WO2023038292A1 - 전자 장치 및 전자 장치의 음성 처리 방법 - Google Patents

전자 장치 및 전자 장치의 음성 처리 방법 Download PDF

Info

Publication number
WO2023038292A1
WO2023038292A1 PCT/KR2022/011196 KR2022011196W WO2023038292A1 WO 2023038292 A1 WO2023038292 A1 WO 2023038292A1 KR 2022011196 W KR2022011196 W KR 2022011196W WO 2023038292 A1 WO2023038292 A1 WO 2023038292A1
Authority
WO
WIPO (PCT)
Prior art keywords
voice
processor
electronic device
user
data
Prior art date
Application number
PCT/KR2022/011196
Other languages
English (en)
French (fr)
Inventor
이길호
김은향
김성수
이정인
정석영
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 US17/939,664 priority Critical patent/US20230085539A1/en
Publication of WO2023038292A1 publication Critical patent/WO2023038292A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/54—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for retrieval

Definitions

  • Various embodiments relate to an electronic device and a voice processing method of the electronic device.
  • Voice recognition in a terminal can generally improve its performance by utilizing terminal usage information such as contacts, installed apps, and/or location information. Voice recognition is not performed only in the terminal, and the results of speech recognition and terminal usage information are transmitted to a server and used as data for improving speech recognition performance.
  • terminal usage information such as contacts, installed apps, and/or location information.
  • Voice recognition is not performed only in the terminal, and the results of speech recognition and terminal usage information are transmitted to a server and used as data for improving speech recognition performance.
  • the usage information of the terminal includes information that can identify the user or that the user is reluctant to disclose (e.g., contact information, schedule, etc.). This information is transmitted to the server and personal information is unintentionally stored on the server and exposed. or increase the possibility of user identification.
  • a person has performed a separate task of de-identifying the data of the server (eg, removing information that can identify a person), but the person who de-identified does not know personal information during the work.
  • a user of the voice recognition function may be reluctant to use the voice recognition function due to a feeling of rejection that personal information may be exposed.
  • Various embodiments may reduce the possibility of leakage of personal information and improve performance of voice recognition by using personal information inside the electronic device only inside the electronic device and not leaking or providing it to the outside.
  • An electronic device includes a microphone for receiving an audio signal including a user's voice, a processor, and a memory for storing instructions executable by the processor and personal information of the user, the processor comprising: A plurality of voice recognition candidates are extracted by analyzing the characteristics of the voice, a keyword is extracted based on the voice recognition candidate, alternative data is searched based on the keyword and the personal information, and the voice recognition candidate is searched based on the alternative data. A recognition result corresponding to the voice may be generated.
  • An electronic device includes a microphone for receiving an audio signal including a user's voice, a processor, and a memory for storing instructions executable by the processor and personal information of the user, the processor comprising: A plurality of voice recognition candidates are extracted by analyzing the characteristics of the voice, a keyword is extracted based on the voice recognition candidate, alternative data is searched based on the keyword and the personal information, and the voice recognition candidate is searched based on the alternative data. A recognition result corresponding to the voice may be generated, and security processing may be performed on the recognition result based on the personal information.
  • a voice processing method of an electronic device includes an operation of receiving an audio signal including a user's voice, an operation of extracting a plurality of voice recognition candidates by analyzing characteristics of the voice, and an operation based on the voice recognition candidates. and extracting a keyword, searching for alternative data based on the keyword and the personal information of the user, and generating a recognition result corresponding to the voice based on the alternative data.
  • performance of voice recognition may be improved by using personal information of a user of an electronic device.
  • Various embodiments may reduce the possibility of leakage of personal information by performing security processing on the user's personal information.
  • 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 illustrates an example of implementation of an electronic device according to various embodiments.
  • FIG. 7 shows a flow diagram of the operation of a user data processor in accordance with various embodiments.
  • FIG. 8 is a flowchart of a voice processing operation of an electronic device according to various embodiments.
  • FIG. 9 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 audio output module 155, or the electronic device 101 directly (eg, wired connection) or wirelessly. Sound may be output through an external electronic device (eg, the electronic device 102) (eg, a speaker or a headphone) connected to the .
  • an external electronic device eg, the electronic device 102
  • 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
  • Subscriber identity module 196 may include a plurality of subscriber identity modules. For example, a plurality of subscriber identity modules may store different subscriber information.
  • 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.
  • the plurality of antennas may include a patch array antenna and/or a dipole array antenna.
  • 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, or a combination thereof, for example, a term such as logic, logical block, component, or circuit. can be used interchangeably with 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 (eg, electromagnetic wave), and this term means that data is stored in the storage medium semi-permanently. It does not differentiate between the case of being stored and the case of being temporarily stored.
  • a signal eg, 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), a microphone 150-1 (eg, the input module 150 of FIG. 1), and a speaker.
  • 155-1 eg, sound output module 155 of FIG. 1
  • display module 160 eg, display module 160 of FIG. 1
  • memory 130 eg, memory 130 of FIG. 1
  • the processor 120 eg, the processor 120 of FIG. 1.
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 177 may 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 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 may store a client module 151 , a software development kit (SDK) 153 , and a plurality of apps 146 (eg, the application 146 of FIG. 1 ).
  • 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_2.
  • 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 may 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 via the network 199.
  • 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 includes an automatic speech recognition module (ASR module) 221, a natural language understanding module (NLU module) 223, a planner module ( planner module 225, a natural language generator module (NLG module) 227, or a text to speech module (TTS module) 229.
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • planner module planner module 225
  • NLG module natural language generator module
  • TTS module text to speech module 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 association information (eg, an ontology) between a plurality of concepts. The planner module 225 may generate a plan using information stored in the capsule database 230 in which a set of relationships between concepts and operations is stored.
  • the 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 or obtain 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 470 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 speech.
  • the electronic device 500 may generate a processing result by processing the user's voice and provide the generated processing result to the user.
  • the electronic device 500 may improve speech recognition performance by using personal information of a user held in the electronic device 500 for a voice recognition operation of the electronic device 500 .
  • the electronic device 500 may prevent leakage of personal information by performing security processing so that the user's personal information is not leaked to an external server (eg, the server 108 of FIG. 1 ).
  • 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 ), and/or a memory ( 550) (eg, the memory 130 of FIG. 1).
  • the microphone 510 may receive an audio signal including a user's voice (or speech).
  • the microphone 510 may output the received audio signal to the processor 530 .
  • the processor 530 may 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 extract a plurality of voice recognition candidates by analyzing voice characteristics.
  • the processor 530 may extract a feature vector based on the voice and extract a plurality of voice recognition candidates based on the feature vector.
  • the processor 530 may calculate probability values corresponding to a plurality of voice recognition candidates based on the feature vector.
  • the probability value may include a first probability value and a second probability value.
  • the processor 530 may calculate a first probability value by inputting a plurality of speech recognition candidates to a first language model modeling general characteristics of language.
  • the processor 530 may calculate a second probability value by inputting a plurality of voice recognition candidates into a second language model modeling linguistic characteristics of the user.
  • the processor 530 may determine one or more target candidates based on the probability value.
  • the processor 530 may determine one or more target candidates based on the first probability value and the second probability value.
  • the processor 530 may extract keywords based on voice recognition candidates.
  • the processor 530 may extract a keyword based on a plurality of voice recognition candidates and a database related to the user's voice.
  • the database related to the voice may include characteristics of the user's utterance, characteristics of the user's vocalization, characteristics of the user's pronunciation, sentence structure included in the voice, and/or voice. It can include the grammar of the included sentence.
  • the processor 530 may search alternative data based on keywords and personal information.
  • the processor 530 may detect an entity name from a recognition result based on a database related to voice.
  • the processor 530 may obtain a category corresponding to the entity name based on a preset rule.
  • the processor 530 may search replacement data based on categories.
  • the entity name may include the name of a person included in the voice, the name of an application related to the voice, and/or the name of content related to the voice.
  • Content may include images, video, music or text.
  • the category may include a schedule included in the voice and/or an operation related to the voice. For example, operations related to voice may include calling, texting, executing, ending, searching, and/or transmitting.
  • the processor 530 may generate a recognition result corresponding to the voice based on the replacement data.
  • the processor 530 may retrieve similar data similar to a category from personal information.
  • the processor 530 may calculate a degree of similarity between the similar data and the entity name.
  • the processor 530 may determine similar data as replacement data based on the degree of similarity.
  • the processor 530 may determine whether the user's schedule and/or the user's location are included in the recognition result based on the personal information.
  • the processor 530 may perform security processing by masking or deleting the recognition result based on the determination result.
  • the memory 550 may store instructions executable by the processor 530 .
  • the memory 550 may store personal information of a user of the electronic device 500 .
  • Memory 550 may store instructions (or programs) executable by processor 530 .
  • 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 or a nonvolatile memory device.
  • 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, and/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
  • FIG 6 illustrates an example of implementation of an electronic device according to various embodiments.
  • an electronic device (eg, the electronic device 500 of FIG. 5 ) includes a voice receiver 610, a voice recognition processor 630, and/or a user data processor 650.
  • the electronic device 500 may perform voice processing using the server 670 (eg, the server 108 of FIG. 1 ).
  • the server 670 may be implemented physically separated from the electronic device 500 .
  • the voice receiver 610 may include a microphone (eg, the microphone 150-1 of FIG. 2).
  • the voice recognition processor 630, the user data processor 650, and the natural language processor 670 may be included in a processor (eg, the processor 530 of FIG. 5).
  • the speech recognition processor 630 may include a feature extractor 631 , a feature analyzer 632 , an N-best generator 633 , and a post processor 636 .
  • the N-best generator 633 may extract speech recognition candidates using the general language model 634 and the personal language model 635 .
  • the user data processor 650 may include a data collector 651 , a personal database 653 , and a linguistic/practical database 655 .
  • the natural language processor 670 may be implemented in the server 108.
  • the voice receiver 610 receives speech received through the microphone 150-1 of the electronic device 500. It can be output to the voice recognition processor 630. The voice receiver 610 may input speech transmitted from an arbitrary device connected to the electronic device 500 to an audio buffer, perform post-processing, and output the speech to the voice recognition processor 630.
  • the voice recognition processor 630 may recognize voice and convert it into text.
  • the feature extractor 631 may extract a feature vector for voice recognition from the received voice.
  • the feature analyzer 632 may infer a plurality of speech recognition candidates by analyzing the extracted feature vectors.
  • the N-best generator 633 may determine a target candidate from among a plurality of voice recognition candidates inferred by the feature analyzer 632 based on probabilities corresponding to the plurality of voice recognition candidates.
  • the N-best generator 633 may select N candidate groups in order of high probability.
  • N may be a natural number.
  • the N-best generator 633 may select N candidate groups as target candidates using the general language model 634 and the personal language model 635 .
