WO2023022381A1 - 전자 장치 및 전자 장치의 발화 처리 방법 - Google Patents

전자 장치 및 전자 장치의 발화 처리 방법 Download PDF

Info

Publication number
WO2023022381A1
WO2023022381A1 PCT/KR2022/010882 KR2022010882W WO2023022381A1 WO 2023022381 A1 WO2023022381 A1 WO 2023022381A1 KR 2022010882 W KR2022010882 W KR 2022010882W WO 2023022381 A1 WO2023022381 A1 WO 2023022381A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
utterance
processor
processing
various embodiments
Prior art date
Application number
PCT/KR2022/010882
Other languages
English (en)
French (fr)
Inventor
김태구
노대일
이지민
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to US18/081,210 priority Critical patent/US20230123060A1/en
Publication of WO2023022381A1 publication Critical patent/WO2023022381A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • 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
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/221—Announcement of recognition results
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Definitions

  • Various embodiments relate to an electronic device and an ignition processing method of the electronic device.
  • intent masking information is updated according to whether or not speech in on-device artificial intelligence (AI) of a received speech is successful, and when a speech is received thereafter, intent information is checked and If the corresponding intent is designated to be processed by the device, the utterance was processed on the on-device.
  • AI artificial intelligence
  • a user's speech when a user's speech is input, it is possible to process the speech by determining whether to process it in an on-device or a server according to the content or situation of the speech.
  • the utterance can be processed on the device without using a server.
  • An electronic device includes a microphone for receiving an audio signal including a user's speech, a processor, and a memory for storing an instruction executable by the processor, wherein the processor performs a recognition result of the speech. generates an utterance, determines whether the utterance is supported by the electronic device based on the recognition result, determines whether or not the electronic device processes the utterance based on whether or not the utterance is supported, and determines the utterance based on whether or not processing A command corresponding to an utterance may be processed.
  • An electronic device includes a microphone for receiving an audio signal including a user's speech, a processor, and a memory for storing an instruction executable by the processor, wherein the processor performs a recognition result of the speech. and determining whether the electronic device first supports the utterance by performing a first classification based on a rule based on the recognition result, and performing a second classification based on the first support By doing so, it is possible to determine whether the electronic device secondly supports the utterance, and processes a command corresponding to the utterance based on the second support.
  • a speech processing method of an electronic device includes: receiving an audio signal including a user's speech; generating a recognition result for the speech; An operation of determining whether the electronic device supports the utterance, an operation of determining whether the electronic device will process the utterance based on whether or not it is supported, and an operation of processing a command corresponding to the utterance based on whether the electronic device processes the utterance.
  • a user's speech when a user's speech is input, it is possible to efficiently process the speech by determining whether to process it in an on-device or a server according to the content or situation of the speech.
  • an input utterance when an input utterance can be processed by a device, it is possible to reduce the leakage of personal information in the device, reduce communication costs, and reduce the percentage of server utilization by not interworking with the server.
  • FIG. 1 is a block diagram of an electronic device 101 within a networked environment 100, according to various embodiments.
  • FIG. 2 is a block diagram illustrating an integrated intelligence system according to an embodiment.
  • FIG. 3 is a diagram illustrating a form in which relation information between a concept and an operation is stored in a database according to various embodiments.
  • FIG. 4 is a diagram illustrating a screen on which an electronic device processes a voice input received through an intelligent app according to various embodiments.
  • FIG. 5 shows a schematic block diagram of an electronic device according to various embodiments.
  • FIG. 6 is a block diagram illustrating an example of a system architecture of an electronic device according to various embodiments.
  • FIG. 7 is a diagram for explaining an operation of an electronic device according to various embodiments.
  • FIG. 8 is a flowchart of a classification operation of an electronic device according to various embodiments.
  • 9A and 9B are diagrams for explaining additional parameters according to various embodiments.
  • FIG. 10 shows a flow diagram of an operation for determining the need for an additional parameter according to various embodiments.
  • 11 is a flowchart of an operation in an on-device NL section according to various embodiments.
  • 12a, 12b, and 12c illustrate examples of user interfaces for speech processing according to various embodiments.
  • FIG. 13 illustrates another example of a user interface according to various embodiments.
  • FIG. 14 is a flowchart of an operation of an electronic device according to various embodiments.
  • FIG. 1 is a block diagram of an electronic device 101 within a network environment 100, according to various embodiments.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or through a second network 199. It may communicate with at least one of the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to one 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
  • the server 108 e.g, a long-distance wireless communication network
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, 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 the antenna module 197 may be included.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added.
  • some of these components eg, sensor module 176, camera module 180, or antenna module 197) are integrated into a single component (eg, display module 160). It can be.
  • the processor 120 for example, executes software (eg, the program 140) to cause at least one other component (eg, hardware or software component) of the electronic device 101 connected to the processor 120. It can control and perform various data processing or calculations. According to one embodiment, as at least part of data processing or operation, the processor 120 transfers instructions or data received from other components (e.g., sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • software eg, the program 140
  • the processor 120 transfers instructions or data received from other components (e.g., sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • the processor 120 may include a 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 ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor).
  • a 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 ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor.
  • NPU neural network processing unit
  • the secondary processor 123 may be implemented separately from or as part of the main processor 121 .
  • the secondary processor 123 may, for example, take the place of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is active (eg, running an application). ) state, 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 auxiliary processor 123 eg, image signal processor or communication processor
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model.
  • AI models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself where 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 foregoing, but is not limited to the foregoing examples.
  • the artificial intelligence model may include, in addition or alternatively, software structures in addition to hardware structures.
  • 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, program 140) and commands related thereto.
  • the memory 130 may include volatile memory 132 or 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 of the electronic device 101 (eg, a user).
  • 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 sound signals 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.
  • a receiver may be used to receive an incoming call. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 may visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor set to detect a touch or a pressure sensor set to measure the intensity of force generated by the touch.
  • the audio module 170 may convert sound into an electrical signal or vice versa. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • 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 detected state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a bio sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that may be used to directly or wirelessly connect the electronic device 101 to 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.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 may 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 electrical signals into mechanical stimuli (eg, vibration or motion) or electrical stimuli that a user may perceive through tactile or kinesthetic senses.
  • 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 one 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 at least part of a power management integrated circuit (PMIC), for example.
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • the 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). Establishment and communication through the established communication channel may be supported.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : a local area network (LAN) communication module or a power line communication module).
  • a wireless communication module 192 eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 eg, : a local area network (LAN) communication module or a power line communication module.
  • a corresponding communication module is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a telecommunications network such as a computer network (eg, a LAN or a WAN).
  • a telecommunications network such as a computer network (eg, a LAN or a WAN).
  • These various types of communication modules may be integrated as one component (eg, a single chip) or implemented as a plurality of separate components (eg, multiple chips).
  • 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, NR access technology (new radio access technology).
  • NR access technologies include high-speed transmission of high-capacity data (enhanced mobile broadband (eMBB)), minimization of terminal power and access of multiple terminals (massive machine type communications (mMTC)), or high reliability and low latency (ultra-reliable and low latency (URLLC)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low latency
  • -latency communications can be supported.
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • the wireless communication module 192 uses various technologies for securing performance in a high frequency band, such as beamforming, massive multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. Technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna may be supported.
  • the wireless communication module 192 may support various requirements defined for 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 is a peak data rate for eMBB realization (eg, 20 Gbps or more), a loss coverage for mMTC realization (eg, 164 dB or less), or a U-plane latency for URLLC realization (eg, Example: downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less) may be supported.
  • eMBB peak data rate for eMBB realization
  • a loss coverage for mMTC realization eg, 164 dB or less
  • U-plane latency for URLLC realization eg, Example: downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less
  • the antenna module 197 may transmit or receive signals or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator formed of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • 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 selected from the plurality of antennas by the communication module 190, for example. can be chosen 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) may be additionally formed as a part of the antenna module 197 in addition to the radiator.
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module includes a printed circuit board, an RFIC disposed on or adjacent to a first surface (eg, a lower surface) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, array antennas) disposed on or adjacent to a second surface (eg, a top surface or a side surface) 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)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or part of operations executed in the electronic device 101 may be executed in one or more external electronic devices among the external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 when the electronic device 101 needs to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device 101 instead of executing the function or service by itself.
  • one or more external electronic devices may be requested to perform the function or at least part of the service.
  • One or more external electronic devices receiving 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 deliver the execution result to the electronic device 101 .
  • the electronic device 101 may provide the result as at least part of a response to the request as it is or additionally processed.
  • 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.
  • Server 108 may be an intelligent server using machine learning and/or neural networks. According to one embodiment, the external electronic device 104 or server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to intelligent services (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • Electronic devices may be devices of various types.
  • 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.
  • 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 camera e.g., a camera
  • a wearable device e.g., a smart bracelet
  • first, second, or first or secondary may simply be used to distinguish that component from other corresponding components, and may refer to that component in other respects (eg, importance or order) is not limited.
  • a (eg, first) component is said to be “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively.”
  • the certain component may 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, logical blocks, parts, or circuits.
  • a module may be an integrally constructed component or a minimal unit of components or a portion thereof 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
  • a storage medium eg, internal memory 136 or external memory 138
  • a machine eg, electronic device 101
  • a processor eg, the processor 120
  • a 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.
  • the storage medium is a tangible device and does not contain a signal (e.g. electromagnetic wave), and this term refers to the case where data is stored semi-permanently in the storage medium. It does not discriminate when it is temporarily stored.
  • a signal e.g. electromagnetic wave
  • the method according to various embodiments disclosed in this document may be included and provided in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • a computer program product is distributed in the form of a device-readable storage medium (e.g. compact disc read only memory (CD-ROM)), or through an application store (e.g. Play StoreTM) or on two user devices (e.g. It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • a device-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play StoreTM
  • two user devices e.g. It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • at least part of the computer program product may be temporarily stored or temporarily created in a device-readable storage medium such as a manufacturer's server, an application store server, or a relay server's memory.
  • each component (eg, module or program) of the above-described components may include a single object or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. there is.
  • one or more components or operations among the aforementioned corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg modules or programs
  • the integrated component may perform one or more functions of each of the plurality of components identically or similarly to those performed by a corresponding component of the plurality of components prior to the integration. .
  • the actions performed by a module, program, or other component are executed sequentially, in parallel, iteratively, or heuristically, or one or more of the actions are executed in a different order, or omitted. or one or more other actions may be added.
  • FIG. 2 is a block diagram illustrating an integrated intelligence system according to an embodiment.
  • an integrated intelligent system 20 of an embodiment includes an electronic device (eg, the electronic device 101 of FIG. 1), an intelligent server 200 (eg, the server 108 of FIG. 1), and a service server 300 (eg, server 108 in FIG. 1).
  • an electronic device eg, the electronic device 101 of FIG. 1
  • an intelligent server 200 eg, the server 108 of FIG. 1
  • a service server 300 eg, server 108 in FIG. 1).
  • the electronic device 101 of an embodiment may be a terminal device (or electronic device) connectable to the Internet, and may include, for example, a mobile phone, a smart phone, a personal digital assistant (PDA), a laptop computer, a TV, white goods, It may be a wearable device, HMD, or smart speaker.
  • a terminal device or electronic device connectable to the Internet
  • PDA personal digital assistant
  • laptop computer a TV, white goods
  • white goods It may be a wearable device, HMD, or smart speaker.
  • the electronic device 101 includes a communication interface 177 (eg, the interface 177 of FIG. 1) (eg, including a communication circuit), a microphone 150-1 (eg, the interface 177 of FIG. 1).
  • Input module 150 of FIG. 1) includes a speaker 155-1 (eg, sound output module 155 of FIG. 1), display module 160 (eg, display module 160 of FIG. 1) (eg, (e.g., including a display), memory 130 (e.g., memory 130 of FIG. 1), and/or processor 120 (e.g., processor 120 of FIG. 1) (e.g., processing circuitry).
  • Including can be included.
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 177 may include various communication circuits and be connected to an external device to transmit/receive data.
  • the microphone 150-1 may receive sound (eg, user's speech) and convert it into an electrical signal.
  • the speaker 155-1 of one embodiment may output an electrical signal as sound (eg, voice).
  • the display module 160 of one embodiment may include a display and may be configured to display an image or video.
  • the display module 160 according to an embodiment may also display a graphic user interface (GUI) of an app (or application program) being executed.
  • GUI graphic user interface
  • the display module 160 according to an embodiment may receive a touch input through a touch sensor.
  • the display module 160 may receive text input through a touch sensor of an on-screen keyboard area displayed in the display module 160 .
  • the memory 130 of an embodiment includes a client module 151, a software development kit (SDK) 153, and a plurality of apps 146-1, 146-2, ... (eg, the application 146 of FIG. 1). )) can be stored.
  • the client module 151 and the SDK 153 may constitute a framework (or solution program) for performing general functions. Also, the client module 151 or the SDK 153 may configure a framework for processing user input (eg, voice input, text input, or touch input).
  • the plurality of apps 146 in the memory 130 may be programs for performing designated functions.
  • the plurality of apps 146 may include a first app 146_1 and a second app 146_3.
  • each of the plurality of apps 146 may include a plurality of operations for performing a designated function.
  • the apps may include an alarm app, a message app, and/or a schedule app.
  • the plurality of apps 146 may be executed by the processor 120 to sequentially execute at least some of the plurality of operations.
  • the processor 120 of an embodiment may include a processing circuit and control overall operations of the electronic device 101 .
  • the processor 120 may be electrically connected to the communication interface 177, the microphone 150-1, the speaker 155-1, and the display module 160 to perform a designated operation.
  • the processor 120 of one embodiment 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 151 and the SDK 153 to perform the following operation for processing user input.
  • the processor 120 may control operations of the plurality of apps 146 through the SDK 153, for example.
  • the following operations described as operations of the client module 151 or the SDK 153 may be operations performed by the processor 120 .
  • the client module 151 may receive a user input.
  • the client module 151 may receive a voice signal corresponding to a user's speech detected through the microphone 150-1.
  • the client module 151 may receive a touch input detected through the display module 160 .
  • the client module 151 may receive text input sensed through a keyboard or an on-screen keyboard.
  • various types of user input detected through an input module included in the electronic device 101 or an input module connected to the electronic device 101 may be received.
  • the client module 151 may transmit the received user input to the intelligent server 200 .
  • the client module 151 may transmit state information of the electronic device 101 to the intelligent server 200 together with the received user input.
  • the state information may be, for example, execution state information of an app.
  • the client module 151 may receive a result corresponding to the received user input. For example, the client module 151 may receive a result corresponding to the received user input when the intelligent server 200 can calculate a result corresponding to the received user input. The client module 151 may display the received result on the display module 160 . In addition, the client module 151 may output the received result as audio through the speaker 155-1.
  • the client module 151 may receive a plan corresponding to the received user input.
  • the client module 151 may display on the display module 160 a result of executing a plurality of operations of the app according to the plan.
  • the client module 151 may sequentially display execution results of a plurality of operations on the display module 160 and output audio through the speaker 155-1.
  • the electronic device 101 may display only a partial result of executing a plurality of operations (eg, the result of the last operation) on the display module 160, and may display audio through the speaker 155-1. can be printed out.
  • the client module 151 may receive a request for obtaining information necessary for calculating a result corresponding to a user input from the intelligent server 200 . According to one embodiment, the client module 151 may transmit the necessary information to the intelligent server 200 in response to the request.
  • the client module 151 of one embodiment may transmit information as a result of executing a plurality of operations according to a plan to the intelligent server 200 .
  • the intelligent server 200 can confirm that the received user input has been properly processed using the result information.
  • the client module 151 may include a voice recognition module. According to an embodiment, the client module 151 may recognize a voice input that performs a limited function through the voice recognition module. For example, the client module 151 may execute an intelligent app for processing a voice input to perform an organic operation through a designated input (eg, wake up!).
  • a voice recognition module may recognize a voice input that performs a limited function through the voice recognition module.
  • the client module 151 may execute an intelligent app for processing a voice input to perform an organic operation through a designated input (eg, wake up!).
  • the intelligent server 200 of an embodiment may receive information related to a user's voice input from the electronic device 101 through a communication network. According to an embodiment, the intelligent server 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 a user 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 (e.g., a feedforward neural network (FNN)), a recurrent neural network (RNN) ))) could be. Alternatively, it may be a combination of the foregoing or other artificially intelligent systems.
  • a plan may be selected from a set of predefined plans or may be generated in real time in response to a user request. For example, the artificial intelligence system may select at least one of a plurality of predefined plans.
  • the intelligent server 200 may transmit a result according to the generated plan to the electronic device 101 or transmit the generated plan to the electronic device 101 .
  • the electronic device 101 may display the result according to the plan on the display.
  • the electronic device 101 may display a result of executing an operation according to a plan on a 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 analytic platform 280 .
  • the front end 210 may receive a user input received from the electronic device 101 .
  • the front end 210 may transmit a response corresponding to the user input.
  • the natural language platform 220 may include, for example, various modules, and each of the various modules may include various processing circuitry and/or executable program instructions.
  • executable program instructions include automatic speech recognition module (ASR module) 221, natural language understanding module (NLU module) 223, planner module 225, a natural language generator module (NLG module) 227, or a text to speech module (TTS module) 229.
  • the automatic voice recognition module 221 may convert voice input received from the electronic device 101 into text data.
  • the natural language understanding module 223 may determine the user's intention using text data of voice input. For example, the natural language understanding module 223 may determine the user's intention by performing syntactic analysis or semantic analysis on user input in the form of text data.
  • the natural language understanding module 223 of an embodiment identifies the meaning of a word extracted from a user input using linguistic features (eg, grammatical elements) of a morpheme or phrase, and matches the meaning of the identified word to the intention of the user. intention can be determined.
  • the planner module 225 may generate a plan using the intent and parameters determined by the natural language understanding module 223 .
  • the planner module 225 may determine a plurality of domains required to perform a task based on the determined intent.
  • the planner module 225 may determine a plurality of operations included in each of the determined plurality of domains based on the intent.
  • the planner module 225 may determine parameters necessary for executing the determined plurality of operations or result values output by execution of the plurality of operations.
  • the parameter and the resulting value may be defined as a concept of a designated 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 relationships between the plurality of operations and the plurality of concepts in stages (or hierarchically). For example, the planner module 225 may determine an execution order of a plurality of operations determined based on a user's intention based on a plurality of concepts. In other words, the planner module 225 may determine an 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 information related to a plurality of concepts (eg, an ontology). The planner module 225 may generate a plan using information stored in the capsule database 230 in which a set of relationships between concepts and operations is stored.
  • the natural language generation module 227 may change designated information into a text form.
  • the information changed to the text form may be in the form of natural language speech.
  • the text-to-speech conversion module 229 may change text-type information into voice-type information.
  • some or all of the functions of the natural language platform 220 may be implemented in the electronic device 101 as well.
  • the capsule database 230 may store information about 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 a plan.
  • the capsule database 230 may store a plurality of capsules in the form of a concept action network (CAN).
  • CAN concept action network
  • a 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 user input.
  • the capsule database 230 may include a follow-up registry in which information on a follow-up action for suggesting a follow-up action to a user in a specified situation is stored.
  • the follow-up action may include, for example, a follow-up utterance.
  • the capsule database 230 may include a layout registry for storing layout information of information output through the electronic device 101 .
  • the capsule database 230 may include a vocabulary registry in which vocabulary information included in capsule information is stored.
  • the capsule database 230 may include a dialog registry in which dialog (or interaction) information with a user is stored.
  • the capsule database 230 may update stored objects through a developer tool.
  • the developer tool may include, for example, a function editor for updating action objects or concept objects.
  • the developer tool may include a vocabulary editor for updating vocabulary.
  • the developer tool may include a strategy editor for creating and registering strategies that determine plans.
  • the developer tool may include a dialog editor to create a dialog with the user.
  • the developer tool may include a follow up editor that can activate follow up goals and edit follow up utterances that provide hints. The subsequent goal may be determined based on a currently set goal, a user's preference, or environmental conditions.
  • the capsule database 230 may be implemented in the electronic device 101 as well.
  • the execution engine 240 of one embodiment may calculate a result using the generated plan.
  • the end user interface 250 may transmit the calculated result to the electronic device 101 . Accordingly, the electronic device 101 may receive the result and provide the received result to the user.
  • the management platform 260 of one embodiment 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 one embodiment may manage quality of service (QoS) of the intelligent server 200 . For example, the analysis platform 280 may manage the components and processing speed (or efficiency) of the intelligent server 200 .
  • QoS quality of service
  • the service server 300 may provide a designated service (eg, food order or hotel reservation) to the electronic device 101 .
  • the service server 300 may be a server operated by a third party.
  • the service server 300 of one embodiment may provide information for generating a plan corresponding to the received user 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 electronic device 101 may provide various intelligent services to the user in response to user input.
  • the user input may include, for example, an input through a physical button, a touch input, or a voice input.
  • the electronic device 101 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app).
  • the electronic device 101 may recognize a user's utterance or voice input received through the microphone, and provide a service corresponding to the recognized voice input to the user. .
  • the electronic device 101 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 electronic device 101 may execute an app corresponding to the received voice input and perform a designated operation through the executed app.
  • the electronic device 101 when the electronic device 101 provides a service together with the intelligent server 200 and/or the service server, the electronic device 101 uses the microphone 150-1 to make a user's speech. may be sensed, and a signal (or voice data) corresponding to the detected user utterance may be generated. The electronic device 101 may transmit the voice data to the intelligent server 200 through the communication interface 177.
  • the intelligent server 200 performs a plan for performing a task corresponding to the voice input or an operation according to the plan. can produce results.
  • the plan may include, for example, a plurality of operations for performing a task corresponding to a user's voice input, and a plurality of concepts related to the plurality of operations.
  • 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 information related to a plurality of operations and a plurality of concepts.
  • the electronic device 101 may receive the response using the communication interface 177.
  • the electronic device 101 outputs a voice signal generated inside the electronic device 101 to the outside using the speaker 155-1 or uses the display module 160 to output a voice signal generated inside the electronic device 101. Images can be output externally.
  • FIG. 3 is a diagram illustrating a form in which relationship information between a concept and an operation is stored in a database according to various embodiments of the present disclosure.
  • the capsule database (eg, the capsule database 230) of the intelligent server 200 may store capsules 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 and capsule (B) 404) corresponding to each of a plurality of domains (eg, applications).
  • one capsule eg, capsule(A) 401
  • one domain eg, location (geo), application
  • one capsule may correspond to at least one service provider (eg, CP 1 402 or CP 2 403) for performing a function for a domain related to the capsule.
  • one capsule may include at least one operation 410 and at least one concept 420 for performing a designated function.
  • the natural language platform 220 may create a plan for performing a task corresponding to a received voice input using a capsule stored in a capsule database.
  • the planner module 225 of the natural language platform may generate a plan using capsules stored in a capsule database.
  • plan 407 is created using operations 4011 and 4013 and concepts 4012 and 4014 of capsule A 401 and operation 4041 and concept 4042 of capsule B 404. can do.
  • FIG. 4 is a diagram illustrating a screen on which an electronic device processes a voice input received through an intelligent app according to various embodiments of the present disclosure.
  • An electronic device may execute an intelligent app to process a user input through an intelligent server (eg, the intelligent server 200 of FIG. 2 ).
  • an intelligent server eg, the intelligent server 200 of FIG. 2 .
  • the electronic device 101 when the electronic device 101 recognizes a designated voice input (eg, wake up! or receives an input through a hardware key (eg, a dedicated hardware key), the electronic device 101 processes the voice input.
  • You can run intelligent apps for The electronic device 101 may, for example, execute an intelligent app in a state in which a schedule app is executed.
  • the electronic device 101 may display an object (eg, icon) 311 corresponding to an intelligent app on the display module 160 .
  • the electronic device 101 may receive a voice input by a user's speech. For example, the electronic device 101 may receive a voice input of “tell me this week's schedule!”.
  • the electronic device 101 may display a user interface (UI) 313 (eg, an input window) of an intelligent app displaying text data of the received voice input on the display.
  • UI user interface
  • the electronic device 101 may display a result corresponding to the received voice input on the display.
  • the electronic device 101 may receive a plan corresponding to the received user input and display 'this week's schedule' on the display according to the plan.
  • FIG. 5 shows a schematic block diagram of an electronic device according to various embodiments.
  • an electronic device 500 may process a user's utterance.
  • the electronic device 500 may generate a processing result by processing the user's speech and provide the generated processing result to the user.
  • the electronic device 500 includes a microphone 510 (eg, the microphone 150-1 of FIG. 2 ), a processor 530 (eg, the processor 120 of FIG. 1 ) (eg, including processing circuitry) and memory 550 (eg, memory 130 of FIG. 1 ).
  • the microphone 510 may receive an audio signal including a user's speech.
  • the microphone 510 may output the received audio signal to the processor 530 .
  • the processor 530 may include various processing circuits and process data stored in the memory 550 .
  • the processor 530 may execute computer readable code (eg, software) stored in the memory 550 and instructions triggered by the processor 530 .
  • the processor 530 may be a data processing device implemented in hardware having a circuit having a physical structure for executing desired operations.
  • desired operations may include codes or instructions included in a program.
  • a data processing device implemented in hardware includes a microprocessor, a central processing unit, a processor core, a multi-core processor, and a multiprocessor ( multiprocessor), Application-Specific Integrated Circuit (ASIC), and/or Field Programmable Gate Array (FPGA).
  • a microprocessor a central processing unit, a processor core, a multi-core processor, and a multiprocessor ( multiprocessor), Application-Specific Integrated Circuit (ASIC), and/or Field Programmable Gate Array (FPGA).
  • ASIC Application-Specific Integrated Circuit
  • FPGA Field Programmable Gate Array
  • the processor 530 may generate a recognition result for utterance.
  • the processor 530 may generate a recognition result by generating text corresponding to the speech by performing automatic speech recognition (ASR) based on the speech.
  • ASR automatic speech recognition
  • the processor 530 may determine whether speech is supported by the electronic device 500 based on a recognition result. The processor 530 may determine whether the electronic device 500 processes the utterance based on support.
  • the processor 530 may determine whether the electronic device 500 can process the utterance by inputting the recognition result to a rule-based natural language (NL) model.
  • the processor 530 may determine whether an application (or app) for processing speech is supported by the electronic device 500 based on the rule-based natural language model.
  • the processor 530 may process a command corresponding to the speech by using an interlocking application for processing the speech.
  • the processor 530 may search for an application to execute a command corresponding to the utterance based on the recognition result.
  • the processor 530 may determine whether the application is executable by the electronic device.
  • the processor 530 may transmit the recognition result to a server (eg, the server 108 of FIG. 1 or the intelligent server 200 of FIG. 2 ) based on whether it is executable by the electronic device.
  • the processor 530 may transmit a recognition result and/or an audio signal to the server 108 when the application cannot be executed by the electronic device.
  • the processor 530 may determine the need for an additional parameter for processing a command corresponding to an utterance. Processor 530 may search memory 550 based on the need for additional parameters.
  • the types of additional parameters include a first type including numerical information, a second type including information related to an operation for processing an utterance, and a third type including category information of information for processing an utterance. type can be included.
  • the types of additional parameters will be described in detail with reference to FIG. 9 .
  • the processor 530 may process a command corresponding to an utterance based on whether the command is processed.
  • the processor 530 may determine whether the electronic device 500 first supports the utterance by performing rule-based first classification based on the recognition result.
  • the processor 530 may determine whether the electronic device 500 second supports the speech by performing the second classification based on the first support.
  • the processor 530 may determine whether the utterance can be processed by the electronic device 500 by inputting the recognition result to the rule-based natural language model.
  • the processor 530 may determine whether the first application is supported by determining whether an application for processing speech is supported by the electronic device 500 based on the rule-based natural language model.
  • the processor 530 may determine whether the second support is provided by classifying target motions for processing utterances.
  • the processor 530 may search for an application to execute a command corresponding to the utterance based on the recognition result.
  • the processor 530 may determine whether the second application is supported by determining whether the application is executable by the electronic device 500 .
  • the processor 530 may process a command corresponding to the utterance based on whether the second support is provided.
  • the processor 530 may transmit a recognition result to the server 108 based on the second support.
  • the processor 530 may transmit a recognition result and/or an audio signal to the server 108 when the application cannot be executed by the electronic device 500 .
  • memory 550 may store instructions (or programs) executable by a processor.
  • the instructions may include instructions for executing an operation of the processor 530 and/or an operation of each component of the processor 530 .
  • the memory 550 may be implemented as a volatile memory device (eg, the volatile memory 132 of FIG. 1 ) or a nonvolatile memory device (eg, the non-volatile memory 134 of FIG. 1 ).
  • the volatile memory device may be implemented as dynamic random access memory (DRAM), static random access memory (SRAM), thyristor RAM (T-RAM), zero capacitor RAM (Z-RAM), or twin transistor RAM (TTRAM).
  • DRAM dynamic random access memory
  • SRAM static random access memory
  • T-RAM thyristor RAM
  • Z-RAM zero capacitor RAM
  • TTRAM twin transistor RAM
  • the nonvolatile memory device includes electrically erasable programmable read-only memory (EEPROM), flash memory, magnetic RAM (MRAM), spin-transfer torque (STT)-MRAM (MRAM), Conductive Bridging RAM (CBRAM), FeRAM (Ferroelectric RAM), PRAM (Phase change RAM), Resistive RAM (RRAM), Nanotube RRAM (Polymer RAM (PoRAM)), Nano floating RAM It may be implemented as a nano floating gate memory (NFGM), a holographic memory, a molecular electronic memory device, or an insulator resistance change memory.
  • EEPROM electrically erasable programmable read-only memory
  • flash memory includes magnetic RAM (MRAM), spin-transfer torque (STT)-MRAM (MRAM), Conductive Bridging RAM (CBRAM), FeRAM (Ferroelectric RAM), PRAM (Phase change RAM), Resistive RAM (RRAM), Nanotube RRAM (Polymer RAM (PoRAM)), Nano floating RAM It may be implemented as a nano floating
  • FIG. 6 is a block diagram illustrating an example of a system architecture of an electronic device according to various embodiments.
  • an electronic device 101 receives user speech and processes it on the electronic device 101 according to the content or situation of the speech. It is possible to decide whether to do it or to transfer it to a server (eg, the server 108 of FIG. 1) for processing. If the received utterance can be processed within the electronic device 101, a processor (eg, the processor 120 of FIG. 1) may process the utterance and provide a processing result to the user.
  • a server eg, the server 108 of FIG. 1
  • a processor eg, the processor 120 of FIG. 1 may process the utterance and provide a processing result to the user.
  • the electronic device 101 When the electronic device 101 directly processes speech, it does not interwork with the server 108, thereby preventing or reducing the transmission of information such as personal information and/or device context in the memory 130, thereby reducing communication costs and reducing communication costs and server ( 108) can be reduced.
  • an electronic device eg, the electronic device 101 of FIG. 1
  • each of the modules/engines includes various processing circuits and/or executable program instructions.
  • Executable program instruments include embedded automatic speech recognition (eASR) (601), conversation (603), embedded tokenizer (605), embedded device context (607), ePDSS (embedded personal data sync service) (609), e-rule engine (embedded rule engines) (610), eNL module (embedded natural language modules) (630), action planner (650) and/or supportable apps Models (supportable app models) 670 may be included.
  • eASR embedded automatic speech recognition
  • conversation e.g., the electronic device 101 of FIG. 1
  • ePDSS embedded personal data sync service
  • e-rule engine embedded rule engines
  • eNL module embedded natural language modules
  • action planner 650
  • supportable apps Models supportable app models 670
  • the e-rule engine 610 may include dispatchers 611 and a rule natural language understanding (RNLU) 613 .
  • the e-rule engine 610 may determine a specific app or a specific device from an input utterance using various rule-based dispatchers and patterns in which rules are defined.
  • the e-rule engine 610 may compare an operation to be performed with a registered pattern and determine whether it can be processed by the electronic device 101 or transmitted to the server 108 .
  • RNLU rule natural language understanding
  • the eNL module 630 includes an app classifier 631, a signal labeler 632, a signal classifier 633, and a goal classifier ( 634), a match selector 635 and/or a role labeler 636.
  • the eNL module 630 may perform utterance analysis through classifiers using various NL modules for utterances that are not discriminated by the e-rule engine 610 .
  • the eNL module 630 may determine an app in which an utterance is to be processed through a capsule classifier. For example, when a music playback application is determined to receive an utterance such as "IU play the night letter" and process the utterance, the eNL module 630 performs a target goal (eg, a goal classifier) to be performed through a goal classifier. : You can decide to play music.
  • a target goal eg, a goal classifier
  • the signal labeler 632 may classify parameters included in the utterance (eg, keywords for searching IU and the night letter when a utterance such as "Play IU's night letter” is received). can Additional modules may be interlocked to predict parameters and assist in decision making.
  • the match selector 635 may classify the parameters and support the determination by determining the validity and score between the acquired parameters.
  • the signal classifier 633 may determine whether there is meaningful information and parameters based on the entire utterance rather than a specific word of the utterance.
  • the role labeler 636 may predict the meaning and concept of parameters based on the acquired parameters. For example, when receiving a utterance such as "play IU's night letter", the role labeler 636 may predict IU as "artist name” and the night letter as "song title".
  • the action planner 650 may include a planner 651, an execution 653, a text-to-speech (TTS) 655, and a response manager 657.
  • the planner 651 may generate a plan graph using parameters and goals based on information obtained from the eNL module.
  • the planner 651 may determine a result to be completed and an action for an action to be performed based on the generated plan graph.
  • the execution 653 may receive intent information containing results obtained from the planner 651 and perform an operation in association with the app model.
  • the supportable app model 670 may include a plurality of apps 671 , 672 , 673 , 674 , and 675 .
  • the eASR 601 may convert the received audio signal or voice signal into processable text.
  • the e-tokenizer 605 can divide and classify words to easily analyze the information of the converted text.
  • the ePDSS 609 may manage personalized data for processing personalized information within the electronic device 101 .
  • the e-device context 607 may manage device information related to the electronic device 101 .
  • the e-rule engine 610 may determine a specific application to process the utterance or a device to process the utterance based on the utterance using patterns in which a plurality of rules are defined. . The e-rule engine 610 may determine whether the electronic device 101 can process the speech or whether the speech should be transmitted to the server 108 by comparing the speech pattern with the registered pattern.
  • a plurality of dispatchers 611 may exist.
  • the dispatcher 611 may recognize and classify the names of applications for processing utterances.
  • the dispatcher 611 may recognize and classify the names of devices for processing utterances.
  • the eNL module 630 may analyze utterances that are not discriminated by the e-rule engine 610 using classifiers.
  • the goal classifier 634 determines an application to process an utterance through an app classifier 631 (or a capsule classifier) (eg, plays music for an utterance such as “play a song”). Once the application is determined), a target goal (eg, play song) can be determined.
  • the signal labeler 632 may obtain parameters included in the utterance. For example, the signal labeler 632 may determine a keyword for searching IU and a night letter in an utterance such as "Play IU's night letter".
  • the match selector 635 may support the determination by determining the validity of the acquired parameters, calculating a score, and classifying the parameters.
  • the signal classifier 633 may determine whether meaningful information or parameters exist based on the entire utterance rather than a designated word of the utterance.
  • the role labeler 636 may predict a meaning or concept of a parameter based on the obtained parameter. For example, when receiving a utterance such as "Play IU's night letter", the role labeler 636 may predict IU as an artist name and predict the night letter as a song title. there is.
  • the planner 651 may generate a plan graph using parameters and valleys.
  • the planner 651 may determine a result to be completed in relation to an utterance and an action for an action to be performed based on the plan graph.
  • the execution 653 performs an operation in association with the plurality of apps 671, 672, 673, 674, and 675 of the supportable app model 670 based on intent information including information provided by the planner. can do.
  • FIG. 7 is a diagram for explaining an operation of an electronic device according to various embodiments.
  • a processor receives a user utterance and specifies a domain to which the received utterance is assigned. It can be judged whether or not it has been done.
  • the processor 530 may process an utterance in an on-device NLU (eg, the eNL module 630 of FIG. 6 ) within an electronic device (eg, the electronic device 500 of FIG. 5 ).
  • the processor 530 may determine whether the additional parameter is a parameter that can be processed in the electronic device 500 when an additional parameter is required in the NLU processing process. If the processor 530 is an additional parameter that can be processed within the electronic device 500, the additional parameter is processed using information stored in the electronic device 500, and the additional parameter cannot be processed within the electronic device 500. In this case, the speech information may be transmitted to the server 770 (eg, the server 108 of FIG. 1 ) so that the server 770 may process it.
  • the server 770 eg, the server 108 of FIG. 1
  • the processor 530 may generate a recognition result for a user's speech.
  • the processor 530 may receive and analyze the user's speech (or voice) using ASR.
  • the processor 530 may convert speech input into an electronic device (eg, the electronic device 500 of FIG. 5 ) into text that can be analyzed using an eASR (eg, the eASR 601 of FIG. 6 ).
  • the processor 530 may analyze the converted text and determine whether processing is possible.
  • the processor 530 may analyze whether the utterance is supportable by the electronic device 500 through the on-device classifier 710 (eg, the e-rule engine 610 of FIG. 6 ). The processor 530 may determine whether the utterance is supported by the electronic device 500 based on a rule through the on-device classifier 710 .
  • the on-device classifier 710 may include a rule natural language unit (RNLU) 711 and a classifier 713 .
  • the RNLU 711 may include a dispatcher that recognizes and classifies device names and application names using one or more rule-based models.
  • the dispatcher recognizing the device name receives a speech such as “Find an infinite challenge on TV,” recognizes “on TV” and processes the speech in the server 770 instead of the electronic device 500 can be conveyed
  • the dispatcher recognizing the application name receives an utterance such as "Find a photo taken today in the gallery”, it determines whether the application "Gallery” is supported by the electronic device 500, and the electronic device 500 or the server At 770, it is possible to determine whether or not to process.
  • the classifier 713 may classify a device to process speech or an application to process speech.
  • the processor 530 may process a command corresponding to the speech by using an interlocking application for processing the speech.
  • the processor 530 may use the on-device classifier 710 to determine whether or not the electronic device 500 is supportable based on a rule when a designated utterance or a designated pattern is registered without using a dispatcher. For example, when the processor 530 receives a speech such as “Turn off the TV”, the processor 530 immediately processes the speech by using it as an interlocking application that controls a device (eg, TV), thereby not separately transmitting the speech to the server 770, The electronic device 500 may directly process ignition.
  • the processor 530 does not transmit the utterance to the server 770 based on a rule. , and it can be recognized that the speech can be processed through the electronic device 500 .
  • the on-device NL 730 (eg, in FIG. 6 ) An application to execute a command corresponding to the received utterance may be searched using the eNL module 630).
  • the processor 530 may search for an application for executing the received utterance using the goal classifier 731 and the slot tagger 733 of the on-device NL 730 .
  • the on-device NL 730 receives a speech such as “Turn on Bluetooth”, the speech may be classified as a system/setting application, and the system/setting application may be an application supported by the electronic device 500. If , ignition can be processed inside the electronic device 500 .
  • the slot tagger 733 may extract parameters from utterances.
  • the slot tagger 733 includes a signal labeler (eg, signal labeler 632 of FIG. 6 ), a signal classifier (eg, signal classifier 633 of FIG. 6 ), and a match selector (eg, match selector 635 of FIG. 6 ). )) and a roll labeler (eg, the roll labeler 636 of FIG. 6).
  • the processor 530 may transmit the received utterance to the server 770.
  • the processor 530 may transmit a recognition result and/or an audio signal to the server 770 when the application cannot be executed by the electronic device 500 .
  • the processor 530 may transmit text acquired through ASR to the server 770 or may transmit a wave of an audio signal including the received utterance as it is in the original sound to the server 770 .
  • processor 530 may send both to server 770.
  • the processor 530 processes the utterance in the NL module (eg, the eNL module 630 of FIG. 6) in the electronic device 500. can
  • the processor 530 may determine the need for an additional parameter for processing a command corresponding to an utterance.
  • Processor 530 may search memory (eg, memory 550 of FIG. 5 ) based on the need for additional parameters.
  • the processor 530 may determine whether a prompt is required.
  • the processor 530 may determine whether a prompt is required based on whether additional parameters are present in memory. For example, the processor 530 may determine that a prompt is required if the additional parameter does not exist in memory. If a prompt is required, the processor 530 may transmit an ASR result or wave to the server 770.
  • the processor 530 processes a command corresponding to the utterance using the on-device plan/execution module 750. You can decide the action for the action to be performed for this purpose.
  • the processor 530 generates a plan graph using parameters and goals using the dynamic planner 751 (eg, the planner 651 of FIG. 6), determines an action, and executes the executor 753 (eg, the planner 651 of FIG. 6).
  • An operation for processing a command in association with an application may be performed based on intent information including a plan graph and an action by using the execution 653 of the .
  • the processor 530 generates a result of performing an operation and/or a TTS result using a TTS (eg, the TTS 655 of FIG. 6) and/or a response manager (eg, the response manager 657 of FIG. 6) to provide information to the user. can be provided to a TTS (eg, the TTS 655 of FIG. 6) and/or a response manager (eg, the response manager 657 of FIG. 6) to provide information to the user. can be provided to a TTS (eg, the TTS 655 of FIG. 6) and/or a response manager (eg, the response manager 657 of FIG. 6) to provide information to the user. can be provided to
  • FIG. 8 is a diagram for explaining an operation of an electronic device according to various embodiments.
  • a processor (eg, the processor 530 of FIG. 5 ) generates a recognition result for an utterance included in a user's voice, and generates a rule based on the generated recognition result. ), it is possible to determine whether or not the electronic device (eg, the electronic device 500 of FIG. 5 ) first supports the utterance by performing the first classification based on the utterance.
  • the processor 530 may determine whether the electronic device 500 second supports the speech by performing the second classification based on the first support.
  • the processor 530 may enter the received utterance into a classifier (eg, the on-device classifier 710 of FIG. 7 ) (811).
  • the processor 530 may input into the rule-based model (813).
  • the processor 530 may determine whether it is possible to determine whether the utterance can be processed by the electronic device 500 in the rule-based model (815).
  • the processor 530 may transmit text and/or waves to a server (eg, the server 108 of FIG. 1) (821).
  • the processor 530 classifies the utterance into a classifier model (eg, the e-rule engine 610 of FIG. of the eNL module 630) (817).
  • the processor 530 may determine whether or not the electronic device 500 is supported by the classifier model (819).
  • the processor 530 may transmit text and/or waves to a server (eg, the server 108 of FIG. 1) (821). If the utterance can be determined by the electronic device, the processor 530 may proceed to the next stage (823).
  • 9A and 9B are diagrams for explaining additional parameters according to various embodiments.
  • a processor obtains a type of an additional parameter for processing a command corresponding to an utterance, and determines the type of the additional parameter. Based on this, the electronic device (eg, the electronic device 500 of FIG. 5 ) may determine whether to process the utterance.
  • the types of additional parameters include a first type including numerical information, a second type including information related to an operation for processing an utterance, and a third type including category information of information for processing an utterance. type can be included.
  • the processor 530 After an application to be uttered is determined through the NL classifier (eg, the on-device classifier 710 of FIG. 7 ), the processor 530 generates an on-device NL module (eg, the on-device NL module 730)), it is possible to specify an operation to be performed through NL models by inputting an utterance, and extract internal parameters of the utterance.
  • the processor 530 may determine which operation should be performed to process a command corresponding to an utterance through a goal classifier (eg, the goal classifier 731 of FIG. 7 ).
  • Processor 530 includes a signal labeler (eg, signal labeler 632 of FIG. 6 ), a match selector (eg, match selector 635 of FIG. 6 ) and a signal classifier (eg, signal classifier 633 of FIG. 6 ). ), parameters within an utterance can be distinguished and prediction can be performed.
  • the processor 530 may request additional information from the user in addition to data received in the process of analyzing and processing the received utterance. For example, when receiving the utterance "Register me on the calendar for dinner at 8:00", the device processing the utterance asks "Where should we go?" Alternatively, additional information for accurate registration such as “what is the date?” may be requested from the user. At this time, in the process of receiving and analyzing additional information, support of a server (eg, the server 108 of FIG. 1 ) other than the electronic device 500 may be required.
  • a server eg, the server 108 of FIG. 1
  • a memory may store information on supportable applications and goals according to parameter types.
  • the processor 530 determines whether to process the utterance in the electronic device 500 or to the server 108 based on the information about the goal supported for each application and the information about the type (or types) of parameters used in the goal. You can decide whether or not to transmit the utterance.
  • the processor 530 may determine an application (or app) supported by the electronic device 500 and a goal based on parameter information.
  • the type of parameter may include a first type, a second type, and a second type.
  • the first type of parameter may include a static value 910 .
  • the static value 910 is an additional search for the inside or outside of the electronic device 500 in a predetermined goal such as '1', '2', '20%', '80%', 'turn on', or 'turn off' It can mean a form such as a numerical value that can be obtained immediately without
  • volume_control volume control
  • the processor 530 requests the user a prompt such as "How much do you want to adjust the volume?", so that the utterance including additional parameter information about how much to adjust the volume is actually a static value 910 related to the numerical value. If it matches, the electronic device 500 may process the utterance. If an additional information utterance that does not match the static value 910 is received from the user, the processor 530 processes the received utterance as a failure operation in the electronic device 500 or performs an additional operation of forwarding it to the server 108 can be performed.
  • the second type of parameter may include a dynamic value 930 .
  • the dynamic value 930 may mean additional information values other than the static value 910 required to perform a goal.
  • the dynamic value 930 may be information stored in the memory 550 or may be information stored in the server 108 .
  • the processor 530 determines that a parameter that the gallery show goal can have is a dynamic value 930. can perceive The processor 530 requests additional information from the user through a prompt such as "Which picture do you want?", and upon receiving additional information such as "family album", searches for matching information in the electronic device 500. can do. If matching information exists, the processor 530 may process the utterance within the electronic device 500, and if the information does not exist, the processor 530 may transmit the utterance to the server 108 for processing.
  • the processor 530 may transmit the obtained goal and the dynamic value 930 to the application, and if the result processed by the application is failure, the processor 530 may process and transmit the utterance to the server 108 .
  • the processor 530 determines whether the additional information exists in the electronic device 500 and determines whether or not to transmit the additional information to the server 108.
  • the third type of parameter may include open title 950 .
  • the open title 950 may basically mean a parameter that can have any value.
  • the open title 950 may have a category value indicating what kind of information it has.
  • the category may include information such as 'song name', 'actor', and/or 'location'.
  • the operation of the processor 530 may vary depending on whether the electronic device 500 can process categories included in the open title 950 .
  • the processor 530 may allow the electronic device 500 to directly process an operation such as a memo or dictation that translates utterances as they are. In the case of a category of information that cannot be processed, the processor 530 may transmit the utterance to the server 108 for processing.
  • the processor 530 may recognize supportable apps 970 and information about types of parameters required to process utterances as shown in the example of FIG. 9B .
  • App 1 971 can perform goal 1 972 and goal 2 973 for processing utterances
  • goal 1 972 uses parameters of type static value
  • goal 2 973 uses static values.
  • Value and dynamic value type parameters are available.
  • App 2 974 may perform Goal 1 975 and Goal 2 976 for processing the utterance
  • Goal 1 975 uses parameters of type Dynamic Value and Open Title
  • Goal 2 976 can use static value, dynamic value, and open title type parameters.
  • FIG. 10 shows a flow diagram of an operation for determining the need for an additional parameter according to various embodiments.
  • a processor operates a device (eg, the electronic device 500 of FIG. 5 ) based on additional information (eg, an additional parameter). can decide whether or not to process the utterance in The processor 530 may perform input processing on the additional information (1011).
  • the processor 530 may determine the parameter type of the additional information (1013).
  • the additional information is a dynamic value (eg, the dynamic value 930 of FIG. 9A )
  • the processor 530 may compare internal personal information (1015).
  • the processor 530 may determine whether match information is compared (1017). If match information does not exist, the processor 530 may transmit the utterance to a server (eg, the server 108 of FIG. 1 ) (1023). If match information exists, the processor 530 may determine whether additional information is required (1027).
  • the processor 530 may determine whether the type of the parameter is a static value (eg, the static value 910 of FIG. 9A ) (1019). If the parameter type is not a static value, processor 530 may forward the utterance to server 108 . If the parameter type is a static value, the processor 530 may determine whether additional information is required (1027).
  • a static value eg, the static value 910 of FIG. 9A
  • the processor 530 may determine whether a category included in the open title is a supportable category (eg, open title 950 of FIG. 9A ). 1021). If the category is unsupportable, the processor 530 may transfer the utterance to the server 108 (1025). In the case of a supportable category, the processor 530 may determine whether additional information is required (1027). The processor 530 may perform the operation of 1011 again when additional information is required, and may perform on-device processing when additional information is not required (1029).
  • a category included in the open title is a supportable category (eg, open title 950 of FIG. 9A ). 1021). If the category is unsupportable, the processor 530 may transfer the utterance to the server 108 (1025). In the case of a supportable category, the processor 530 may determine whether additional information is required (1027). The processor 530 may perform the operation of 1011 again when additional information is required, and may perform on-device processing when additional information is not required (1029).
  • the processor 530 may find it difficult to support the electronic device 500 or require support from the server 108, so that the server ( When it is determined to transfer the utterance to 108), the utterance may be transferred to the server 108 and processing may be transferred even if the server 108 is operating with on-device support.
  • the processor 530 decides to transfer the speech to the server 108, it can transmit the received wave voice information of the speech as it is, and the server 108 processes the speech on the on-device and obtains the obtained goal and additionally input parameters. ) can also be sent.
  • 11 is a flowchart of an operation in an on-device NL section according to various embodiments.
  • a processor may enter an utterance into a NL model (eg, the on-device NL 730 of FIG. 7 ) (1111). .
  • the processor 530 may process the utterance using a bone classifier (eg, the bone classifier 731 of FIG. 7 ) (1113).
  • the processor 530 may determine a goal for processing the utterance based on the processing result of the goal classifier (1115).
  • the processor 530 may determine whether the utterance is supported by the on-device (eg, the electronic device 500 of FIG. 5) based on the determined goal (1117). When ignition is supported in the on-device, the processor 530 may extract parameters (1119). When speech is not supported in the on-device, the processor 530 may transmit speech to a server (eg, the server 108 of FIG. 1 ) (1129).
  • a server eg, the server 108 of FIG. 1
  • the processor 530 may determine whether additional information is required (1121). If additional information is required, the processor 530 may request additional information from the user (1123). For example, processor 530 may request additional information in the form of a prompt or interrupt. The processor 530 may input the received additional information (1125). The processor 530 may perform the operation 1119 again based on the input additional information.
  • the processor 530 may determine whether the utterance is supported by the on-device when additional information is not required (1127). If the utterance is not supported by the on-device, the processor 530 may transmit the utterance to the server 108 (1129). If utterance is supported by the on-device, the processor 530 may proceed to the next stage (1131).
  • the classifier and the NL module determine whether the on-device support is possible, and when it is determined that the on-device support is not possible, the server 108 processes the utterance, receives the processing result from the server 108, and can be provided to the user. If it can be processed in the on-device, the action planner implemented inside the on-device (for example, the action planner 650 in FIG. 6) performs an action to be performed in conjunction with the application, and the result is presented to the user visually and/or audibly. can provide
  • 12a, 12b, 12c, and 13 illustrate examples of user interfaces for speech processing according to various embodiments.
  • a processor receives an audio signal including speech from a user, and receives the audio signal. Based on this, additional information may be requested to the user through a prompt. For example, when the processor 530 receives a speech such as “tell me flight time,” it may provide a screen such as the user interface 1210 . In other words, the processor 530 may request additional information from the user through a prompt. For example, the processor 530 may provide a prompt such as "Please include the airport or flight number to search for.”
  • the processor 530 may provide a screen such as the user interface 1230 .
  • the processor 530 may request additional information such as "Please inform me of the arrival airport to be searched for" in response to the user's answer of "Incheon Airport".
  • the processor 530 may provide a screen such as the user interface 1250 .
  • the processor 530 may provide the user with a response of "There is no flight to Jeju departing from Seoul before or after 12 hours from the current time” in response to the user's answer of "Jeju Airport".
  • the user interface includes a call 1311, an alarm 1312, and an open voice agent offline mode menu 1310. ) 1313, settings 1314, music 1315, and map 1316 menus.
  • the processor 530 may provide a user interface related to an application supportable on an on-device for processing user speech.
  • FIG. 14 is a flowchart of an operation of an electronic device according to various embodiments.
  • a processor uses a microphone (eg, the microphone 150-1 of FIG. 2 ) to receive an audio signal including a user's speech. It can be received (1410).
  • the processor 530 may generate a recognition result for the utterance (1430).
  • the processor 530 may generate a recognition result by generating text corresponding to the speech by performing automatic speech recognition (ASR) based on the speech.
  • ASR automatic speech recognition
  • the processor 530 may determine whether utterance is supported by the electronic device (eg, the electronic device 500 of FIG. 5 ) based on the recognition result (1450). The processor 530 may determine whether or not the electronic device 500 processes the utterance based on support (1470).
  • the processor 530 may determine whether the utterance can be processed by the electronic device 500 by inputting the recognition result to a rule-based natural language model.
  • the processor 530 may determine whether an application (or app) for processing speech is supported by the electronic device 500 based on the rule-based natural language model.
  • the processor 530 may process a command corresponding to the speech by using an interlocking application for processing the speech.
  • the processor 530 may search for an application to execute a command corresponding to the utterance based on the recognition result.
  • the processor 530 may determine whether the application is executable by the electronic device.
  • the processor 530 may transmit a recognition result to a server (eg, the server 108 of FIG. 1 ) based on whether the electronic device is executable.
  • the processor 530 may transmit a recognition result and/or an audio signal to the server 108 when the application cannot be executed by the electronic device.
  • the processor 530 may determine the need for an additional parameter for processing a command corresponding to an utterance.
  • Processor 530 may search memory (eg, memory 550 of FIG. 5 ) based on the need for additional parameters.
  • the types of additional parameters include a first type including numerical information, a second type including information related to an operation for processing an utterance, and a third type including category information of information for processing an utterance. type can be included.
  • the processor 530 may process a command corresponding to an utterance based on whether it has been processed (1490).
  • an electronic device eg, the electronic device 101 of FIG. 1
  • includes a microphone eg, the microphone 150-1 of FIG. 2
  • a processor eg, the microphone 150-1 of FIG. 2
  • the processor 120 of FIG. 1) and a memory eg, the memory 130 of FIG. 1) storing instructions executable by the processor, wherein the processor generates a recognition result for the utterance, It is determined whether the utterance is supported by the electronic device based on the recognition result, whether or not the electronic device processes the utterance based on whether or not it is supported, and responds to the utterance based on whether the utterance is processed. command can be processed.
  • the processor may generate the recognition result by generating text corresponding to the utterance by performing Automatic Speech Recognition (ASR) based on the utterance.
  • ASR Automatic Speech Recognition
  • the processor determines whether the utterance can be processed by the electronic device by inputting the recognition result to a rule-based natural language model, and based on the rule-based natural language model It may be determined whether an application for processing an utterance is supported by the electronic device.
  • the processor may process a command corresponding to the utterance by using an interlocking application for processing the utterance.
  • the processor searches for an application to execute a command corresponding to the utterance based on the recognition result, determines whether the application is executable by the electronic device, and controls the electronic device. Therefore, the recognition result may be transmitted to a server (eg, the server 108 of FIG. 1 ) based on whether it is executable by the electronic device.
  • a server eg, the server 108 of FIG. 1
  • the processor may transmit the recognition result or the audio signal to the server by controlling the electronic device.
  • the processor may determine the need for an additional parameter for processing a command corresponding to the utterance, and search the memory based on the need.
  • the processor may obtain a type of an additional parameter for processing a command corresponding to the utterance, and determine whether the electronic device processes the utterance based on the type.
  • the type of the additional parameter may include a first type including numerical information, a second type including information related to an operation for processing the utterance, and category information of information for processing the utterance. It may include a third type that includes.
  • an electronic device includes a microphone that receives an audio signal including a user's speech, a processor, and a memory that stores instructions executable by the processor, wherein the processor recognizes the speech. Determining whether the electronic device first supports the utterance by generating a result and performing rule-based first classification based on the recognition result, and second classification based on the first support It is possible to determine whether the electronic device secondly supports the utterance by performing a command corresponding to the utterance based on whether the electronic device supports the second utterance.
  • the processor may generate the recognition result by generating text corresponding to the utterance by performing Automatic Speech Recognition (ASR) based on the utterance.
  • ASR Automatic Speech Recognition
  • the processor determines whether the utterance can be processed by the electronic device by inputting the recognition result to a rule-based natural language model, and based on the rule-based natural language model Whether or not the first support may be determined by determining whether an application for processing speech is supported by the electronic device.
  • the processor may process a command corresponding to the utterance by using an interlocking application for processing the utterance.
  • the processor may determine whether the second support is provided by classifying a target motion for processing the utterance.
  • the processor searches for an application to execute a command corresponding to the utterance based on the recognition result, and determines whether the application is executable by the electronic device, thereby determining whether or not the second support is provided.
  • the electronic device may be determined, and the recognition result may be transmitted to the server based on whether the second support is provided by controlling the electronic device.
  • the processor may transmit the recognition result or the audio signal to the server by controlling the electronic device.
  • the processor may determine the need for an additional parameter for processing a command corresponding to the utterance, and search the memory based on the need.
  • the processor may obtain a type of an additional parameter for processing a command corresponding to the utterance, and determine whether the electronic device processes the utterance based on the type.
  • the type of the additional parameter may include a first type including numerical information, a second type including information related to an operation for processing the utterance, and category information of information for processing the utterance. It may include a third type that includes.
  • a speech processing method of an electronic device includes: receiving an audio signal including a user's speech; generating a recognition result for the speech; An operation of determining whether the electronic device supports the utterance, an operation of determining whether the electronic device will process the utterance based on whether or not it is supported, and an operation of processing a command corresponding to the utterance based on whether the electronic device processes the utterance. can do.

Landscapes

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

Abstract

다양한 실시예에 따른 전자 장치는, 발화를 포함한 오디오 신호를 수신하는 마이크와, 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 발화에 대한 인식 결과를 생성하고, 상기 인식 결과에 기초하여 상기 발화가 상기 전자 장치에 의해 지원되는지 여부를 판단하고, 지원 여부에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정하고, 처리 여부에 기초하여 상기 발화에 대응하는 명령을 처리할 수 있다. 그 외에도 다양한 실시예들이 가능할 수 있다.

Description

전자 장치 및 전자 장치의 발화 처리 방법
다양한 실시예들은 전자 장치 및 전자 장치의 발화 처리 방법에 관한 것이다.
종래의 발화 처리 방식은 수신된 발화의 온 디바이스(on device) AI(artificial intelligence) 내의 발화 성공 여부에 따라 인텐트 마스킹(intent masking) 정보를 업데이트하고, 이후 발화가 들어올 경우 인텐트 정보를 확인하여 해당 인텐트가 디바이스에 의해 처리되도록 지정 되어있을 경우, 온 디바이스 상에서 발화를 처리하였다.
종래의 발화 처리 방식에서, 추가 파라미터를 요구하는 발화가 수신된 경우, 추가 파라미터가 온 디바이스 상에서 얻을 수 있는 정보일지라도, 온 디바이스 AI 처리시 처리 결과를 실패하여 항상 서버에서 다시 처음부터 처리하는 상황이 발생될 수 있다.
다양한 실시예들은, 사용자의 발화가 입력된 경우, 발화의 내용이나 상황에 따라, 온 디바이스에서 처리할지 또는 서버에서 처리할지 여부를 결정하여 발화를 처리할 수 있다.
다양한 실시예들은, 입력된 발화가 디바이스 상에서 처리 가능한 경우, 서버를 활용하지 않고 온 디바이스 상에서 발화를 처리할 수 있다.
다양한 실시예에 따른 전자 장치는, 사용자의 발화를 포함한 오디오 신호를 수신하는 마이크와, 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 발화에 대한 인식 결과를 생성하고, 상기 인식 결과에 기초하여 상기 발화가 상기 전자 장치에 의해 지원되는지 여부를 판단하고, 지원 여부에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정하고, 처리 여부에 기초하여 상기 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따른 전자 장치는, 사용자의 발화를 포함한 오디오 신호를 수신하는 마이크와, 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 발화에 대한 인식 결과를 생성하고, 상기 인식 결과에 기초하여 룰(rule)에 기초한 제1 분류를 수행함으로써 상기 발화에 대한 상기 전자 장치의 제1 지원 여부를 판단하고, 상기 제1 지원 여부에 기초하여 제2 분류를 수행함으로써 상기 발화에 대한 상기 전자 장치의 제2 지원 여부를 판단하고, 상기 제2 지원 여부에 기초하여 상기 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따른 전자 장치의 발화 처리 방법은, 사용자의 발화를 포함한 오디오 신호를 수신하는 동작과, 상기 발화에 대한 인식 결과를 생성하는 동작과, 상기 인식 결과에 기초하여 상기 발화가 상기 전자 장치에 의해 지원되는지 여부를 판단하는 동작과, 지원 여부에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정하는 동작과, 처리 여부에 기초하여 상기 발화에 대응하는 명령을 처리하는 동작을 포함할 수 있다.
다양한 실시예들은, 사용자의 발화가 입력된 경우, 발화의 내용이나 상황에 따라, 온 디바이스에서 처리할지 또는 서버에서 처리할지 여부를 결정하여 발화를 효율적으로 처리할 수 있다.
다양한 실시예들은, 입력된 발화가 온 디바이스에서 처리가 가능한 경우, 서버와 연동하지 않음으로써 디바이스 내의 개인 정보의 유출을 감소시키고, 통신 비용을 절감하고, 서버의 활용 비중을 감소시킬 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1 은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다
도 2는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 다양한 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 다양한 실시예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도 5는 다양한 실시예에 따른 전자 장치의 개략적인 블록도를 나타낸다.
도 6은 다양한 실시예에 따른 전자 장치의 시스템 아키텍처의 예를 나타내는 블록도이다.
도 7은 다양한 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 8은 다양한 실시예에 따른 전자 장치의 분류 동작의 흐름도를 나타낸다.
도 9a 및 도 9b는 다양한 실시예에 따른 추가 파라미터를 설명하기 위한 도면이다.
도 10은 다양한 실시예에 따른 추가 파라미터의 필요성을 결정하는 동작의 흐름도를 나타낸다.
도 11은 다양한 실시예에 따른 온 디바이스 NL 구간에서의 동작의 흐름도를 나타낸다.
도 12a, 12b 및 도 12c는 다양한 실시예에 따른 발화 처리를 위한 사용자 인터페이스의 예들을 나타낸다.
도 13은 다양한 실시예에 따른 사용자 인터페이스의 다른 예를 나타낸다.
도 14는 다양한 실시예에 따른 전자 장치의 동작의 흐름도를 나타낸다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 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 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 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.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101))에 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.
도 2는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 2를 참조하면, 일 실시예의 통합 지능화 시스템(20)은 전자 장치(예: 도 1의 전자 장치(101)), 지능형 서버(200)(예: 도 1의 서버(108)), 및 서비스 서버(300)(예: 도 1의 서버(108))를 포함할 수 있다.
일 실시 예의 전자 장치(101)는, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 전자 장치(101)는 통신 인터페이스(177)(예: 도 1의 인터페이스(177))(예를 들어, 통신 회로를 포함하는), 마이크(150-1)(예: 도 1의 입력 모듈(150)), 스피커(155-1)(예: 도 1의 음향 출력 모듈(155)), 디스플레이 모듈(160)(예: 도 1의 디스플레이 모듈(160))(예를 들어, 디스플레이를 포함하는), 메모리(130)(예: 도 1의 메모리(130)), 및/또는 프로세서(120)(예: 도 1의 프로세서(120))(예를 들어, 프로세싱 회로를 포함하는)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 인터페이스(177)는 다양한 통신 회로를 포함하고, 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(150-1)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(155-1)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다.
일 실시 예의 디스플레이 모듈(160)은 디스플레이를 포함하고, 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이 모듈(160)은 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시 예의 디스플레이 모듈(160)은 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이 모듈(160)은 디스플레이 모듈(160) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.
일 실시 예의 메모리(130)는 클라이언트 모듈(151), SDK(software development kit)(153), 및 복수의 앱들(146-1, 146-2, ...)(예: 도 1의 어플리케이션(146))을 저장할 수 있다. 상기 클라이언트 모듈(151), 및 SDK(153)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(151) 또는 SDK(153)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(130)는 상기 복수의 앱들(146)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(146)은 제1 앱(146_1), 제2 앱(146_3)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(146) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(146)은 프로세서(120)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(120)는 프로세싱 회로를 포함하고, 전자 장치(101)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(120)는 통신 인터페이스(177), 마이크(150-1), 스피커(155-1), 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(151) 또는 SDK(153) 중 적어도 하나를 실행하여, 사용자 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(120)는, 예를 들어, SDK(153)를 통해 복수의 앱(146)의 동작을 제어할 수 있다. 클라이언트 모듈(151) 또는 SDK(153)의 동작으로 설명된 이하의 동작은 프로세서(120)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(151)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 마이크(150-1)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 또는, 클라이언트 모듈(151)은 디스플레이 모듈(160)을 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(151)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 전자 장치(101)에 포함된 입력 모듈 또는 전자 장치(101)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 상기 클라이언트 모듈(151)은 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다. 클라이언트 모듈(151)은 수신된 사용자 입력과 함께, 전자 장치(101)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(151)은 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지능형 서버(200)에서 상기 수신된 사용자 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(151)은 상기 수신된 결과를 디스플레이 모듈(160)에 표시할 수 있다. 또한, 클라이언트 모듈(151)은 상기 수신된 결과를 스피커(155-1)를 통해 오디오로 출력할 수 있다.
일 실시 예의 클라이언트 모듈(151)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(151)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(160)에 표시할 수 있다. 클라이언트 모듈(151)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이 모듈(160)에 표시할 수 있고, 스피커(155-1)를 통해 오디오를 출력할 수 있다. 전자 장치(101)는, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈(160)에 표시할 수 있으며, 스피커(155-1)를 통해 오디오로 출력할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(151)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(151)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 이용하여 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(151)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(151)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 전자 장치(101)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 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 전자 장치(101)로 송신하거나, 생성된 플랜을 전자 장치(101)로 송신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 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 전자 장치(101)로부터 수신된 사용자 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 사용자 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)은, 예를 들어, 다양한 모듈들을 포함할 수 있고, 다양한 모듈들 각각은 다양한 프로세싱 회로 및/또는 실행 가능한 프로그램 인스트럭션들을 포함할 수 있다. 예를 들어, 실행 가능한 프로그램 인스트럭션들은 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 자동 음성 인식 모듈(221)은 전자 장치(101)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 텍스트 데이터 형태의 사용자 입력에 대하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 전자 장치(101)에서도 구현가능 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 사용자 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 전자 장치(101)를 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 전자 장치(101) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 전자 장치(101)로 송신할 수 있다. 이에 따라, 전자 장치(101)는 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)은 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 전자 장치(101)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(300)는 수신된 사용자 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 시스템(20)에서, 상기 전자 장치(101)는, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 전자 장치(101)는 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 전자 장치(101)는 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 전자 장치(101)는 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 전자 장치(101)는 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 전자 장치(101)가 지능형 서버(200) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 전자 장치(101)는, 상기 마이크(150-1)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 전자 장치(101)는, 상기 음성 데이터를 통신 인터페이스(177)를 이용하여 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(200)는 전자 장치(101)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 전자 장치(101)는, 통신 인터페이스(177)를 이용하여 상기 응답을 수신할 수 있다. 전자 장치(101)는 상기 스피커(155-1)를 이용하여 전자 장치(101) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(160)을 이용하여 전자 장치(101) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 3은 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(200)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(230))는 CAN (concept action network)(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) 또는 CP 2 (403))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.
상기, 자연어 플랫폼(220)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(225)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (401)의 동작들(4011,4013) 과 컨셉들(4012,4014) 및 캡슐 B(404)의 동작(4041)과 컨셉(4042)을 이용하여 플랜(407) 을 생성할 수 있다.
도 4는 다양한 실시 예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
전자 장치(예: 도 1의 전자 장치(101))는 지능형 서버(예: 도 2의 지능형 서버(200))를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 310 화면에서, 전자 장치(101)는 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 전자 장치(101)는, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이 모듈(160)에 표시할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 전자 장치(101)는 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 320 화면에서, 전자 장치(101)는 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 전자 장치(101)는 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.
도 5는 다양한 실시예에 따른 전자 장치의 개략적인 블록도를 나타낸다.
도 5를 참조하면, 다양한 실시예에 따르면, 전자 장치(500)(예: 도 1의 전자 장치(101))는 사용자의 발화(utterance)를 처리할 수 있다. 전자 장치(500)는 사용자의 발화를 처리함으로써 처리 결과를 생성하고, 생성된 처리 결과를 사용자에게 제공할 수 있다.
다양한 실시예에 따르면, 전자 장치(500)는 마이크(510)(예: 도 2의 마이크(150-1)), 프로세서(530)(예: 도 1의 프로세서(120))(예를 들어, 프로세싱 회로를 포함하는) 및 메모리(550)(예: 도 1의 메모리(130))를 포함할 수 있다. 마이크(510)는 사용자의 발화를 포함한 오디오 신호를 수신할 수 있다. 마이크(510)는 수신한 오디오 신호를 프로세서(530)로 출력할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 다양한 프로세싱 회로를 포함하고, 메모리(550)에 저장된 데이터를 처리할 수 있다. 프로세서(530)는 메모리(550)에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(530)에 의해 유발된 인스트럭션(instruction)들을 실행할 수 있다. 프로세서(530)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다.
다양한 실시예에 따르면, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), 및/또는 FPGA(Field Programmable Gate Array)를 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 발화에 대한 인식 결과를 생성할 수 있다. 프로세서(530)는 발화에 기초하여 ASR(automatic speech recognition)을 수행함으로써 발화에 대응하는 텍스트를 생성함으로써 인식 결과를 생성할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과에 기초하여 발화가 전자 장치(500)에 의해 지원되는지 여부를 판단할 수 있다. 프로세서(530)는 지원 여부에 기초하여 전자 장치(500)가 발화를 처리할지 여부를 결정할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과를 룰 기반 자연어 모델(rule based NL(natural language) model)에 입력함으로써 발화가 전자 장치(500)에 의해 처리 가능한지 여부를 판단할 수 있다. 프로세서(530)는 룰 기반 자연어 모델에 기초하여 발화를 처리하기 위한 어플리케이션(application)(또는, 앱(app))이 전자 장치(500)에 의해 지원되는지 여부를 판단할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과가 미리 결정된 패턴을 포함하는 경우, 발화를 처리하기 위한 연동 어플리케이션을 이용하여 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과에 기초하여 발화에 대응하는 명령을 수행할 어플리케이션을 탐색할 수 있다. 프로세서(530)는 어플리케이션이 전자 장치에 의해 실행 가능한지 여부를 판단할 수 있다. 프로세서(530)는 전자 장치에 의해 실행 가능한지 여부에 기초하여 인식 결과를 서버(예: 도 1의 서버(108) 또는 도 2의 지능형 서버(200))로 전송할 수 있다. 프로세서(530)는 어플리케이션이 전자 장치에 의해 실행 불가능할 경우, 인식 결과 및/또는 오디오 신호를 서버(108)로 전송할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 필요성을 결정할 수 있다. 프로세서(530)는 추가 파라미터의 필요성에 기초하여 메모리(550)를 탐색할 수 있다.
다양한 실시예에 따르면, 추가 파라미터의 유형은 수치 정보를 포함하는 제1 유형, 발화를 처리하기 위한 동작에 관련된 정보를 포함하는 제2 유형 및 발화의 처리를 위한 정보의 카테고리 정보를 포함하는 제3 유형을 포함할 수 있다. 추가 파라미터의 유형은 도 9를 참조하여 자세하게 설명한다.
다양한 실시예에 따르면, 프로세서(530)는 처리 여부에 기초하여 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과에 기초하여 룰에 기초한 제1 분류를 수행함으로써 발화에 대한 전자 장치(500)의 제1 지원 여부를 판단할 수 있다. 프로세서(530)는 제1 지원 여부에 기초하여 제2 분류를 수행함으로써 발화에 대한 전자 장치(500)의 제2 지원 여부를 판단할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과를 룰 기반 자연어 모델에 입력함으로써 발화가 전자 장치(500)에 의해 처리 가능한지 여부를 판단할 수 있다. 프로세서(530)는 룰 기반 자연어 모델에 기초하여 발화를 처리하기 위한 어플리케이션이 전자 장치(500)에 의해 지원되는지 여부를 판단함으로써 제1 지원 여부를 판단할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 발화를 처리하기 위한 목표 동작의 분류를 수행함으로써 제2 지원 여부를 판단할 수 있다. 프로세서(530)는 인식 결과에 기초하여 발화에 대응하는 명령을 수행할 어플리케이션을 탐색할 수 있다. 프로세서(530)는 어플리케이션이 전자 장치(500)에 의해 실행 가능한지 여부를 판단함으로써 제2 지원 여부를 판단할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 제2 지원 여부에 기초하여 발화에 대응하는 명령을 처리할 수 있다. 프로세서(530)는 제2 지원 여부에 기초하여 인식 결과를 서버(108)로 전송할 수 있다. 프로세서(530)는 어플리케이션이 전자 장치(500)에 의해 실행 불가능할 경우, 인식 결과 및/또는 오디오 신호를 서버(108)로 전송할 수 있다.
다양한 실시예에 따르면, 메모리(550)는 프로세서에 의해 실행가능한 인스트럭션들(또는 프로그램)을 저장할 수 있다. 예를 들어, 인스트럭션들은 프로세서(530)의 동작 및/또는 프로세서(530)의 각 구성의 동작을 실행하기 위한 인스트럭션들을 포함할 수 있다.
다양한 실시예에 따르면, 메모리(550)는 휘발성 메모리 장치(예: 도 1의 휘발성 메모리(132)) 또는 불휘발성 메모리 장치(예: 도 1의 비휘발성 메모리(134))로 구현될 수 있다. 휘발성 메모리 장치는 DRAM(dynamic random access memory), SRAM(static random access memory), T-RAM(thyristor RAM), Z-RAM(zero capacitor RAM), 또는 TTRAM(Twin Transistor RAM)으로 구현될 수 있다.
다양한 실시예에 따르면, 불휘발성 메모리 장치는 EEPROM(Electrically Erasable Programmable Read-Only Memory), 플래시(flash) 메모리, MRAM(Magnetic RAM), 스핀전달토크 MRAM(Spin-Transfer Torque(STT)-MRAM), Conductive Bridging RAM(CBRAM), FeRAM(Ferroelectric RAM), PRAM(Phase change RAM), 저항 메모리(Resistive RAM(RRAM)), 나노 튜브 RRAM(Nanotube RRAM), 폴리머 RAM(Polymer RAM(PoRAM)), 나노 부유 게이트 메모리(Nano Floating Gate Memory(NFGM)), 홀로그래픽 메모리(holographic memory), 분자 전자 메모리 소자(Molecular Electronic Memory Device), 또는 절연 저항 변화 메모리(Insulator Resistance Change Memory)로 구현될 수 있다.
도 6은 다양한 실시예에 따른 전자 장치의 시스템 아키텍처의 예를 나타내는 블록이다.
도 6을 참조하면, 다양한 실시예에 따르면, 전자 장치(101)(예: 도 5의 전자 장치(500))는 사용자 발화를 수신하고, 발화의 내용이나 상황에 따라 전자 장치(101) 상에서 처리할 지, 또는 서버(예: 도 1의 서버(108))로 전달하여 처리할 지 결정할 수 있다. 수신한 발화가 전자 장치(101) 내에서 처리 가능한 경우라면 프로세서(예: 도 1의 프로세서(120))가 발화를 처리하여 사용자에게 처리 결과를 제공할 수 있다. 전자 장치(101)가 직접 발화를 처리하는 경우, 서버(108)와 연동되지 않아 메모리(130) 내의 개인 정보, 및/또는 디바이스 컨텍스트와 같은 정보 전달을 방지하거나 줄임으로써 통신 비용을 절감하고 서버(108)의 활용 비중을 줄일 수 있다.
다양한 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는, 다양한 모듈들/엔진들을 포함하고, 각각의 모듈들/엔진들은 다양한 프로세싱 회로 및/또는 실행 가능한 프로그램 인스트럭션들을 포함할 수 있다. 실행 가능한 프로그램 인스트력선들은 eASR(embedded automatic speech recognition)(601), 컨버세이션(conversation)(603), e토크나이저(embedded tokenizer)(605), e디바이스 컨텍스트(embedded device context)(607), ePDSS(embedded personal data sync service)(609), e룰 엔진(embedded rule engines)(610), eNL 모듈(embedded natural language modules)(630), 액션 플래너(action planner)(650) 및/또는 서포터블 앱 모델(supportable app models)(670)을 포함할 수 있다.
다양한 실시예에 따르면, e룰 엔진(610)은 디스패처(dispachers)(611) 및 RNLU(rule natural language understanding)(613)을 포함할 수 있다. e룰 엔진(610)은 룰 기반의 다양한 디스패처들과 룰들이 정의된 패턴들을 이용하여, 입력된 발화에서 특정 앱을 판단하거나 특정 기기를 판단할 수 있다. e룰 엔진(610)은 어떤 동작을 수행하고자 하는지를 등록된 패턴과 비교하여 전자 장치(101)에서 처리 가능한지 서버(108)로 전달해야 하는지에 대한 판단을 수행할 수 있다.
다양한 실시예에 따르면, eNL 모듈(630)은 앱 분류기(app classifier)(631), 신호 레이블러(signal labeler)(632), 신호 분류기(signal classifier)(633), 골 분류기(goal classifier)(634), 매치 셀렉터(match selector)(635) 및/또는 롤 레이블러(role labeler)(636)를 포함할 수 있다.
다양한 실시예에 따르면, eNL 모듈(630)은 e룰 엔진(610)에서 판별하지 못한 발화에 대해서 다양한 NL 모듈들을 활용한 분류기들을 통해 발화 분석을 수행할 수 있다. eNL 모듈(630)은 캡슐 분류기(capsule classifier)를 통해 발화가 처리될 앱을 결정할 수 있다. 예를 들어, "아이유 밤편지 틀어줘"와 같은 발화를 수신하여 발화를 처리하기 위해 음악 재생 어플리케이션이 결정되면, eNL 모듈(630)은 골 분류기(goal classifier)를 통해 수행되어야 하는 목표 골(예: 음악 재생(play song))을 결정할 수 있다.
다양한 실시예에 따르면, 신호 레이블러(632)는 발화에 포함된 파라미터(예: "아이유 밤편지 틀어줘"와 같은 발화를 수신한 경우, 아이유 및 밤편지를 검색(search) 하는 키워드)를 구분할 수 있다. 파라미터를 예측하고 판단을 돕기 위해 추가적인 모듈들이 연동될 수 있다. 매치 셀렉터(635)는 획득한 파라미터들 간의 유효성, 스코어를 판단하여 파라미터를 구분하고 판단을 지원할 수 있다. 신호 분류기(633)는 발화의 특정 단어(word)가 아닌, 발화 전체에 기초하여 의미 있는 정보 및 파라미터가 있는지 여부를 판단할 수 있다. 롤 레이블러(636)는 획득한 파라미터들에 기초하여 파라미터가 가지는 의미 및 개념을 예측할 수 있다. 예를 들어, "아이유 밤편지 틀어줘"와 같은 발화를 수신한 경우, 롤 레이블러(636)는 아이유를 "아티스트 이름(artist name), 밤편지를 노래 제목(song title)로 예측할 수 있다.
다양한 실시예에 따르면, 액션 플래너(650)는 플래너(651), 익스큐션(execution)(653), TTS(text-to-speech)(655) 및 리스폰스 매니저(response manager)(657)를 포함할 수 있다. 플래너(651)는 eNL 모듈에서 획득한 정보들에 기초하여 파라미터들과 골들을 이용한 플랜 그래프(plan graph)를 생성할 수 있다. 플래너(651)는 생성환 플랜 그래프에 기초하여 완료될 결과와 수행해야 할 행동에 대한 액션을 결정할 수 있다.
다양한 실시예에 따르면, 익스큐션(653)은 플래너(651)에서 획득한 결과들이 담긴 인텐트(intent) 정보를 수신하여 앱 모델과 연계하여 동작을 수행할 수 있다. 서포터블 앱 모델(670)은 복수의 앱들(671, 672, 673, 674, 675)을 포함할 수 있다.
다양한 실시예에 따르면, eASR(601)은 수신한 오디오 신호 또는 음성 신호를 처리 가능한 텍스트로 변환할 수 있다. e토크나이저(605)는 변환된 텍스트의 정보를 분석하기 쉽게 단어(word)를 나누고 구분할 수 있다. ePDSS(609)는 전자 장치(101) 내에서 개인화된 정보를 처리하기 위한 개인화 데이터를 관리할 수 있다. e디바이스 컨텍스트(607)는 전자 장치(101)에 관련된 기기 정보를 관리할 수 있다.
다양한 실시예에 따르면, e룰 엔진(610)은 복수의 룰(rule)들이 정의된 패턴들을 이용하여 발화에 기초하여 발화를 처리할 지정된 어플리케이션을 판단하거나, 발화를 처리할 기기를 판단할 수 있다. e룰 엔진(610)은 발화의 패턴을 등록된 패턴과 비교함으로써 전자 장치(101)가 발화를 처리 가능한지 또는 서버(108)로 발화를 전달해야 하는지를 판단할 수 있다.
디스패처(611)는 복수 개가 존재할 수 있다. 디스패처(611)는 발화를 처리하기 위한 어플리케이션의 명칭을 인지하고, 분류할 수 있다. 디스패처(611)는 발화를 처리하기 위한 장치의 명칭을 인지하고, 분류할 수 있다.
eNL 모듈(630)은 e룰 엔진(610)에서 판별하지 못한 발화를 분류기(classifier)들을 이용하여 분석할 수 있다. 골 분류기(634)는 앱 분류기(app classifier)(631)(또는, 캡슐 분류기(capsule classifier))를 통해 발화가 처리될 어플리케이션이 결정되면(예: "노래 틀어줘"와 같은 발화에 대하여 음악 재생 어플리케이션이 결정되면) 목표로 하는 골(goal)(예: 음악 재생(play song))을 결정할 수 있다. 신호 레이블러(632)는 발화에 포함된 파라미터를 획득할 수 있다. 예를 들어, 신호 레이블러(632)는 "아이유 밤편지 틀어줘"와 같은 발화에서 아이유 및 밤편지를 검색(search)하는 키워드(keyword)로 결정할 수 있다. 매치 셀렉터(635)는 획득한 파라미터들 간의 유효성을 판단하고, 스코어(score)를 계산하여 파라미터를 구분함으로써 판단을 지원할 수 있다. 신호 분류기(633)는 발화의 지정된 단어가 아닌 발화 전체를 바탕으로 의미있는 정보 또는 파라미터가 존재하는지 여부를 판단할 수 있다. 롤 레이블러(636)는 획득된 파라미터에 기초하여 파라미터가 가지는 의미, 또는 개념을 예측할 수 있다. 예를 들어, 롤 레이블러(636)는 "아이유 밤편지 틀어줘"와 같은 발화를 수신한 경우, 아이유를 아티스트 이름(artist name)으로 예측하고, 밤편지를 노래 제목(song title)으로 예측할 수 있다.
다양한 실시예에 따르면, 플래너(651)는 파라미터들과 골들을 이용하여 플랜 그래프(plan graph)를 생성할 수 있다. 플래너(651)는 플랜 그래프에 기초하여 발화와 관련하여 완료될 결과와 수행해야 될 행동에 대한 액션을 결정할 수 있다. 익스큐션(653)은 플래너에서 제공된 정보가 포함된 인텐트(intent) 정보에 기초하여 서포터블 앱 모델(670)의 복수의 앱들(671, 672, 673, 674, 675)과 연계하여 동작을 수행할 수 있다.
도 7은 다양한 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 7을 참조하면, 다양한 실시예에 따르면, 프로세서(예: 도 1의 프로세서(120) 또는 도 5의 프로세서(530))는 사용자 발화를 수신하고, 수신한 발화가 지정된 도메인(domain)을 명시하였는지 여부를 판단할 수 있다. 프로세서(530)는 지정된 도메인이 명시된 경우, 전자 장치(예: 도 5의 전자 장치(500)) 내의 온 디바이스 NLU(예: 도 6의 eNL 모듈(630))에서 발화를 처리할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 NLU의 처리 과정에서 추가 파라미터가 필요할 경우, 추가 파라미터가 전자 장치(500) 내에서 처리할 수 있는 파라미터인지 아닌지 판단할 수 있다. 프로세서(530)는 전자 장치(500) 내에서 처리할 수 있는 추가 파라미터일 경우 추가 파라미터를 전자 장치(500)내에 저장된 정보를 이용하여 처리하고, 전자 장치(500) 내에서 처리할 수 없는 파라미터일 경우, 서버(770)(예: 도 1의 서버(108))에 발화 정보를 전달하여 서버(770)에서 처리할 수 있도록 동작할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 사용자의 발화에 대한 인식 결과를 생성할 수 있다. 프로세서(530)는 ASR을 이용하여 사용자의 발화(또는, 음성)을 입력 받아 분석할 수 있다. 프로세서(530)는 eASR(예: 도 6의 eASR(601))을 이용하여 전자 장치(예: 도 5의 전자 장치(500))에 입력된 발화를 분석 가능한 텍스트로 변환할 수 있다. 프로세서(530)는 변환된 텍스트를 분석하고, 처리 가능한지 여부를 판단할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 온 디바이스 분류기(710)(예: 도 6의 e룰 엔진(610))를 통해 전자 장치(500)에 의해 지원 가능한 발화인지 여부를 분석할 수 있다. 프로세서(530)는 온 디바이스 분류기(710)를 통해 룰(rule)에 기초하여 발화가 전자 장치(500)에 의해 지원 가능한지 여부를 판단할 수 있다.
다양한 실시예에 따르면, 온 디바이스 분류기(710)는 RNLU(711)(rule natural language unit) 및 분류기(713)를 포함할 수 있다. RNLU(711)는 룰 기반으로 구성된 하나 이상의 모델을 이용하여 기기 명칭 및 어플리케이션 명칭을 인지하고 분류하는 디스패처(dispatcher)를 포함할 수 있다. 예를 들어, 기기 명칭을 인지하는 디스패처는 "TV에서 무한도전 찾아줘"와 같은 발화를 수신한 경우, "TV에서"를 인지하여 전자 장치(500)가 아닌 서버(770)에서 처리하도록 발화를 전달할 수 있다. 어플리케이션 명칭을 인지하는 디스패처는 "갤러리에 오늘 찍은 사진 찾아줘" 와 같은 발화를 수신한 경우, "갤러리" 라는 어플리케이션이 전자 장치(500)에서 지원되는 어플리케이션 인지를 판단하여 전자 장치(500) 또는 서버(770)에서 처리할지 여부를 결정할 수 있다. 분류기(713)는 발화를 처리할 기기 또는 발화를 처리할 어플리케이션을 분류할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 발화로부터 생성된 인식 결과가 미리 결정된 패턴을 포함하는 경우, 발화를 처리하기 위한 연동 어플리케이션을 이용하여 발화에 대응하는 명령을 처리할 수 있다. 프로세서(530)는 온 디바이스 분류기(710)를 이용하여 디스패처를 이용하지 않고, 지정된 발화 또는 지정된 패턴이 등록된 경우, 룰에 기초하여 전자 장치(500)의 지원 가능 여부를 판단할 수 있다. 예를 들어, 프로세서(530)는 "TV 꺼"와 같은 발화를 수신한 경우, 기기(예: TV)를 제어하는 연동 어플리케이션으로 이용하여 즉시 처리함으로써 별도로 서버(770)로 발화를 전달하지 않고, 전자 장치(500)에서 발화를 바로 처리할 수 있다. 또한, 프로세서(530)는 온 디바이스 분류기(710)를 이용하여 "뒤로" 또는, "취소"와 같은 짧은 발화(short utterance)를 수신한 경우, 룰에 기반하여 서버(770)로 발화를 전달하지 않고, 전자 장치(500)를 통해 처리 가능한 발화임을 인지할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 온 디바이스 분류기(710)의 RNLU 모델을 이용하여 전자 장치(500)의 지원 가능 여부를 판단하지 못한 경우, 온 디바이스 NL(730)(예: 도 6의 eNL 모듈(630))을 이용하여 수신한 발화에 대응하는 명령을 수행할 어플리케이션을 탐색할 수 있다. 프로세서(530)는 온 디바이스 NL(730)의 골 분류기(731) 및 슬롯 태거(slot tagger)(733)를 이용하여 수신한 발화를 수행하기 위한 어플리케이션을 탐색할 수 있다. 예를 들어, 온 디바이스 NL(730)은 "블루투스 켜줘"와 같은 발화를 수신한 경우, 발화를 시스템/설정 어플리케이션으로 분류할 수 있고, 시스템/설정 어플리케이션이 전자 장치(500)에 의해 지원되는 어플리케이션이라면 전자 장치(500) 내부에서 발화를 처리할 수 있다.
다양한 실시예에 따르면, 슬롯 태거(733)는 발화에서 파라미터를 추출할 수 있다. 슬롯 태거(733)는 신호 레이블러(예: 도 6의 신호 레이블러(632)), 신호 분류기(예: 도 6의 신호 분류기(633)), 매치 셀렉터(예: 도 6의 매치 셀렉터(635)) 및 롤 레이블러(예: 도 6의 롤 레이블러(636))를 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 온 디바이스 NL(730)에서 수신한 발화가 전자 장치(500)에 의해 지원 불가능한 발화라고 판단한 경우, 수신한 발화를 서버(770)로 전송할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 어플리케이션이 전자 장치(500)에 의해 실행 불가능할 경우, 인식 결과 및/또는 오디오 신호를 서버(770)로 전송할 수 있다. 예를 들어, 프로세서(530)는 ASR 통해 획득한 텍스트를 서버(770)로 전달하거나 수신한 발화가 포함된 오디오 신호의 원음 그대로의 웨이브(wave)를 서버(770)로 전송할 수 있다. 또는, 프로세서(530)는 두 가지 모두를 서버(770)로 전송할 수 있다. 프로세서(530)는 온 디바이스 NL(730)에서 전자 장치(500)가 지원 가능한 발화라고 판단한 경우, 전자 장치(500) 내의 NL모듈(예: 도 6의 eNL 모듈(630))에서 발화를 처리할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 필요성을 결정할 수 있다. 프로세서(530)는 추가 파라미터의 필요성에 기초하여 메모리(예: 도 5의 메모리(550))를 탐색할 수 있다. 프로세서(530)는 프롬프트(prompt)가 필요한지 여부를 판단할 수 있다. 일 실시 예에 따르면, 프로세서(530)는 추가 파라미터가 메모리에 존재하는지 여부에 기초하여 프롬프트가 필요한지 여부를 판단할 수 있다. 예를 들어, 프로세서(530)는 추가 파라미터가 메모리에 존재하지 않는 경우, 프롬프트가 필요하다고 판단할 수 있다. 프롬프트가 필요한 경우, 프로세서(530)는 ASR 결과 또는 웨이브를 서버(770)로 전송할 수 있다.
다양한 실시예에 따르면, 프롬프트가 필요하지 않은 경우(예: 추가 파라미터가 메모리에 존재하는 경우), 프로세서(530)는 온 디바이스 플랜/실행 모듈(750)을 이용하여 발화에 대응하는 명령을 처리하기 위해 수행해야 할 행동에 대한 액션(action)을 결정할 수 있다. 프로세서(530)는 다이나믹 플래너(751)(예: 도 6의 플래너(651))를 이용하여 파라미터들과 골들을 이용한 플랜 그래프를 생성하고, 액션을 결정하고, 실행기(753)(예: 도 6의 익스큐션(653))를 이용하여 플랜 그래프 및 액션을 포함하는 인텐트(intent) 정보에 기초하여 어플리케이션과 연계하여 명령을 처리하기 위한 동작을 수행할 수 있다. 프로세서(530)는 TTS(예: 도 6의 TTS(655)) 및/또는 리스폰스 매니저(예: 도 6의 리스폰스 매니저(657))를 이용하여 동작 수행의 결과 및/또는 TTS 결과를 생성하여 사용자에게 제공할 수 있다.
도 8은 다양한 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 8을 참조하면, 다양한 실시예에 따르면, 프로세서(예: 도 5의 프로세서(530))는 사용자의 음성에 포함된 발화에 대한 인식 결과를 생성하고, 생성한 인식 결과에 기초하여 룰(rule)에 기초한 제1 분류를 수행함으로써 발화에 대한 전자 장치(예: 도 5의 전자 장치(500))의 제1 지원 여부를 판단할 수 있다. 프로세서(530)는 제1 지원 여부에 기초하여 제2 분류를 수행함으로써 발화에 대한 전자 장치(500)의 제2 지원 여부를 판단할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 수신한 발화를 분류기(예: 도 7의 온 디바이스 분류기(710))에 진입시킬 수 있다(811). 프로세서(530)는 룰 기반 모델에 입력할 수 있다(813). 프로세서(530)는 발화가 전자 장치(500)에 의해 처리 가능한지 여부가 룰 기반 모델에서 판별 가능한지 여부를 결정할 수 있다(815). 다양한 실시예에 따르면, 프로세서(530)는 발화가 전자 장치(500)에서 지원 불가능한 경우, 텍스트 및/또는 웨이브를 서버(예: 도 1의 서버(108))로 전송할 수 있다(821).
다양한 실시예에 따르면, 프로세서(530)는 룰 기반 모델(예: 도 6의 e룰 엔진(610))에서 전자 장치(500)의 지원 여부가 판단되는 경우, 발화를 분류기 모델(예: 도 6의 eNL 모듈(630))로 입력할 수 있다(817). 프로세서(530)는 분류기 모델에서 전자 장치(500)의 지원 여부가 판별되는지 여부를 결정할 수 있다(819). 프로세서(530)는 발화가 전자 장치(500)에서 지원 불가능한 경우, 텍스트 및/또는 웨이브를 서버(예: 도 1의 서버(108))로 전송할 수 있다(821). 발화가 전자 장치에서 판별 가능한 경우, 프로세서(530)는 다음 스테이지로 진입할 수 있다(823).
도 9a 및 도 9b는 다양한 실시예에 따른 추가 파라미터를 설명하기 위한 도면이다.
도 9a 및 도 9b를 참조하면, 다양한 실시예에 따르면, 프로세서(예: 도 5의 프로세서(530))는 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 유형을 획득하고, 추가 파라미터의 유형에 기초하여 전자 장치(예: 도 5의 전자 장치(500))가 발화를 처리할지 여부를 결정할 수 있다.
다양한 실시예에 따르면, 추가 파라미터의 유형은 수치 정보를 포함하는 제1 유형, 발화를 처리하기 위한 동작에 관련된 정보를 포함하는 제2 유형 및 발화의 처리를 위한 정보의 카테고리 정보를 포함하는 제3 유형을 포함할 수 있다.
다양한 실시예에 따르면, NL 분류기(예: 도 7의 온 디바이스 분류기(710))를 통해 발화가 수행되어야 할 어플리케이션이 정해진 후, 프로세서(530)는 온 디바이스 NL 모듈(예: 온 디바이스 NL 모듈(730))에 발화를 입력하여 NL의 모델들을 통해 수행되어야 할 동작을 규정하고 발화 내부의 파라미터들을 추출할 수 있다. 프로세서(530)는 골 분류기(예: 도 7의 골 분류기(731))를 통해 발화에 대응하는 명령을 처리하기 위해 어떤 동작을 수행하면 되는지를 결정할 수 있다. 프로세서(530)는 신호 레이블러(예: 도 6의 신호 레이블러(632)), 매치 셀렉터(예: 도 6의 매치 셀렉터(635)) 및 신호 분류기(예: 도 6의 신호 분류기(633))와 같은 모듈들을 이용하여 발화 내의 파라미터를 구분하고 예측을 수행할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 수신한 발화를 분석하여 처리하는 과정에서 수신한 데이터 외에 사용자로부터 추가적인 정보들을 요구할 수 있다. 예를 들어, "캘린더에 8시에 저녁약속 등록해줘"라는 발화를 수신한 경우, 발화를 처리하는 기기에서는 "장소는 어디로 할까요?" 또는 "날짜는 어떻게 되나요?"와 같은 정확한 등록을 위한 추가적인 정보를 사용자에게 요구할 수 있다. 이 때, 추가적인 정보를 받고 분석하는 과정에서 전자 장치(500)가 아닌 서버(예: 도 1의 서버(108))의 지원이 요구될 수 있다.
다양한 실시예에 따르면, 메모리(예: 도 5의 메모리(550))는 파라미터 유형에 따라 지원 가능한 어플리케이션 및 골(goal)에 대한 정보를 저장할 수 있다. 프로세서(530)는 각각의 어플리케이션 별로 지원되는 골에 대한 정보 및 골에서 사용되는 파라미터의 종류(또는, 유형)에 대한 정보에 기초하여 전자 장치(500)에서 발화를 처리할지 또는 서버(108)로 발화를 전송할지 여부를 결정할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 파라미터 정보에 기초하여 전자 장치(500)가 지원 가능한 어플리케이션(또는 앱) 및 골에 대한 판단을 수행할 수 있다. 파라미터의 유형은 제1 유형, 제2 유형 및 제2 유형을 포함할 수 있다.
다양한 실시예에 따르면, 제1 유형의 파라미터는 스태틱 밸류(static value)(910)를 포함할 수 있다. 스태틱 밸류(910)는 '1', '2', '20%', '80%', '켜줘', 또는 '꺼줘'와 같은 정해진 골에서 전자 장치(500)의 내부 또는 외부에 대한 추가적인 탐색 없이 즉각적으로 획득 가능한 수치와 같은 형태를 의미할 수 있다. 예를 들어, 프로세서(530)는 "볼륨 조절해줘"와 같은 발화를 수신하여 처리하면서, 볼륨 제어(volume_control)라는 골이 요구된다고 판단했을 때, 골이 가질 수 있는 파라미터가 스태틱 밸류(910)일 수 있다. 이 때, 프로세서(530)는 "볼륨을 얼마로 조절해드릴까요?"와 같은 프롬프트를 사용자에게 요구하여 볼륨을 얼마로 조절할지에 대한 추가 파라미터 정보를 포함한 발화가 실제로 수치와 관련된 스태틱 밸류(910)에 매칭되는 경우, 전자 장치(500)에서 발화를 처리할 수 있다. 만약, 스태틱 밸류(910)에 매칭되지 않는 추가 정보 발화를 사용자로부터 수신한 경우, 프로세서(530)는 수신한 발화를 전자 장치(500)에서 실패 동작으로 처리하거나 서버(108)로 전달하는 추가적인 동작을 수행할 수 있다.
다양한 실시예에 따르면, 제2 유형의 파라미터는 다이나믹 밸류(dynamic value)(930)를 포함할 수 있다. 다이나믹 밸류(930)는 골을 수행하기 위해 필요한 스태틱 밸류(910) 외의 추가적인 정보 값들을 의미할 수 있다. 다이나믹 밸류(930)는 메모리(550) 내에 저장된 정보일 수 있고, 서버(108)에 보관된 정보일 수 있다. 예를 들어, "갤러리에서 사진 보여줘"와 같은 사용자 발화를 수신하여, 갤러리 보여주기(gallery_show)라는 골로 판단한 경우, 프로세서(530)는 갤러리 보여주기 골이 가질 수 있는 파라미터가 다이나믹 밸류(930)라는 것을 인지할 수 있다. 프로세서(530)는 "어떤 사진을 원하시나요?"와 같이 프롬프트를 통해 사용자에게 추가 정보를 요구하여, "가족 앨범"과 같은 추가 정보를 수신하면, 전자 장치(500) 내에 매칭 되는 정보가 있는지를 탐색할 수 있다. 매칭되는 정보가 존재하는 경우, 프로세서(530)는 전자 장치(500) 내에서 발화를 처리하고, 정보가 존재하지 않는 경우, 발화를 서버(108)로 전송하여 처리할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 획득한 골과 다이나믹 밸류(930)를 어플리케이션으로 전달하여 어플리케이션에서 처리된 결과가 실패인 경우, 서버(108)로 발화를 처리하여 전달할 수 있다. 프로세서(530)는 다이나믹 밸류(930)로 추가 정보를 수신한 경우, 추가 정보가 전자 장치(500) 내에 존재하는지 여부를 판단하고, 서버(108)에 대한 전달 여부를 결정할 수 있다.
다양한 실시예에 따르면, 제3 유형의 파라미터는 오픈 타이틀(950)을 포함할 수 있다. 오픈 타이틀(950)(open title)은 기본적으로 어떤 값이든 가질 수 있는 파라미터를 의미할 수 있다. 오픈 타이틀(950)은 어떤 정보를 가지는지를 알 수 있는 카테고리(category) 값을 가질 수 있다. 예를 들어, 카테고리는 '노래 제목(song name)', '배우(actor)', 및/또는 '장소(location)'와 같은 정보를 포함할 수 있다. 오픈 타이틀(950)에 포함된 카테고리를 전자 장치(500)에서 처리할 수 있는지 여부에 따라 프로세서(530)의 동작이 달라질 수 있다. 프로세서(530)는 발화를 그대로 옮기는 메모(memo)나 딕테이션(dictation)과 같은 동작은 전자 장치(500)에서 직접 처리하도록 할 수 있다. 처리할 수 없는 정보의 카테고리인 경우, 프로세서(530)는 발화를 서버(108)로 전송하여 처리할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 지원 가능한 앱(970)들과 발화를 처리하기 위해 필요한 파라미터의 유형에 대한 정보를 도 9b의 예시와 같이 인지할 수 있다. 앱 1(971)은 발화의 처리를 위해 골1(972) 및 골 2(973)을 수행할 수 있고, 골 1(972)는 스태틱 밸류 유형의 파라미터를 이용하고, 골 2(973)은 스태틱 밸류 및 다이나믹 밸류 유형의 파라미터를 이용할 수 있다. 앱 2(974)는 발화의 처리를 위해 골 1(975) 및 골 2(976)을 수행할 수 있고, 골 1(975)는 다이나믹 밸류 및 오픈 타이틀 유형의 파라미터를 이용하고, 골 2(976)은 스태틱 밸류, 다이나믹 밸류 및 오픈 타이틀 유형의 파라미터를 이용할 수 있다.
도 10은 다양한 실시예에 따른 추가 파라미터의 필요성을 결정하는 동작의 흐름도를 나타낸다.
도 10을 참조하면, 다양한 실시예에 따르면, 프로세서(예: 도 5의 프로세서(530))는 추가 정보(예: 추가 파라미터)에 기초하여 온 디바이스(예: 도 5의 전자 장치(500))에서 발화를 처리할지 여부를 결정할 수 있다. 프로세서(530)는 추가 정보에 대하여 입력 처리를 수행할 수 있다(1011). 프로세서(530)는 추가 정보의 파라미터 유형을 판단할 수 있다(1013). 추가 정보가 다이나믹 밸류(예: 도 9a의 다이나믹 밸류(930))인 경우, 프로세서(530)는 내부 개인 정보를 비교할 수 있다(1015). 프로세서(530)는 매치 정보의 비교 유무를 판단할 수 있다(1017). 매치 정보가 존재하지 않는 경우, 프로세서(530)는 발화를 서버(예: 도 1의 서버(108))로 전달할 수 있다(1023). 매치 정보가 존재하는 경우, 프로세서(530)는 추가 정보가 필요한지 여부를 판단할 수 있다(1027).
다양한 실시예에 따르면, 프로세서(530)는 파라미터의 유형이 스태틱 밸류(예: 도 9a의 스태틱 밸류(910))인지 여부를 판단할 수 있다(1019). 파라미터 유형이 스태틱 밸류가 아닌 경우, 프로세서(530)는 발화를 서버(108)로 전달할 수 있다. 파라미터 유형이 스태틱 밸류인 경우, 프로세서(530)는 추가 정보가 필요한지 여부를 판단할 수 있다(1027).
다양한 실시예에 따르면, 프로세서(530)는 파라미터의 유형이 오픈 타이틀(예: 도 9a의 오픈 타이틀(950))인 경우, 오픈 타이틀에 포함된 카테고리가 지원 가능한 카테고리인지 여부를 판단할 수 있다(1021). 지원 가능하지 않은 카테고리인 경우, 프로세서(530)는 발화를 서버(108)로 전달할 수 있다(1025). 지원 가능한 카테고리인 경우, 프로세서(530)는 추가 정보가 필요한지 여부를 판단할 수 있다(1027). 프로세서(530)는 추가 정보가 필요한 경우, 1011의 동작을 다시 수행할 수 있고, 추가 정보가 필요하지 않은 경우, 온 디바이스 처리를 수행할 수 있다(1029).
다양한 실시예에 따르면, 프로세서(530)는 지원되는 어플리케이션과 골(goal)들에 대하여 추가 정보를 입력 받는 과정에서 전자 장치(500)가 지원이 어렵거나 서버(108)의 지원이 필요하여 서버(108)로 발화를 전달하는 것으로 결정한 경우, 온 디바이스 지원으로 동작 중이더라도 서버(108)로 발화를 전달하고 처리를 이관할 수 있다. 프로세서(530)는 발화를 서버(108)로 전달하기로 결정한 경우, 수신한 발화의 웨이브 음성 정보를 그대로 전달할 수 있고, 온 디바이스에서 발화를 처리하며 획득한 골 및 추가 입력된 파라미터를 서버(108)로 전송할 수도 있다.
도 11은 다양한 실시예에 따른 온 디바이스 NL 구간에서의 동작의 흐름도를 나타낸다.
도 11을 참조하면, 다양한 실시예에 따르면, 프로세서(예: 도 5의 프로세서(530))는 NL 모델(예: 도 7의 온 디바이스 NL(730))에 발화를 진입시킬 수 있다(1111). 프로세서(530)는 골 분류기(예: 도 7의 골 분류기(731))를 이용하여 발화를 처리할 수 있다(1113). 프로세서(530)는 골 분류기의 처리 결과에 기초하여 발화를 처리하기 위한 골(goal)을 결정할 수 있다(1115).
다양한 실시예에 따르면, 프로세서(530)는 결정된 골에 기초하여 발화가 온 디바이스(예: 도 5의 전자 장치(500))에서 지원되는지 여부를 판단할 수 있다(1117). 온 디바이스에서 발화가 지원되는 경우에 프로세서(530)는 파라미터를 추출할 수 있다(1119). 온 디바이스에서 발화가 지원되지 않는 경우에, 프로세서(530)는 발화를 서버(예: 도 1의 서버(108))로 전송할 수 있다(1129).
다양한 실시예에 따르면, 프로세서(530)는 추가 정보가 필요한지 여부를 결정할 수 있다(1121). 추가 정보가 필요한 경우, 프로세서(530)는 사용자에게 추가 정보를 요청할 수 있다(1123). 예를 들어, 프로세서(530)는 프롬프트 또는 인터럽트(interrupt)의 형태로 추가 정보를 요청할 수 있다. 프로세서(530)는 수신한 추가 정보를 입력할 수 있다(1125). 프로세서(530)는 입력된 추가 정보에 기초하여 1119의 동작을 다시 수행할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 추가 정보가 필요하지 않은 경우, 발화가 온 디바이스에서 지원되는지 여부를 결정할 수 있다(1127). 발화가 온 디바이스에서 지원되지 않는 경우, 프로세서(530)는 발화를 서버(108)로 전송할 수 있다(1129). 발화가 온 디바이스에서 지원되는 경우, 프로세서(530)는 다음 스테이지를 진행할 수 있다(1131).
다양한 실시예에 따르면, 분류기와 NL 모듈에서 온 디바이스 지원 가능 여부를 판단하고, 온 디바이스에서 지원할 수 없다고 판단된 경우, 서버(108)에서 발화를 처리시키고, 서버(108)로부터 처리 결과를 수신하여 사용자에게 제공할 수 있다. 온 디바이스에서 처리 가능한 경우, 온 디바이스 내부에 구현된 액션 플래너(예: 도 6의 액션 플래너(650))에서 어플리케이션과 연계하여 수행해야 할 동작을 수행하고, 결과를 사용자에게 시각적 및/또는 음성적으로 제공할 수 있다.
도 12a, 도12b, 도 12c 및 도 13은 다양한 실시예에 따른 발화 처리를 위한 사용자 인터페이스의 예들을 나타낸다.
도 12a, 도12b, 도 12c 및 도 13을 참조하면, 다양한 실시예에 따르면, 프로세서(예: 도 5의 프로세서(530))는 사용자로부터 발화가 포함된 오디오 신호를 수신하고, 수신한 오디오 신호에 기초하여 사용자에게 프롬프트를 통해 추가 정보를 요청할 수 있다. 예를 들어, 프로세서(530)가 "비행기 시간 알려줘"와 같은 발화를 수신한 경우, 사용자 인터페이스(1210)과 같은 화면을 제공할 수 있다. 다시 말해, 프로세서(530)는 사용자에게 프롬프트를 통해 추가 정보를 요청할 수 있다. 예를 들어, 프로세서(530)는 "검색할 공항 또는 항공편 명을 함께 말해주세요."와 같은 프롬프트를 제공할 수 있다.
다양한 실시예에 따르면, 추가 정보의 요청에 대한 답변에 응답하여, 프로세서(530)는 사용자 인터페이스(1230)과 같은 화면을 제공할 수 있다. 예를 들어, 프로세서(530)는 "인천공항"이라는 사용자의 답변에 응답하여 "검색할 도착 공항을 알려주세요"라는 추가 정보를 요청할 수 있다.
다양한 실시예에 따르면, 추가 정보의 요청에 대한 답변에 응답하여 프로세서(530)는 사용자 인터페이스(1250)과 같은 화면을 제공할 수 있다. 예를 들어, 프로세서(530)는 "제주공항"이라는 사용자의 답변에 응답하여 "현재 시각 기준 12시간 전후에는 서울에서 출발하는 제주행 항공편이 없네요."라는 응답을 사용자에게 제공할 수 있다.
다양한 실시예에 따르면, 사용자 인터페이스는 도 13의 예시와 같이, 보이스 에이전트 오프라인 모드(voice agent offline mode) 메뉴(1310)에 콜(call)(1311), 알람(alarm)(1312), 오픈(open)(1313), 세팅(setting)(1314), 뮤직(music)(1315) 및 맵(map)(1316) 메뉴를 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 사용자 발화 처리를 위한 온 디바이스 상에서 지원 가능한 어플리케이션에 관한 사용자 인터페이스를 제공할 수 있다.
도 14는 다양한 실시예에 따른 전자 장치의 동작의 흐름도를 나타낸다.
도 14를 참조하면, 다양한 실시예에 따르면, 프로세서(예: 도 5의 프로세서(530))는 마이크(예: 도 2의 마이크(150-1))를 이용하여 사용자의 발화를 포함한 오디오 신호를 수신할 수 있다(1410). 프로세서(530)는 발화에 대한 인식 결과를 생성할 수 있다(1430). 프로세서(530)는 발화에 기초하여 ASR(automatic speech recognition)을 수행함으로써 발화에 대응하는 텍스트를 생성함으로써 인식 결과를 생성할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과에 기초하여 발화가 전자 장치(예: 도 5의 전자 장치(500))에 의해 지원되는지 여부를 판단할 수 있다(1450). 프로세서(530)는 지원 여부에 기초하여 전자 장치(500)가 발화를 처리할지 여부를 결정할 수 있다(1470).
다양한 실시예에 따르면, 프로세서(530)는 인식 결과를 룰 기반 자연어 모델(rule based model)에 입력함으로써 발화가 전자 장치(500)에 의해 처리 가능한지 여부를 판단할 수 있다. 프로세서(530)는 룰 기반 자연어 모델에 기초하여 발화를 처리하기 위한 어플리케이션(application)(또는, 앱(app))이 전자 장치(500)에 의해 지원되는지 여부를 판단할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과가 미리 결정된 패턴을 포함하는 경우, 발화를 처리하기 위한 연동 어플리케이션을 이용하여 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 인식 결과에 기초하여 발화에 대응하는 명령을 수행할 어플리케이션을 탐색할 수 있다. 프로세서(530)는 어플리케이션이 전자 장치에 의해 실행 가능한지 여부를 판단할 수 있다. 프로세서(530)는 전자 장치에 의해 실행 가능한지 여부에 기초하여 인식 결과를 서버(예: 도 1의 서버(108))로 전송할 수 있다. 프로세서(530)는 어플리케이션이 전자 장치에 의해 실행 불가능할 경우, 인식 결과 및/또는 오디오 신호를 서버(108)로 전송할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 필요성을 결정할 수 있다. 프로세서(530)는 추가 파라미터의 필요성에 기초하여 메모리(예: 도 5의 메모리(550))를 탐색할 수 있다.
다양한 실시예에 따르면, 추가 파라미터의 유형은 수치 정보를 포함하는 제1 유형, 발화를 처리하기 위한 동작에 관련된 정보를 포함하는 제2 유형 및 발화의 처리를 위한 정보의 카테고리 정보를 포함하는 제3 유형을 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 처리 여부에 기초하여 발화에 대응하는 명령을 처리할 수 있다(1490).
다양한 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101))는, 발화를 포함한 오디오 신호를 수신하는 마이크(예: 도 2의 마이크(150-1))와, 프로세서(예: 도 1의 프로세서(120))와, 상기 프로세서에 의해 실행 가능한 인스트럭션을 저장하는 메모리(예: 도 1의 메모리(130))를 포함하고, 상기 프로세서는, 상기 발화에 대한 인식 결과를 생성하고, 상기 인식 결과에 기초하여 상기 발화가 상기 전자 장치에 의해 지원되는지 여부를 판단하고, 지원 여부에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정하고, 상기 처리 여부에 기초하여 상기 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 발화에 기초하여 ASR(Automatic Speech Recognition)을 수행함으로써 상기 발화에 대응하는 텍스트를 생성함으로써 상기 인식 결과를 생성할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 인식 결과를 룰 기반 자연어 모델(rule based model)에 입력함으로써 상기 발화가 상기 전자 장치에 의해 처리 가능한지 여부를 판단하고, 상기 룰 기반 자연어 모델에 기초하여 상기 발화를 처리하기 위한 어플리케이션(application)이 상기 전자 장치에 의해 지원되는지 여부를 판단할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 인식 결과가 미리 결정된 패턴을 포함하는 경우, 상기 발화를 처리하기 위한 연동 어플리케이션을 이용하여 상기 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 인식 결과에 기초하여 상기 발화에 대응하는 명령을 수행할 어플리케이션을 탐색하고, 상기 어플리케이션이 상기 전자 장치에 의해 실행 가능한지 여부를 판단하고, 상기 전자 장치를 제어하여 상기 전자 장치에 의해 실행 가능한지 여부에 기초하여 상기 인식 결과를 서버(예: 도 1의 서버(108))로 전송할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 어플리케이션이 상기 전자 장치에 의해 실행 불가능할 경우, 상기 전자 장치를 제어하여 상기 인식 결과 또는 상기 오디오 신호를 상기 서버로 전송할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 필요성을 결정하고, 상기 필요성에 기초하여 상기 메모리를 탐색할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 유형을 획득하고, 상기 유형에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정할 수 있다.
다양한 실시예에 따르면, 상기 추가 파라미터의 유형은, 수치 정보를 포함하는 제1 유형, 상기 발화를 처리하기 위한 동작에 관련된 정보를 포함하는 제2 유형 및 상기 발화의 처리를 위한 정보의 카테고리 정보를 포함하는 제3 유형을 포함할 수 있다.
다양한 실시예에 따르면, 전자 장치는, 사용자의 발화를 포함한 오디오 신호를 수신하는 마이크와, 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 발화에 대한 인식 결과를 생성하고, 상기 인식 결과에 기초하여 룰(rule)에 기초한 제1 분류를 수행함으로써 상기 발화에 대한 상기 전자 장치의 제1 지원 여부를 판단하고, 상기 제1 지원 여부에 기초하여 제2 분류를 수행함으로써 상기 발화에 대한 상기 전자 장치의 제2 지원 여부를 판단하고, 상기 제2 지원 여부에 기초하여 상기 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 발화에 기초하여 ASR(Automatic Speech Recognition)을 수행함으로써 상기 발화에 대응하는 텍스트를 생성함으로써 상기 인식 결과를 생성할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 인식 결과를 룰 기반 자연어 모델(rule based model)에 입력함으로써 상기 발화가 상기 전자 장치에 의해 처리 가능한지 여부를 판단하고, 상기 룰 기반 자연어 모델에 기초하여 상기 발화를 처리하기 위한 어플리케이션(application)이 상기 전자 장치에 의해 지원되는지 여부를 판단함으로써 상기 제1 지원 여부를 판단할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 인식 결과가 미리 결정된 패턴을 포함하는 경우, 상기 발화를 처리하기 위한 연동 어플리케이션을 이용하여 상기 발화에 대응하는 명령을 처리할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 발화를 처리하기 위한 목표 동작의 분류를 수행함으로써 상기 제2 지원 여부를 판단할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 인식 결과에 기초하여 상기 발화에 대응하는 명령을 수행할 어플리케이션을 탐색하고, 상기 어플리케이션이 상기 전자 장치에 의해 실행 가능한지 여부를 판단함으로써 상기 제2 지원 여부를 판단하고, 상기 전자 장치를 제어하여 상기 제2 지원 여부에 기초하여 상기 인식 결과를 서버로 전송할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 어플리케이션이 상기 전자 장치에 의해 실행 불가능할 경우, 상기 전자 장치를 제어하여 상기 인식 결과 또는 상기 오디오 신호를 상기 서버로 전송할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 필요성을 결정하고, 상기 필요성에 기초하여 상기 메모리를 탐색할 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 유형을 획득하고, 상기 유형에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정할 수 있다.
다양한 실시예에 따르면, 상기 추가 파라미터의 유형은, 수치 정보를 포함하는 제1 유형, 상기 발화를 처리하기 위한 동작에 관련된 정보를 포함하는 제2 유형 및 상기 발화의 처리를 위한 정보의 카테고리 정보를 포함하는 제3 유형을 포함할 수 있다.
다양한 실시예에 따르면, 전자 장치의 발화 처리 방법은, 사용자의 발화를 포함한 오디오 신호를 수신하는 동작과, 상기 발화에 대한 인식 결과를 생성하는 동작과, 상기 인식 결과에 기초하여 상기 발화가 상기 전자 장치에 의해 지원되는지 여부를 판단하는 동작과, 지원 여부에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정하는 동작과, 처리 여부에 기초하여 상기 발화에 대응하는 명령을 처리하는 동작을 포함할 수 있다.
본 개시는 다양한 실시예들을 참조하여 도시되고 설명되었지만, 다양한 실시예들은 설명을 위한 것이고 제한을 위한 것이 아니다. 첨부된 청구항들 및 그들의 균등물들을 포함하는 본 개시의 범위에 벗어나지 않는 한, 통상의 기술자가 형태 및 세부 사항을 다양하게 변경할 수 있는 것으로 이해되어야 한다. 위에서 설명한 임의의 실시예(들)은 다른 실시예(들)과 결합하여 사용될 수 있는 것으로 이해되어야 한다.

Claims (15)

  1. 전자 장치에 있어서,
    발화를 포함한 오디오 신호를 수신하는 마이크;
    프로세서; 및
    상기 프로세서에 의해 실행 가능한 인스트럭션을 저장하는 메모리
    를 포함하고,
    상기 프로세서는,
    상기 발화에 대한 인식 결과를 생성하고,
    상기 인식 결과에 기초하여 상기 발화가 상기 전자 장치에 의해 지원되는지 여부를 판단하고,
    지원 여부에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정하고,
    상기 처리 여부에 기초하여 상기 발화에 대응하는 명령을 처리하는,
    전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 발화에 기초하여 ASR(Automatic Speech Recognition)을 수행함으로써 상기 발화에 대응하는 텍스트를 생성함으로써 상기 인식 결과를 생성하는,
    전자 장치.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 인식 결과를 룰 기반 자연어 모델(rule based model)에 입력함으로써 상기 발화가 상기 전자 장치에 의해 처리 가능한지 여부를 판단하고,
    상기 룰 기반 자연어 모델에 기초하여 상기 발화를 처리하기 위한 어플리케이션(application)이 상기 전자 장치에 의해 지원되는지 여부를 판단하는,
    전자 장치.
  4. 제1항에 있어서,
    상기 프로세서는,
    상기 인식 결과가 미리 결정된 패턴을 포함하는 경우, 상기 발화를 처리하기 위한 연동 어플리케이션을 이용하여 상기 발화에 대응하는 명령을 처리하는,
    전자 장치.
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 인식 결과에 기초하여 상기 발화에 대응하는 명령을 수행할 어플리케이션을 탐색하고,
    상기 어플리케이션이 상기 전자 장치에 의해 실행 가능한지 여부를 판단하고,
    상기 전자 장치를 제어하여 상기 전자 장치에 의해 실행 가능한지 여부에 기초하여 상기 인식 결과를 서버로 전송하는,
    전자 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 어플리케이션이 상기 전자 장치에 의해 실행 불가능할 경우, 상기 전자 장치를 제어하여 상기 인식 결과 또는 상기 오디오 신호를 상기 서버로 전송하는,
    전자 장치.
  7. 제1항에 있어서,
    상기 프로세서는,
    상기 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 필요성을 결정하고,
    상기 필요성에 기초하여 상기 메모리를 탐색하는,
    전자 장치.
  8. 제1항에 있어서,
    상기 프로세서는,
    상기 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 유형을 획득하고,
    상기 유형에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정하는,
    전자 장치.
  9. 제8항에 있어서,
    상기 추가 파라미터의 유형은,
    수치 정보를 포함하는 제1 유형, 상기 발화를 처리하기 위한 동작에 관련된 정보를 포함하는 제2 유형 및 상기 발화의 처리를 위한 정보의 카테고리 정보를 포함하는 제3 유형을 포함하는,
    전자 장치.
  10. 전자 장치에 있어서,
    발화를 포함한 오디오 신호를 수신하는 마이크;
    프로세서; 및
    상기 프로세서에 의해 실행 가능한 인스트럭션을 저장하는 메모리
    를 포함하고,
    상기 프로세서는,
    상기 발화에 대한 인식 결과를 생성하고,
    상기 인식 결과에 기초하여 룰(rule)에 기초한 제1 분류를 수행함으로써 상기 발화에 대한 상기 전자 장치의 제1 지원 여부를 판단하고,
    상기 제1 지원 여부에 기초하여 제2 분류를 수행함으로써 상기 발화에 대한 상기 전자 장치의 제2 지원 여부를 판단하고,
    상기 제2 지원 여부에 기초하여 상기 발화에 대응하는 명령을 처리하는,
    전자 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    상기 인식 결과를 룰 기반 자연어 모델(rule based natural language model)에 입력함으로써 상기 발화가 상기 전자 장치에 의해 처리 가능한지 여부를 판단하고,
    상기 룰 기반 자연어 모델에 기초하여 상기 발화를 처리하기 위한 어플리케이션(application)이 상기 전자 장치에 의해 지원되는지 여부를 판단함으로써 상기 제1 지원 여부를 판단하는,
    전자 장치.
  12. 제10항에 있어서,
    상기 프로세서는,
    상기 인식 결과에 기초하여 상기 발화에 대응하는 명령을 수행할 어플리케이션을 탐색하고,
    상기 어플리케이션이 상기 전자 장치에 의해 실행 가능한지 여부를 판단함으로써 상기 제2 지원 여부를 판단하고,
    상기 전자 장치를 제어하여 상기 제2 지원 여부에 기초하여 상기 인식 결과를 서버로 전송하는,
    전자 장치.
  13. 제12항에 있어서,
    상기 프로세서는,
    상기 어플리케이션이 상기 전자 장치에 의해 실행 불가능할 경우, 상기 전자 장치를 제어하여 상기 인식 결과 또는 상기 오디오 신호를 상기 서버로 전송하는,
    전자 장치.
  14. 제10항에 있어서,
    상기 프로세서는,
    상기 발화에 대응하는 명령을 처리하기 위한 추가 파라미터의 유형을 획득하고,
    상기 유형에 기초하여 상기 전자 장치가 상기 발화를 처리할지 여부를 결정하는,
    전자 장치.
  15. 제14항에 있어서,
    상기 추가 파라미터의 유형은,
    수치 정보를 포함하는 제1 유형, 상기 발화를 처리하기 위한 동작에 관련된 정보를 포함하는 제2 유형 및 상기 발화의 처리를 위한 정보의 카테고리 정보를 포함하는 제3 유형을 포함하는,
    전자 장치.
PCT/KR2022/010882 2021-08-20 2022-07-25 전자 장치 및 전자 장치의 발화 처리 방법 WO2023022381A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/081,210 US20230123060A1 (en) 2021-08-20 2022-12-14 Electronic device and utterance processing method of the electronic device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0110139 2021-08-20
KR1020210110139A KR20230027874A (ko) 2021-08-20 2021-08-20 전자 장치 및 전자 장치의 발화 처리 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/081,210 Continuation US20230123060A1 (en) 2021-08-20 2022-12-14 Electronic device and utterance processing method of the electronic device

Publications (1)

Publication Number Publication Date
WO2023022381A1 true WO2023022381A1 (ko) 2023-02-23

Family

ID=85240644

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/010882 WO2023022381A1 (ko) 2021-08-20 2022-07-25 전자 장치 및 전자 장치의 발화 처리 방법

Country Status (3)

Country Link
US (1) US20230123060A1 (ko)
KR (1) KR20230027874A (ko)
WO (1) WO2023022381A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210042640A (ko) * 2019-10-10 2021-04-20 한국전자기술연구원 적응형 대화를 위한 장치
KR20210045241A (ko) * 2019-10-16 2021-04-26 삼성전자주식회사 전자 장치 및 전자 장치의 음성 명령어 공유 방법
KR20210047173A (ko) * 2019-10-21 2021-04-29 엘지전자 주식회사 오인식된 단어를 바로잡아 음성을 인식하는 인공 지능 장치 및 그 방법
KR20210061091A (ko) * 2019-11-19 2021-05-27 삼성전자주식회사 인텔리전트 어시스턴스 서비스를 제공하기 위한 전자 장치 및 그의 동작 방법
US20210249013A1 (en) * 2018-02-08 2021-08-12 Computime Ltd. Method and Apparatus to Provide Comprehensive Smart Assistant Services

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210249013A1 (en) * 2018-02-08 2021-08-12 Computime Ltd. Method and Apparatus to Provide Comprehensive Smart Assistant Services
KR20210042640A (ko) * 2019-10-10 2021-04-20 한국전자기술연구원 적응형 대화를 위한 장치
KR20210045241A (ko) * 2019-10-16 2021-04-26 삼성전자주식회사 전자 장치 및 전자 장치의 음성 명령어 공유 방법
KR20210047173A (ko) * 2019-10-21 2021-04-29 엘지전자 주식회사 오인식된 단어를 바로잡아 음성을 인식하는 인공 지능 장치 및 그 방법
KR20210061091A (ko) * 2019-11-19 2021-05-27 삼성전자주식회사 인텔리전트 어시스턴스 서비스를 제공하기 위한 전자 장치 및 그의 동작 방법

Also Published As

Publication number Publication date
US20230123060A1 (en) 2023-04-20
KR20230027874A (ko) 2023-02-28

Similar Documents

Publication Publication Date Title
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2020180000A1 (ko) 음성 인식 모델에서 사용되는 언어를 확장시키는 방법 및 음성 인식 모델을 포함하는 전자 장치
WO2020101389A1 (ko) 음성 인식 기반 이미지를 표시하는 전자 장치
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2022092901A1 (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
WO2022092796A1 (ko) 전자 장치 및 전자 장치의 음성 인식 수행 방법
WO2020171545A1 (en) Electronic device and system for processing user input and method thereof
WO2021075820A1 (en) Method of generating wakeup model and electronic device therefor
WO2023022381A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2023158076A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2022177164A1 (ko) 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2023038292A1 (ko) 전자 장치 및 전자 장치의 음성 처리 방법
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2023043025A1 (ko) 불완전 연속 발화를 처리하는 방법 및 그 방법을 수행하는 서버 및 전자 장치
WO2023017975A1 (ko) 상태 변경에 따라 음성 명령 처리 결과를 출력하는 전자 장치 및 그의 동작 방법
WO2022182038A1 (ko) 음성 명령 처리 장치 및 방법
WO2024106913A1 (ko) 발화를 처리하기 위한 전자 장치, 그 동작 방법 및 저장 매체
WO2024029851A1 (ko) 전자 장치 및 음성 인식 방법
WO2023113404A1 (ko) 사용자 데이터를 이용한 음성 인식 서비스를 제공하는 전자 장치 및 이의 동작 방법
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2022191425A1 (ko) 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법
WO2023149707A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법

Legal Events

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

Ref document number: 22858620

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE