voices are received within a set time (eg, simultaneous or n seconds (ms)).
  • a set value eg, 100
  • ms simultaneous or n seconds
  • the server may separate the first part of each of a plurality of audios. According to an embodiment, if the length of the voice is shorter than the set length, operation 703 may be omitted.
  • the server may extract a feature from each of the plurality of voices.
  • the server may decompose speech into waveforms and spectral forms, and extract feature points in real time.
  • the feature points extracted from the voice will be described below with reference to FIG. 8 .
  • the keypoint extraction operation may be performed through a keypoint extraction technique.
  • the server may check the feature point by visualizing the voice as a spectrogram.
  • the server may randomly sample N voices from among the plurality of voices and select it as a comparison group.
  • the server randomly compares each of a plurality of voices, and when two voices having a similarity equal to or greater than a set value are identified, the server may select the two identified voices as a comparison group.
  • the server may determine whether the feature points of the comparison group and each of the plurality of voices coincide with the similarity degree of the first range. For example, the server may determine whether the comparison group and the feature points of each of the plurality of voices match with a similarity of 100%.
  • the server may cluster the identified voice into the same voice as that of the comparison group. have. For example, the server may determine that a voice 100% matching the control group is not a user's utterance, but an erroneous call by the media and provide no response.
  • the server may generate a response based on the non-response providing result.
  • the server determines whether the feature point between the comparison group and the specific voice is similar. can judge For example, the server may determine whether the comparison group and the feature point of a specific voice coincide with a similarity of 80% or more.
  • the server stops the clustering operation for the specific voice in operation 710, and suspends the clustering operation for the specific voice. It may decide to provide the response in context.
  • the server may generate a response based on a result of providing an ambiguous context response.
  • the server may perform automatic voice recognition (ASR) on the specific voice in operation 711 .
  • ASR automatic voice recognition
  • NLU natural language understanding
  • the server may generate a normal response based on the natural language understanding result.
  • the server may generate a normal response by performing natural language generation and text-to-speech conversion based on the natural language understanding result.
  • the server may perform ASR and NLU on the received wake-up voice. For example, if the traffic is less than a set value, the server identifies that it provides a normal response to the received wake-up voice, and in operation 708 generates natural language and text-to-speech based on the ASR and NLU for the received wake-up voice. A conversion can be performed to produce a normal response.
  • FIG. 8 is a diagram for explaining an operation of acquiring a degree of similarity between a plurality of voices according to an embodiment of the present disclosure.
  • a server eg, the server 108 of FIG. 1 or the intelligent server 200 of FIG. 2
  • the server may normalize the volume of the plurality of voices because the volume may change depending on the location of the microphone or the surrounding environment factors.
  • the server may separate only a part of the first part of a voice whose length is equal to or greater than a set value among a plurality of voices.
  • the server may identify a specific color part or at least one pitch in the schematized voice as a feature point.
  • the location or distribution of feature points may be treated as voiceprint data.
  • the server may score a score by determining the similarity between the plurality of voices after matching time frames based on the feature points of each of the plurality of voices.
  • FIG. 9 is a diagram for explaining a clustering operation of a server according to an embodiment of the present disclosure.
  • the server may generate a cluster 911 based on similarity among a plurality of acquired voices 910 .
  • a plurality of voices not included in the cluster 911 may also be viewed as one cluster in which a plurality of voices with low similarity are clustered.
  • the cluster 911 may be generated to include a plurality of voices having a mutual similarity in a first range, or may be generated to include a plurality of voices having a mutual similarity in a second range. .
  • a plurality of clusters may be generated based on different degrees of similarity within a plurality of voices 910 , and all of the plurality of voices 910 agree with each other. In this case, all of the plurality of voices may be clustered into one cluster.
  • a server eg, the server 108 of FIG. 1 , the intelligent server 200 of FIG. 2 , the server 108 of FIG. 6 , or the response generator 630 of FIG. 6
  • a server has a similarity level between a plurality of voices in the cluster. It can generate different responses depending on the
  • the server may check a parameter.
  • the parameter may be obtained by the server (eg, the call status identification module 620 of FIG. 6 ) based on the degree of similarity between a plurality of voices.
  • the server may terminate the response process (flow) without responding to the voice.
  • the no-answer parameter may be a parameter when the wake-up voice is identified as an erroneous call voice.
  • the server performs a natural language generation (NLG) operation for generating an ambiguous response text and text for synthesizing an ambiguous response text.
  • NLG natural language generation
  • a voice conversion (TTS) operation may be performed.
  • an ambiguous response can mean an utterance suitable for any situation, such as an intentional call situation or a false call situation, and includes "Did you call me?" or "Huh? What did you hear?" It may include an utterance confirming whether or not the same wake-up occurs.
  • the server performs a natural language generation (NLG) operation for generating a response text corresponding to the natural language understanding (NLU) result and ambivalent A text-to-speech (TTS) operation for response speech synthesis may be performed.
  • NLG natural language generation
  • NLU natural language understanding
  • TTS ambivalent A text-to-speech
  • the electronic device may be a plurality of electronic devices that respectively transmit the plurality of voices to the server.
  • an electronic device (eg, the electronic device 101 of FIG. 1 , the processor 120 of FIG. 1 , the user terminal 201 of FIG. 2 , or the electronic device 101 of FIG. 6 ) performs operation 1101 .
  • the electronic device is configured to increase the wakeup threshold value according to an error call from a server (eg, the server 108 of FIG. 1 , the intelligent server 200 of FIG. 2 , or the server 108 of FIG. 6 ).
  • Receive wakeup engine settings including instructions.
  • the wake-up engine setting may include information on a threshold value for recognizing a wake-up success and a time for adjusting the threshold value upward.
  • the electronic device may dynamically convert a threshold value for wakeup. For example, the electronic device may increase the threshold value for recognizing the success of the wakeup during the time for adjusting the threshold value included in the wakeup engine setting.
  • the electronic device may increase the threshold to 8 for a set time.
  • the wakeup recognition sensitivity is reduced, and the wakeup succeeds only when the keyword is correctly uttered, thereby reducing the number of false calls.
  • the electronic device may restore the threshold value after a predetermined period of time. For example, when a set time elapses after the threshold value is adjusted upward, the electronic device may change the threshold value to the original value.
  • the electronic device receives a command to extend the threshold value upward adjustment time from the server, and receives a threshold value based on the received command Upgrading time can be extended.
  • FIG. 12 is a diagram for explaining an operation of identifying a wakeup error call of an electronic device according to an embodiment of the present disclosure.
  • the server 108 may identify an erroneous call.
  • the operation of identifying an erroneous call according to an embodiment is the same as the operation of FIGS. 5 to 10 , and thus a redundant description will be omitted.
  • the server 108 transmits erroneous call information to the electronic device 101 (eg, the electronic device 101 of FIG. 1 , the user terminal 201 of FIG. 2 , or the electronic device 101 of FIG. 6 ). do.
  • the server 108 may transmit miscall information including feature points of a voice identified as a miscall to the electronic device 101 .
  • the electronic device 101 may store the false call information received from the server 108 in a memory (eg, the memory 130 of FIG. 1 ).
  • the electronic device 101 may receive a voice.
  • the electronic device 101 may receive a trigger voice for waking up the voice assistant function.
  • the electronic device 101 may identify whether a received voice call is erroneous. For example, the electronic device 101 may identify whether the received voice is called by mistake based on the stored false call information. For example, the electronic device 101 may identify whether the received voice is called incorrectly based on a similarity between the stored erroneous call voice feature points and the received voice feature point.
  • the electronic device 101 may provide a non-response in operation 1207 .
  • the electronic device 101 may provide a non-response to the received voice and end the response process to the received voice.
  • the electronic device 101 may transmit the received voice to the server 108 .
  • the server 108 may perform a response process for the voice received from the electronic device 101 .
  • the server 108 converts the received voice to a voice recognition module (eg, the ASR module 221 of FIG. 2 or the normal response of FIG. 6 ) in order to perform a response process for the voice received from the electronic device 101 .
  • the response process includes a natural language processing (NLU) module (eg, the NLU module 223 of FIG. 2), a natural language generation (NLG) module (eg, the NLG module 227 of FIG. 2) and speech conversion (A TTS) module (eg, the TTS module 229 of FIG. 2 ) may be further included.
  • NLU natural language processing
  • NLG natural language generation
  • a TTS speech conversion
  • the electronic device 101 stores the false call information and transmits the received voice to the server 108 , it identifies whether the received voice is called by mistake based on the stored false call information, and When it is identified, by terminating the response process for the received voice, it is possible to reduce a wakeup due to an erroneous call and a resource used for a response process due to an erroneous call.
  • FIG. 13 is a diagram for explaining a situation in which a response is provided in case of an incorrect wakeup call according to an embodiment of the present disclosure.
  • the electronic device 101 may receive a wakeup voice. , when it is identified as an erroneous call by a server (eg, the server 108 of FIG. 1 , the intelligent server 200 of FIG. 2 , or the server 108 of FIG. 6 ), a response may not be provided.
  • a server eg, the server 108 of FIG. 1 , the intelligent server 200 of FIG. 2 , or the server 108 of FIG. 6
  • the process is performed without a response to the wake-up voice reception due to the server's identification of an erroneous call. can be shut down
  • the electronic device 101 compares the received wake-up voice with information on the stored wrong call voice, and the received wake-up voice If the voice is identified as an erroneous call, the process may be terminated without a response to the received wake-up voice.
  • the electronic device 101 may provide an ambiguous response from the server to check whether the wakeup is performed.
  • the electronic device 101 recognizes that the wake-up voice has been received, but the server is ambiguous whether the wake-up voice is received by the sound of the TV or uttered by the user's intention, the received voice , by outputting an ambiguous response such as “Did you call me?” through the electronic device 101 without performing automatic voice recognition (ASR), it is possible to check whether to wake up by inducing the user's utterance.
  • ASR automatic voice recognition
  • a server (eg, server 108 of FIG. 1 ) includes a communication module and at least one processor operatively connected to the communication module, wherein the at least one processor receives the If the traffic volume of the plurality of voices for waking up the voice assistant function is greater than or equal to the set value, a plurality of clusters are created based on the mutual similarity of the plurality of voices, and the similarity between the voices included in each of the plurality of clusters is calculated. based on whether or not to respond to each of the voices included in each of the plurality of clusters may be determined.
  • the at least one processor may identify a feature point of each of the plurality of voices, and generate the plurality of clusters based on similarities of the feature points of each of the plurality of voices.
  • the at least one processor may be configured to: acquire a partial voice of each of the at least one voice when at least one voice whose length is equal to or greater than a set value among the plurality of voices is included, and the at least one With respect to a voice, the plurality of clusters may be generated based on the similarity of some voices of each of the at least one voice.
  • the at least one processor may erroneously select the plurality of voices included in the first cluster.
  • the call may be determined, and the response process may be terminated without a response to the plurality of voices included in the first cluster.
  • the at least one processor is configured to send a command for increasing a threshold value for wake-up recognition to a plurality of terminal devices corresponding to each of the plurality of voices included in the first cluster for a set period of time. can be transmitted
  • the at least one processor may send a command to extend the set time to the at least one terminal device. can be transmitted
  • the at least one processor may generate response data for determining whether to wake up when the similarity between the plurality of voices included in the first cluster is in a second range lower than the first range. It may transmit to a plurality of terminal devices corresponding to each of the plurality of voices included in the cluster.
  • the at least one processor when the similarity between the plurality of voices included in the first cluster is a third range lower than the second range, the at least one processor is configured to convert the plurality of voices to an automatic voice recognition (ASR) module.
  • ASR automatic voice recognition
  • the at least one processor may store the feature points for the plurality of voices included in the first cluster as the feature points of the erroneous call in the memory.
  • the at least one processor may transmit the plurality of voices for waking up the voice assistant function to an automatic voice recognition (ASR) module.
  • ASR automatic voice recognition
  • the control method of the server includes a plurality of clusters based on the mutual similarity of the plurality of voices when the traffic volume of the plurality of voices for waking up the voice assistant function received within a set period is equal to or greater than a set value. and determining whether to respond to each of the voices included in each of the plurality of clusters based on a similarity between the voices included in each of the plurality of clusters.
  • the generating of the plurality of clusters may include identifying feature points of each of the plurality of voices and generating the plurality of clusters based on a similarity of the feature points of each of the plurality of voices.
  • the generating of the plurality of clusters includes: when at least one voice whose length is equal to or greater than a set value among the plurality of voices is included, acquiring a partial voice of each of the at least one voice, and For at least one voice, the plurality of clusters may be generated based on the similarity of some voices of each of the at least one voice.
  • the plurality of voices included in the first cluster may include an operation of determining to be an erroneous call and an operation of terminating a response process without responding to the plurality of voices included in the first cluster.
  • the method may further include transmitting a command for upwardly adjusting a threshold value for wake-up recognition for a set time to a plurality of terminal devices corresponding to each of the plurality of voices included in the first cluster.
  • the method may further include, when an erroneous call is received from at least one terminal device among the plurality of terminal devices within the set time, transmitting a command to extend the set time to the at least one terminal device.
  • the determining of whether to respond may include: when the similarity between the plurality of voices included in the first cluster is in a second range lower than the first range, response data for checking whether to wake up is the and transmitting to a plurality of terminal devices corresponding to each of the plurality of voices included in the first cluster.
  • ASR automatic speech recognition
  • the method may further include the operation of storing the feature points for the plurality of voices included in the first cluster as the feature points of the erroneous call.
  • the method may further include transmitting the plurality of voices for waking up the voice assistant function to an automatic voice recognition (ASR) module.
  • ASR automatic voice recognition
  • the electronic device may have various types of devices.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a smart bracelet
  • a home appliance device e.g., a home appliance
  • first, second, or first or second may simply be used to distinguish 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”. When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logic block, component, or circuit.
  • a module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document include one or more instructions stored in a storage medium (eg, internal memory 136 or external memory 138) readable by a machine (eg, electronic device 101).
  • a storage medium eg, internal memory 136 or external memory 138
  • the processor eg, the processor 120
  • the device eg, the electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain a signal (eg, electromagnetic wave), and this term is used in cases where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
  • a signal eg, electromagnetic wave
  • the method according to various embodiments disclosed in this document may be provided in a computer program product (computer program product).
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Telephonic Communication Services (AREA)

Abstract

서버가 제공된다. 서버는, 통신 회로 및 통신 회로와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로세서는, 설정된 기간 내에 수신된 음성 비서 기능을 웨이크업하기 위한 복수의 음성의 트래픽량이 설정된 값 이상임에 응답하여, 복수의 음성의 상호 간 유사도를 기반으로 복수의 클러스터를 생성하고, 복수의 클러스터 각각에 포함된 음성 간 유사도를 기반으로 복수의 클러스터 각각에 포함된 음성 각각에 대한 응답 여부를 결정할 수 있다.

Description

오호출을 식별하는 서버 및 이의 제어 방법
본 개시는, 오호출을 식별하는 서버 및 이의 제어 방법에 관한 것이다.
근래에는 사용자 음성 입력에 대한 응답을 제공하는 인공지능 비서 기능(예로, 빅스비TM, 어시스턴트TM, 알렉사TM 등)을 이용한 다양한 서비스들이 제공되고 있다.
인공지능 비서 기능의 웨이크업(wakeup)은 음성 인식 외에도 하드웨어 방식의 물리버튼, 소프트웨어 방식의 디스플레이 터치 등 다양한 시작 방법(launch method)을 가질 수 있다.
그 중 음성 인식 기반의 웨이크업을 사용하는 경우, 전자 장치는 저전력 내장 마이크를 통해 주변 소리를 감시하고 있으며, 트리거 키워드(trigger keyword)의 음성이 감지되면 작동을 시작하게 된다.
인공지능 비서 기능이 웨이크업된 이후에는, 자동 음성 인식(ASR), 자연어 이해(NLU), 자연어 생성(NLG), 음성 합성(TTS) 기술을 이용하여 사용자에게 응답이 제공된다.
위의 정보는 본 개시의 이해를 돕기 위한 배경 정보로서만 제공된다. 위의 내용 중 어느 것이 본 개시와 관련하여 선행 기술로 적용될 수 있는지 여부에 대한 결정이 내려지지 않았으며 주장도 이루어지지 않았다.
때때로, 사용자가 트리거 키워드를 말하지 않아도 음성 비서 기능이 웨이크업되는 의도하지 않은 오호출(false wakeup)이 발생 가능성이 있다.
텔레비전(TV)이나 퍼스널 컴퓨터(PC)와 같은 미디어를 통해, 키워드와 유사한 패턴 또는 키워드와 다르지만 특정 패턴을 지닌 음성이나 발화로 인식될 수 있는 소음이 유입될 경우, 원인을 알 수 없는 급작스런 사용량이 증가가 발생되며, 다수의 디바이스가 사용자의 호출 없이 동시에 깨어나게 되어 사용자들에게 불편함을 주게 된다.
본 개시의 양태는 적어도 위에서 언급된 문제 및/또는 단점을 해결하고 적어도 아래에서 설명되는 이점을 제공하는 것이다. 따라서, 본 개시의 양태는 동시간 대에 대량으로 웨이크업을 위한 음성이 수신된 경우, 오호출을 식별하는 서버 및 이의 제어 방법을 제공한다.
추가적인 양태는 다음의 설명에서 부분적으로 설명될 것이고, 부분적으로는 설명으로부터 명백할 것이고, 또는 제시된 실시예의 실행에 의해 학습될 수 있다.
본 개시의 일 양태에 따르면 서버가 제공된다. 서버는, 통신 모듈 및 상기 통신 모듈과 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 설정된 기간 내에 수신된 음성 비서 기능을 웨이크업하기 위한 복수의 음성의 트래픽량이 설정된 값 이상이면, 상기 복수의 음성의 상호 간 유사도를 기반으로 복수의 클러스터를 생성하고, 상기 복수의 클러스터 각각에 포함된 음성 간 유사도를 기반으로 상기 복수의 클러스터 각각에 포함된 음성 각각에 대한 응답 여부를 결정할 수 있다.
본 개시의 다른 일 양태에 따르면, 서버의 제어 방법이 제공된다. 방법은, 설정된 기간 내에 수신된 음성 비서 기능을 웨이크업하기 위한 복수의 음성의 트래픽량이 설정된 값 이상이면, 상기 복수의 음성의 상호 간 유사도를 기반으로 복수의 클러스터를 생성하는 동작 및 상기 복수의 클러스터 각각에 포함된 음성 간 유사도를 기반으로 상기 복수의 클러스터 각각에 포함된 음성 각각에 대한 응답 여부를 결정하는 동작을 포함할 수 있다.
본 개시의 다양한 실시 예에 따른 전자 장치는, 사용자 의도에 의한 발화가 입력된 경우에만 웨이크업하여 응답을 제공함으로써, 오호출로 인한 웨이크업 및 오호출로 인한 응답 프로세스에 사용되는 리소스의 낭비를 줄일 수 있다.
본 개시의 다른 양태, 이점, 및 두드러진 특징은 첨부된 도면과 함께 취해진 다음의 상세한 설명으로부터 당업자에게 명백할 것이며, 이는 본 발명의 다양한 실시 양태를 개시한다.
본 개시의 특정 실시양태의 상기 및 기타 측면, 특징 및 이점은 첨부 도면과 함께 취해진 다음 설명으로부터 더욱 명백할 것이다:
도 1은 본 개시의 일 실시 예에 따른 네트워크 환경 내의 전자 장치의 블럭도이다.
도 2는 본 개시의 일 실시 예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 본 개시의 일 실시 예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 본 개시의 일 실시 예에 따른 서버와 전자 장치의 통신 연결 형태를 설명하기 위한 도면이다.
도 5는 본 개시의 일 실시 예에 따른 서버의 웨이크업 오호출 여부 결정 동작을 설명하기 위한 도면이다.
도 6은 본 개시의 일 실시 예에 따른 웨이크업 오호출 여부 결정 시스템을 설명하기 위한 도면이다.
도 7은 본 개시의 일 실시 예에 따른 서버의 웨이크업 오호출 여부에 따른 응답 프로세스를 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시 예에 따른 복수의 음성 간 유사도를 획득하는 동작을 설명하기 위한 도면이다.
도 9는 본 개시의 일 실시 예에 따른 서버의 클러스터링 동작을 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시 예에 따른 서버의 응답 프로세스의 응답 생성 동작을 설명하기 위한 도면이다.
도 11은 본 개시의 일 실시 예에 따른 웨이크업 오호출 시 전자 장치의 동작을 설명하기 위한 도면이다.
도 12는 본 개시의 일 실시 예에 따른 전자 장치의 웨이크업 오호출 식별 동작을 설명하기 위한 도면이다.
도 13은 본 개시의 일 실시 예에 따른 웨이크업 오호출 시 응답 제공 상황을 설명하기 위한 도면이다.
도면 전체에 걸쳐, 동일한 참조 번호가 동일하거나 유사한 요소, 특징 및 구조를 묘사하는 데 사용된다는 점에 유의해야 한다.
첨부된 도면을 참조한 다음의 설명은 청구범위 및 그 균등물에 의해 정의된 바와 같은 본 개시의 다양한 실시 양태의 포괄적인 이해를 돕기 위해 제공된다. 여기에는 이해를 돕기 위한 다양한 특정 세부 사항이 포함되어 있지만, 이는 단지 예시적인 것으로 간주되어야 한다. 따라서, 본 기술 분야의 통상의 지식을 가진 자는 본 개시의 범위 및 사상을 벗어나지 않고, 본 명세서에 기재된 다양한 실시예의 다양한 변경 및 수정이 이루어질 수 있음을 인식할 것이다. 또한, 명료함과 간결함을 위해 잘 알려진 기능 및 구성에 대한 설명은 생략할 수 있다.
하기 설명 및 청구범위에서 사용된 용어 및 단어는 서지적 의미에 한정되지 않으며, 본 개시의 명확하고 일관된 이해를 가능하게 하기 위해 발명자가 단지 사용된 것이다. 따라서, 본 개시의 다양한 실시예에 대한 다음 설명은 첨부된 청구범위 및 그 균등물에 의해 정의된 바와 같은 본 발명을 제한하기 위한 것이 아니라 단지 예시의 목적으로 제공된다는 것이 당업자에게 명백해야 한다.
단수 형태 "a", "an" 및 "the"는 문맥이 달리 명백하게 지시하지 않는 한 복수 지시 대상을 포함하는 것으로 이해되어야 한다. 따라서, 예를 들어 "구성요소 표면"에 대한 언급은 그러한 표면 중 하나 이상에 대한 언급을 포함한다.
도 1은, 본 개시의 일 실시예에 따른, 네트워크 환경 내의 전자 장치의 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, 5세대(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 본 개시의 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 2를 참조하면, 일 실시예의 통합 지능화 시스템은 사용자 단말(201), 지능형 서버(200), 및 서비스 서버(300)를 포함할 수 있다.
일 실시 예의 사용자 단말(201)(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 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(201)은 통신 모듈(190), 마이크(예: 입력 모듈(150)), 스피커(예: 음향 출력 모듈(155)), 디스플레이 모듈(160), 메모리(130), 또는 프로세서(120)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 모듈(190)(예: 도 1의 통신 모듈(190))은 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(예: 도 1의 입력 모듈(150))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시 예의 스피커(예: 도 1의 음향 출력 모듈(155))는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이 모듈(160)(예: 도 1의 디스플레이 모듈(160))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이 모듈(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 앱들을 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 앱은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱은 제1 앱(135_1), 제2 앱(135_3) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱 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 앱은 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 사용자 단말(201)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(120)는 통신 모듈(190), 마이크(예: 입력 모듈(150)), 스피커(예: 음향 출력 모듈(155)), 및 디스플레이 모듈(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 앱의 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(예: 입력 모듈(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(201)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 모듈(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 모듈(160)에 표시할 수 있다. 클라이언트 모듈(131)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(201)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)(예: 도 1의 서버(108))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(201)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. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 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 정의된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(200)는 생성된 플랜에 따른 결과를 사용자 단말(201)로 송신하거나, 생성된 플랜을 사용자 단말(201)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)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), 또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.
일 실시 예의 프론트 엔드(210)는 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 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)또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)를 포함할 수 있다.
일 실시 예의 ASR 모듈(221)은 사용자 단말(201)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 NLU 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, NLU 모듈(223)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 NLU 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 NLU 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 NLG 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 TTS 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(201)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(201)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(201) 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(201)로 송신할 수 있다. 이에 따라, 사용자 단말(201)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(201)에 지정된 서비스(예: 음식 주문, 호텔 예약, CP 서비스 A(301), CP 서비스 B(302), 또는 CP 서비스 C)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(201)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(201)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(201)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(201)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(201)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(201)이 지능형 서버(200) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(예: 입력 모듈(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(201)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(201)은, 통신 모듈(190)을 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(201)은 상기 스피커(예: 음향 출력 모듈(155))를 이용하여 사용자 단말(201) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(160)를 이용하여 사용자 단말(201) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 3은 본 개시의 일 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(200)(예: 도 1의 서버(108))의 캡슐 데이터베이스(예: 캡슐 데이터베이스(230))는 CAN (concept action network)(400) 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 3 (406), 또는 CP 4(405))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 본 개시의 일 실시 예에 따른 서버와 전자 장치의 통신 연결 형태를 설명하기 위한 도면이다.
도 4를 참조하면, 서버(108)(예: 도 1의 서버(108) 또는 도 2의 지능형 서버(200))은 복수의 전자 장치(101-1 및 101-2, ...,101-n)(예: 도 1의 전자 장치(101))와 통신할 수 있다.
일 실시 예에 따라, 복수의 전자 장치(101-1 및 101-2, ...,101-n)는 서로 다른 이격 공간(예: 가정, 사무실 또는 학교)에 각각 배치될 수 있으며, 복수의 전자 장치(101-1 및 101-2, ...,101-n) 중 일부의 전자 장치는 동일한 공간에 배치될 수도 있다.
일 실시 예에 따라, 복수의 전자 장치(101-1 및 101-2, ...,101-n) 각각의 사용자는 서로 다를 수 있으며, 복수의 전자 장치(101-1 및 101-2, ...,101-n) 중 일부의 전자 장치는 사용자가 동일할 수도 있다.
일 실시 예에 따라, 서버(108)는 복수의 전자 장치(101-1 및 101-2, ...,101-n) 중 적어도 하나로부터 사용자 발화 음성을 수신하고, 수신된 사용자 발화 음성에 대한 답변을 사용자 발화 음성을 전송한 적어도 하나의 전자 장치에 전송할 수 있다.
도 5는 본 개시의 일 실시 예에 따른 서버의 웨이크업 오호출 여부 결정 동작을 설명하기 위한 도면이다.
도 5를 참조하면, 510 동작에서, 서버(예: 도 1의 서버(108) 또는 도 2의 지능형 서버(200))는, 설정된 기간 내에 통신 모듈을 통해 수신된 음성 비서 기능을 웨이크업하기 위한 복수의 음성의 트래픽량이 설정된 값 이상이면, 복수의 음성 상호 간 유사도를 기반으로 복수의 클러스터를 생성할 수 있다.
예를 들어, 복수의 사용자가 전자 장치의 음성 비서 기능을 웨이크업하기 위한 음성을 동시에 발화하는 경우는 드물기 때문에, 서버는 통신 모듈을 통해 복수의 전자 장치(예: 도 1의 전자 장치(101) 또는 도 4의 복수의 전자 장치(101-1 및 101-2, ...,101-n))로부터 설정된 시간(예: 동시 또는 설정된 n초(ms)) 내에 수신된 웨이크업을 위한 복수의 음성의 트래픽량이 설정된 값(예: 복수의 음성의 수가 100개) 이상인지 여부를 식별할 수 있다.
일 실시 예에 따라, 설정된 시간 내에 수신된 복수의 음성의 트래픽량이 설정된 값 미만인 것으로 식별되면, 서버는 복수의 음성에 대해 정상 응답을 제공하기 위해, 복수의 음성을 ASR 모듈(예: 도 2의 ASR 모듈(221) 또는 도 6의 정상 응답 프로세스의 음성 인식(ASR) 모듈(650))로 전달할 수 있다.
일 실시 예에 따라, 설정된 시간 내에 수신된 복수의 음성의 트래픽량이 설정된 값 이상인 것으로 식별되면, 서버는 사용자 발화가 아닌 외부 미디어의 음성에 의해 오호출된 것은 아닌지 식별할 수 있다.
예를 들어, 서버는 설정된 시간 내에 수신된 복수의 음성의 상호간 유사도를 기반으로 복수의 클러스터를 생성할 수 있다. 일 실시 예에 따라, 클러스터 각각은 복수의 음성 중 둘 이상의 음성을 포함할 수 있으며, 클러스터 각각은 유사도의 범위를 기준으로 분류될 수 있다. 일 실시 예에 따른 클러스터의 형태는 이하 도 9를 참조하여 설명하기로 한다.
일 실시 예에 따라, 복수의 음성 중 상호 간 유사도가 제1 범위(예: 100%) 2개 이상의 음성이 하나의 클러스터를 생성하고, 나머지 음성이 하나의 클러스터를 생성할 수 있으며, 이 경우 복수의 음성은 2개의 클러스터로 분류될 수 있다.
또 다른 실시 예로, 복수의 음성 중 상호 간 유사도가 제2 범위(예: 80% 이상 100% 미만)인 2개 이상의 음성이 하나의 클러스터를 생성하고, 나머지 음성이 하나의 클러스터를 생성할 수 있으며, 이 경우 복수의 음성은 2개의 클러스터로 분류될 수 있다.
또 다른 실시 예로, 복수의 음성 중 상호 간 유사도가 제1 범위(예: 100%) 2개 이상의 음성이 하나의 클러스터를 생성하고, 복수의 음성 중 상호 간 유사도가 제2 범위(예: 80% 이상 100% 미만)인 2개 이상의 음성이 하나의 클러스터를 생성하고, 나머지 음성이 하나의 클러스터를 생성할 수 있으며, 이 경우 복수의 음성은 3개의 클러스터로 분류될 수 있다.
또 다른 실시 예로, 복수의 음성 모두의 상호 간 유사도가 제1 범위 또는 제2 범위이면, 클러스터는 하나일 수도 있다.
일 실시 예에 따라, 서버는 복수의 음성 중 임의의 수의 음성을 무작위로 샘플링하여 비교군으로 선정하거나, 복수의 음성 각각을 무작위로 비교하여 유사도가 설정된 값 이상인 2개의 음성이 식별되면, 식별된 2개의 음성을 비교군으로 선정할 수 있다.
일 실시 예에 따라, 서버는 비교군으로 선정된 음성과 나머지 음성을 각각 비교하여 유사도를 획득하고, 획득된 유사도를 기반으로 복수의 음성을 분류하여 복수의 클러스터를 생성할 수 있다.
일 실시 예에 따라, 서버는 복수의 음성 각각의 특징점을 식별하고, 식별된 특징점을 비교하여 복수의 음성의 유사도를 획득할 수 있다. 예를 들어, 특징점은 음성을 파형 또는 스펙트럼 형태로 분해한 뒤 획득되는 피크의 위치 및 분포를 포함할 수 있다. 이와 같이 언어의 이해의 필요 없이 특징점만으로 유사도를 판단함으로 인해 처리 속도가 빠르고 리소스 소모를 줄일 수 있다. 일 실시 예에 따른 음성의 특징점은 이하 도 8을 참조하여 설명하기로 한다.
일 실시 예에 따라, 서버는 복수의 음성 각각의 일부만을 기반으로 유사도를 획득할 수 있다. 예를 들어, 서버는 복수의 음성 각각의 초반부만을 기반으로 유사도를 획득할 수 있다. 또 다른 실시 예로, 서버는 복수의 음성 중 음성의 길이가 설정된 값 이상인 적어도 하나의 음성이 포함되면, 적어도 하나의 음성에 대해서만 일부 음성을 이용하여 유사도를 획득할 수도 있다. 일 실시 예에 따라, 서버는 음성 각각의 일부의 특징점을 식별하고, 특징점을 기반으로 유사도를 획득할 수 있다. 이와 같이 음성 각각의 일부만을 이용하여 유사도를 판단함으로 인해 처리 속도가 빠르고 리소스 소모를 줄일 수 있다.
일 실시 예에 따라, 서버는 복수의 음성을 각각 송부한 전자 장치의 환경적 특징(예: 마이크 위치)에 대한 특징을 제거한 이후 복수의 음성 각각에 대한 유사도를 판단할 수 있다.
상술한 서버의 클러스터링 동작은 일 실시 예에 불과하며, 서버는 이외의 클러스터링 기법을 이용하여 클러스터링을 수행할 수도 있다.
일 실시 예에 따라, 520 동작에서, 서버는 복수의 클러스터 각각에 포함된 음성 간 유사도를 기반으로 복수의 클러스터 각각에 포함된 음성 각각에 대한 응답 여부를 결정할 수 있다.
일 실시 예에 따라, 하나의 클러스터에 포함된 복수의 음성 간 유사도가 제1 범위(예: 100%)이면, 서버는 클러스터에 포함된 복수의 음성이 모두 오호출인 것으로 판단하고, 무응답을 제공하는 것으로 결정할 수 있다. 예를 들어, 서버는 오호출로 판단된 음성에 대해서는 응답 없이 응답 프로세스를 종료할 수 있다.
일 실시 예에 따라, 서버는 오호출로 판단된 음성을 제공한 단말 장치에 응답 제공 없이 웨이크업 인식을 위한 임계 값을 설정된 시간 동안 상향 조정하기 위한 명령을 전송할 수 있다. 이로 인해 웨이크업을 위한 음성을 명확히 발음하는 경우에만 웨이크업을 위한 음성이 서버로 전달되어 오호출의 반복을 방지할 수 있다.
일 실시 예에 따라, 웨이크업 인식을 위한 임계 값이 상향 조정된 설정된 시간 내에 복수의 단말 장치 중 적어도 하나의 단말 장치로부터 오호출이 다시 수신되면, 서버는 설정된 시간을 연장하는 명령을 오호출을 다시 전송한 적어도 하나의 단말 장치에 전송할 수 있다.
일 실시 예에 따라, 하나의 클러스터에 포함된 복수의 음성이 오호출인 것으로 식별되면, 서버는 오호출로 식별된 복수의 음성의 특징점을 오호출의 특징점으로 메모리에 저장할 수 있다. 일 실시 예에 따라, 서버는 트래픽량과 무관하게 수신된 음성의 특징점과 저장된 오호출의 특징점의 유사도가 설정된 값 이상이면, 수신된 음성이 오호출인 것으로 식별할 수 있다. 또 다른 실시 예에 따라, 서버는 이후 설정된 시간 내에 수신된 복수의 음성의 트래픽량이 설정된 값 이상인 것으로 식별되는 경우, 복수의 음성 간의 유사도 비교 전 저장된 오호출의 특징점을 기반으로 복수의 음성의 오호출 여부를 식별할 수도 있다.
일 실시 예에 따라, 하나의 클러스터에 포함된 복수의 음성 간 유사도가 제2 범위(예: 80% 이상 100% 미만)이면, 서버는 클러스터에 포함된 복수의 음성에 대해 중의적 응답을 제공하도록 결정할 수 있다. 예를 들어, 중의적 응답은 웨이크업 여부를 확인하는 응답 또는 모든 상황에 적합한 발화를 포함할 수 있다.
일 실시 예에 따라, 서버는 유사도가 제2 범위인 클러스터에 포함된 복수의 음성 각각에 대응되는 복수의 단말 장치에 중의적 응답을 전송할 수 있다.
일 실시 예에 따라, 하나의 클러스터에 포함된 복수의 음성 간 유사도가 상기 제2 범위보다 낮은 제3 범위(예: 80% 미만)이면, 서버는 클러스터에 포함된 복수의 음성이 정상 호출인 것으로 판단하고, 정상 응답 프로세스를 수행할 수 있다. 예를 들어, 서버는 클러스터 내 복수의 음성을 ASR 모듈(예: 도 2의 ASR 모듈(221) 또는 도 6의 정상 응답 프로세스의 ASR 모듈(650))로 전달하여 정상 응답을 제공할 수 있다.
유사도의 제1 범위, 제2 범위 및 제3 범위를 구분하는 유사도의 임계 값은 상술한 예시에 한정되지 않고, 일 실시 예에 따라 변경 가능하다.
도 6은 본 개시의 일 실시 예에 따른 웨이크업 오호출 여부 결정 시스템을 설명하기 위한 도면이다.
도 6을 참조하면, 전자 장치(101)(예: 도 1의 전자 장치(101) 또는 도 4의 복수의 전자 장치(101-1 및 101-2, ...,101-n))는 음성 비서 기능을 웨이크업을 위한 트리거 음성(10)을 수신할 수 있다. 예를 들어, 웨이크업을 위한 트리거 음성(10)은 설정된 특정 키워드로, 사용자 발화 음성, 주변 소음 또는 미디어 오디오 중 적어도 하나를 포함할 수 있으며, 사용자가 의도한 웨이크업 트리거 음성이거나, 오인식된 오호출 음성일 수 있다.
일 실시 예에 따라, 전자 장치(101)는 음성 비서 기능을 웨이크업하기 위한 트리거 음성(10)이 수신되면, 트리거 음성(10)을 서버(108)(예: 도 1의 서버(108), 도 2의 지능형 서버(200) 또는 도 4의 서버(108))에 전송할 수 있다.
일 실시 예에 따라, 서버(108)는 트래픽 모니터 모듈(610)을 통해 설정된 시간(예: 동시 또는 n초(ms)) 내에 수신된 복수의 음성의 트래픽량을 식별할 수 있다. 예를 들어, 복수의 음성은 각각 다른 전자 장치에서 수신된 것일 수 있다. 일 실시 예에 따라, 트래픽 모니터 모듈(610)은 서버(108)의 프론트 엔드(예: 도 2의 프론트 엔드(210))에 포함될 수 있다.
일 실시 예에 따라, 서버(108)는 트래픽 모니터 모듈(610)을 통해 설정된 시간 내에 수신된 복수의 음성의 트래픽량이 설정된 값 미만이면, 정상 응답을 제공하는 것으로 식별하고, 정상 응답 프로세스(650)를 진행하기 위해 복수의 음성을 ASR 모듈로 전달할 수 있다. 일 실시 예에 따라, 정상 응답 프로세스(650)는 ASR 모듈(예: 도 2의 ASR 모듈(221)) 및 NLU 모듈(예: 도 2의 NLU 모듈(223))을 포함할 수 있고, 도 6에는 도시되어 있지 않지만, NLG 모듈(예: 도 2의 NLG 모듈(227)) 및 TTS 모듈(예: 도 2의 TTS 모듈(229))을 더 포함할 수 있다.
일 실시 예에 따라, 서버(108)는 트래픽 모니터 모듈(610)을 통해 설정된 시간 내에 수신된 복수의 음성의 트래픽량이 설정된 값 이상이면, 호출 여부 식별 모듈(620)을 통해 설정된 시간 내에 수신된 복수의 음성에 대해 오호출 여부를 식별할 수 있다.
일 실시 예에 따라, 서버(108)는 호출 여부 식별 모듈(620)을 통해 설정된 시간 내에 수신된 복수의 음성의 유사도를 기반으로 복수의 클러스터를 생성할 수 있으며, 하나의 클러스터에 포함된 복수의 음성 간의 유사도의 범위에 따라 응답 여부를 결정할 수 있다.
일 실시 예에 따라, 서버(108)는 호출 여부 식별 모듈(620)을 통해 하나의 클러스터 내에 포함된 복수의 음성 간의 유사도가 제1 범위(예: 100%)이면, 복수의 음성이 완전히 일치하는 것으로 식별하고, 복수의 음성이 주변 소음 또는 미디어 오디오에 의한 오호출인 것으로 식별할 수 있다.
일 실시 예에 따라, 서버(108)는 호출 여부 식별 모듈(620)을 통해 하나의 클러스터 내에 포함된 복수의 음성 간의 유사도가 제2 범위(예: 80% 이상 100% 미만)이면, 중의적 응답을 제공하도록 결정할 수 있다. 복수의 음성 간의 유사도가 제2 범위인 경우는, 주변 소음 또는 미디어 오디오에 웨이크업을 위한 사용자의 발화가 함께 수신된 경우일 수 있으므로, 서버(108)는 웨이크업 여부를 확인하기 위한 중의적 응답을 제공하도록 결정할 수 있다.
일 실시 예에 따라, 서버(108)는 호출 여부 식별 모듈(620)을 통해 하나의 클러스터 내에 포함된 복수의 음성 간의 유사도가 제3 범위(예: 80% 미만)이면, 정상 응답 프로세스(650)로 진행하도록 결정할 수 있다. 정상 응답 프로세스(650)로 진행하는 경우, 서버(108)는 자연어 처리 모듈의 출력에 대응되는 응답을 제공하도록 결정할 수 있다.
일 실시 예에 따라, 서버(108)는 호출 여부 식별 모듈(620)에 의해 획득된 식별 결과를 응답 생성기(630)에 전달할 수 있다.
일 실시 예에 따라, 서버(108)는 하나의 클러스터에 포함된 복수의 음성이 오호출로 식별된 경우, 오호출로 식별된 복수의 음성의 특징점을 오호출 리스트(640)에 저장할 수 있다.
일 실시 예에 따라, 응답 생성기(630)는 하나의 클러스터에 포함된 복수의 음성이 오호출로 식별된 경우, 음성을 전송한 전자 장치(101)에 응답 제공 없이 응답 프로세스를 종료할 수 있다.
일 실시 예에 따라, 서버(108)는 오호출인 경우, 설정된 시간 동안 웨이크업을 위한 임계 값을 상향 조정하기 위한 명령을 전자 장치(101)의 동적 wakeup 변환기 모듈에 전송할 수 있다.
예를 들어, 웨이크업을 위한 키워드와 트리거 음성의 유사도가 7인 경우(완전 일치를 10으로 가정) 웨이크업을 성공하도록 기본 설정이 된 상태라면, 전자 장치(101)는 서버(108)로부터 수신된 명령을 기반으로 웨이크업 성공을 위한 임계 값을 8로 일정 시간(예: 1분) 동안 상향 조정할 수 있다.
일 실시 예에 따라, 서버(108)는 클러스터의 크기를 기반으로 임계 값의 상향 조정량을 결정할 수 있다. 예를 들어, 오호출로 식별된 음성의 수가 설정된 값 이상이면 임계 값을 더 크게 상향 조정할 수 있다. 예를 들어, 오호출로 식별된 음성을 포함하는 클러스터의 크기가 설정된 값 이상이면, 서버(108)는 임계 값을 9로 상향 조정하도록 전자 장치(101)에 명령을 전송할 수 있다.
일 실시 예에 따라, 서버(108)는 웨이크업을 위한 임계 값을 상향 조정된 시간 동안 전자 장치(101)로부터 오호출이 재입력되는 경우, 임계 값을 상향 조정하는 시간을 연장하기 위한 명령을 전자 장치(101)의 동적 wakeup 변환기 모듈에 전송할 수 있다.
예를 들어, 전자 장치(101)는 서버(108)로부터 수신된 연장 명령을 기반으로 웨이크업 성공을 위한 임계 값의 상향 조정 시간을 1분에서 5분으로 연장할 수 있다. 일 실시 예에 따라, 오호출이 재차 반복되는 경우 임계 값 상향 조정 시간이 10분, 30분과 같이 단계적으로 연장될 수 있다.
일 실시 예에 따라, 응답 생성기(630)는 하나의 클러스터에 포함된 복수의 음성에 대해 중의적 응답을 제공하도록 결정되거나, 정상 응답을 제공하도록 결정된 경우, 대응되는 응답을 생성하여 전자 장치(101)에 제공할 수 있다. 일 실시 예에 따른 응답 생성기(630)의 동작은 이하 도 10을 참조하여 설명하기로 한다.
도 7은 본 개시의 일 실시 예에 따른 서버의 웨이크업 오호출 여부에 따른 응답 프로세스를 설명하기 위한 도면이다.
일 실시 예에 따라, 도 7을 참조하면, 701 동작에서, 서버(예: 도 1의 서버(108) 또는 도 2의 지능형 서버(200))는, 웨이크업을 수신할 수 있다. 예를 들어, 서버는 복수의 전자 장치(예: 도 1의 전자 장치(101) 또는 도 2의 사용자 단말(201))에 수신된 웨이크업 음성을 복수의 전자 장치로부터 수신할 수 있다.
일 실시 예에 따라, 702 동작에서, 서버는 트래픽이 설정된 값 이상인지 여부를 식별할 수 있다. 예를 들어, 서버는 설정된 시간(예: 동시 또는 n초(ms)) 내에 설정된 값(예: 100개) 이상의 음성이 수신되었는지 여부를 판단할 수 있다.
일 실시 예에 따라, 트래픽이 설정된 값 이상이면(702 동작-예), 703 동작에서, 서버는 복수의 음성(audio) 각각의 초반부를 분리할 수 있다. 일 실시 예에 따라, 음성의 길이가 설정된 길이보다 짧다면 703 동작은 생략 가능하다.
일 실시 예에 따라, 704 동작에서, 서버는 복수의 음성 각각에서 특징점(feature)을 추출할 수 있다. 예를 들어, 서버는 음성을 파형과 스펙트럼 형태로 분해하고, 특징점을 실시간으로 추출할 수 있다. 음성에서 추출된 특징점은 이하 도 8을 참조하여 설명하기로 한다. 일 실시 예에 따라, 특징점 추출 동작은 특징점 추출 기법을 통해 수행될 수 있다. 일 실시 예에 따라, 서버는 음성을 스펙트로그램(spectrogram)으로 시각화하여 특징점을 확인할 수도 있다.
일 실시 예에 따라, 705 동작에서, 서버는 복수의 음성 중 N개의 음성을 무작위로 샘플링하여 비교군으로 선정할 수 있다. 일 실시 예에 따라, 서버는 복수의 음성 각각을 무작위로 비교하여 유사도가 설정된 값 이상인 2개의 음성이 식별되면, 식별된 2개의 음성을 비교군으로 선정할 수 있다.
일 실시 예에 따라, 706 동작에서, 서버는 비교군과 복수의 음성 각각의 특징점이 제1 범위의 유사도로 일치하는지 여부를 판단할 수 있다. 예를 들어, 서버는 비교군과 복수의 음성 각각의 특징점이 유사도 100%로 일치하는지 여부를 판단할 수 있다.
일 실시 예에 따라, 비교군과 복수의 음성 중 특정 음성의 특징점이 유사도 100%로 일치하면(706 동작-예), 707 동작에서, 서버는 식별된 음성을 비교군과 동일한 음성으로 클러스터링할 수 있다. 예를 들어, 서버는 비교군과 100% 일치하는 음성은 사용자 발화가 아닌 미디어에 의한 오호출로 판단하고 무응답을 제공하도록 결정할 수 있다.
일 실시 예에 따라, 708 동작에서, 서버는 무응답 제공 결과를 기반으로 응답을 생성할 수 있다.
일 실시 예에 따라, 비교군과 복수의 음성 중 특정 음성의 특징점이 유사도 100%로 일치하지 않으면(706 동작-아니오), 709 동작에서, 서버는 비교군과 특정 음성이 특징점이 유사한지 여부를 판단할 수 있다. 예를 들어, 서버는 비교군과 특정 음성의 특징점이 유사도 80% 이상으로 일치하는지 여부를 판단할 수 있다.
일 실시 예에 따라, 비교군과 특정 음성의 특징점의 유사도가 80% 이상으로 일치하면(709 동작-예), 서버는 710 동작에서, 특정 음성에 대한 클러스터링 작업을 중단하고, 특정 음성에 대해서는 중의적 문맥으로 응답을 제공하는 것으로 결정할 수 있다.
일 실시 예에 따라, 708 동작에서, 서버는 중의적 문맥 응답 제공 결과를 기반으로 응답을 생성할 수 있다.
일 실시 예에 따라, 비교군과 특정 음성의 특징점의 유사도가 80% 미만으로 일치하면(709 동작-아니오), 서버는 711 동작에서, 특정 음성에 대해 자동 음성 인식(ASR)을 수행할 수 있다. 일 실시 예에 따라, 712 동작에서, 서버는 자동 음성 인식된 결과를 이용하여 자연어 이해(NLU)를 수행할 수 있다. 예를 들어, 특정 음성과 비교군의 특징점의 유사도가 낮으면, 서버는 특정 음성에 대해서는 자연어 이해 결과를 기반으로 정상 응답을 제공하는 것으로 결정할 수 있다.
일 실시 예에 따라, 708 동작에서, 서버는 자연어 이해 결과를 기반으로 정상 응답을 생성할 수 있다. 예를 들어, 서버는 자연어 이해 결과를 기반으로 자연어 생성 및 텍스트 음성 변환을 수행하여 정상 응답을 생성할 수 있다.
일 실시 예에 따른, 음성 간 유사도를 기반으로 한 서버의 응답 생성 동작은 이하 도 10을 참조하여 설명하기로 한다.
일 실시 예에 따라, 트래픽이 설정된 값 미만이면(702 동작-아니오), 711 동작 및 712 동작에서, 서버는 수신된 웨이크업 음성을 ASR 및 NLU를 수행할 수 있다. 예를 들어, 서버는 트래픽이 설정된 값 미만이면, 수신된 웨이크업 음성에 대해 정상 응답을 제공하는 것으로 식별하고, 708 동작에서 수신된 웨이크업 음성에 대한 ASR 및 NLU를 기반으로 자연어 생성 및 텍스트 음성 변환을 수행하여 정상 응답을 생성할 수 있다.
도 8은 본 개시의 일 실시 예에 따른 복수의 음성 간 유사도를 획득하는 동작을 설명하기 위한 도면이다.
도 8(a)를 참조하면, 서버(예: 도 1의 서버(108) 또는 도 2의 지능형 서버(200))는 수신된 복수의 음성을 파형과 스펙트럼 형태로 도식화할 수 있다.
일 실시 예에 따라, 서버는, 복수의 음성의 음량의 경우 마이크의 위치나 주변 환경 요소에 의해 변화할 수 있으므로 정규화(normalization)할 수 있다.
일 실시 예에 따라, 서버는 복수의 음성 중 길이가 설정된 값 이상인 음성에 대해서는 초반 일부만을 분리할 수 있다.
도 8(b)를 참조하면, 서버는 도식화된 음성에서 특정 색상 부분 또는 적어도 하나의 피치를 특징점으로 식별할 수 있다. 예를 들어, 특징점의 위치 또는 분포는 성문(voiceprint) 데이터로 취급될 수 있다.
도 8(c)를 참조하면, 서버는 복수의 음성 각각의 특징점을 토대로 시간(time frame)을 일치시킨 후 복수의 음성 간 유사도를 판단하여 점수화(scoring)할 수 있다.
도 9는 본 개시의 일 실시 예에 따른 서버의 클러스터링 동작을 설명하기 위한 도면이다.
도 9를 참조하면, 서버는 획득된 복수의 음성(910) 중 유사도를 기반으로 클러스터(911)를 생성할 수 있다. 일 실시 예에 따라, 클러스터(911)에 포함되지 않은 복수의 음성들도 유사도가 낮은 복수의 음성이 군집된 하나의 클러스터로 볼 수 있다.
일 실시 예에 따라, 클러스터(911)는 상호 간 유사도가 제1 범위인 복수의 음성을 포함하도록 생성된 것일 수 있고, 상호 간 유사도가 제2 범위인 복수의 음성을 포함하도록 생성된 것일 수도 있다.
도 9에서는 설명의 편의를 위하여 하나의 클러스터(911)만을 도시하였으나, 복수의 음성(910) 내에 서로 다른 유사도를 기준으로 복수의 클러스터가 생성될 수도 있으며, 복수의 음성(910) 모두가 상호 일치하는 경우에는 복수의 음성 전체가 하나의 클러스터로 군집될 수 있다.
도 10은 본 개시의 일 실시 예에 따른 서버의 응답 프로세스의 응답 생성 동작을 설명하기 위한 도면이다. 예를 들어, 서버(예: 도 1의 서버(108), 도 2의 지능형 서버(200), 도 6의 서버(108) 또는 도 6의 응답 생성기(630))는 클러스터 내 복수의 음성 간 유사도에 따라 다른 응답을 생성할 수 있다.
도 10을 참조하면, 1001 동작에서, 서버는 파라미터를 체크할 수 있다. 예를 들어, 파라미터는 서버(예: 도 6의 호출 여부 식별 모듈(620))가 복수의 음성 간 유사도를 기반으로 획득한 것일 수 있다.
일 실시 예에 따라, 1002 동작에서, 파라미터가 무응답 파라미터인 것으로 판단되면, 서버는, 음성에 대한 응답 없이 응답 프로세스(flow)를 종료할 수 있다. 예를 들어, 무응답 파라미터는 웨이크업 음성이 오호출 음성인 것으로 식별된 경우의 파라미터일 수 있다.
일 실시 예에 따라, 1003 동작에서, 파라미터가 중의적 응답 제공 파라미터인 것으로 판단되면, 1004 동작에서, 서버는 중의적 응답 텍스트 생성을 위한 자연어 생성(NLG) 동작 및 중의적 응답 음성 합성을 위한 텍스트 음성 변환(TTS) 동작을 수행할 수 있다. 예를 들어, 중의적 응답이란, 의도에 의한 호출 상황 또는 오호출 상황과 같은 모든 상황에 적합한 발화를 의미할 수 있으며, "혹시 저를 불렀나요?"또는 "어? 무슨 소리가 들렸어요"와 같은 웨이크업 여부를 확인하는 발화를 포함할 수 있다.
일 실시 예에 따라, 1005 동작에서, 파라미터가 정상 응답 제공 파라미터인 것으로 판단되면, 1004 동작에서, 서버는 자연어 이해(NLU) 결과에 대응되는 응답 텍스트 생성을 위한 자연어 생성(NLG) 동작 및 중의적 응답 음성 합성을 위한 텍스트 음성 변환(TTS) 동작을 수행할 수 있다.
도 11은 본 개시의 일 실시 예에 따른 웨이크업 오호출 시 전자 장치의 동작을 설명하기 위한 도면이다. 예를 들어, 전자 장치는 하나의 클러스터에 포함된 복수의 음성이 오호출로 식별된 경우, 복수의 음성을 각각 서버로 전송한 복수의 전자 장치일 수 있다.
도 11을 참조하면, 전자 장치(예: 도 1의 전자 장치(101), 도 1의 프로세서(120), 도 2의 사용자 단말(201) 또는 도 6의 전자 장치(101))는, 1101 동작에서 웨이크업 엔진 세팅을 수신할 수 있다. 예를 들어, 전자 장치는 서버(예: 도 1의 서버(108), 도 2의 지능형 서버(200) 또는 도 6의 서버(108))로부터 오호출에 따른 웨이크업 임계 값을 상향 조절하기 위한 명령을 포함하는 웨이크업 엔진 세팅을 수신할 수 있다. 예를 들어, 웨이크업 엔진 세팅에는 웨이크업 성공을 인식하기 위한 임계 값 및 임계 값 상향 조정 시간에 대한 정보가 포함될 수 있다.
일 실시 예에 따라, 1102 동작에서, 전자 장치는 웨이크업을 위한 임계 값을 동적으로 변환할 수 있다. 예를 들어, 전자 장치는 웨이크업 엔진 세팅에 포함된 임계 값 상향 조정 시간 동안 웨이크업 성공을 인식하기 위한 임계 값을 상향 조정할 수 있다.
예를 들어, 웨이크업을 위한 키워드와 수신된 음성의 완전 일치가 10이고, 웨이크업 성공을 위한 임계 값이 7인 경우, 전자 장치는 설정된 시간 동안 임계 값을 8로 상향 조정할 수 있다. 이로 인해 웨이크업 인식 감도가 감소하고, 키워드를 정확히 발화하는 경우에만 웨이크업이 성공하여 오호출이 감소된다.
일 실시 예에 따라, 1103 동작에서, 전자 장치는 일정 시간 후 임계 값을 원상 복귀할 수 있다. 예를 들어, 임계 값 상향 조정 후 설정된 시간이 지나면 전자 장치는 임계 값을 원래 값으로 변경할 수 있다.
일 실시 예에 따라, 임계 값 상향 조정 후 설정된 시간이 지나기 전에 오호출이 재차 수신되면, 전자 장치는 서버로부터 임계 값 상향 조정 시간을 연장하기 위한 명령을 수신하고, 수신된 명령을 기반으로 임계 값 상향 조정 시간을 연장할 수 있다.
도 12는 본 개시의 일 실시 예에 따른 전자 장치의 웨이크업 오호출 식별 동작을 설명하기 위한 도면이다.
도 12를 참조하면, 1201 동작에서, 서버(108)(예: 도 1의 서버(108) 또는 도 2의 지능형 서버(200))는 오호출을 식별할 수 있다. 일 실시 예에 따른 오호출 식별 동작은 도 5 내지 도 10의 동작과 동일한 바, 중복된 설명은 생략한다.
일 실시 예에 따라. 1202 동작에서, 서버(108)는 전자 장치(101)(예: 도 1의 전자 장치(101), 도 2의 사용자 단말(201) 또는 도 6의 전자 장치(101))로 오호출 정보를 전송한다. 예를 들어, 서버(108)는 오호출로 식별된 음성의 특징점을 포함하는 오호출 정보를 전자 장치(101)에 전송할 수 있다.
일 실시 예에 따라, 1203 동작에서, 전자 장치(101)는 서버(108)로부터 수신된 오호출 정보를 메모리(예: 도 1의 메모리(130))에 저장할 수 있다.
일 실시 예에 따라, 1204 동작에서, 전자 장치(101)는 음성을 수신할 수 있다. 예를 들어, 전자 장치(101)는 음성 비서 기능을 웨이크업을 위한 트리거 음성을 수신할 수 있다.
일 실시 예에 따라, 1205 동작에서, 전자 장치(101)는 수신된 음성의 오호출 여부를 식별할 수 있다. 예를 들어, 전자 장치(101)는 저장된 오호출 정보를 기반으로 수신된 음성의 오호출 여부를 식별할 수 있다. 예를 들어, 전자 장치(101)는 저장된 오호출 음성의 특징점 및 수신된 음성의 특징점의 유사도를 기반으로 수신된 음성의 오호출 여부를 식별할 수 있다.
일 실시 예에 따라, 수신된 음성이 오호출인 것으로 식별되면(1206 동작-예), 전자 장치(101)는 1207 동작에서, 무응답을 제공할 수 있다. 예를 들어, 전자 장치(101)는 수신된 음성에 대해 무응답을 제공하고, 수신된 음성에 대한 응답 프로세스를 종료할 수 있다.
일 실시 예에 따라, 수신된 음성이 오호출이 아닌 것으로 식별되면(1206 동작-아니오), 1208 동작에서, 전자 장치(101)는 수신된 음성을 서버(108)로 전송할 수 있다.
일 실시 예에 따라, 1209 동작에서, 서버(108)는 전자 장치(101)로부터 수신된 음성에 대한 응답 프로세스를 수행할 수 있다. 예를 들어, 서버(108)는 전자 장치(101)로부터 수신된 음성에 대한 응답 프로세스를 수행하기 위해 수신된 음성을 음성 인식 모듈(예: 도 2의 ASR 모듈(221) 또는 도 6의 정상 응답 프로세스(650))로 전달할 수 있다. 일 실시 예에 따라, 응답 프로세스는 자연어 처리(NLU) 모듈(예: 도 2의 NLU 모듈(223)), 자연어 생성(NLG) 모듈(예: 도 2의 NLG 모듈(227)) 및 음성 변환(TTS) 모듈(예: 도 2의 TTS 모듈(229))을 더 포함할 수 있다.
이와 같이, 전자 장치(101)가 오호출 정보를 저장하고, 수신된 음성을 서버(108)로 전송하기 전, 저장된 오호출 정보를 기반으로 수신된 음성의 오호출 여부를 식별하고, 오호출로 식별된 경우 수신된 음성에 대한 응답 프로세스를 종료함으로써, 오호출로 인한 웨이크업 및 오호출로 인한 응답 프로세스에 사용되는 리소스를 줄일 수 있다.
도 13은 본 개시의 일 실시 예에 따른 웨이크업 오호출 시 응답 제공 상황을 설명하기 위한 도면이다.
일 실시 예에 따라, 전자 장치(101)(예: 도 1의 전자 장치(101), 도 2의 사용자 단말(201) 또는 도 6의 전자 장치(101))는 웨이크업을 위한 음성이 수신되어도, 서버(예: 도 1의 서버(108), 도 2의 지능형 서버(200) 또는 도 6의 서버(108))에 의해 오호출로 식별되는 경우, 응답을 제공하지 않을 수 있다.
도 13(a)를 참조하면, 전자 장치(101)는 TV 소리를 사용자 의도에 의한 웨이크업 음성이 수신된 것으로 오인하여도, 서버의 오호출 식별로 인해 웨이크업 음성 수신에 대한 응답 없이 프로세스를 종료할 수 있다. 또 다른 실시 예로, 전자 장치(101)가 오호출 음성에 대한 정보를 저장하고 있는 경우, 전자 장치(101)는 수신된 웨이크업 음성과 저장된 오호출 음성에 대한 정보를 비교하여, 수신된 웨이크업 음성이 오호출로 식별된 경우, 수신된 웨이크업 음성에 대한 응답 없이 프로세스를 종료할 수 있다.
또 다른 실시 예로, 전자 장치(101)는 웨이크업을 위한 음성이 사용자 의도에 의한 호출인지 오호출인지 모호한 경우에는 서버에 의해 중의적 응답을 제공하여 웨이크업 여부를 확인할 수 있다.
도 13(b)를 참조하면, 전자 장치(101)는 웨이크업 음성이 수신된 것으로 인식하였으나, 서버는 TV의 소리에 의해 웨이크업 음성이 수신되었는지 사용자 의도에 의한 발화인지 모호한 경우, 수신된 음성을, 자동 음성 인식(ASR) 수행하지 않고 "혹시 저를 불렀나요?"와 같은 중의적 응답을 전자 장치(101)를 통해 출력함으로써, 사용자의 발화를 유도하여 웨이크업 여부를 확인할 수 있다.
일 실시 예에 따르면, 서버(예: 도 1의 서버(108))는, 통신 모듈 및 상기 통신 모듈과 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 설정된 기간 내에 수신된 음성 비서 기능을 웨이크업하기 위한 복수의 음성의 트래픽량이 설정된 값 이상이면, 상기 복수의 음성의 상호 간 유사도를 기반으로 복수의 클러스터를 생성하고, 상기 복수의 클러스터 각각에 포함된 음성 간 유사도를 기반으로 상기 복수의 클러스터 각각에 포함된 음성 각각에 대한 응답 여부를 결정할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 복수의 음성 각각의 특징점을 식별하고, 상기 복수의 음성 각각의 특징점의 유사도를 기반으로 상기 복수의 클러스터를 생성할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 복수의 음성 중 음성이 길이가 설정된 값 이상인 적어도 하나의 음성이 포함되면, 상기 적어도 하나의 음성 각각의 일부 음성을 획득하고, 상기 적어도 하나의 음성에 대해서는 상기 적어도 하나의 음성 각각의 일부 음성의 유사도를 기반으로 상기 복수의 클러스터를 생성할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 복수의 클러스터 중 제1 클러스터에 포함된 복수의 음성 간 유사도가 설정된 값 이상인 제1 범위이면, 상기 제1 클러스터에 포함된 복수의 음성을 오호출로 결정하고, 상기 제1 클러스터에 포함된 상기 복수의 음성에 대해서는 응답 없이 응답 프로세스를 종료할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 제1 클러스터에 포함된 상기 복수의 음성 각각에 대응되는 복수의 단말 장치에 웨이크업 인식을 위한 임계 값을 설정된 시간 동안 상향 조정하기 위한 명령을 전송할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 설정된 시간 내에 상기 복수의 단말 장치 중 적어도 하나의 단말 장치로부터 오호출이 수신되면, 상기 설정된 시간을 연장하는 명령을 상기 적어도 하나의 단말 장치에 전송할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 제1 클러스터에 포함된 상기 복수의 음성 간 유사도가 상기 제1 범위보다 낮은 제2 범위이면, 웨이크업 여부를 확인하는 응답 데이터를 상기 제1 클러스터에 포함된 상기 복수의 음성 각각에 대응되는 복수의 단말 장치에 전송할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 제1 클러스터에 포함된 상기 복수의 음성 간 유사도가 상기 제2 범위보다 낮은 제3 범위이면, 상기 복수의 음성을 자동 음성 인식(ASR) 모듈로 전달할 수 있다.
일 실시 예에 따르면, 메모리를 더 포함하고, 상기 적어도 하나의 프로세서는, 상기 제1 클러스터에 포함된 복수의 음성에 대한 특징점을 오호출의 특징점으로 상기 메모리에 저장할 수 있다.
일 실시 예에 따르면, 상기 적어도 하나의 프로세서는, 상기 트래픽량이 상기 설정된 값 미만이면, 상기 음성 비서 기능을 웨이크업하기 위한 상기 복수의 음성을 자동 음성 인식(ASR) 모듈로 전달할 수 있다.
일 실시 예에 따르면, 서버의 제어 방법은, 설정된 기간 내에 수신된 음성 비서 기능을 웨이크업하기 위한 복수의 음성의 트래픽량이 설정된 값 이상이면, 상기 복수의 음성의 상호 간 유사도를 기반으로 복수의 클러스터를 생성하는 동작 및 상기 복수의 클러스터 각각에 포함된 음성 간 유사도를 기반으로 상기 복수의 클러스터 각각에 포함된 음성 각각에 대한 응답 여부를 결정하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 복수의 클러스터를 생성하는 동작은, 상기 복수의 음성 각각의 특징점을 식별하고, 상기 복수의 음성 각각의 특징점의 유사도를 기반으로 상기 복수의 클러스터를 생성할 수 있다.
일 실시 예에 따르면, 상기 복수의 클러스터를 생성하는 동작은, 상기 복수의 음성 중 음성이 길이가 설정된 값 이상인 적어도 하나의 음성이 포함되면, 상기 적어도 하나의 음성 각각의 일부 음성을 획득하고, 상기 적어도 하나의 음성에 대해서는 상기 적어도 하나의 음성 각각의 일부 음성의 유사도를 기반으로 상기 복수의 클러스터를 생성할 수 있다.
일 실시 예에 따르면, 상기 응답 여부를 결정하는 동작은, 상기 복수의 클러스터 중 제1 클러스터에 포함된 복수의 음성 간 유사도가 설정된 값 이상인 제1 범위이면, 상기 제1 클러스터에 포함된 복수의 음성을 오호출로 결정하는 동작 및 상기 제1 클러스터에 포함된 상기 복수의 음성에 대해서는 응답 없이 응답 프로세스를 종료하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 제1 클러스터에 포함된 상기 복수의 음성 각각에 대응되는 복수의 단말 장치에 웨이크업 인식을 위한 임계 값을 설정된 시간 동안 상향 조정하기 위한 명령을 전송하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 설정된 시간 내에 상기 복수의 단말 장치 중 적어도 하나의 단말 장치로부터 오호출이 수신되면, 상기 설정된 시간을 연장하는 명령을 상기 적어도 하나의 단말 장치에 전송하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 응답 여부를 결정하는 동작은, 상기 제1 클러스터에 포함된 상기 복수의 음성 간 유사도가 상기 제1 범위보다 낮은 제2 범위이면, 웨이크업 여부를 확인하는 응답 데이터를 상기 제1 클러스터에 포함된 상기 복수의 음성 각각에 대응되는 복수의 단말 장치에 전송하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 응답 여부를 결정하는 동작은, 상기 제1 클러스터에 포함된 상기 복수의 음성 간 유사도가 상기 제2 범위보다 낮은 제3 범위이면, 상기 복수의 음성을 자동 음성 인식(ASR) 모듈로 전달할 수 있다.
일 실시 예에 따르면, 상기 제1 클러스터에 포함된 복수의 음성에 대한 특징점을 오호출의 특징점으로 저장하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 트래픽량이 상기 설정된 값 미만이면, 상기 음성 비서 기능을 웨이크업하기 위한 상기 복수의 음성을 자동 음성 인식(ASR) 모듈로 전달하는 동작을 더 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, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 개시에 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, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 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 않는다는 것을 의미할 뿐이며, 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 실시예들을 참조하여 도시되고 설명되었지만, 형태 및 세부사항의 다양한 변경이, 다음과 같은 첨부된 청구범위 및 그 등가물로 정의되는 개시의 정신 및 범위를 벗어나지 않고 이루어질 수 있다는 것이 당업자에 의해 이해될 것이다.

Claims (15)

  1. 서버에 있어서,
    통신 회로; 및
    상기 통신 회로와 작동적으로 연결된 적어도 하나의 프로세서;를 포함하고,
    상기 적어도 하나의 프로세서는,
    설정된 기간 내에 수신된 음성 비서 기능을 웨이크업하기 위한 복수의 음성의 트래픽량이 설정된 값 이상임에 응답하여, 상기 복수의 음성의 상호 간 유사도를 기반으로 복수의 클러스터를 생성하고,
    상기 복수의 클러스터 각각에 포함된 음성 간 유사도를 기반으로 상기 복수의 클러스터 각각에 포함된 음성 각각에 대한 응답 여부를 결정하는 서버.
  2. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 복수의 음성 각각의 특징점을 식별하고, 상기 복수의 음성 각각의 특징점의 유사도를 기반으로 상기 복수의 클러스터를 생성하는 서버.
  3. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 복수의 음성 중 음성이 길이가 설정된 값 이상인 적어도 하나의 음성이 포함됨에 응답하여, 상기 적어도 하나의 음성 각각의 일부 음성을 획득하고,
    상기 적어도 하나의 음성에 대해서는 상기 적어도 하나의 음성 각각의 일부 음성의 유사도를 기반으로 상기 복수의 클러스터를 생성하는 서버.
  4. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 복수의 클러스터 중 제1 클러스터에 포함된 복수의 음성 간 유사도가 설정된 값 이상인 제1 범위임에 응답하여, 상기 제1 클러스터에 포함된 복수의 음성을 오호출로 결정하고,
    상기 제1 클러스터에 포함된 상기 복수의 음성에 대해서는 응답 없이 응답 프로세스를 종료하는 서버.
  5. 제4항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제1 클러스터에 포함된 상기 복수의 음성 각각에 대응되는 복수의 단말 장치에 웨이크업 인식을 위한 임계 값을 설정된 시간 동안 상향 조정하기 위한 명령을 전송하는 서버.
  6. 제5항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 설정된 시간 내에 상기 복수의 단말 장치 중 적어도 하나의 단말 장치로부터 오호출이 수신됨에 응답하여, 상기 설정된 시간을 연장하는 명령을 상기 적어도 하나의 단말 장치에 전송하는 서버.
  7. 제4항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제1 클러스터에 포함된 상기 복수의 음성 간 유사도가 상기 제1 범위보다 낮은 제2 범위임에 응답하여, 웨이크업 여부를 확인하는 응답 데이터를 상기 제1 클러스터에 포함된 상기 복수의 음성 각각에 대응되는 복수의 단말 장치에 전송하는 서버.
  8. 제7항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 제1 클러스터에 포함된 상기 복수의 음성 간 유사도가 상기 제2 범위보다 낮은 제3 범위임에 응답하여, 상기 복수의 음성을 자동 음성 인식(ASR) 회로로 전달하는 서버.
  9. 제4항에 있어서,
    메모리;를 더 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 제1 클러스터에 포함된 복수의 음성에 대한 특징점을 오호출의 특징점으로 상기 메모리에 저장하는 서버.
  10. 제1항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 트래픽량이 상기 설정된 값 미만임에 응답하여, 상기 음성 비서 기능을 웨이크업하기 위한 상기 복수의 음성을 자동 음성 인식(ASR) 회로로 전달하는 서버.
  11. 서버의 제어 방법에 있어서,
    설정된 기간 내에 수신된 음성 비서 기능을 웨이크업하기 위한 복수의 음성의 트래픽량이 설정된 값 이상임에 응답하여, 상기 복수의 음성의 상호 간 유사도를 기반으로 복수의 클러스터를 생성하는 동작; 및
    상기 복수의 클러스터 각각에 포함된 음성 간 유사도를 기반으로 상기 복수의 클러스터 각각에 포함된 음성 각각에 대한 응답 여부를 결정하는 동작;을 포함하는 서버의 제어 방법.
  12. 제11항에 있어서,
    상기 복수의 클러스터를 생성하는 동작은,
    상기 복수의 음성 각각의 특징점을 식별하고, 상기 복수의 음성 각각의 특징점의 유사도를 기반으로 상기 복수의 클러스터를 생성하는 서버의 제어 방법.
  13. 제11항에 있어서,
    상기 복수의 클러스터를 생성하는 동작은,
    상기 복수의 음성 중 음성이 길이가 설정된 값 이상인 적어도 하나의 음성이 포함됨에 응답하여, 상기 적어도 하나의 음성 각각의 일부 음성을 획득하고,
    상기 적어도 하나의 음성에 대해서는 상기 적어도 하나의 음성 각각의 일부 음성의 유사도를 기반으로 상기 복수의 클러스터를 생성하는 서버의 제어 방법.
  14. 제11항에 있어서,
    상기 응답 여부를 결정하는 동작은,
    상기 복수의 클러스터 중 제1 클러스터에 포함된 복수의 음성 간 유사도가 설정된 값 이상인 제1 범위임에 응답하여, 상기 제1 클러스터에 포함된 복수의 음성을 오호출로 결정하는 동작; 및
    상기 제1 클러스터에 포함된 상기 복수의 음성에 대해서는 응답 없이 응답 프로세스를 종료하는 동작;을 포함하는 서버의 제어 방법.
  15. 제14항에 있어서,
    상기 제1 클러스터에 포함된 상기 복수의 음성 각각에 대응되는 복수의 단말 장치에 웨이크업 인식을 위한 임계 값을 설정된 시간 동안 상향 조정하기 위한 명령을 전송하는 동작;을 더 포함하는 서버의 제어 방법.
PCT/KR2021/019212 2021-05-06 2021-12-16 오호출을 식별하는 서버 및 이의 제어 방법 WO2022234919A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/569,994 US11967322B2 (en) 2021-05-06 2022-01-06 Server for identifying false wakeup and method for controlling the same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0058837 2021-05-06
KR1020210058837A KR20220151504A (ko) 2021-05-06 2021-05-06 오호출을 식별하는 서버 및 이의 제어 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/569,994 Continuation US11967322B2 (en) 2021-05-06 2022-01-06 Server for identifying false wakeup and method for controlling the same

Publications (1)

Publication Number Publication Date
WO2022234919A1 true WO2022234919A1 (ko) 2022-11-10

Family

ID=83932212

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/019212 WO2022234919A1 (ko) 2021-05-06 2021-12-16 오호출을 식별하는 서버 및 이의 제어 방법

Country Status (2)

Country Link
KR (1) KR20220151504A (ko)
WO (1) WO2022234919A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006084875A (ja) * 2004-09-16 2006-03-30 Toshiba Corp インデキシング装置、インデキシング方法およびインデキシングプログラム
KR20130091918A (ko) * 2012-02-09 2013-08-20 한국전자통신연구원 오브젝트 인식 장치 및 방법
US20170031420A1 (en) * 2014-03-31 2017-02-02 Intel Corporation Location aware power management scheme for always-on-always-listen voice recognition system
US20200027462A1 (en) * 2016-09-29 2020-01-23 Hefei Hualing Co., Ltd. Voice control system, wakeup method and wakeup apparatus therefor, electrical appliance and co-processor
KR20200029314A (ko) * 2018-09-10 2020-03-18 삼성전자주식회사 음소기반 화자모델 적응 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006084875A (ja) * 2004-09-16 2006-03-30 Toshiba Corp インデキシング装置、インデキシング方法およびインデキシングプログラム
KR20130091918A (ko) * 2012-02-09 2013-08-20 한국전자통신연구원 오브젝트 인식 장치 및 방법
US20170031420A1 (en) * 2014-03-31 2017-02-02 Intel Corporation Location aware power management scheme for always-on-always-listen voice recognition system
US20200027462A1 (en) * 2016-09-29 2020-01-23 Hefei Hualing Co., Ltd. Voice control system, wakeup method and wakeup apparatus therefor, electrical appliance and co-processor
KR20200029314A (ko) * 2018-09-10 2020-03-18 삼성전자주식회사 음소기반 화자모델 적응 방법 및 장치

Also Published As

Publication number Publication date
KR20220151504A (ko) 2022-11-15

Similar Documents

Publication Publication Date Title
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2023113502A1 (ko) 전자 장치 및 전자 장치의 음성 명령어 추천 방법
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022092796A1 (ko) 전자 장치 및 전자 장치의 음성 인식 수행 방법
WO2022163963A1 (ko) 전자 장치 및 전자 장치의 단축 명령어 수행 방법
WO2022177224A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022065879A1 (ko) 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법
WO2021096281A1 (en) Voice input processing method and electronic device supporting same
WO2022234919A1 (ko) 오호출을 식별하는 서버 및 이의 제어 방법
WO2023158076A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2024043670A1 (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2024080745A1 (ko) 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2022220559A1 (en) Electronic device for processing user utterance and control method thereof
WO2023106862A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024043729A1 (ko) 전자 장치 및 전자 장치의 사용자에 대한 응답 처리 방법
WO2023008819A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022186440A1 (ko) 사용자 발화를 처리하기 위한 전자 장치 및 그 동작 방법
WO2023075160A1 (ko) 발화 수신에 기반한 목적 장치의 식별 방법 및 이를 위한 전자 장치
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2022025448A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024029845A1 (ko) 전자 장치 및 이의 음성 인식 방법
WO2023075225A1 (ko) 전자 장치 및 그의 동작 방법
WO2022196994A1 (ko) 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법
WO2024071946A1 (ko) 음성 특성 기반 번역 방법 및 이를 위한 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: 21939922

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21939922

Country of ref document: EP

Kind code of ref document: A1