  • the general language model 634 models a general characteristic of language and applies it to a speech recognition candidate to analyze a word order and/or a relationship between speech recognition units to analyze a probability corresponding to a speech recognition candidate (eg, A first probability value) may be calculated.
  • the personal language model 635 is a model of usage information in the electronic device 500, and may be applied to a voice recognition candidate and used to calculate a degree of similarity with personal information.
  • the N-best generator 633 may calculate the second probability value using the personal language model 635 .
  • the post processor 636 may perform post-processing on N target candidates selected based on probabilities corresponding to a plurality of voice recognition candidates.
  • the post processor 636 may perform post-processing on the target candidate using the user data processor 650 .
  • the post processor 636 may use the personal database 653 and the linguistic/practical database 655 to determine and correct errors in the target candidate.
  • the post processor 636 compares human keywords that can be estimated to exist in the usage information of the electronic device 500 with human category data of the personal database 653, and among the human category data
  • data of "Kiyomi” exists it may be determined that the intention of the user's utterance is "Kiyomi”.
  • the post processor 636 may output the final voice recognition result as “Where are you going to have dinner with Kiyomi tomorrow evening?”.
  • the post processor 636 may compare the recognition result and the data.
  • the post processor 636 may measure the similarity between the recognition result and the pronunciation sequence of the data, and replace the recognition result with replacement data when the similarity falls within a predetermined error range (eg, an allowable error range).
  • the post processor 636 may perform security processing before transmitting the portion corresponding to the personal information to the server 670 .
  • the post processor 636 may perform security processing on personal information through masking or deletion.
  • the user data processor 650 collects and processes user usage information in the electronic device 500 to generate data necessary for improving voice recognition performance and data necessary for post-processing of voice recognition results.
  • the data collector 651 may extract keywords from the voice recognition result by analyzing the sentence structure of the voice recognition result and the characteristics of the user's speech using the linguistic/practical database 655 . For example, when the voice receiver 610 receives a voice saying "Where are you going to have dinner with Gwiyomi tomorrow evening?", the data collector 651 receives "Gwiyomi (name)” and "Where (place, Question)" can be extracted as a keyword.
  • the data collector 651 may collect usage information of the electronic device 500 such as a directory, installed apps, and/or schedules.
  • the data collector 651 may collect names and nicknames of the human directory by setting them into categories such as people-names and people-nicknames.
  • the data collector 651 may collect app installation information, such as an app name and an app manufacturer, by setting them into categories such as an app name and an app manufacturer.
  • the data collector 651 may collect schedule information by classifying it into categories such as schedule-name, schedule-place, and schedule-time.
  • the data collector 651 may store collected data in the personal database 653 .
  • the data collector 651 may generate additional information through information stored in the personal database 653, and may process and generate secondary data using the additional information.
  • the data collector 651 may extract keywords from content input by a user using an input device when using an application, or may extract and store keywords from a screen the user is watching.
  • the data collector 651 may extract and store keywords using the linguistic/practical database 655 .
  • the personal database 653 may store a user profile and information generated by the data collector 651 for each category.
  • the personal database 653 may separately designate and manage personal identifiable categories. Data stored in the personal database 653 may be used to generate the personal language model 635 or may be used for post-processing by the post processor 636 .
  • the linguistic/practical database 655 may store data representing the user's speech, vocalization, and pronunciation characteristics. Data stored in the linguistic/practical database 655 can be used for post-processing of the post processor 636 and data collector 651. Data stored in the linguistic/practical database 655 may include sentence structure, grammar, and/or speech characteristics for extracting keywords. For example, the data stored in the Linguistic/Practical Database 655 could be " ⁇ name> (to
  • the data collector 651 may recognize and extract ⁇ name> and/or ⁇ application> as keywords by applying data stored in the linguistic/practical database 655 to sentences that are inputs for secondary data processing. .
  • Data stored in the linguistic/practical database 655 may be accumulated as the user uses the voice recognition device (eg, the electronic device 500). Data stored in the linguistic/practical database 655 can be learned and developed through the natural language processor 670.
  • the natural language processor 670 may learn data for de-identification of voice recognition results and correction of voice recognition results.
  • the natural language processor 670 may be implemented in the server 108 if there is a limitation of operation or memory of the electronic device 500 to implement the natural language processing function.
  • the natural language processor 670 may analyze individual linguistic characteristics such as pronunciation characteristics and/or speech patterns of the user through the voice recognition result, and transmit the result to the linguistic/practical database 655 .
  • Information sent to the Linguistic/Practical Database 655 may be used by the Post Processor 636.
  • the natural language processor 670 may structure personalized word order and/or differences in dialect accents according to users.
  • the output may have any form for providing a final recognition result to a user.
  • the output can be passed on to other units that use the speech recognition result.
  • FIG. 7 shows a flow diagram of the operation of a user data processor in accordance with various embodiments.
  • a user data processor (eg, the user data processor 650 of FIG. 6 ) includes a keyword extractor 711 , a data accelerator 713 , a pronunciation generator 715 , and/or encryption Group 717 may be included.
  • the keyword extractor 711 may extract keywords from information in an electronic device (eg, the electronic device 500 of FIG. 5 ).
  • the keyword extractor 711 may include information related to contacts, information related to applications, information related to playlists, and/or information related to a display (eg, the display module 160 of FIG. 1 ).
  • Contact information may include a name, nickname, phone number, and/or e-mail
  • information related to an application may include an application name and/or category.
  • Information related to the playlist may include song titles, singer names, and/or genres
  • information related to the display may include key words of a currently displayed application, key words of a currently displayed text, and/or key words of a currently displayed image. can include
  • the data accelerator 713 may generate possible combinations using the extracted keywords.
  • the data accelerator 713 can differentiate for similar names using possible combinations.
  • the data accelerator 713 may store (singer, song title), (producer, application name), and (school name, person name) as a pair.
  • the pronunciation generator 715 may generate a pronunciation (or a sequence of pronunciations) for a possible combination generated by the data accelerator 713 using linguistic rules and rules representing personal characteristics of the user of the electronic device 500. there is. As a rule representing individual characteristics, a linguistic rule may be used at the beginning of an operation. As the user uses the electronic device 500, the pronunciation generator 715 may operate adaptively to generate personalized rules. When a user's speech is received, the pronunciation generator 715 may generate a pronunciation sequence through voice recognition. The pronunciation generator 715 may receive feedback through the user's recitation. The pronunciation generator 715 may receive feedback through the linguistic/practical database 750 (eg, the linguistic/practical database 655 of FIG. 6 ).
  • the pronunciation generator 715 may measure similarity with linguistic rules based on the feedback, generate personalized pronunciation rules, and reflect them to new rules.
  • the pronunciation generator 715 can generate pronunciations (or pronunciation strings) in a quantity that can be generated and can be processed by the electronic device 500 to secure diversity of pronunciations.
  • the encrypter 717 encrypts data generated by the keyword extractor 711, the data accelerator 713, and the pronunciation generator 715 to prevent leakage of personal information.
  • the encryptor may store the encrypted data in a personal database 730 (eg, personal database 653 in FIG. 6).
  • FIG. 8 is a flowchart of a voice processing operation of an electronic device according to various embodiments.
  • a user's voice received through a voice receiver may enter a classifier (810).
  • a feature extractor eg, the feature extractor 631 of FIG. 6
  • a feature analyzer eg, the feature analyzer 632 of FIG. 6
  • an N-best generator (eg, the N-best generator 633 of FIG. 6 ) is a general language model (eg, the general language model 634 of FIG. 6 ) and a personal language to a plurality of speech recognition candidates.
  • a probability value (eg, hit probability) may be calculated by simultaneously applying a model (eg, the personal language model 635 of FIG. 6 ) (840).
  • the probability value may include a first probability value and a second probability value.
  • a post processor may perform post-processing on the target candidate (850).
  • the post processor 636 may select a target candidate by selecting the N-best candidate (851). Based on the calculated probability value, the post processor 636 may select N different candidates having high probability values among a plurality of voice recognition candidates as target candidates.
  • target candidate 1 is "Schedule a meeting with Gwiyomi tomorrow at 9:00 at Seocho-gu Office” and target candidate 2 is “Schedule a meeting with Gwiyomi tomorrow at 9:00 at Seocho-gu Office.”
  • target candidate 3 may be "save tomorrow's 9 o'clock meeting at Seocho-gu office in the schedule”
  • target candidate 4 may be "save tomorrow's meeting with cuteie at 9 o'clock at Seocho-gu office in the schedule”.
  • the post processor 636 may detect keywords using the linguistic/practical database 655 (852).
  • the post processor 636 may use a linguistic/practical database (eg, the linguistic/practical database 655 of FIG. 6) in the recognition result (eg, target candidate) to determine and/or correct a recognition error.
  • the post processor 636 may determine whether a keyword exists in the recognition result (853).
  • the linguistic/practical database 655 has the user's speech and/or vocalization characteristics, and can be used to detect entity names such as people, applications, music titles, and/or singers from recognition results. If the keyword does not exist ('No' in 853), the post processor 636 may transmit the recognition result to the natural language processor 670 (870).
  • the post processor 636 may infer a category through context tracking based on the detected object name.
  • the post processor 636 may infer a category based on a predetermined rule.
  • the linguistic/practical database 655 may store rules.
  • the rule may have a form such as [command] “schedule”, [command] “call
  • a sub-rule of the “schedule” category may have the following form.
  • text” category may have the following form.
  • Transmission” category may have the following form.
  • “” means a criterion word
  • () means an abbreviated word
  • [ ] means a detection target
  • ⁇ > means an additional word ( eg investigation).
  • the judgment criterion word, additional word, and/or rule may be generated based on general grammar and/or speech method. If there is an utterance method personalized for each user, a natural language processor (eg, the natural language processor 670 of FIG. 6 ) continuously adds, modifies, or deletes a personalized utterance method by detecting the personalized utterance method, creating a rule, or modifying an existing rule.
  • a natural language processor eg, the natural language processor 670 of FIG. 6
  • the post processor 636 may estimate a category by storing a history of utterances, utterances prior to the current utterance are also used for analysis, and apply the above-described rule.
  • Contents detected by the N-best generator 633 using the above-described rules may include a “schedule” category, (human name) “cute”, “cute”, “cute”, and “cute”.
  • the post processor 636 may search for alternative data in a personal database (eg, the personal database 653 of FIG. 6) when the keyword exists ('yes' in 853) ( 854).
  • the post processor 636 may determine whether replacement data exists (855).
  • the post-processor 636 may replace the keyword with alternative data when alternative data exists ('yes' in 855) (856).
  • the post processor 636 may transmit the recognition result to the natural language processor 670 when the alternative data does not exist ('No' in 855) (870).
  • the post-processor 636 may calculate similarity with similarity data of the personal database 653 identical to the inferred category.
  • the post processor 636 may calculate the degree of similarity by calculating an edit distance.
  • the post processor 636 may replace the detected object name with similar data when the calculated editing distance falls within a threshold.
  • the post processor 636 may calculate an edit distance for the name of the (person) category of the personal database 653 and the four names detected by the N-best generator 633 . For example, if there is “contributing beauty” among human names stored in the electronic device 500, the editing distance may be calculated as cute(2), cute(4), cute(1), cute(3).
  • the post processor 636 selects "Gwiyomi” with the lowest editing distance and replaces it with "Giyomi", which is the name of a person stored in the electronic device 500. You can decide to "save the meeting to your calendar" in
  • the allowable error is described as 1 in the above example, the allowable error may be changed in consideration of the length of a character and/or the similarity of spoken phonemes. In various embodiments, if the allowable error is set to 0.5, since there is no recognition result that falls within the error range, Gwiyomi, the first candidate with the highest voice recognition probability among N-best candidates, may be selected.
  • the post processor 636 may determine whether the replacement data is a personal information identifiable category (857). If the replacement data is a category in which personal information can be identified ('Yes' in 857), the post processor 636 may perform mask replacement on the personal information (858). If the alternative data is not a category capable of identifying personal information ('No' in 857), the post processor 636 may output a recognition result (860). The post processor 636 may transmit the recognition result of mask substitution to the natural language processor 670 (870).
  • the post processor 636 may provide a final recognition result to a user and, if necessary, transfer it to another unit within the electronic device 500 .
  • the final recognition result may be transmitted to a remote server (e.g., server 108 in FIG. 1) for contextual tracking and/or utterance analysis of the user's utterance, and personally identifiable information may be de-identified to protect personal information. there is. Whether personal information is an identifiable category may be determined based on the category of replaced data.
  • the post processor 636 may perform a mask replacement for a person or schedule, such as "save a meeting tomorrow at 9:00 Seocho-gu Office with ⁇ person>*** ⁇ /person> in the calendar.”
  • the natural language processor 670 may determine whether or not unintentionally exposed personal information is included in the transmitted recognition result, perform additional de-identification on the personal information, or delete the transmitted information. there is.
  • the natural language processor 670 may detect personal information based on the structure and/or content of the transmitted sentence. For example, the natural language processor 670 may delete "schedule" information from “save a meeting tomorrow at 9:00 Seocho-gu Office with ⁇ person>*** ⁇ /person> in the schedule”.
  • the natural language processor 670 may delete information such as a phone number, resident registration number, and/or address from “change the ⁇ person>*** ⁇ /person> phone number to 010-1234-5678”. In other words, the natural language processor 670 may determine whether to perform de-identification processing by detecting information such as a phone number, resident registration number, and/or address in a sentence.
  • the sentence structure is a user's speech characteristic, it can be used as a learning material for improving the performance of the natural language processor 670 .
  • the natural language processor 670 may delete the user's location and/or movement line from "Suwon Station now. Arrive soon".
  • the natural language processor 670 may determine whether to delete a place name and/or a word such as “arrival” in a sentence.
  • the natural language processor 670 may detect personal information based on context.
  • the natural language processor 670 may detect personal information based on time, place, person, phone number, and/or nickname. For example, the natural language processor 670 may detect a viewpoint from “Tell me this Friday's schedule” and a location from “Find a restaurant closest to the meeting place.”
  • the natural language processor 670 detects a person's name from “Reflect it on the 7:00 Hal dinner schedule there.” and detect that "him” is "8780 (nickname)" from "I really hate him".
  • the natural language processor 670 is configured to display a person's name (“Gwiyomi”) that has not been stored in the contacts in the electronic device 500, or if there is text (eg, "8780") that can identify an individual, the front, Personal information can be detected by inferring through the later transmitted utterance.
  • the natural language processor 670 may analyze a user's speech pattern, create a rule to perform additional de-identification, and output a de-identification result.
  • the natural language processor 670 may update the personal database 653 and the linguistic/practical database 655 using the received information.
  • the text received from the server 108 is primarily de-identified in the electronic device 500, but if information such as text, name, and app is not masked and exists as it is, the natural language processor 670 is the electronic device 500 It is determined that there is a possibility that it is not stored in the personal database 653 within the personal database 653, and information such as an estimated person and an app may be added to the personal database 653.
  • the natural language processor 670 analyzes the structure of the sentence, and if it has a different structure from the rule stored in the linguistic/practical database 655, it may generate a new rule and update the linguistic/practical database 655.
  • FIG. 9 is a flowchart of an operation of an electronic device according to various embodiments.
  • a microphone may receive an audio signal including a user's voice (910).
  • a processor eg, the processor 530 of FIG. 5
  • the processor 530 may extract a feature vector based on the voice and extract a plurality of voice recognition candidates based on the feature vector.
  • the processor 530 may calculate probability values corresponding to a plurality of voice recognition candidates based on the feature vector.
  • the probability value may include a first probability value and a second probability value.
  • the processor 530 may calculate a first probability value by inputting a plurality of speech recognition candidates to a first language model modeling general characteristics of language.
  • the processor 530 may calculate a second probability value by inputting a plurality of voice recognition candidates into a second language model modeling linguistic characteristics of the user.
  • the processor 530 may determine one or more target candidates based on the probability value.
  • the processor 530 may determine one or more target candidates based on the first probability value and the second probability value.
  • the processor 530 may extract a keyword based on the voice recognition candidate (950).
  • the processor 530 may extract a keyword based on a plurality of voice recognition candidates and a database related to the user's voice.
  • the database related to the voice may include characteristics of the user's utterance, characteristics of the user's vocalization, characteristics of the user's pronunciation, sentence structure included in the voice, and/or voice. It can include the grammar of the included sentence.
  • the processor 530 may search alternative data based on keywords and personal information (970).
  • the processor 530 may detect an entity name from a recognition result based on a database related to voice.
  • the processor 530 may obtain a category corresponding to the entity name based on a preset rule.
  • the processor 530 may search replacement data based on categories.
  • the entity name may include the name of a person included in the voice, the name of an application related to the voice, and/or the name of content related to the voice.
  • Content may include images, video, music and/or text.
  • the category may include a schedule included in the voice and/or an operation related to the voice. For example, operations related to voice may include calling, texting, executing, ending, searching, and/or transmitting.
  • the processor 530 may generate a recognition result corresponding to the voice based on the replacement data (990).
  • the processor 530 may retrieve similar data similar to a category from personal information.
  • the processor 530 may calculate a degree of similarity between the similar data and the entity name.
  • the processor 530 may determine similar data as replacement data based on the degree of similarity.
  • the processor 530 may determine whether the user's schedule and/or the user's location are included in the recognition result based on the personal information.
  • the processor 530 may perform security processing by masking or deleting the recognition result based on the determination result.
  • the memory 550 may store personal information of a user of the electronic device 500 .
  • An electronic device (eg, the electronic device 101 of FIG. 1 ) according to various embodiments includes a microphone (eg, the microphone 150-1 of FIG. 2 ) that receives an audio signal including a user's voice, and one or more processors. and a memory for storing instructions executable by the processor and personal information of the user, wherein the processor extracts a plurality of voice recognition candidates by analyzing characteristics of the voice, and based on the voice recognition candidates, A keyword may be extracted, alternative data may be searched based on the keyword and the personal information, and a recognition result corresponding to the voice may be generated based on the alternative data.
  • a microphone eg, the microphone 150-1 of FIG. 2
  • the processors extracts a plurality of voice recognition candidates by analyzing characteristics of the voice, and based on the voice recognition candidates, A keyword may be extracted, alternative data may be searched based on the keyword and the personal information, and a recognition result corresponding to the voice may be generated based on the alternative data.
  • the processor may extract a feature vector based on the voice and extract the plurality of voice recognition candidates based on the feature vector.
  • the processor may calculate probability values corresponding to the plurality of voice recognition candidates based on the feature vector, and determine one or more target candidates based on the probability values.
  • the processor calculates a first probability value by inputting the plurality of speech recognition candidates to a first language model modeling general language characteristics, and calculates a first probability value by inputting the plurality of voice recognition candidates to a second language model modeling the user's linguistic characteristics.
  • the one or more target candidates may be determined based on the first probability value and the second probability value, wherein a second probability value is calculated by inputting a voice recognition candidate.
  • the processor may extract the keyword based on a database related to the plurality of voice recognition candidates and the user's voice.
  • the database related to the voice includes characteristics of the user's utterance, characteristics of the user's vocalization, characteristics of the user's pronunciation, sentence structure included in the voice, and It may contain the grammar of the sentence.
  • the processor detects an entity name from the recognition result based on a database related to the voice, obtains a category corresponding to the entity name based on a preset rule, and based on the category By doing so, the alternative data can be searched for.
  • the object name may include a name of a person included in the voice, an application name related to the voice, and a name of content related to the voice, and the category may include a schedule included in the voice and an operation related to the voice. .
  • the processor may search for similar data similar to the category from the personal information, calculate a similarity between the similar data and the entity name, and determine the similar data as the replacement data based on the similarity.
  • An electronic device includes a microphone for receiving an audio signal including a user's voice, a processor, and a memory for storing instructions executable by the processor and personal information of the user, the processor comprising: A plurality of voice recognition candidates are extracted by analyzing the characteristics of the voice, a keyword is extracted based on the voice recognition candidate, alternative data is searched based on the keyword and the personal information, and the voice recognition candidate is searched based on the alternative data. A recognition result corresponding to the voice may be generated, and security processing may be performed on the recognition result based on the personal information.
  • the processor may extract a feature vector based on the voice and extract the plurality of voice recognition candidates based on the feature vector.
  • the processor may calculate probability values corresponding to the plurality of voice recognition candidates based on the feature vector, and determine one or more target candidates based on the probability values.
  • the processor calculates a first probability value by inputting the plurality of speech recognition candidates to a first language model modeling general language characteristics, and calculates a first probability value by inputting the plurality of voice recognition candidates to a second language model modeling the user's linguistic characteristics.
  • the one or more target candidates may be determined based on the first probability value and the second probability value, wherein a second probability value is calculated by inputting a voice recognition candidate.
  • the processor may extract the keyword based on a database related to the plurality of voice recognition candidates and the user's voice.
  • the database related to the voice includes characteristics of the user's utterance, characteristics of the user's vocalization, characteristics of the user's pronunciation, sentence structure included in the voice, and It may contain the grammar of the sentence.
  • the processor detects an entity name from the recognition result based on a database related to the voice, obtains a category corresponding to the entity name based on a preset rule, and based on the category By doing so, the alternative data can be searched for.
  • the object name may include a name of a person included in the voice, an application name related to the voice, and a name of content related to the voice, and the category may include a schedule included in the voice and an operation related to the voice. .
  • the processor may search for similar data similar to the category from the personal information, calculate a similarity between the similar data and the entity name, and determine the similar data as the replacement data based on the similarity.
  • the processor determines whether the user's schedule and the user's location are included in the recognition result based on the personal information, and masks or deletes the recognition result based on the determination result, thereby performing the security processing can be performed.
  • a voice processing method of an electronic device includes an operation of receiving an audio signal including a user's voice, an operation of extracting a plurality of voice recognition candidates by analyzing characteristics of the voice, and an operation based on the voice recognition candidates. and extracting a keyword, searching for alternative data based on the keyword and the personal information of the user, and generating a recognition result corresponding to the voice based on the alternative data.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • User Interface Of Digital Computer (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)

Abstract

다양한 실시예에 따른 전자 장치는, 사용자의 음성을 포함한 오디오 신호를 수신하는 마이크와, 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션 및 상기 사용자의 개인 정보를 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하고, 상기 음성 인식 후보에 기초하여 키워드를 추출하고, 상기 키워드 및 상기 개인 정보에 기초하여 대체 데이터를 탐색하고, 상기 대체 데이터에 기초하여 상기 음성에 대응되는 인식 결과를 생성할 수 있다.

Description

전자 장치 및 전자 장치의 음성 처리 방법
다양한 실시예들은 전자 장치 및 전자 장치의 음성 처리 방법에 관한 것이다.
단말에서의 음성 인식은 일반적으로 연락처, 설치된 앱, 및/또는 위치 정보와 같은 단말의 사용 정보를 활용하여 그 성능이 향상될 수 있다. 음성 인식은 단말에서만 수행되지 않고 음성 인식의 수행 결과물 및 단말 사용 정보가 서버로 전송되어 음성 인식 성능 향상을 위한 데이터로 사용될 수 있다.
하지만, 단말의 사용 정보는 사용자를 식별할 수 있거나 사용자가 노출을 꺼려하는 정보(예: 연락처, 일정 등)를 포함하고 있는데 이러한 정보가 서버로 전송되어 의도하지 않게 개인 정보가 서버에 저장되어 노출되거나 사용자 식별의 의 가능성을 높일 수 있다.
이를 해결하기 위해, 종래에는 서버의 데이터를 사람이 비식별화(예를 들어, 사람이 식별될 수 있는 정보의 제거)하는 작업을 별도로 수행하였지만, 비식별화하는 사람이 작업 중 개인정보를 알 수 있고, 음성 인식 기능의 사용자는 개인 정보가 노출될 수 있다는 거부감 때문에 음성 인식 기능의 사용을 꺼려할 수 있다.
다양한 실시예들은, 전자 장치 내부의 개인 정보를 전자 장치 내부에서만 사용하고 외부로 유출하거나 제공하지 않음으로써 개인 정보 유출 가능성을 감소시키고 음성 인식의 성능을 향상시킬 수 있다.
다양한 실시예에 따른 전자 장치는, 사용자의 음성을 포함한 오디오 신호를 수신하는 마이크와, 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션 및 상기 사용자의 개인 정보를 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하고, 상기 음성 인식 후보에 기초하여 키워드를 추출하고, 상기 키워드 및 상기 개인 정보에 기초하여 대체 데이터를 탐색하고, 상기 대체 데이터에 기초하여 상기 음성에 대응되는 인식 결과를 생성할 수 있다.
다양한 실시예에 따른 전자 장치는, 사용자의 음성을 포함한 오디오 신호를 수신하는 마이크와, 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션 및 상기 사용자의 개인 정보를 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하고, 상기 음성 인식 후보에 기초하여 키워드를 추출하고, 상기 키워드 및 상기 개인 정보에 기초하여 대체 데이터를 탐색하고, 상기 대체 데이터에 기초하여 상기 음성에 대응하는 인식 결과를 생성하고, 상기 개인 정보에 기초하여 상기 인식 결과에 대한 보안 처리를 수행할 수 있다.
다양한 실시예에 따른 전자 장치의 음성 처리 방법은, 사용자의 음성을 포함한 오디오 신호를 수신하는 동작과, 상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하는 동작과, 상기 음성 인식 후보에 기초하여 키워드를 추출하는 동작과, 상기 키워드 및 상기 사용자의 개인 정보에 기초하여 대체 데이터를 탐색하는 동작과, 상기 대체 데이터에 기초하여 상기 음성에 대응되는 인식 결과를 생성하는 동작을 포함할 수 있다.
다양한 실시예들은, 전자 장치에 대한 사용자의 개인 정보를 이용하여 음성 인식의 성능을 향상시킬 수 있다.
다양한 실시예들은, 사용자의 개인 정보에 대한 보안 처리를 수행하여 개인 정보의 유출 가능성을 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 구현의 예를 나타낸다.
도 7은 다양한 실시예에 따른 사용자 데이터 프로세서의 동작의 흐름도를 나타낸다.
도 8은 다양한 실시예에 따른 전자 장치의 음성 처리 동작의 흐름도를 나타낸다.
도 9는 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(예를 들어, 유선 연결) 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. 가입자 식별 모듈(196)은 복수의 가입자 식별 모듈들을 포함할 수 있다. 예를 들어, 복수의 가입자 식별 모듈들은 상이한 가입자 정보를 저장할 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. 예를 들어, 복수의 안테나들은 패치 어레이(patch array) 안테나 및/또는 다이폴 어레이(dipole array) 안테나를 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 펌웨어, 또는 그들의 조합으로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101))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 예를 들어, 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)), 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)), 메모리(130)(예: 도 1의 메모리(130)), 또는 프로세서(120)(예: 도 1의 프로세서(120))를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 인터페이스(177)는 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 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)(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_2)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 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 네트워크(199)를 통해 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 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)을 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)은 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 산출 또는 획득할 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)를 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(470) 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 음성(speech)을 처리할 수 있다. 전자 장치(500)는 사용자의 음성을 처리함으로써 처리 결과를 생성하고, 생성된 처리 결과를 사용자에게 제공할 수 있다.
다양한 실시예에 따르면, 전자 장치(500)는 전자 장치(500) 내부에 보유하는 사용자의 개인 정보를 전자 장치(500)의 음성 인식 동작에 사용함으로써 음성 인식의 성능을 향상시킬 수 있다. 전자 장치(500)는 사용자의 개인 정보를 외부 서버(예: 도 1의 서버(108))로 유출을 하지 않도록 보안 처리를 수행함으로써 개인정보의 유출을 방지할 수 있다.
다양한 실시예에 따르면, 전자 장치(500)는 마이크(510)(예: 도 2의 마이크(150-1)), 프로세서(530)(예: 도 1의 프로세서(120)) 및/또는 메모리(550)(예: 도 1의 메모리(130))를 포함할 수 있다. 마이크(510)는 사용자의 음성(또는, 발화)을 포함한 오디오 신호를 수신할 수 있다. 마이크(510)는 수신한 오디오 신호를 프로세서(530)로 출력할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 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 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출할 수 있다. 프로세서(530)는 음성에 기초하여 특징 벡터를 추출하고, 특징 벡터에 기초하여 복수의 음성 인식 후보를 추출할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 특징 벡터에 기초하여 복수의 음성 인식 후보에 대응하는 확률 값을 계산할 수 있다. 확률 값은 제1 확률 값 및 제2 확률 값을 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 언어의 일반적인 특성을 모델링한 제1 언어 모델에 복수의 음성 인식 후보를 입력함으로써 제1 확률 값을 계산할 수 있다. 프로세서(530)는 사용자의 언어적 특성을 모델링한 제2 언어 모델에 복수의 음성 인식 후보를 입력함으로써 제2 확률 값을 계산할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 확률 값에 기초하여 하나 이상의 타겟 후보를 결정할 수 있다. 프로세서(530)는 제1 확률 값 및 제2 확률 값에 기초하여 하나 이상의 타겟 후보를 결정할 수 있다.
프로세서(530)는 음성 인식 후보에 기초하여 키워드를 추출할 수 있다. 프로세서(530)는 복수의 음성 인식 후보 및 사용자의 음성에 관련된 데이터베이스에 기초하여 키워드를 추출할 수 있다.
다양한 실시예에 따르면, 음성에 관련된 데이터베이스는, 사용자의 발화(utterance)의 특성, 사용자의 발성(vocalization)의 특성, 사용자의 발음(pronunciation)의 특성, 음성에 포함된 문장 구조 및/또는 음성에 포함된 문장의 문법을 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 키워드 및 개인 정보에 기초하여 대체 데이터를 탐색할 수 있다. 프로세서(530)는 음성에 관련된 데이터베이스에 기초하여 인식 결과로부터 개체명(entity name)을 검출할 수 있다. 프로세서(530)는 미리 설정된 룰(rule)에 기초하여 개체명에 대응하는 카테고리를 획득할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 카테고리에 기초하여 대체 데이터를 탐색할 수 있다. 개체명은 음성에 포함된 인명, 음성에 관련된 어플리케이션 명칭 및/또는 음성에 관련된 컨텐츠의 명칭을 포함할 수 있다. 컨텐츠는 이미지, 비디오, 음악 또는 텍스트를 포함할 수 있다. 카테고리는 음성에 포함된 일정, 및/또는 음성에 관련된 동작을 포함할 수 있다. 예를 들어, 음성에 관련된 동작은 전화, 문자, 실행, 종료, 검색 및/또는 전송을 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 대체 데이터에 기초하여 음성에 대응되는 인식 결과를 생성할 수 있다. 프로세서(530)는 개인 정보로부터 카테고리와 유사한 유사 데이터를 검색할 수 있다. 프로세서(530)는 유사 데이터와 개체명 사이의 유사도를 계산할 수 있다. 프로세서(530)는 유사도에 기초하여 유사 데이터를 대체 데이터로 결정할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 개인 정보에 기초하여 인식 결과 중에서 사용자의 일정, 및/또는 사용자의 위치의 포함 여부를 판단할 수 있다. 프로세서(530)는 판단 결과에 기초하여 인식 결과에 마스킹(masking) 또는 삭제를 수행함으로써 보안 처리를 수행할 수 있다.
다양한 실시예에 따르면, 메모리(550)는 프로세서(530)에 의해 실행 가능한 인스트럭션을 저장할 수 있다. 메모리(550)는 전자 장치(500)의 사용자의 개인 정보를 저장할 수 있다. 메모리(550)는 프로세서(530)에 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 또는 불휘발성 메모리 장치로 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), 및/또는 절연 저항 변화 메모리(Insulator Resistance Change Memory)로 구현될 수 있다.
도 6은 다양한 실시예에 따른 전자 장치의 구현의 예를 나타낸다.
도 6을 참조하면, 다양한 실시예에 따르면, 전자 장치(예: 도 5의 전자 장치(500))는 음성 수신기(610), 음성 인식 프로세서(630), 및/또는 사용자 데이터 프로세서(650)를 포함할 수 있다. 전자 장치(500)는 서버(670)(예: 도 1의 서버(108))를 이용하여 음성 처리를 수행할 수 있다. 서버(670)는 전자 장치(500)와 물리적으로 이격되어 구현될 수 있다. 음성 수신기(610)는 마이크(예: 도 2의 마이크(150-1))를 포함할 수 있다.
다양한 실시예에 따르면, 음성 인식 프로세서(630), 사용자 데이터 프로세서(650), 및 자연어 프로세서(670)는 프로세서(예: 도 5의 프로세서(530))에 포함될 수 있다. 음성 인식 프로세서(630)는 특징 추출기(631), 특징 분석기(632), N-베스트 생성기(633), 및 포스트 프로세서(636)를 포함할 수 있다. N-베스트 생성기(633)는 일반 언어 모델(634) 및 개인 언어 모델(635)을 사용하여 음성 인식 후보를 추출할 수 있다.
다양한 실시예에 따르면, 사용자 데이터 프로세서(650)는 데이터 수집기(651), 개인 데이터베이스(653), 및 링귀스틱/프랙티컬 데이터베이스(655)를 포함할 수 있다. 실시예에 따라, 자연어 프로세서(670)는 서버(108)에 구현될 수 있다.다양한 실시예에 따르면, 음성 수신기(610)는 전자 장치(500)의 마이크(150-1)로 수신된 발화를 음성 인식 프로세서(630)로 출력할 수 있다. 음성 수신기(610)는 전자 장치(500)에 연결된 임의의 장치로부터 전송된 발화를 오디오 버퍼(audio buffer)에 입력하고, 후처리를 수행하여 음성 인식 프로세서(630)로 출력할 수 있다.
다양한 실시예에 따르면, 음성 인식 프로세서(630)는 음성을 인식하여 텍스트로 변환할 수 있다. 특징 추출기(631)는 수신한 음성으로부터 음성 인식을 위한 특징 벡터를 추출할 수 있다. 특징 분석기(632)는 추출된 특징 벡터를 분석하여 복수의 음성 인식 후보를 추론할 수 있다.
다양한 실시예에 따르면, N-베스트 생성기(633)는 복수의 음성 인식 후보에 대응하는 확률에 기초하여 특징 분석기(632)에 의해 추론된 복수의 음성 인식 후보 중에서 타겟 후보를 결정할 수 있다. N-베스트 생성기(633)는 확률이 높은 순서로 N개의 후보군을 선정할 수 있다. N은 자연수일 수 있다. N-베스트 생성기(633)는 일반 언어 모델(634) 및 개인 언어 모델(635)을 이용하여 N 개의 후보군을 타겟 후보로 선정할 수 있다.
다양한 실시예에 따르면, 일반 언어 모델(634)은 언어의 일반적인 특성을 모델화하여 음성 인식 후보에 적용하여 어순, 및/또는 음성 인식 단위 사이의 관계를 분석하여 음성 인식 후보에 대응하는 확률(예: 제1 확률 값)을 계산할 수 있다. 개인 언어 모델(635)은 전자 장치(500) 내의 사용 정보를 모델화한 것으로, 음성 인식 후보에 적용되어 개인 정보와의 유사도를 계산하는데 사용될 수 있다. N-베스트 생성기(633)는 개인 언어 모델(635)을 이용하여 제2 확률 값을 계산할 수 있다.
다양한 실시예에 따르면, 포스트 프로세서(636)는 복수의 음성 인식 후보에 대응하는 확률에 기초하여 선정된 N 개의 타겟 후보에 대하여 후처리를 수행할 수 있다. 포스트 프로세서(636)는 사용자 데이터 프로세서(650)를 이용하여 타겟 후보에 대하여 후처리를 수행할 수 있다. 포스트 프로세서(636)는 개인 데이터베이스(653) 및 링귀스틱/프랙티컬 데이터베이스(655)를 이용하여 타겟 후보의 오류를 판별하고, 보정할 수 있다.
다양한 실시예에 따르면, 포스트 프로세서(636)는 전자 장치(500)의 사용 정보에 존재하는 것으로 추정할 수 있는 인명 키워드를 개인 데이터베이스(653)의 인명 카테고리의 데이터와 비교를 하고, 인명 카테고리 데이터 중에 "기요미"라는 데이터가 존재하는 경우 사용자의 발화의 의도가 "기요미"인 것으로 판단할 수 있다. 이 경우, 포스트 프로세서(636)는 최종 음성 인식 결과를 "내일 저녁 기요미와 어디서 저녁을 먹기로 했지?"로 출력할 수 있다. 포스트 프로세서(636)는 인식 결과와 데이터를 비교할 수 있다. 포스트 프로세서(636)는 인식 결과와 데이터의 발음열의 유사도를 측정하고 유사도가 미리 결정된 오차 범위(예: 허용 오차 범위) 안에 들어오는 경우에 대체 데이터로 인식 결과를 대체할 수 있다. 포스트 프로세서(636)는 대체된 데이터가 개인정보에 해당하는 경우, 개인 정보에 해당하는 부분을 서버(670)로 전송하기 전에 보안 처리를 수행할 수 있다. 예를 들어, 포스트 프로세서(636)는 마스킹 또는 삭제를 통해 개인 정보에 대한 보안 처리를 수행할 수 있다.
다양한 실시예에 따르면, 사용자 데이터 프로세서(650)는 전자 장치(500) 내의 사용자의 사용 정보를 수집하고, 가공함으로써 음성 인식 성능의 향상에 필요한 데이터 및 음성 인식 결과의 후처리에 필요한 데이터를 생성할 수 있다.
다양한 실시예에 따르면, 데이터 수집기(651)는 링귀스틱/프랙티컬 데이터베이스(655)를 이용하여 음성 인식 결과의 문장 구조와 사용자 발화의 특성을 분석함으로써 음성 인식 결과로부터 키워드를 추출할 수 있다. 예를 들어, 음성 수신기(610)가 "내일 저녁 귀요미와 어디서 저녁을 먹기로 했지?"라는 음성을 수신한 경우, 데이터 수집기(651)는 "귀요미(인명)"와 "어디서(장소, 의문)"를 키워드로 추출할 수 있다.
다양한 실시예에 따르면, 데이터 수집기(651)는 인명록, 설치된 앱, 및/또는 일정과 같은 전자 장치(500)의 사용 정보를 수집할 수 있다. 데이터 수집기(651)는 인명록의 이름, 및 별명을 인명-이름, 및 인명-별명과 같은 카테고리로 설정하여 수집할 수 있다. 데이터 수집기(651)는 앱 이름, 및 앱 제작사와 같은 앱 설치 정보를 수집하여 앱-이름, 및 앱-제작사와 같은 카테고리로 설정하여 수집할 수 있다. 데이터 수집기(651)는 일정 정보를 수집하여 일정-이름, 일정-장소, 및 일정-시간과 같은 카테고리로 분류하여 수집할 수 있다. 데이터 수집기(651)는 수집한 데이터를 개인 데이터베이스(653)에 저장할 수 있다. 데이터 수집기(651)는 개인 데이터베이스(653)에 저장된 정보를 통해 부가 정보를 생성할 수 있고, 부가 정보를 이용하여 2차 데이터를 가공하고, 생성할 수 있다. 예를 들어, 데이터 수집기(651)는 어플리케이션 사용시 입력 장치를 이용하여 사용자가 입력한 내용으로부터 키워드를 추출하거나, 사용자가 시청하고 있는 화면에서 키워드를 추출하여 저장할 수 있다. 데이터 수집기(651)는 링귀스틱/프랙티컬 데이터베이스(655)를 이용하여 키워드를 추출하고 저장할 수 있다.
다양한 실시예에 따르면, 개인 데이터베이스(653)는 사용자 프로파일(user profile)과 데이터 수집기(651)로부터 생성된 정보를 카테고리 별로 저장할 수 있다. 개인 데이터베이스(653)는 개인 식별 가능 카테고리를 별도로 지정하고, 관리할 수 있다. 개인 데이터베이스(653)에 저장된 데이터는 개인 언어 모델(635)의 생성에 사용되거나, 포스트 프로세서(636)의 후처리에 사용될 수 있다.
다양한 실시예에 따르면, 링귀스틱/프랙티컬 데이터베이스(655)는 사용자의 발화 및 발성, 발음의 특징을 나타내는 데이터를 저장할 수 있다. 링귀스틱/프랙티컬 데이터베이스(655)에 저장된 데이터는 포스트 프로세서(636)의 후처리 및 데이터 수집기(651)에 사용될 수 있다. 링귀스틱/프랙티컬 데이터베이스(655)에 저장된 데이터는 키워드를 추출하기 위한 문장 구조, 문법, 및/또는 발화 특성을 포함할 수 있다. 예를 들어, 링귀스틱/프랙티컬 데이터베이스(655)에 저장되는 데이터는 "<이름>(한테|에게) [전화|문자]", 및/또는 "<앱>(을|를) [실행|종료|삭제]"와 같은 형태로 저장될 수 있다. 링귀스틱/프랙티컬 데이터베이스(655)에 저장된 데이터는 인식 결과에 적용될 수 있다. 데이터 수집기(651)는 링귀스틱/프랙티컬 데이터베이스(655)에 저장된 데이터를 2차 데이터 가공의 입력이 되는 문장에 적용함으로써 <이름>, 및/또는 <어플리케이션> 을 키워드로 인식하고 추출할 수 있다. 링귀스틱/프랙티컬 데이터베이스(655)에 저장되는 데이터는 사용자가 음성 인식 장치(예: 전자 장치(500))를 사용할수록 누적될 수 있다. 링귀스틱/프랙티컬 데이터베이스(655)에 저장된 데이터는 자연어 프로세서(670)를 통해 학습되고, 발전될 수 있다.
다양한 실시예에 따르면, 자연어 프로세서(670)는 음성 인식 결과의 비식별화 및 음성 인식 결과의 보정을 위한 데이터를 학습시킬 수 있다. 다만, 자연어 프로세싱 기능을 구현하는데 전자 장치(500)의 연산의 제약 또는 메모리의 제약이 있다면 자연어 프로세서(670)는 서버(108)에 구현될 수 있다. 자연어 프로세서(670)는 음성 인식 결과를 통해 사용자의 발음 특성, 및/또는 발화 패턴과 같은 개인의 언어적 특징을 분석하여 링귀스틱/프랙티컬 데이터베이스(655)로 전송할 수 있다. 링귀스틱/프랙티컬 데이터베이스(655)로 전송된 정보는 포스트 프로세서(636)에 사용될 수 있다. 예를 들어, 자연어 프로세서(670)는 사용자에 따라 개인화된 어순, 및/또는 사투리 억양의 차이를 구조화할 수 있다.
다양한 실시예에 따르면, 출력은 최종 인식 결과를 사용자에게 제공하기 위한 임의의 형태를 가질 수 있다. 출력은 음성 인식 결과를 사용하는 다른 유닛(unit)에게 전달될 수 있다.
도 7은 다양한 실시예에 따른 사용자 데이터 프로세서의 동작의 흐름도를 나타낸다.
도 7을 참조하면, 다양한 실시예에 따르면, 사용자 데이터 프로세서(예: 도 6의 사용자 데이터 프로세서(650))는 키워드 추출기(711), 데이터 가속기(713), 발음 생성기(715) 및/또는 암호화기(717)를 포함할 수 있다.
다양한 실시예에 따르면, 키워드 추출기(711)는 전자 장치(예: 도 5의 전자 장치(500)) 내의 정보로부터 키워드를 추출할 수 있다. 키워드 추출기(711)는 연락처(contacts)에 관련된 정보, 어플리케이션에 관련된 정보, 플레이리스트에 관련된 정보 및/또는 디스플레이(예: 도 1의 디스플레이 모듈(160))에 관련된 정보를 포함할 수 있다. 연락처는 이름(name), 닉네임(nickname), 전화번호(phone number), 및/또는 이메일(e-mail)을 포함할 수 있고, 어플리케이션에 관련된 정보는 어플리케이션 이름 및/또는 카테고리를 포함할 수 있다. 플레이리스트에 관련된 정보는 곡명, 가수명 및/또는 장르를 포함할 수 있고, 디스플레이에 관련된 정보는 현재 디스플레이되는 어플리케이션의 주요 단어, 현재 디스플레이되는 텍스트의 주요 단어 및/또는 현재 디스플레이되는 이미지의 주요 단어를 포함할 수 있다.
다양한 실시예에 따르면, 데이터 가속기(713)는, 추출된 키워드를 이용하여 발생 가능한 조합을 생성할 수 있다. 데이터 가속기(713)는 발생 가능한 조합을 이용하여 유사한 이름에 대해 구분할 수 있다. 예를 들어, 데이터 가속기(713)는 (가수, 곡명), (제작사, 어플리케이션 이름), 및 (학교명, 인명)을 페어(pair)로 저장할 수 있다.
발음 생성기(715)는 언어학적인 규칙과 전자 장치(500)의 사용자 개인의 특징을 나타내는 규칙을 사용하여 데이터 가속기(713)가 생성한 발생 가능한 조합에 대한 발음(또는, 발음열)을 생성할 수 있다. 개인의 특징을 나타내는 규칙은 동작의 초기에는 언어학적인 규칙이 사용될 수 있다. 사용자가 전자 장치(500)를 사용할수록 발음 생성기(715)는 적응적으로 동작하여 개인화된 규칙을 생성할 수 있다. 발음 생성기(715)는 사용자 발화를 수신하면 음성 인식을 통해 발음열을 생성할 수 있다. 발음 생성기(715)는 사용자의 재발화를 통해 피드백을 제공받을 수 있다. 발음 생성기(715)는 링귀스틱/프랙티컬 데이터베이스(750)(예: 도 6의 링귀스틱/프랙티컬 데이터베이스(655))를 통해 피드백을 제공받을 수 있다. 발음 생성기(715)는 피드백에 기초하여 언어학적 규칙과의 유사도를 측정하고, 개인화된 발음 규칙을 생성하여 새로운 규칙에 반영할 수 있다. 발음 생성기(715)는 발생 가능하고 전자 장치(500)에서 처리 가능한 분량으로 발음(또는, 발음열)을 생성하여 발음의 다양성을 확보할 수 있다.
암호화기(717)는 키워드 추출기(711), 데이터 가속기(713) 및 발음 생성기(715)에서 생성된 데이터를 암호화하여 개인정보 유출을 방지할 수 있다. 암호화기는 암호화된 데이터를 개인 데이터베이스(730)(예: 도 6의 개인 데이터베이스(653))에 저장할 수 있다.
도 8은 다양한 실시예에 따른 전자 장치의 음성 처리 동작의 흐름도를 나타낸다.
도 8을 참조하면, 다양한 실시예에 따르면, 음성 수신기(예: 도 6의 음성 수신기(610))를 통해 수신된 사용자의 음성은 분류기에 진입될 수 있다(810). 특징 추출기(예: 도 6의 특징 추출기(631))는 음성으로부터 특징 벡터를 추출할 수 있다(820). 특징 분석기(예: 도 6의 특징 분석기(632))는 특징 벡터를 분석하여 복수의 음성 인식 후보를 추론할 수 있다(830).
다양한 실시예에 따르면, N-베스트 생성기(예: 도 6의 N-베스트 생성기(633))는 복수의 음성 인식 후보에 일반 언어 모델(예: 도 6의 일반 언어 모델(634)) 및 개인 언어 모델(예: 도 6의 개인 언어 모델(635))을 동시에 적용하여 확률 값(예: 히트(hit) 확률)을 계산할 수 있다(840). 확률 값은 제1 확률 값 및 제2 확률 값을 포함할 수 있다.
다양한 실시예에 따르면, 포스트 프로세서(예: 도 6의 포스트 프로세서(636))는 타겟 후보에 후처리를 수행할 수 있다(850). 포스트 프로세서(636)는 N-베스트 후보를 선택함으로써 타겟 후보를 선택할 수 있다(851). 포스트 프로세서(636)는 계산한 확률 값에 기초하여 복수의 음성 인식 후보 중에서 확률 값이 높은 서로 다른 N개의 후보를 타겟 후보로 선택할 수 있다. 예를 들어, N이 4 인 경우, 타겟 후보 1은 "내일 귀요미와 9시 서초구청에서 미팅을 일정에 저장해"이고, 타겟 후보 2는 "내일 귀욤이와 9시 서초구청에서 미팅을 일정에 저장해"이고, 타겟 후보 3은 "내일 귀여미와 9시 서초구청에서 미팅을 일정에 저장해"이고, 및 타겟 후보 4는 "내일 귀염이와 9시 서초구청에서 미팅을 일정에 저장해"일 수 있다.
다양한 실시예에 따르면, 포스트 프로세서(636)는 링귀스틱/프랙티컬 데이터베이스(655)를 이용하여 키워드를 검출할 수 있다(852). 포스트 프로세서(636)는 인식 결과(예: 타겟 후보)에 링귀스틱/프랙티컬 데이터베이스(예: 도 6의 링귀스틱/프랙티컬 데이터베이스(655))를 이용하여 인식 오류를 판단, 및/또는 보정할 수 있다. 포스트 프로세서(636)는 인식 결과에 키워드가 존재하는지 여부를 판단할 수 있다(853). 링귀스틱/프랙티컬 데이터베이스(655)는 사용자의 발화, 및/또는 발성의 특성을 갖고 있어 인식 결과에서 인명, 어플리케이션, 음악 제목, 및/또는 가수와 같은 개체명을 검출하는데 사용될 수 있다. 키워드가 존재하지 않는 경우(853에서 '아니오'인 경우), 포스트 프로세서(636)는 인식 결과를 자연어 프로세서(670)로 전송할 수 있다(870).
다양한 실시예에 따르면, 포스트 프로세서(636)는 검출된 개체명에 기초하여 문맥 트랙킹(tracking)을 통해 카테고리를 추론할 수 있다. 포스트 프로세서(636)는 미리 결정된 룰(rule)에 기초하여 카테고리를 추론할 수 있다. 링귀스틱/프랙티컬 데이터베이스(655)는 룰을 저장할 수 있다.
다양한 실시예에 따르면, 룰은 [명령] "일정", [명령] "전화|문자", [명령] "실행|종료|검색|전송"과 같은 형태를 가질 수 있다. "일정" 카테고리의 하위 룰은 다음과 같은 형태를 가질 수 있다.
1. [시간] [장소]<에서|로> [인명]<와|과> "약속|미팅|...",
2. [장소]<에서|로> [시간] [인명]<와|과> "약속|미팅|..."
3. [인명]<와|과> [시간] [장소]<에서|로> "약속|미팅|..."
4. [인명]<와|과> [장소]<에서:로> [시간] "약속|미팅|..."
다양한 실시예에 따르면, "전화|문자" 카테고리의 하위 룰은 다음과 같은 형태를 가질 수 있다.
1. [인명|전화번호]<에게|에|한테|께> (<스피커|스피커폰>으로) "전화|문자"
2. (<스피커|스피커폰>으로) [인명|전화번호]<에게|에|한테|께> "전화|문자"
다양한 실시예에 따르면, "실행|종료|검색|전송" 카테고리의 하위 룰은 다음과 같은 형태를 가질 수 있다.
1. ([앱제작사](의|가 만든)) [앱이름](<을|를>) "실행|종료"
2. [앱이름]<으로|에서> [기능]{을} "검색|전송"
다양한 실시예에 따르면, ""는 판단 기준 단어를 의미하고, ()는 생략 가능한 단어를 의미하고, [ ]는 검출 대상을 의미하고, |는 또는(or)을 의미하고, <>는 부가어(예: 조사)를 의미할 수 있다.
다양한 실시예에 따르면, 판단 기준 단어 및 부가어, 및/또는 룰은 일반적인 문법, 및/또는 발화 방법을 기준으로 생성될 수 있다. 사용자별로 개인화된 발화 방법이 있는 경우, 자연어 프로세서(예: 도 6의 자연어 프로세서(670))가 개인화된 발화 방법을 검출하거나, 룰을 생성하거나, 기존 룰을 변형함으로써 지속적으로 추가, 변형 또는 삭제할 수 있다.
다양한 실시예에 따르면, 포스트 프로세서(636)는 발화 히스토리를 저장하여 현재 발화 이전의 발화도 함께 분석에 사용함으로써 카테고리를 추정하고, 상술한 룰을 적용할 수 있다. 상술한 룰을 이용하여 N-베스트 생성기(633)에서 검출된 내용은 "일정" 카테고리, (인명) "귀요미", "귀욤이", "귀여미", 및 "귀염이"일 수 있다.
다양한 실시예에 따르면, 포스트 프로세서(636)는 키워드가 존재하는 경우(853에서 '예'인 경우), 개인 데이터베이스(예: 도 6의 개인 데이터베이스(653))에서 대체 데이터를 검색할 수 있다(854). 포스트 프로세서(636)는 대체 데이터가 존재하는지 여부를 판단할 수 있다(855). 포스트 프로세서(636)는 대체 데이터가 존재하는 경우(855에서 '예'인 경우), 대체 데이터로 키워드를 교체할 수 있다(856). 포스트 프로세서(636)는 대체 데이터가 존재하지 않는 경우(855에서 '아니오'인 경우), 인식 결과를 자연어 프로세서(670)로 전송할 수 있다(870).
다양한 실시예에 따르면, 포스트 프로세서(636)는 추론된 카테고리와 동일한 개인 데이터베이스(653)의 유사 데이터와 유사도를 계산할 수 있다. 포스트 프로세서(636)는 편집 거리(edit distance)를 계산함으로써 유사도를 계산할 수 있다. 포스트 프로세서(636)는 계산된 편집 거리가 임계값(threshold) 내에 들어올 경우 검출된 개체명을 유사 데이터로 대체할 수 있다. 포스트 프로세서(636)는 개인 데이터베이스(653)의 (인명) 카테고리의 이름과 N-베스트 생성기(633)에서 검출된 4개 인명에 대해 편집 거리를 계산할 수 있다. 예를 들어, 전자 장치(500)에 저장된 인명 중 "기여미"가 있는 경우, 편집 거리는 귀요미(2), 귀욤이(4), 귀여미(1), 귀염이(3)로 계산될 수 있고, 포스트 프로세서(636)는 편집 거리가 가장 낮은 "귀여미"를 선택하고, 이를 전자 장치(500)에 저장된 인명인 "기여미"로 대체하며, 최종 결과로 "내일 기여미와 9시 서초구청에서 미팅을 일정에 저장해"를 결정할 수 있다.
다양한 실시예에 따르면, 상술한 예시에서, 허용 오차를 1로 설명했지만 문자의 길이, 및/또는 발화 음소의 유사도를 고려하여 허용오차는 변경될 수 있다. 다양한 실시예에서 만약 허용 오차를 0.5로 하였다면 오차 범위에 들어오는 인식 결과가 없으므로 N-베스트의 후보 중 음성인식 확률값이 가장 높은 첫번째 후보인 귀요미가 선택될 수 있다.
다양한 실시예에 따르면, 포스트 프로세서(636)는 대체 데이터가 개인 정보 식별 가능한 카테고리인지 여부를 판단할 수 있다(857). 대체 데이터가 개인 정보 식별 가능한 카테고리인 경우(857에서 '예'인 경우), 포스트 프로세서(636)는 개인 정보에 대하여 마스크 대체를 수행할 수 있다(858). 대체 데이터가 개인 정보 식별 가능한 카테고리가 아닌 경우(857에서 '아니오'인 경우), 포스트 프로세서(636)는 인식 결과를 출력할 수 있다(860). 포스트 프로세서(636)는 마스크 대체가 수행된 인식 결과를 자연어 프로세서(670)로 전송할 수 있다(870).
다양한 실시예에 따르면, 포스트 프로세서(636)는 최종 인식 결과를 사용자에게 제공하고, 필요한 경우 전자 장치(500) 내의 다른 유닛에 전달할 수 있다. 최종 인식 결과는 사용자의 발화의 문맥 tracking 및/또는 발화 분석을 위해 원격지 서버(예: 도 1의 서버(108))로 전송될 수 있고, 개인정보 보호를 위해 개인식별 정보는 비식별화될 수 있다. 개인 정보 식별 가능한 카테고리인지 여부는 대체된 데이터의 카테고리에 기초하여 판단될 수 있다. 예를 들어, 포스트 프로세서(636)는 "내일 <person>***</person>와 9시 서초구청에서 미팅을 일정에 저장해"와 같이 인명 또는 일정에 대하여 마스크 대체를 수행할 수 있다.
다양한 실시예에 따르면, 자연어 프로세서(670)는 전송된 인식 결과에 의도치 않게 노출된 개인 정보가 포함되어 있는지 여부를 판단하고, 개인 정보에 대하여 추가적인 비식별화를 수행하거나 전송된 정보를 삭제할 수 있다. 자연어 프로세서(670)는 전송된 문장의 구조 및/또는 내용에 의한 개인정보를 검출할 수 있다. 예를 들어, 자연어 프로세서(670)는 "내일 <person>***</person>과 9시 서초구청에서 미팅을 일정에 저장해"로부터 "일정" 정보를 삭제할 수 있다. 자연어 프로세서(670)는 "<person>***</person> 전화번호를 010-1234-5678로 변경해"로부터 전화번호, 주민번호, 및/또는 주소와 같은 정보를 삭제할 수 있다. 다시 말해, 자연어 프로세서(670)는 문장 내의 전화번호, 주민번호, 및/또는 주소와 같은 정보를 검출하여 비식별화 처리할지 여부를 판단할 수 있다.
다양한 실시예에 따르면, 문장 구조는 사용자의 발화 특성이므로 자연어 프로세서(670)의 성능 개선을 위한 학습 자료로 사용될 수 있다. 자연어 프로세서(670)는 "지금 수원역이야. 곧 도착해"로부터 사용자의 위치, 및/또는 동선을 삭제할 수 있다. 자연어 프로세서(670)는 문장 내 지명 및/또는 "도착"과 같은 단어로 삭제 여부를 판단할 수 있다.
다양한 실시예에 따르면, 자연어 프로세서(670)는 문맥에 기초하여 개인 정보를 검출할 수 있다. 자연어 프로세서(670)는 시점, 장소, 인명, 전화번호 및/또는 닉네임에 기초하여 개인 정보를 검출할 수 있다. 예를 들어, 자연어 프로세서(670)는 "이번 주 금요일 일정 알려줘."로부터 시점을 검출하고, "약속 장소에서 가장 가까운 맛집 찾아줘."로부터 장소를 검출할 수 있다. 자연어 프로세서(670)는 "거기서 7시 귀요미 저녁약속 일정에 반영해줘."로부터 인명을 검출하고, "이거 알면 8780은 짜증내겠지? 라고 010-1234-5678로 문자보내"로부터 전화번호를 검출할 수 있고, "난 걔 정말 싫어"로부터 "걔"가 "8780 (닉네임)"이라는 점을 검출할 수 있다. 자연어 프로세서(670)는 전자 장치(500) 내의 연락처에 저장이 안 된 인명("귀요미")이 나타나는 경우, 또는 개인을 특정할 수 있는 텍스트(예: "8780")가 있는 경우, 앞, 뒤 전송된 발화를 통해 유추하여 개인 정보를 검출할 수 있다.
다양한 실시예에 따르면, 자연어 프로세서(670)는 사용자의 발화 패턴을 분석하고, 룰을 생성하여 추가적인 비식별화를 수행하고, 비식별화 결과를 출력할 수 있다.
다양한 실시예에 따르면, 자연어 프로세서(670)는 전송받은 정보를 이용하여 개인 데이터베이스(653) 및 링귀스틱/프랙티컬 데이터베이스(655)를 갱신할 수 있다. 서버(108)로부터 수신한 텍스트는 전자 장치(500)에서 1차적으로 비식별화가 된 것인데 텍스트 인명, 앱과 같은 정보가 마스킹되지 않고, 그대로 존재할 경우, 자연어 프로세서(670)는 전자 장치(500) 내의 개인 데이터베이스(653)에 저장이 안되어 있을 가능성이 있다고 판단하여 추정된 인명 및 앱과 같은 정보를 개인 데이터베이스(653)에 추가할 수 있다.
자연어 프로세서(670)는 문장의 구조를 분석하여 링귀스틱/프랙티컬 데이터베이스(655)에 저장된 룰과 다른 구조를 갖고 있다면 새로운 룰을 생성하여 링귀스틱/프랙티컬 데이터베이스(655)를 업데이트할 수 있다.
도 9는 다양한 실시예에 따른 전자 장치의 동작의 흐름도를 나타낸다.
도 9를 참조하면, 다양한 실시예에 따르면, 마이크(예: 도 5의 마이크(510))는 사용자의 음성을 포함한 오디오 신호를 수신할 수 있다(910). 프로세서(예: 도 5의 프로세서(530))는 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출할 수 있다(930). 프로세서(530)는 음성에 기초하여 특징 벡터를 추출하고, 특징 벡터에 기초하여 복수의 음성 인식 후보를 추출할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 특징 벡터에 기초하여 복수의 음성 인식 후보에 대응하는 확률 값을 계산할 수 있다. 확률 값은 제1 확률 값 및 제2 확률 값을 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 언어의 일반적인 특성을 모델링한 제1 언어 모델에 복수의 음성 인식 후보를 입력함으로써 제1 확률 값을 계산할 수 있다. 프로세서(530)는 사용자의 언어적 특성을 모델링한 제2 언어 모델에 복수의 음성 인식 후보를 입력함으로써 제2 확률 값을 계산할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 확률 값에 기초하여 하나 이상의 타겟 후보를 결정할 수 있다. 프로세서(530)는 제1 확률 값 및 제2 확률 값에 기초하여 하나 이상의 타겟 후보를 결정할 수 있다.
프로세서(530)는 음성 인식 후보에 기초하여 키워드를 추출할 수 있다(950). 프로세서(530)는 복수의 음성 인식 후보 및 사용자의 음성에 관련된 데이터베이스에 기초하여 키워드를 추출할 수 있다.
다양한 실시예에 따르면, 음성에 관련된 데이터베이스는, 사용자의 발화(utterance)의 특성, 사용자의 발성(vocalization)의 특성, 사용자의 발음(pronunciation)의 특성, 음성에 포함된 문장 구조 및/또는 음성에 포함된 문장의 문법을 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 키워드 및 개인 정보에 기초하여 대체 데이터를 탐색할 수 있다(970). 프로세서(530)는 음성에 관련된 데이터베이스에 기초하여 인식 결과로부터 개체명(entity name)을 검출할 수 있다. 프로세서(530)는 미리 설정된 룰(rule)에 기초하여 개체명에 대응하는 카테고리를 획득할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 카테고리에 기초하여 대체 데이터를 탐색할 수 있다. 개체명은 음성에 포함된 인명, 음성에 관련된 어플리케이션 명칭 및/또는 음성에 관련된 컨텐츠의 명칭을 포함할 수 있다. 컨텐츠는 이미지, 비디오, 음악 및/또는 텍스트를 포함할 수 있다. 카테고리는 음성에 포함된 일정, 및/또는 음성에 관련된 동작을 포함할 수 있다. 예를 들어, 음성에 관련된 동작은 전화, 문자, 실행, 종료, 검색 및/또는 전송을 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 대체 데이터에 기초하여 음성에 대응되는 인식 결과를 생성할 수 있다(990). 프로세서(530)는 개인 정보로부터 카테고리와 유사한 유사 데이터를 검색할 수 있다. 프로세서(530)는 유사 데이터와 개체명 사이의 유사도를 계산할 수 있다. 프로세서(530)는 유사도에 기초하여 유사 데이터를 대체 데이터로 결정할 수 있다.
다양한 실시예에 따르면, 프로세서(530)는 개인 정보에 기초하여 인식 결과 중에서 사용자의 일정, 및/또는 사용자의 위치의 포함 여부를 판단할 수 있다. 프로세서(530)는 판단 결과에 기초하여 인식 결과에 마스킹(masking) 또는 삭제를 수행함으로써 보안 처리를 수행할 수 있다.
메모리(550)는 전자 장치(500)의 사용자의 개인 정보를 저장할 수 있다.
다양한 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101))는, 사용자의 음성을 포함한 오디오 신호를 수신하는 마이크(예: 도 2의 마이크(150-1))와, 하나 이상의 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션 및 상기 사용자의 개인 정보를 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하고, 상기 음성 인식 후보에 기초하여 키워드를 추출하고, 상기 키워드 및 상기 개인 정보에 기초하여 대체 데이터를 탐색하고, 상기 대체 데이터에 기초하여 상기 음성에 대응되는 인식 결과를 생성할 수 있다.
상기 프로세서는, 상기 음성에 기초하여 특징 벡터를 추출하고, 상기 특징 벡터에 기초하여 상기 복수의 음성 인식 후보를 추출할 수 있다.
상기 프로세서는, 상기 특징 벡터에 기초하여 상기 복수의 음성 인식 후보에 대응하는 확률 값을 계산하고, 상기 확률 값에 기초하여 하나 이상의 타겟 후보를 결정할 수 있다.
상기 프로세서는, 언어의 일반적인 특성을 모델링한 제1 언어 모델에 상기 복수의 음성 인식 후보를 입력함으로써 제1 확률 값을 계산하고, 상기 사용자의 언어적 특성을 모델링한 제2 언어 모델에 상기 복수의 음성 인식 후보를 입력함으로써 제2 확률 값을 계산하는, 상기 제1 확률 값 및 상기 제2 확률 값에 기초하여 상기 하나 이상의 타겟 후보를 결정할 수 있다.
상기 프로세서는, 상기 복수의 음성 인식 후보 및 사용자의 음성에 관련된 데이터베이스에 기초하여 상기 키워드를 추출할 수 있다.
상기 음성에 관련된 데이터베이스는, 상기 사용자의 발화(utterance)의 특성, 상기 사용자의 발성(vocalization)의 특성, 상기 사용자의 발음(pronunciation)의 특성, 상기 음성에 포함된 문장 구조 및 상기 음성에 포함된 문장의 문법을 포함할 수 있다.
상기 프로세서는, 상기 음성에 관련된 데이터베이스에 기초하여 상기 인식 결과로부터 개체명(entity name)을 검출하고, 미리 설정된 룰(rule)에 기초하여 상기 개체명에 대응하는 카테고리를 획득하고, 상기 카테고리에 기초하여 상기 대체 데이터를 탐색할 수 있다.
상기 개체명은, 상기 음성에 포함된 인명, 상기 음성에 관련된 어플리케이션 명칭 및 상기 음성에 관련된 컨텐츠의 명칭을 포함하고, 상기 카테고리는, 상기 음성에 포함된 일정, 상기 음성에 관련된 동작을 포함할 수 있다.
상기 프로세서는, 상기 개인 정보로부터 상기 카테고리와 유사한 유사 데이터를 검색하고, 상기 유사 데이터와 상기 개체명 사이의 유사도를 계산하고, 상기 유사도에 기초하여 상기 유사 데이터를 상기 대체 데이터로 결정할 수 있다.
다양한 실시예에 따른 전자 장치는, 사용자의 음성을 포함한 오디오 신호를 수신하는 마이크와, 프로세서와, 상기 프로세서에 의해 실행 가능한 인스트럭션 및 상기 사용자의 개인 정보를 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하고, 상기 음성 인식 후보에 기초하여 키워드를 추출하고, 상기 키워드 및 상기 개인 정보에 기초하여 대체 데이터를 탐색하고, 상기 대체 데이터에 기초하여 상기 음성에 대응하는 인식 결과를 생성하고, 상기 개인 정보에 기초하여 상기 인식 결과에 대한 보안 처리를 수행할 수 있다.
상기 프로세서는, 상기 음성에 기초하여 특징 벡터를 추출하고, 상기 특징 벡터에 기초하여 상기 복수의 음성 인식 후보를 추출할 수 있다.
상기 프로세서는, 상기 특징 벡터에 기초하여 상기 복수의 음성 인식 후보에 대응하는 확률 값을 계산하고, 상기 확률 값에 기초하여 하나 이상의 타겟 후보를 결정할 수 있다.
상기 프로세서는, 언어의 일반적인 특성을 모델링한 제1 언어 모델에 상기 복수의 음성 인식 후보를 입력함으로써 제1 확률 값을 계산하고, 상기 사용자의 언어적 특성을 모델링한 제2 언어 모델에 상기 복수의 음성 인식 후보를 입력함으로써 제2 확률 값을 계산하는, 상기 제1 확률 값 및 상기 제2 확률 값에 기초하여 상기 하나 이상의 타겟 후보를 결정할 수 있다.
상기 프로세서는, 상기 복수의 음성 인식 후보 및 사용자의 음성에 관련된 데이터베이스에 기초하여 상기 키워드를 추출할 수 있다.
상기 음성에 관련된 데이터베이스는, 상기 사용자의 발화(utterance)의 특성, 상기 사용자의 발성(vocalization)의 특성, 상기 사용자의 발음(pronunciation)의 특성, 상기 음성에 포함된 문장 구조 및 상기 음성에 포함된 문장의 문법을 포함할 수 있다.
상기 프로세서는, 상기 음성에 관련된 데이터베이스에 기초하여 상기 인식 결과로부터 개체명(entity name)을 검출하고, 미리 설정된 룰(rule)에 기초하여 상기 개체명에 대응하는 카테고리를 획득하고, 상기 카테고리에 기초하여 상기 대체 데이터를 탐색할 수 있다.
상기 개체명은, 상기 음성에 포함된 인명, 상기 음성에 관련된 어플리케이션 명칭 및 상기 음성에 관련된 컨텐츠의 명칭을 포함하고, 상기 카테고리는, 상기 음성에 포함된 일정, 상기 음성에 관련된 동작을 포함할 수 있다.
상기 프로세서는, 상기 개인 정보로부터 상기 카테고리와 유사한 유사 데이터를 검색하고, 상기 유사 데이터와 상기 개체명 사이의 유사도를 계산하고, 상기 유사도에 기초하여 상기 유사 데이터를 상기 대체 데이터로 결정할 수 있다.
상기 프로세서는, 상기 개인 정보에 기초하여 상기 인식 결과 중에서 사용자의 일정, 상기 사용자의 위치의 포함 여부를 판단하고, 판단 결과에 기초하여 상기 인식 결과에 마스킹(masking) 또는 삭제를 수행함으로써 상기 보안 처리를 수행할 수 있다.
다양한 실시예에 따른 전자 장치의 음성 처리 방법은, 사용자의 음성을 포함한 오디오 신호를 수신하는 동작과, 상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하는 동작과, 상기 음성 인식 후보에 기초하여 키워드를 추출하는 동작과, 상기 키워드 및 상기 사용자의 개인 정보에 기초하여 대체 데이터를 탐색하는 동작과, 상기 대체 데이터에 기초하여 상기 음성에 대응되는 인식 결과를 생성하는 동작을 포함할 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    사용자의 음성을 포함한 오디오 신호를 수신하는 마이크;
    프로세서; 및
    상기 프로세서에 의해 실행 가능한 인스트럭션 및 상기 사용자의 개인 정보를 저장하는 메모리
    를 포함하고,
    상기 프로세서는,
    상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하고,
    상기 음성 인식 후보에 기초하여 키워드를 추출하고,
    상기 키워드 및 상기 개인 정보에 기초하여 대체 데이터를 탐색하고,
    상기 대체 데이터에 기초하여 상기 음성에 대응되는 인식 결과를 생성하는,
    전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 음성에 기초하여 특징 벡터를 추출하고,
    상기 특징 벡터에 기초하여 상기 복수의 음성 인식 후보를 추출하는,
    전자 장치.
  3. 제2항에 있어서,
    상기 프로세서는,
    상기 특징 벡터에 기초하여 상기 복수의 음성 인식 후보에 대응하는 확률 값을 계산하고,
    상기 확률 값에 기초하여 하나 이상의 타겟 후보를 결정하는,
    전자 장치.
  4. 제1항에 있어서,
    상기 프로세서는,
    언어의 일반적인 특성을 모델링한 제1 언어 모델에 상기 복수의 음성 인식 후보를 입력함으로써 제1 확률 값을 계산하고,
    상기 사용자의 언어적 특성을 모델링한 제2 언어 모델에 상기 복수의 음성 인식 후보를 입력함으로써 제2 확률 값을 계산하는,
    상기 제1 확률 값 및 상기 제2 확률 값에 기초하여 하나 이상의 타겟 후보를 결정하는,
    전자 장치.
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 복수의 음성 인식 후보 및 사용자의 음성에 관련된 데이터베이스에 기초하여 상기 키워드를 추출하는,
    전자 장치.
  6. 제5항에 있어서,
    상기 음성에 관련된 데이터베이스는,
    상기 사용자의 발화(utterance)의 특성, 상기 사용자의 발성(vocalization)의 특성, 상기 사용자의 발음(pronunciation)의 특성, 상기 음성에 포함된 문장 구조 또는 상기 음성에 포함된 문장의 문법을 포함하는,
    전자 장치.
  7. 제5항에 있어서,
    상기 프로세서는,
    상기 음성에 관련된 데이터베이스에 기초하여 상기 인식 결과로부터 개체명(entity name)을 검출하고,
    미리 설정된 룰(rule)에 기초하여 상기 개체명에 대응하는 카테고리를 획득하고,
    상기 카테고리에 기초하여 상기 대체 데이터를 탐색하는,
    전자 장치.
  8. 제7항에 있어서,
    상기 개체명은,
    상기 음성에 포함된 인명, 상기 음성에 관련된 어플리케이션 명칭 또는 상기 음성에 관련된 컨텐츠의 명칭을 포함하고,
    상기 카테고리는,
    상기 음성에 포함된 일정 또는 상기 음성에 관련된 동작
    을 포함하는 전자 장치.
  9. 제7항에 있어서,
    상기 프로세서는,
    상기 개인 정보로부터 상기 카테고리와 유사한 유사 데이터를 검색하고,
    상기 유사 데이터와 상기 개체명 사이의 유사도를 계산하고,
    상기 유사도에 기초하여 상기 유사 데이터를 상기 대체 데이터로 결정하는,
    전자 장치.
  10. 전자 장치에 있어서,
    사용자의 음성을 포함한 오디오 신호를 수신하는 마이크;
    프로세서; 및
    상기 프로세서에 의해 실행 가능한 인스트럭션 및 상기 사용자의 개인 정보를 저장하는 메모리
    를 포함하고,
    상기 프로세서는,
    상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하고,
    상기 음성 인식 후보에 기초하여 키워드를 추출하고,
    상기 키워드 및 상기 개인 정보에 기초하여 대체 데이터를 탐색하고,
    상기 대체 데이터에 기초하여 상기 음성에 대응하는 인식 결과를 생성하고,
    상기 개인 정보에 기초하여 상기 인식 결과에 대한 보안 처리를 수행하는,
    전자 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    상기 음성에 기초하여 특징 벡터를 추출하고,
    상기 특징 벡터에 기초하여 상기 복수의 음성 인식 후보를 추출하는,
    전자 장치.
  12. 제11항에 있어서,
    상기 프로세서는,
    상기 특징 벡터에 기초하여 상기 복수의 음성 인식 후보에 대응하는 확률 값을 계산하고,
    상기 확률 값에 기초하여 하나 이상의 타겟 후보를 결정하는,
    전자 장치.
  13. 제10항에 있어서,
    상기 프로세서는,
    언어의 일반적인 특성을 모델링한 제1 언어 모델에 상기 복수의 음성 인식 후보를 입력함으로써 제1 확률 값을 계산하고,
    상기 사용자의 언어적 특성을 모델링한 제2 언어 모델에 상기 복수의 음성 인식 후보를 입력함으로써 제2 확률 값을 계산하는,
    상기 제1 확률 값 및 상기 제2 확률 값에 기초하여 하나 이상의 타겟 후보를 결정하는,
    전자 장치.
  14. 제10항에 있어서,
    상기 프로세서는,
    상기 개인 정보에 기초하여 상기 인식 결과 중에서 사용자의 일정, 상기 사용자의 위치의 포함 여부를 판단하고,
    판단 결과에 기초하여 상기 인식 결과에 마스킹(masking) 또는 삭제를 수행함으로써 상기 보안 처리를 수행하는,
    전자 장치.
  15. 전자 장치의 음성 처리 방법에 있어서,
    사용자의 음성을 포함한 오디오 신호를 수신하는 동작;
    상기 음성의 특징을 분석함으로써 복수의 음성 인식 후보를 추출하는 동작;
    상기 음성 인식 후보에 기초하여 키워드를 추출하는 동작;
    상기 키워드 및 상기 사용자의 개인 정보에 기초하여 대체 데이터를 탐색하는 동작; 및
    상기 대체 데이터에 기초하여 상기 음성에 대응되는 인식 결과를 생성하는 동작
    을 포함하는 음성 처리 방법.
PCT/KR2022/011196 2021-09-10 2022-07-29 전자 장치 및 전자 장치의 음성 처리 방법 WO2023038292A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/939,664 US20230085539A1 (en) 2021-09-10 2022-09-07 Electronic device and speech processing method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210120796A KR20230037804A (ko) 2021-09-10 2021-09-10 전자 장치 및 전자 장치의 음성 처리 방법
KR10-2021-0120796 2021-09-10

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/939,664 Continuation US20230085539A1 (en) 2021-09-10 2022-09-07 Electronic device and speech processing method thereof

Publications (1)

Publication Number Publication Date
WO2023038292A1 true WO2023038292A1 (ko) 2023-03-16

Family

ID=85506623

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/011196 WO2023038292A1 (ko) 2021-09-10 2022-07-29 전자 장치 및 전자 장치의 음성 처리 방법

Country Status (2)

Country Link
KR (1) KR20230037804A (ko)
WO (1) WO2023038292A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150024188A (ko) * 2013-08-26 2015-03-06 삼성전자주식회사 음성 데이터에 대응하는 문자 데이터를 변경하는 방법 및 이를 위한 전자 장치
KR20160030168A (ko) * 2013-07-09 2016-03-16 주식회사 윌러스표준기술연구소 음성 인식 방법, 장치 및 시스템
KR20160066441A (ko) * 2014-12-02 2016-06-10 삼성전자주식회사 음성 인식 방법 및 음성 인식 장치
KR20190110072A (ko) * 2019-09-09 2019-09-27 엘지전자 주식회사 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
KR102041621B1 (ko) * 2019-02-25 2019-11-06 (주)미디어코퍼스 인공지능 음성인식 기반 기계학습의 대규모 말뭉치 구축을 위한 대화형 말뭉치 분석 서비스 제공 시스템 및 구축 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160030168A (ko) * 2013-07-09 2016-03-16 주식회사 윌러스표준기술연구소 음성 인식 방법, 장치 및 시스템
KR20150024188A (ko) * 2013-08-26 2015-03-06 삼성전자주식회사 음성 데이터에 대응하는 문자 데이터를 변경하는 방법 및 이를 위한 전자 장치
KR20160066441A (ko) * 2014-12-02 2016-06-10 삼성전자주식회사 음성 인식 방법 및 음성 인식 장치
KR102041621B1 (ko) * 2019-02-25 2019-11-06 (주)미디어코퍼스 인공지능 음성인식 기반 기계학습의 대규모 말뭉치 구축을 위한 대화형 말뭉치 분석 서비스 제공 시스템 및 구축 방법
KR20190110072A (ko) * 2019-09-09 2019-09-27 엘지전자 주식회사 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법

Also Published As

Publication number Publication date
KR20230037804A (ko) 2023-03-17

Similar Documents

Publication Publication Date Title
WO2020040595A1 (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2021029643A1 (en) System and method for modifying speech recognition result
WO2021107390A1 (en) Electronic device and method for controlling the electronic device
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
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022177224A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2023038292A1 (ko) 전자 장치 및 전자 장치의 음성 처리 방법
WO2021075820A1 (en) Method of generating wakeup model and electronic device therefor
WO2020171545A1 (en) Electronic device and system for processing user input and method thereof
WO2011028051A2 (ko) 전자 기기 및 이를 이용한 음성인식 방법
WO2023022381A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2023158076A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2024029851A1 (ko) 전자 장치 및 음성 인식 방법
WO2023043025A1 (ko) 불완전 연속 발화를 처리하는 방법 및 그 방법을 수행하는 서버 및 전자 장치
WO2022196994A1 (ko) 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법
WO2023106862A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022250383A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2023149707A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2024106913A1 (ko) 발화를 처리하기 위한 전자 장치, 그 동작 방법 및 저장 매체
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2022177164A1 (ko) 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 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: 22867561

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE