WO2024063507A1 - 전자 장치 및 전자 장치의 사용자 발화 처리 방법 - Google Patents

전자 장치 및 전자 장치의 사용자 발화 처리 방법 Download PDF

Info

Publication number
WO2024063507A1
WO2024063507A1 PCT/KR2023/014177 KR2023014177W WO2024063507A1 WO 2024063507 A1 WO2024063507 A1 WO 2024063507A1 KR 2023014177 W KR2023014177 W KR 2023014177W WO 2024063507 A1 WO2024063507 A1 WO 2024063507A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
user
external electronic
environment
receiving
Prior art date
Application number
PCT/KR2023/014177
Other languages
English (en)
French (fr)
Inventor
임창범
송가진
신호선
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020220142832A external-priority patent/KR20240039565A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2024063507A1 publication Critical patent/WO2024063507A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications

Definitions

  • Embodiments disclosed in this document relate to technology for processing user utterances based on whether a multi-device environment exists.
  • voice recognition functions can be implemented in various electronic devices including microphones.
  • voice assistance services that can provide intuitive interfaces between electronic devices have recently been developed.
  • the voice assistance service can perform natural language processing on the user's utterance to infer the user's intention and control the control device based on the inferred user's intention.
  • the need for technology that can organically transmit and receive information between multiple electronic devices through voice recognition and seamlessly perform operations corresponding to speech is increasing.
  • MDE multi device environment
  • a specific device when a specific device is selected as an electronic device that receives the user's speech while playing content (hereinafter, the terms 'listener' or 'receiving device' are used interchangeably) , the device may stop playing content.
  • the electronic device playing content is selected as an electronic device that performs an action corresponding to the user's utterance (hereinafter used interchangeably with the terms 'executor' or 'execution device')
  • the device is You can stop playing content.
  • Various embodiments of the present disclosure determine whether a multi-device environment exists and, based on the operating status of devices in the multi-device environment, a device that receives a user utterance (receiving device) or a device that executes an operation corresponding to the user utterance ( The goal is to provide an electronic device that can determine an execution device and a method for processing a user's speech of the electronic device.
  • An electronic device may include a microphone, speaker, display, communication circuit, memory, and processor.
  • the memory receives a user utterance through the microphone, recognizes whether content is being played through the display or the speaker when the user utterance is received, and recognizes whether the content is being played through the display or the speaker.
  • the memory When playing, it is recognized whether there is at least one first external electronic device connected to the electronic device through the communication circuit, and information and a user account of the at least one first external electronic device connected to the electronic device are stored.
  • the electronic device Based on at least some of the information on the registered second external electronic device, it is determined whether it is a multi-device environment related to the voice assistant service, and based on the determination that it is a multi-device environment, the electronic device is connected to the multi-device environment. It is possible to configure the device not to be selected as a receiving device for receiving user utterances, and to store instructions for receiving user utterances as the receiving device based on the determination that it is not a multi-device environment.
  • a user speech processing method of an electronic device includes the operation of receiving a user speech, the operation of recognizing whether content is being played when receiving the user speech, and the operation of recognizing whether the content is being played. , an operation of recognizing whether there is at least one first external electronic device connected to the electronic device, information on the at least one first external electronic device connected to the electronic device, and at least one second external device registered in the user account.
  • the storage medium may store a program that, when executed by a processor, performs a user utterance processing method of the electronic device.
  • a voice assistant service can be provided while maintaining existing content playback by determining an appropriate reception device and execution device according to the situation in a multi-device environment.
  • a receiving device and an executing device that will provide a voice assistant service can be determined based on the operating status (e.g., content playback) of devices in a multi-device environment.
  • FIG. 1 is a block diagram of a voice assistant system according to one embodiment.
  • Figure 2 is a block diagram of an electronic device according to one embodiment.
  • Figure 3 is a block diagram of a server according to one embodiment.
  • FIG. 4 is a diagram illustrating an operation of providing a voice assistant service of an electronic device according to an embodiment.
  • FIG. 5 is a diagram illustrating an operation of providing a voice assistant service of an electronic device according to an embodiment.
  • FIG. 6 is a diagram illustrating an operation of providing a voice assistant service of an electronic device according to an embodiment.
  • FIG. 7 is a diagram illustrating an operation of providing a voice assistant service of an electronic device according to an embodiment.
  • Figure 8 is a flowchart of a method for processing user speech in a voice assistant system according to an embodiment.
  • Figure 9 is a flowchart of a method for processing a user's speech in an electronic device according to an embodiment.
  • Figure 10 is a flowchart of a method for processing a user's speech in an electronic device according to an embodiment.
  • Figure 11 is a flowchart of a method for processing a user's speech in an electronic device according to an embodiment.
  • FIG. 12 illustrates an electronic device in a network environment according to various embodiments.
  • Figure 13 is a block diagram showing an integrated intelligence system according to an embodiment.
  • Figure 14 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • FIG. 15 is a diagram illustrating a user terminal displaying a screen for processing voice input received through an intelligent app, according to an embodiment.
  • FIG. 1 is a block diagram of a voice assistant system according to one embodiment.
  • the voice assistant system includes at least one electronic device (e.g., the electronic device 200 in FIG. 2, the first devices 400, 500, 600, and 700 in FIGS. 4 to 7, and the first device in FIG. 8).
  • the voice assistant system will be described as including two electronic devices (the first device 110 and the second device 120), but is not limited thereto.
  • the first device 110 and the second device 120 are described as having the same configuration, but are not limited thereto, and the first device 110 and the second device 120 include at least some different configurations. can do.
  • each of the electronic devices has input units 111 and 131 (e.g., the microphone 210 in FIG. 2 and the audio module in FIG. 12 ( 1270), or the microphone 1370 in FIG. 13), a receiver operation management module 133, a content management module 135, and a connection device management module 137.
  • the input units 111 and 131 may receive user utterance as input.
  • the input units 111 and 131 may include at least one microphone.
  • the input units 111 and 131 may receive user speech using at least one microphone.
  • the receiver operation management module 133 may manage operation settings as a receiver of an electronic device. For example, if the electronic device is set not to be selected as a receiver, the receiver operation management module 133 may prevent the electronic device from recognizing user utterances.
  • the content management module 135 can manage whether content such as video, music, or games is played on the electronic device. For example, when playing content, the content management module 135 may transmit a request to the server device 150 to confirm whether it is a multi-device environment.
  • the request may include information on devices connected to the electronic device (eg, information recognized by the connected device management module 137).
  • the connected device management module 137 can recognize information related to devices connected to the electronic device. For example, the connected device management module 137 may recognize the status, location, and/or function (e.g., whether it can operate as a receiver or executor) of devices connected to the electronic device. For example, the connected device management module 137 may recognize the location, connection status, and/or whether it supports operation as a receiver or executor of each device connected to the electronic device through wireless communication.
  • the connected device management module 137 may recognize the status, location, and/or function (e.g., whether it can operate as a receiver or executor) of devices connected to the electronic device.
  • the connected device management module 137 may recognize the location, connection status, and/or whether it supports operation as a receiver or executor of each device connected to the electronic device through wireless communication.
  • the server device 150 includes a speech analysis module 151 (e.g., natural language platform 1420 in FIG. 13), a multi-device management module 153, a speech performance device determination module 155, and a dialog manager. (157)(dialog manager) may be included.
  • the speech analysis module 151 performs natural language processing on user speech obtained from the user to determine the intent and/or domain of the user input (i.e., user speech). You can.
  • the voice processing module 640 may generate a natural language processing result by understanding natural language for user input.
  • the speech analysis module 151 may include an automatic speech recognition module (ASR 1511) and a natural language understanding module (NLU 1513).
  • the ASR 1511 may generate text data expressing the received utterance in a specified language.
  • ASR 1511 can generate text data using an acoustic model and a language model.
  • the acoustic model may include information related to vocalization
  • the language model may include information about unit phoneme information and a combination of unit phoneme information.
  • the ASR 1511 can convert a user's speech into text data using information about speech and unit phoneme information.
  • the NLU (1513) can identify the intent of the user input or identify the matching domain using a natural language processing model for text data generated by the ASR (1511). there is.
  • the NLU 1513 can obtain components (e.g., slots, task parameters) necessary to express the user's intent.
  • the NLU 1513 can process speech data based on syntactic analysis and semantic analysis. Based on the processing results, the domain or intent corresponding to the corresponding utterance is determined, and the components necessary to express the user's intent can be obtained.
  • the multi-device management module 153 is a device capable of receiving a user utterance (e.g., a receiver or receiving device) in a space where an electronic device that has received a user utterance is located, and/or a user. It may be determined whether there is a device (for example, an executor or execution device) that will perform an operation corresponding to the utterance. For example, when the first device 110 receives a user utterance while providing content, the multi-device management module 153 stores the first device (110) in the same space as the first device 110 in relation to the voice assistant service.
  • a user utterance e.g., a receiver or receiving device
  • the multi-device management module 153 stores the first device (110) in the same space as the first device 110 in relation to the voice assistant service.
  • the multi-device management module 153 may recognize whether there is a device connected to the first device 110 through wireless communication (eg, Bluetooth or Wi-Fi).
  • the multi-device management module 153 may receive information about devices connected to the first device 110 from the first device 110. For example, if a device connected to the first device 110 exists, the multi-device management module 153 determines that the first device 110 is in a multi-device environment related to the voice assistant service, and (110) can be controlled not to operate as a receiving device.
  • the multi-device management module 153 may exclude the first device 110 from competition among a plurality of devices to determine a receiving device for receiving a user utterance. According to one embodiment, when there is no device connected to the first device 110, the multi-device management module 153 configures the multi-device device based on information related to the user account (for example, device information registered to the user account). The environment can be determined. For example, the multi-device management module 153 may obtain location information on devices registered to the user account and determine whether the device registered to the user account exists in the same location as the first device 110.
  • the multi-device management module 153 determines that it is a multi-device environment when a device registered to a user account exists in the same location as the first device 110, and the first device 110 is the receiving device. It can be controlled not to operate. For example, when the first device 110 is providing content, the multi-device management module 153 may determine whether the second device 120 can operate as a receiving device for receiving user utterances. The multi-device management module 153 operates when the second device 120 is connected to the first device 110 through wireless communication in the same space as the first device 110, or when the second device 120 is connected to the first device 110. If the device is registered to the same user account as (110), it can be determined to be a multi-device environment.
  • the multi-device management module 153 may determine the second device 120 as the receiving device when the first device 110 is providing content in a multi-device environment. When the first device 110 ends providing content, the multi-device management module 153 may determine the first device 110 as the receiving device.
  • the speech performance device determination module 155 may determine a device (ie, an execution device) to perform an operation corresponding to a user's speech. For example, the speech performance device determination module 155 may determine a device to perform an operation corresponding to a user's speech among devices included in a multi-device environment. For example, when the multi-device management module 153 determines that the first device 110 is not selected as a receiving device, the utterance performing device determination module 155 determines whether there is another device to execute the user utterance in the multi-device environment. The first device 110 may not be determined as the execution device. For example, when the first device 110 is providing content, the speech execution device determination module 155 may not determine the first device 110 as the execution device.
  • a device ie, an execution device
  • the speech execution device determination module 155 may determine the first device 110 as the execution device. For example, when the first device 110 is providing content, the speech performance device determination module 155 may determine whether the second device 120 can perform an operation corresponding to the user's speech. If the second device 120 can perform an operation corresponding to the user's utterance, the speech execution device determination module 155 determines the second device 120 as the execution device, and determines the second device 120 as the execution device. If it is impossible to perform an operation corresponding to , the first device 110 may be determined as the execution device. When the first device 110 ends providing content, the speech execution device determination module 155 may determine the first device 110 as the execution device.
  • the dialog manager 157 may include a natural language generator (NLG 1571), a user interface (UI) generator, and an action executor 1575 (action executor).
  • NLG 1571 natural language generator
  • UI user interface
  • action executor action executor
  • the NLG 1571 may generate data generated during natural language processing in natural language form.
  • Data generated in natural language form may be the result of natural language understanding.
  • the NLG 1571 may generate an execution result in natural language that indicates whether the control operation corresponding to the control utterance was performed by a plurality of executors.
  • the UI generator 1573 may generate a UI screen to provide natural language generated by the NLG 1571.
  • the action executor 1575 can control an electronic device (e.g., the first device 110 or the second device 120) to execute a specific operation (action) in order to provide a voice assistant service.
  • an electronic device e.g., the first device 110 or the second device 120
  • action a specific operation
  • the configuration of the voice assistant system and the configurations of the first device 110, the second device 120, and the server device 150 may be changed.
  • at least some of the components of the first device 110, the second device 120, and the server device 150 may be omitted, or new components may be added.
  • an electronic device (first device 110 or second device 120) may perform at least part of the operation of the server device 150, and the server device 150 may perform the operation of the electronic device. You can do at least some of them.
  • the receiver operation management modules 113 and 133, the content management modules 115 and 135, and the connection device management module of the electronic device (e.g., the first device 110 or the second device 120) 117, 137 may be implemented as a single integrated component (e.g., a processor (e.g., processor 260 in FIG. 2, processor 1220 in FIG. 12, or processor 1320 in FIG. 13), Alternatively, at least some of the operations of the receiver operation management modules 113 and 133, the content management modules 115 and 135, and the connection device management modules 117 and 137 may be performed by the processor of the electronic device.
  • a processor e.g., processor 260 in FIG. 2, processor 1220 in FIG. 12, or processor 1320 in FIG. 13
  • the voice assistant system when a specific device is providing content in a multi-device environment, the voice assistant system excludes that device from the receiving device and/or executing device, thereby smoothly providing the voice assistant service while maintaining provision of content. can be provided.
  • Figure 2 is a block diagram of an electronic device according to an embodiment.
  • an electronic device 200 (e.g., the electronic device 200 of FIG. 2, the first devices 400, 500, 600, and 700 of FIGS. 4 to 7, and the first electronic device 870 of FIG. 8 ), the electronic device 1201 of FIG. 12, or the user terminal 1301 of FIGS. 13 to 15) includes a microphone 210 (e.g., input units 111 and 131 of FIG. 1, audio module 1270 of FIG. 12, Microphone 1370 in FIG. 13), speaker 220 (e.g., audio output module 1255 in FIG. 12, or speaker 1355 in FIG. 13), display 230 (e.g., display module 1260 in FIG. 12) ), or display 1360 of FIG. 13), communication circuit 240 (e.g., communication module 1290 of FIG.
  • a microphone 210 e.g., input units 111 and 131 of FIG. 1, audio module 1270 of FIG. 12, Microphone 1370 in FIG. 13
  • speaker 220 e.g., audio output module 1255 in FIG. 12, or speaker 1355 in FIG. 13
  • memory 250 e.g., memory of FIG. 12
  • processor 260 e.g, the processor 1220 of FIG. 12 or the processor 1320 of FIG. 13.
  • the microphone 210 may receive user speech.
  • the speaker 220 may output auditory content.
  • the speaker 220 may output a sound corresponding to the received user utterance, a result of processing the user utterance, and/or a result of performing an operation corresponding to the user utterance.
  • the display 230 may output visual content.
  • the display 230 may visually output text corresponding to the received user utterance, a result of processing the user utterance, and/or a result of performing an operation corresponding to the user utterance.
  • the communication circuit 240 is an external electronic device or an external server device (e.g., the server device 150 in FIG. 1, the server device 300 in FIG. 3, the server 890 in FIG. 8, and the server device in FIG. 12
  • Information and/or data can be transmitted and received with the server 1208 of , or the intelligent server 1400 or service server 1500 of FIGS. 13 to 15).
  • the memory 250 may store instructions that control the operation of the electronic device 200 when executed by the processor 260.
  • Memory 250 contains information and/or data related to the operation of the electronic device 200 (e.g., data related to user utterances, information related to external electronic devices (e.g., location information or network connection information), external server devices, etc. information related to, user account information, information of the receiving device and/or execution device, and/or information of the operation corresponding to the user utterance) may be stored at least temporarily.
  • the processor 260 may recognize whether content is being played when receiving a user utterance. For example, the processor 260 can recognize whether content is being played visually or audibly. According to one embodiment, when content is not being played, the processor 260 may control the electronic device 200 to operate as a receiving device that receives user utterances regardless of whether it is in a multi-device environment.
  • the processor 260 may recognize whether there is at least one first external electronic device connected to the electronic device 200. For example, the processor 260 determines whether there is at least one first external electronic device connected through wireless communication (e.g., Bluetooth or Wi-Fi) and provides information on the at least one connected first electronic device 200. It can be recognized.
  • wireless communication e.g., Bluetooth or Wi-Fi
  • the processor 260 stores at least some of the information on at least one first external electronic device connected to the electronic device 200 and/or the information on at least one second external electronic device registered in the user account. Based on this, it can be determined whether it is a multi-device environment related to the voice assistant service. For example, the processor 260 may determine whether at least one first external electronic device connected through wireless communication can operate as a receiving device for a voice assistant service. For example, the processor 260 may determine a multi-device environment if there is at least one first external electronic device that can operate as a receiving device. For example, the processor 260 may determine whether at least one second external electronic device registered to the user account is in the same location (or adjacent location, space, or location) as the electronic device 200.
  • the processor 260 may include location information (e.g., GPS information) and network connection information (e.g., wireless network connection IP address, MAC address, or SSID) of the electronic device 200 and at least one device registered in the user account. By comparing location information (e.g., GPS information, or location information of the electronic device 200 included in the user account information) of the second external electronic device and network connection information, the electronic device 200 and at least one second external device It is possible to determine whether electronic devices are in the same location.
  • the processor 260 may determine a multi-device environment when at least one second external electronic device registered to the user account is in the same location.
  • the processor 260 transmits information of at least one first external electronic device connected to at least one external server associated with a voice assistant service, and/or user account information, from the at least one external server. Information indicating whether it is a multi-device environment can be received.
  • the processor 260 may set the electronic device 200 not to be selected as a receiving device for receiving user utterances, based on the determination that it is a multi-device environment. For example, the processor 260 may not participate in competition (eg, wake up competition) to select a receiving device in a multi-device environment. For example, the processor 260 may transmit a request to be excluded from the receiving device to at least one external server associated with a voice assistant service. For example, at least one external server associated with a voice assistant service may exclude the electronic device 200 from competition to determine the receiving device in response to the request. According to one embodiment, the processor 260 can maintain content playback by being excluded from the receiving device.
  • competition eg, wake up competition
  • the processor 260 may configure the electronic device 200 to participate in a competition to determine a receiving device when playback of content ends. For example, when playback of the content ends, the processor 260 may transmit a request to re-participate in the competition to determine the receiving device to at least one external server related to the voice assistant service.
  • the processor 260 may receive a user utterance as a receiving device based on the determination that it is not a multi-device environment. For example, the processor 260 may process a user utterance, determine an operation corresponding to the user utterance, and allow the execution device to perform the operation corresponding to the user utterance. For example, the processor 260 sends information corresponding to the user utterance (e.g., user utterance, STT (Speech to Text) converted data of the user utterance, and/or data obtained by natural language processing of the user utterance) to the voice assistant. Can be transmitted to at least one external server related to the service.
  • information corresponding to the user utterance e.g., user utterance, STT (Speech to Text) converted data of the user utterance, and/or data obtained by natural language processing of the user utterance
  • At least one server may determine an execution device based on information corresponding to a user utterance and cause the execution device to perform an operation corresponding to the user utterance.
  • the processor 260 may stop playing content when the electronic device 200 operates as a receiving device (selected as a receiving device).
  • the processor 260 when the electronic device 200 is playing content, the processor 260 may be excluded from the execution device and the processor 260 may maintain playback of the content.
  • the processor 260 may stop playing content or play other content according to an operation corresponding to a user utterance. For example, the processor 260 may change content to be played according to an action corresponding to a user utterance.
  • the electronic device 200 in providing a voice assistant service in a multi-device environment, when the electronic device 200 is playing content, the electronic device 200 is a receiving device and/or executing device related to the voice assistant service.
  • the electronic device 200 By setting the electronic device 200 not to be selected in determining the device, it is possible to provide a voice assistant service while maintaining content playback.
  • Figure 3 is a block diagram of a server device according to one embodiment.
  • a server device 300 e.g., server device 150 of FIG. 1, server 890 of FIG. 8, server 1208 of FIG. 12, or intelligent server 1400 of FIGS. 13 to 15
  • the service server 1500 may include a communication circuit 310, a memory 320, and a processor 330.
  • the communication circuit 310 is connected to an external electronic device (e.g., the first device 110, the second device 130 of FIG. 1, the electronic device 200 of FIG. 2, and the first device 130 of FIGS. 4 to 7. 1 device (400, 500, 600, 700), the first electronic device 870 of FIG. 8, the electronic device 1201 of FIG. 12, or the user terminal 1301 of FIGS. 13 to 15) or an external server device and information and/or data may be transmitted and received.
  • an external electronic device e.g., the first device 110, the second device 130 of FIG. 1, the electronic device 200 of FIG. 2, and the first device 130 of FIGS. 4 to 7. 1 device (400, 500, 600, 700), the first electronic device 870 of FIG. 8, the electronic device 1201 of FIG. 12, or the user terminal 1301 of FIGS. 13 to 15
  • an external server device e.g., the first device 110, the second device 130 of FIG. 1, the electronic device 200 of FIG. 2, and the first device 130 of FIGS. 4 to 7.
  • 1 device 400, 500, 600
  • the memory 320 may store instructions that control the operation of the server device 300 when executed by the processor 330.
  • Memory 320 may contain information and/or data related to the operation of the server device 300 (e.g., data related to user utterances, information related to external electronic devices (e.g., location information or network connection information), user account information, Information on the receiving device and/or the executing device, and/or information on the operation corresponding to the user's utterance) may be stored at least temporarily.
  • the processor 330 may receive a request not to be selected as a receiving device for receiving user utterances for a voice assistant service from an external electronic device that is playing content.
  • the request may include information about at least one external device connected to the external electronic device through wireless communication.
  • the request may include information about a user account of an external electronic device.
  • information on the user account may include information on a device registered to the user account.
  • the processor 330 may determine whether an external electronic device is in a multi-device environment related to a voice assistant service. For example, the processor 330 may determine whether there is a device that can operate as a receiving device for a voice assistant service among other devices connected to an external electronic device. The processor 330 may determine that the external electronic device is in a multi-device environment if there is a device that can operate as a receiving device for the voice assistant service among other devices connected to the external electronic device. For example, the processor 330 may determine whether any device registered in the user account is located in the same location (or adjacent location, space, or location) as the external electronic device.
  • the processor 330 may determine that the external electronic device is in a multi-device environment if there is a device in the same location (or adjacent location, space, or location) as the external electronic device among the devices registered in the user account. . For example, the processor 330 connects the external electronic device to the user account based on the location information and/or network connection information of the external electronic device, and the location information and/or network connection information of the device registered to the user account. A device may determine whether there is a device in the same location (or adjacent location, space, or location).
  • the processor 330 may set an external electronic device not to be selected as a receiving device based on the determination that it is in a multi-device environment. For example, the processor 330 may exclude an external electronic device from competition to determine the receiving device.
  • the processor 330 may select an external electronic device as a receiving device based on a determination that the device is not in a multi-device environment. For example, the processor 330 can cause an external electronic device to operate as a receiving device. For example, the processor 330 may receive information corresponding to a user utterance received by an external electronic device, process the user utterance, and determine an operation corresponding to the user utterance. The processor 330 may determine an execution device to perform an operation corresponding to the user utterance and transmit a command to the execution device to perform an operation corresponding to the user utterance.
  • the processor 330 may receive information related to a user's utterance from a receiving device that is different from the external electronic device that is playing content in a multi-device environment.
  • Information related to the user utterance may include user utterance, data recognizing the user utterance, data converted from the user utterance, and/or data obtained by processing the user utterance into natural language.
  • the processor 330 may determine an operation corresponding to the user utterance based on information related to the user utterance. According to one embodiment, if there is an execution device to perform an operation corresponding to a user utterance in addition to an external electronic device, the processor 330 may transmit a command to the execution device to perform an operation corresponding to the user utterance. For example, the processor 330 may determine an execution device other than an external electronic device and perform an operation corresponding to a user's utterance, thereby allowing the external electronic device to maintain content playback.
  • the processor 330 may transmit a command to the external electronic device to perform an operation corresponding to the user's utterance.
  • the processor 330 may determine an external electronic device as an execution device that performs an operation corresponding to a user utterance.
  • the external electronic device may at least temporarily stop playing content by performing an operation corresponding to the user's utterance.
  • the processor 330 operates when the operation of an external electronic device is required (for example, by a user utterance).
  • the external electronic device A command to perform an operation corresponding to the user's utterance can be transmitted.
  • At least some components of the electronic device 200 of FIG. 2 and the server device 300 of FIG. 3 may be integrated, or at least some operations may be performed independently or in conjunction with each other.
  • the electronic device 200 of FIG. 2 may perform the operations of the server device 300 of FIG. 3 on device.
  • the server device 300 when the external electronic device is playing content, the server device 300 connects the external electronic device to a receiving device related to the voice assistant service and/ Alternatively, a voice assistant service can be provided while an external electronic device maintains playback of content by not being selected as an execution device.
  • 4 to 7 are diagrams for explaining an operation of providing a voice assistant service of an electronic device according to an embodiment. 4 to 7 , specific electronic devices 400, 500, 600, and 700 (e.g., the first device 110, the second device 130 of FIG. 1, the electronic device 200 of FIG. 2, and FIGS. 4 to 7
  • the first device 400, 500, 600, 700, the first electronic device 870 of FIG. 8, the electronic device 1201 of FIG. 12, or the user terminal 1301 of FIGS. 13 to 15) provides video content.
  • the explanation is given assuming that the content is being played, but it is not limited to this and the same explanation can be applied even when audio (sound) content is being played.
  • the operation of providing a voice assistant service when not in a multi-device environment is shown.
  • the user 401 inputs the user's utterance (“Hi Bixby, tell me the weather”) into the first electronic device 400.
  • the first electronic device 400 may stop playing the content 410 and perform an operation corresponding to the user's utterance 401.
  • the first electronic device 400 outputs the weather-related UI 420 on the display or sends weather information (“The weather is cloudy today”) by voice. Can be printed.
  • a second electronic device 520 e.g., a wearable device capable of operating as a receiving device and an executing device is located around the first electronic device 510. indicates.
  • the user 501 inputs the user's utterance (“Hi Bixby, tell me the weather”) into the first electronic device 510.
  • the second electronic device 520 may be determined as a receiving device for providing a voice assistant service.
  • the first electronic device 510 maintains playback of the content 511
  • the second electronic device 520 processes the user's utterance (“Hi Bixby, tell me the weather”)
  • the user (501) The action corresponding to the utterance can be performed.
  • the second electronic device 520 may output the weather-related UI 520 on the display, or may output weather information (“Today’s weather is cloudy”) as a voice.
  • an operation of providing a voice assistant service is shown in a multi-device environment where there are a plurality of electronic devices capable of operating as receiving devices and executing devices around the first electronic device 610.
  • the first electronic device may be a smart speaker that can operate as a receiving device or an execution device
  • the third electronic device 630 may be a smart TV that can operate as an execution device
  • the fourth electronic device 640 may be an execution device.
  • It may be a smart refrigerator that can be operated as a device.
  • at least one of the plurality of devices may be an IoT hub device.
  • the voice assistant system receives the user 601 utterance from among a plurality of electronic devices in a multi-device environment. You can determine the receiving device. For example, a plurality of electronic devices respond to a call word (wake-up work) included in an utterance of the user 601, and at least one receiving device through competition to determine the receiving device (e.g., wake up competition). can be decided. According to one embodiment, when the user 601 inputs an utterance, if the first electronic device 610 is producing content 611, the first electronic device 610 will be excluded from competition to determine the receiving device. You can.
  • the second electronic device 620, the third electronic device 630, and the fourth electronic device 640 may compete to determine the receiving device.
  • the voice assistant system considers the status, received signal strength, SNR, and/or surrounding environment of the second electronic device 620, the third electronic device 630, and the fourth electronic device 640, respectively. The reliability of the device can be determined, and the electronic device with the highest reliability can be determined as the receiving device.
  • the second electronic device 620 capable of operating as a receiving device is determined to be a receiving device and an execution device.
  • the first electronic device 610 can maintain playback of the content 611, and the second electronic device 620, as a receiving device, can receive and process the user's utterance 601.
  • the second electronic device 620 may perform an operation corresponding to the user's utterance 601.
  • the second electronic device 620 may output weather information (“The weather is cloudy today”) as a voice.
  • the second electronic device 620 is selected as an execution device to perform an operation corresponding to an utterance of the user 601, but this is not limited to this, and the third electronic device 630 and The fourth electronic device 640 may be selected as the execution device.
  • the first electronic device 610 when the first electronic device 610 is playing content 611, the first electronic device 610 may not be selected as an execution device.
  • the first electronic device when the first electronic device 610 is playing content 611 and there is a device other than the first electronic device 610 to perform an operation corresponding to the user's utterance, the first electronic device ( 610 may maintain playback of content 611 without being selected as an execution device.
  • an operation of providing a voice assistant service is shown in a multi-device environment where there are a plurality of electronic devices capable of operating as reception devices and execution devices around the first electronic device 710.
  • the second electronic device 720 may be a smart speaker that can operate as a receiving device or an execution device
  • the third electronic device 730 may be a smart TV that can operate as an execution device
  • the fourth electronic device ( 740) may be a smart refrigerator that can operate as an execution device.
  • the voice assistant system receives the user 701 utterance among a plurality of electronic devices in a multi-device environment. You can decide on the device. For example, when the first electronic device 710 is playing content 711, the second electronic device 720, third electronic device 730, and fourth electronic device excluding the first electronic device 710 Device 740 may perform competition to determine the receiving device. For example, in FIG. 7 , it is assumed that the second electronic device 720 capable of operating as a receiving device is determined as the receiving device, and the first electronic device 710 is determined as the executing device.
  • the first electronic device 710 may be selected as an execution device. For example, in a multi-device environment, there is no device capable of performing an operation corresponding to a user utterance, or the user utterance specifies the first electronic device 710 and requests that the operation be performed, or the first electronic device 710 If is the most appropriate electronic device to perform an operation corresponding to the user's utterance, the first electronic device 710 may be selected as the execution device. For example, FIG. 7 illustrates a case where a user's speech for playing another second video content 713 is input while the first electronic device 710 is playing the first video content 711.
  • a third electronic device 730 (e.g., a smart TV) may be determined as an execution device to play the second video content 713, but the user 701 may play the first video content 711 and the second video content 713 at the same time. 2 Instead of watching the video content 713, you may want to watch the second video content 713 through the first electronic device 710 that was previously watching the first video content 711. In this case, the voice assistant system may determine the first electronic device 710 as the execution device and cause the first electronic device 710 to play the second video content 713 instead of the first video content 711. there is.
  • the voice assistant service when providing a voice assistant service in a multi-device environment, when a specific electronic device (e.g., a first electronic device) is playing content, the voice assistant except the electronic device playing the content.
  • a specific electronic device e.g., a first electronic device
  • the voice assistant By determining the receiving device and/or execution device associated with the service, the voice assistant service can be smoothly provided while maintaining playback of the content.
  • An electronic device may include a microphone, a speaker, a display, a communication circuit, memory, and a processor.
  • the memory receives a user utterance through the microphone, recognizes whether content is being played through the display or the speaker when the user utterance is received, and recognizes whether the content is being played through the display or the speaker.
  • the memory When playing, it is recognized whether there is at least one first external electronic device connected to the electronic device through the communication circuit, and information and a user account of the at least one first external electronic device connected to the electronic device are stored.
  • the electronic device Based on at least some of the information on the registered second external electronic device, it is determined whether it is a multi-device environment related to the voice assistant service, and based on the determination that it is a multi-device environment, the electronic device is connected to the multi-device environment. It is possible to configure the device not to be selected as a receiving device for receiving user utterances, and to store instructions for receiving user utterances as the receiving device based on the determination that it is not a multi-device environment.
  • the instructions when executed by the processor, may cause the electronic device to maintain playback of the content based on the determination that it is a multi-device environment.
  • the permanent electronic device selects the receiving device among the at least one first external electronic device based on information of the at least one first external electronic device. If at least one external electronic device capable of operation is included, it may be determined that the multi-device environment is present.
  • the instructions when executed by the processor, cause the permanent electronic device to transmit information of the at least one first external electronic device to at least one external server associated with the voice assistant service, and Information indicating whether it is a multi-device environment may be received from the at least one external server based at least in part on information on the at least one first external electronic device.
  • the permanent electronic device determines that at least one external electronic device capable of operating as the receiving device among the at least one second external electronic device is the same as the electronic device. It may be determined whether the device is located in a location, and if there is at least one external electronic device located in the same location as the electronic device, it may be determined that it is a multi-device environment.
  • the instructions when executed by the processor, cause the permanent electronic device to: at least part of location information and network connection information of the at least one second external electronic device, and location information of the electronic device, and Based on at least part of the network connection information, it may be determined whether at least one external electronic device capable of operating as the receiving device among the at least one second external electronic device is located in the same location as the electronic device.
  • the instructions when executed by the processor, cause the electronic device to send a request to at least one external server related to the voice assistant service to check whether the multi-device environment is present, and Based on whether at least one external electronic device capable of operating as the receiving device among at least one second external electronic device is located in the same location as the electronic device, whether it is a multi-device environment is determined from the at least one external server. It is possible to receive the information indicated.
  • the instructions when executed by the processor, cause the electronic device to compete to determine the receiving device among a plurality of electronic devices included in the multi-device environment in the multi-device environment.
  • the electronic device can be set to be excluded.
  • the electronic device when the instructions are executed by the processor, the electronic device always sets the electronic device to exclude the electronic device from the competition, and when playback of the content ends, the electronic device is excluded from the competition. You can set it to participate.
  • a server device may include communication circuitry, memory, and a processor.
  • the memory when executed by the processor, receives a request to prevent the permanent server device from being selected as a receiving device for receiving a user utterance for a voice assistant service from an external electronic device that is playing content, and the external electronic device determines whether it is in a multi-device environment related to the voice assistant service, sets the external electronic device not to be selected as the receiving device based on the determination that it is in the multi-device environment, and determines that it is not in the multi-device environment. Based on the judgment, instructions for selecting the external electronic device as the receiving device may be stored.
  • the constant server device recognizes at least one electronic device registered to the same user account as the external electronic device, and determines the location of the at least one electronic device. Based on at least part of the information and network connection information, and at least part of the location information and network connection information of the external electronic device, it is determined whether there is an electronic device capable of operating as the receiving device around the electronic device, and the electronic device Based on the determination that there is an electronic device capable of operating as the receiving device around the device, it may be determined that the external electronic device is in the multi-device environment.
  • the instructions when executed by the processor, cause a constant server device to receive information related to a user utterance from the receiving device different from the external electronic device in the multi-device environment, and to transmit the user utterance. Based on information related to, an operation corresponding to the user utterance is determined, and if there is an execution device to perform an operation corresponding to the user utterance in addition to the external electronic device, the execution device corresponds to the user utterance. Transmit a command to perform an operation, and if there is no execution device to perform an operation corresponding to the user utterance other than the external electronic device, transmit a command to perform an operation corresponding to the user utterance to the external electronic device. can do.
  • FIG. 8 is a flowchart of a method for processing user speech in a voice assistant system according to an embodiment.
  • FIG. 8 is described assuming that it includes a first electronic device, a second electronic device, and a server, but the voice assistant system is not limited thereto and includes a plurality of servers, or two or more electronic devices. It may also be included.
  • a first electronic device e.g., the first device 110 of FIG. 1, the electronic device 200 of FIG. 2, the first electronic device 400 of FIGS. 4 to 7, 500, 600, 700), or the first electronic device 870 of FIG. 8) can recognize whether content is being played.
  • the first electronic device may operate as a receiving device that receives and/or processes user utterances to provide a voice assistant service when content is not being played.
  • the first electronic device may check whether there is an electronic device connected to the first electronic device.
  • the first electronic device may recognize the presence or absence of a connected electronic device through wireless communication (eg, Bluetooth, or Wi-Fi).
  • the first electronic device may check whether the connected electronic device is a device capable of receiving user utterances and/or a device supporting a voice assistant service.
  • the device may operate as a receiving device that receives user utterances.
  • the device may activate the voice assistant service in response to a call word included in the user utterance. .
  • the first electronic device connects a server (e.g., a server device (e.g., the server device 150 of FIG. 1, the server device 300 of FIG. 3, the server 890 of FIG. 8),
  • a request to exclude a receiving device may be transmitted to the server 1208 of Figure 12, the intelligent server 1400 of Figures 13 to 15, or the service server 1500.
  • the request to exclude a receiving device may be sent to It may include information about the electronic device.
  • a request to exclude the receiving device may correspond to a request to check whether it is a multi-device environment. For example, if the first electronic device has no connected electronic device, You can send a request to the server to check whether it is a multi-device environment.
  • the server may determine whether it is a multi-device environment. For example, the server may determine whether there is a device that can operate as a receiving device and/or an executing device among electronic devices connected to the first electronic device. For example, based on information related to the user account, the server is located in the same location (or adjacent location, location, or space) as the first electronic device among electronic devices registered to the same user account as the first electronic device. You can determine whether there is an electronic device that For example, the server receives location information (e.g., GPS information, or wireless network IP address information) and/or network connection information of the first electronic device from the first electronic device, and receives information from the electronic devices registered in the user account.
  • location information e.g., GPS information, or wireless network IP address information
  • the server has an electronic device that can operate as a receiving device or an execution device among electronic devices connected to the first electronic device, or is registered in the same user account as the first electronic device and exists in the same space as the first electronic device. If there is an electronic device that operates, it can be determined that it is a multi-device environment.
  • the server may inform the first electronic device that it is a multi-device environment. For example, the server may request that the first electronic device be set not to be selected as a receiving device in a multi-device environment, or that the first electronic device be set not to be selected as a receiving device.
  • the first electronic device may be excluded from the receiving device.
  • the first electronic device may be set to be excluded from the receiving device.
  • the first electronic device may not participate in a competition to determine a receiving device to provide a voice assistant service.
  • the first electronic device may not calculate a reliability value for participating in the competition or may not broadcast a signal including a reliability value for participating in the competition.
  • the first electronic device can maintain content playback by being excluded from the receiving device.
  • the first electronic device may re-participate in competition to select a receiving device.
  • the first electronic device may request the server to be included as a receiving device again, and may be determined to be a receiving device based on the server's response.
  • the second electronic device acts as a receiving device and can receive a user's speech.
  • a user utterance may include a wake up word to activate a voice assistant service.
  • the second electronic device may activate a voice assistant service (e.g., a voice assistant function (e.g., a voice assistant-related application)) in response to a call word included in the user's utterance.
  • a voice assistant service e.g., a voice assistant function (e.g., a voice assistant-related application)
  • the second electronic device may be determined to be a receiving device for providing a voice assistant service.
  • a specific electronic device eg, a second electronic device
  • the description is made assuming that the second electronic device is determined as the receiving device, but it is not limited to this.
  • a device e.g., a wearable device
  • at least one of the devices capable of receiving user utterances among the devices connected to the first electronic device is the receiving device. can be decided.
  • a multi-device environment may include more electronic devices, and in this case, the electronic device with the highest reliability in competition (e.g. wake up competition) excluding the first electronic device may be determined as the receiving device.
  • the electronic device with the highest reliability in competition e.g. wake up competition
  • the electronic device with the highest reliability in competition e.g. wake up competition
  • the receiving device may be determined as the receiving device.
  • a value calculated from the plurality of electronic devices e.g., information related to the surrounding environment and/or device status
  • SNR signal to noise ratio
  • each of the plurality of devices participating in the competition determines a reliability value for the wake up word based on the device status and/or communication status (e.g., SNR and/or transmit/receive signal strength), and determines the reliability value for the wake up word.
  • Signals containing reliability values can be broadcast and shared with each other.
  • Each of the plurality of devices participating in the competition compares its own determined reliability value with the received reliability values of other devices, and the electronic device with the highest reliability may be determined as the receiving device.
  • the second electronic device may transmit information corresponding to the user's utterance to the server.
  • the second electronic device may recognize the user's speech and transmit the user's speech, data converted from the user's speech into text, and/or data obtained by processing the user's speech into natural language, to the server.
  • the server may process the user utterance. For example, the server may analyze the user's utterance, determine the user's intention from the user's utterance, and determine an action corresponding to the user's utterance.
  • the server may determine an execution device to perform an operation corresponding to the user utterance. For example, the server may determine the electronic device most suitable for performing an operation corresponding to a user utterance within a multi-device environment as the execution device.
  • the description is made assuming that the first electronic device is determined to be an execution device, but the present invention is not limited to this.
  • the server may determine an electronic device other than the first electronic device playing content as the execution device.
  • the server may transmit an execution command to an execution device (eg, a first electronic device) to perform an operation corresponding to a user utterance.
  • an execution device eg, a first electronic device
  • an execution device eg, a first electronic device
  • At least some of the operations of FIG. 8 may be omitted, or another operation (eg, at least one of the operations of FIGS. 9 to 11) may be added, and the order of each operation may be changed.
  • the first electronic device 870 may not determine whether there is a connected device, and if it confirms that content is being played in operation 803, it may transmit a request to exclude the receiving device to the server in operation 807.
  • a voice assistant service when providing a voice assistant service in a multi-device environment, when a specific electronic device (e.g., a first electronic device) is playing content, the voice assistant except the electronic device playing the content.
  • a specific electronic device e.g., a first electronic device
  • the voice assistant except the electronic device playing the content
  • Figure 9 is a flowchart of a method for processing a user's speech in an electronic device according to an embodiment.
  • an electronic device e.g., the first device 110 of FIG. 1, the electronic device 200 of FIG. 2, the first electronic device 400, 500 of FIGS. 4 to 7, 600, 700), or the first electronic device 870 of FIG. 8) can recognize whether content is being played. For example, an electronic device can visually or audibly recognize whether content is being played. For example, when content is being played, the electronic device may perform operations below 930, and when content is not being played, the electronic device may operate as a receiving device that receives user utterances regardless of whether it is a multi-device environment.
  • the electronic device may recognize whether there is at least one connected first external electronic device.
  • the electronic device may determine whether there is at least one first external electronic device connected through wireless communication (e.g., Bluetooth or Wi-Fi) and recognize information about the at least one connected first electronic device.
  • the electronic device may check whether the connected first external electronic device is a device capable of receiving user utterances and/or a device supporting a voice assistant service.
  • the device may operate as a receiving device that receives user utterances.
  • the device may activate the voice assistant service in response to a call word included in the user utterance. .
  • the electronic device based on at least a portion of information on at least one first external electronic device connected to the electronic device and/or information on at least one second external electronic device registered in the user account.
  • the electronic device may determine whether at least one first external electronic device connected through wireless communication can operate as a receiving device for a voice assistant service.
  • the electronic device may determine a multi-device environment.
  • the electronic device may determine whether at least one second external electronic device registered to the user account is in the same location (or adjacent location, space, or location) as the electronic device.
  • the electronic device may store location information (e.g., GPS information) and network connection information (e.g., wireless network connection IP address, MAC address, or SSID) of the electronic device and at least one second external electronic device registered to the user account.
  • location information e.g., GPS information
  • network connection information e.g., wireless network connection IP address, MAC address, or SSID
  • location information of the device e.g., GPS information, or location information of the electronic device included in user account information
  • network connection information e.g., wireless network connection IP address, MAC address, or SSID
  • the electronic device transmits information of at least one first external electronic device connected to at least one external server related to the voice assistant service, and/or user account information, and transmits user account information to the multi-device device from the at least one external server.
  • Information indicating whether the environment is present may be received.
  • the electronic device may set the electronic device not to be selected as a receiving device for receiving user utterances, based on the determination that it is a multi-device environment. For example, an electronic device may not participate in competition (e.g., wake up competition) to select a receiving device in a multi-device environment.
  • the electronic device may transmit a request to be excluded from the receiving device to at least one external server associated with a voice assistant service.
  • at least one external server associated with a voice assistant service may respond to the request to exclude the electronic device from competition to determine the receiving device.
  • the electronic device may not calculate a reliability value for competition to determine a receiving device, and/or may not broadcast a signal including a reliability value for participating in competition.
  • the electronic device can maintain content playback by being excluded from the receiving device.
  • the electronic device may participate in a competition to determine a receiving device.
  • the electronic device may transmit a request to re-participate in the competition to determine the receiving device to at least one external server related to the voice assistant service.
  • a value calculated from a plurality of devices including the electronic device e.g., a plurality of devices may receive information related to the surrounding environment or state, e.g. Based on the reliability value calculated based on the signal to noise ratio (SNR), the device with the highest priority among the plurality of devices participating in the competition may be determined as the receiving device.
  • SNR signal to noise ratio
  • the electronic device may receive a user's speech as a receiving device based on the determination that it is not a multi-device environment.
  • a user utterance may include a wake up word.
  • the electronic device may activate a voice assistant service in response to the call word.
  • the electronic device may activate voice assistant functionality (e.g., voice assistant application).
  • the electronic device may process a user utterance, determine an operation corresponding to the user utterance, and allow the execution device to perform the operation corresponding to the user utterance.
  • the electronic device may send information corresponding to the user utterance (e.g., user utterance, STT (Speech to text) converted data of the user utterance, and/or data obtained by natural language processing of the user utterance) with the voice assistant service. It can be transmitted to at least one related external server. For example, at least one server may determine an execution device based on information corresponding to a user utterance and cause the execution device to perform an operation corresponding to the user utterance. According to one embodiment, when the electronic device operates as a receiving device (selected as a receiving device), the electronic device may stop playing content.
  • the electronic device may stop playing content.
  • the electronic device when the electronic device is playing content, the electronic device may be excluded from the execution device and the electronic device may maintain playback of the content.
  • the electronic device when the electronic device operates as an execution device, the electronic device may stop playing content or play other content according to an action corresponding to a user utterance.
  • At least some of the operations of FIG. 9 may be omitted, or other operations (e.g., at least one of the operations of FIGS. 8 and 10 to 11) may be added, and the operations of FIG. 9 may be performed. The order of at least some of them may be changed. For example, if operation 930 is omitted, the electronic device may perform operation 940 if it confirms that content is being played in operation 920 without determining whether there is a connected first external electronic device.
  • a voice assistant service in providing a voice assistant service in a multi-device environment, when a specific electronic device is playing content, a receiving device and/or related to the voice assistant service, excluding the electronic device playing the content, By determining the execution device, a voice assistant service can be provided while maintaining playback of the content.
  • Figure 10 is a flowchart of a method for processing a user's speech in an electronic device according to an embodiment.
  • an electronic device e.g., a server device (e.g., server device 150 of FIG. 1, server device 300 of FIG. 3, server 890 of FIG. 8, server of FIG. 12) (1208), the intelligent server 1400 or the service server 1500 of FIGS. 13 to 15) is an external electronic device that is playing content (e.g., the first device 110 of FIG. 1, the electronic device of FIG. 2 ( 200), the first electronic device 400, 500, 600, 700 of FIGS. 4 to 7, or the first electronic device 870 of FIG. 8) is not selected as a receiving device for receiving a user utterance for the voice assistant service. A request not to do so may be received.
  • a server device e.g., server device 150 of FIG. 1, server device 300 of FIG. 3, server 890 of FIG. 8, server of FIG. 12
  • is an external electronic device that is playing content e.g., the first device 110 of FIG. 1, the electronic device of FIG. 2 ( 200), the
  • the request may include information on at least one external device connected to the external electronic device through wireless communication.
  • the request may include a user account of the external electronic device. It may include information of
  • the user account information may include information of a device registered to the user account.
  • the electronic device may determine whether an external electronic device is in a multi-device environment related to a voice assistant service. For example, the electronic device may determine whether there is a device that can operate as a receiving device for a voice assistant service among other devices connected to an external electronic device. The electronic device may determine that the external electronic device is in a multi-device environment if there is a device that can operate as a receiving device for the voice assistant service among other devices connected to the external electronic device. For example, the electronic device may determine whether, among devices registered in the user account, there is a device located in the same location (or adjacent location, space, or location) as the external electronic device.
  • the electronic device may determine that the external electronic device is in a multi-device environment. For example, the electronic device may be connected to the external electronic device and the device registered to the user account based on the location information and/or network connection information of the external electronic device and the location information and/or network connection information of the device registered to the user account. It can be determined whether there is a device in the same location (or adjacent location, space, or location).
  • the electronic device may set the external electronic device not to be selected as the receiving device based on the determination that it is in a multi-device environment. For example, the electronic device may exclude an external electronic device from competing to determine the receiving device. For example, the electronic device may transmit information indicating a multi-device environment to an external electronic device so that the external electronic device does not participate in competition to determine the receiving device. For example, in response to receiving information indicating a multi-device environment from an electronic device, an external electronic device may not participate in competition to determine the receiving device.
  • the electronic device may select an external electronic device as the receiving device based on a determination that it is not in a multi-device environment.
  • an electronic device can allow an external electronic device to operate as a receiving device.
  • the electronic device may transmit information indicating that it is not in a multi-device environment to an external electronic device, allowing the external electronic device to participate in a competition to determine the receiving device.
  • an external electronic device in response to receiving information indicating a multi-device environment from an electronic device, an external electronic device may participate in a competition to determine the receiving device.
  • an external electronic device may be determined as a receiving device through competition.
  • the electronic device may receive information corresponding to a user utterance received by an external electronic device (determined as a receiving device), process the user utterance, and determine an operation corresponding to the user utterance.
  • the electronic device may determine an execution device to perform an operation corresponding to the user's utterance, and transmit a command to the execution device to perform an operation corresponding to the user's utterance.
  • At least some of the operations of FIG. 10 may be omitted, or other operations (e.g., at least some of the operations of FIG. 11) may be added, and the order of at least some of the operations of FIG. 10 may be changed. may change.
  • a voice assistant service in providing a voice assistant service in a multi-device environment, when a specific electronic device is playing content, a receiving device and/or related to the voice assistant service, excluding the electronic device playing the content, By determining the execution device, a voice assistant service can be provided while maintaining playback of the content.
  • Figure 11 is a flowchart of a method for processing a user's speech in an electronic device according to an embodiment.
  • Figure 11 may be an operation after the external electronic device is set not to be selected as the receiving device in Figure 10.
  • an electronic device e.g., a server device (e.g., the server device 150 of FIG. 1, the server device 300 of FIG. 3, the server 890 of FIG. 8, the server of FIG. 12) (1208), the intelligent server 1400 or service server 1500 of FIGS. 13 to 15) is an external electronic device (for example, the first device 110 of FIG. 1, the electronic device of FIG. 2) in a multi-device environment. 200), a receiving device different from the first electronic device 400, 500, 600, and 700 of FIGS. 4 to 7, or the first electronic device 870 of FIG. 8) (e.g., the second device 120 of FIG.
  • a server device e.g., the server device 150 of FIG. 1, the server device 300 of FIG. 3, the server 890 of FIG. 8, the server of FIG. 12
  • an external electronic device for example, the first device 110 of FIG. 1, the electronic device of FIG. 2 in a multi-device environment. 200
  • information related to the user utterance can be received from the second electronic devices 520, 620, and 720 of Figures 5 to 7.
  • the information related to the user utterance includes the user utterance, data recognizing the user utterance, and converting the user utterance. It may include data obtained by processing a user's utterance into natural language.
  • the external electronic device may be playing content.
  • the external electronic device may be playing content, so the external electronic device may be playing content. It may not be selected as a receiving device in the device environment.
  • the electronic device may determine an operation corresponding to the user utterance based on information related to the user utterance.
  • the electronic device may transmit a command to the execution device to perform an operation corresponding to the user utterance.
  • the electronic device may determine an execution device other than the external electronic device and perform an operation corresponding to the user's utterance, thereby allowing the external electronic device to maintain content playback.
  • the electronic device may transmit a command to perform an operation corresponding to the user utterance to the external electronic device.
  • the electronic device may determine the external electronic device as an execution device that performs an operation corresponding to the user's utterance.
  • the external electronic device may at least temporarily stop playing content by performing an operation corresponding to the user's utterance.
  • the electronic device may be operated when the operation of the external electronic device is required (for example, when the external electronic device is is specified, or if the action corresponding to the user's utterance is an action to play content of the same type as the content being played by the external electronic device (e.g., an action to change the content being played), the user is not connected to the external electronic device.
  • a command to perform an action corresponding to the utterance can be transmitted.
  • At least some of the operations of FIG. 11 may be omitted, or other operations (e.g., at least some of the operations of FIG. 10) may be added, and the order of at least some of the operations of FIG. 11 may be changed. may change.
  • at least some of the operations of FIGS. 9 to 11 may be performed in conjunction in a voice assistant system including an electronic device and a server, and at least some of the operations of FIGS. 9 to 11 may be omitted or performed in a changed order.
  • a voice assistant service in providing a voice assistant service in a multi-device environment, when a specific electronic device is playing content, a receiving device and/or related to the voice assistant service, excluding the electronic device playing the content, By determining the execution device, a voice assistant service can be provided while maintaining playback of the content.
  • a method of processing a user utterance of an electronic device includes the operation of receiving a user utterance, recognizing whether content is being played when receiving a user utterance, and, when the content is being played, connected to the electronic device. Recognizing whether there is at least one first external electronic device, at least one of information on the at least one first external electronic device connected to the electronic device and information on the at least one second external electronic device registered in the user account. An operation of determining whether it is a multi-device environment related to a voice assistant service based on some of the information, and setting the electronic device not to be selected as a receiving device for receiving user utterances in the multi-device environment based on the determination that it is a multi-device environment. It may include an operation of receiving a user's speech as the receiving device based on the determination that it is not a multi-device environment.
  • the method may further include a method of maintaining playback of the content based on the determination that it is a multi-device environment.
  • an operation of determining that it is a multi-device environment may be included.
  • the operation of determining whether the multi-device environment includes transmitting information about the at least one first external electronic device to at least one external server related to the voice assistant service, and the at least one The method may include receiving information indicating whether the multi-device environment exists from the at least one external server, based at least in part on information on the first external electronic device.
  • the operation of determining whether it is a multi-device environment includes determining whether at least one external electronic device capable of operating as the receiving device among the at least one second external electronic device is located in the same location as the electronic device. It may include determining that the environment is a multi-device environment when there is at least one external electronic device located in the same location as the electronic device.
  • the operation of determining whether the location is located in the same place includes at least a portion of the location information and network connection information of the at least one second external electronic device, and at least a portion of the location information and network connection information of the electronic device. Based on the part, the method may include determining whether at least one external electronic device capable of operating as the receiving device among the at least one second external electronic device is located in the same location as the electronic device.
  • the operation of setting not to be selected as the receiving device includes, in the multi-device environment, the electronic device in competition to determine the receiving device among a plurality of electronic devices included in the multi-device environment. It can include actions that set it to be excluded.
  • the method may further include configuring the electronic device to participate in the competition when playback of the content ends after configuring the electronic device to be excluded from the competition.
  • FIG. 12 is a block diagram of an electronic device 1201 in a network environment 1200, according to various embodiments.
  • the electronic device 1201 communicates with the electronic device 1202 through a first network 1298 (e.g., a short-range wireless communication network) or a second network 1299. It is possible to communicate with at least one of the electronic device 1204 or the server 1208 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 1201 may communicate with the electronic device 1204 through the server 1208.
  • a first network 1298 e.g., a short-range wireless communication network
  • a second network 1299 e.g., a second network 1299.
  • the electronic device 1201 may communicate with the electronic device 1204 through the server 1208.
  • the electronic device 1201 includes a processor 1220, a memory 1230, an input module 1250, an audio output module 1255, a display module 1260, an audio module 1270, and a sensor module ( 1276), interface (1277), connection terminal (1278), haptic module (1279), camera module (1280), power management module (1288), battery (1289), communication module (1290), subscriber identification module (1296) , or may include an antenna module 1297.
  • at least one of these components eg, the connection terminal 1278
  • may be omitted, or one or more other components may be added to the electronic device 1201.
  • some of these components are integrated into one component (e.g., display module 1260). It can be.
  • the processor 1220 executes software (e.g., program 1240) to operate at least one other component (e.g., hardware or software component) of the electronic device 1201 connected to the processor 1220. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of the data processing or computation, the processor 1220 stores instructions or data received from another component (e.g., the sensor module 1276 or the communication module 1290) in the volatile memory 1232. The commands or data stored in the volatile memory 1232 can be processed, and the resulting data can be stored in the non-volatile memory 1234.
  • software e.g., program 1240
  • the processor 1220 stores instructions or data received from another component (e.g., the sensor module 1276 or the communication module 1290) in the volatile memory 1232.
  • the commands or data stored in the volatile memory 1232 can be processed, and the resulting data can be stored in the non-volatile memory 1234.
  • the processor 1220 may include a main processor 1221 (e.g., a central processing unit or an application processor) or an auxiliary processor 1223 that can operate independently or together (e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • a main processor 1221 e.g., a central processing unit or an application processor
  • auxiliary processor 1223 e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the electronic device 1201 includes a main processor 1221 and a auxiliary processor 1223
  • the auxiliary processor 1223 may be set to use lower power than the main processor 1221 or be specialized for a designated function. You can.
  • the auxiliary processor 1223 may be implemented separately from the main processor 1221 or as part of it.
  • the auxiliary processor 1223 may, for example, act on behalf of the main processor 1221 while the main processor 1221 is in an inactive (e.g., sleep) state, or while the main processor 1221 is in an active (e.g., application execution) state. ), together with the main processor 1221, at least one of the components of the electronic device 1201 (e.g., the display module 1260, the sensor module 1276, or the communication module 1290) At least some of the functions or states related to can be controlled.
  • coprocessor 1223 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 1280 or communication module 1290. there is.
  • the auxiliary processor 1223 may include a hardware structure specialized for processing artificial intelligence models.
  • Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the electronic device 1201 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 1208).
  • Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited.
  • An artificial intelligence model may include multiple artificial neural network layers.
  • Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above.
  • artificial intelligence models may additionally or alternatively include software structures.
  • the memory 1230 may store various data used by at least one component (eg, the processor 1220 or the sensor module 1276) of the electronic device 1201. Data may include, for example, input data or output data for software (e.g., program 1240) and instructions related thereto.
  • Memory 1230 may include volatile memory 1232 or non-volatile memory 1234.
  • the program 1240 may be stored as software in the memory 1230 and may include, for example, an operating system 1242, middleware 1244, or application 1246.
  • the input module 1250 may receive commands or data to be used in a component of the electronic device 1201 (e.g., the processor 1220) from outside the electronic device 1201 (e.g., a user).
  • the input module 1250 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 1255 may output sound signals to the outside of the electronic device 1201.
  • the sound output module 1255 may include, for example, a speaker or receiver. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 1260 can visually provide information to the outside of the electronic device 1201 (eg, a user).
  • the display module 1260 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 1260 may include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 1270 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 1270 acquires sound through the input module 1250, the sound output module 1255, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 1201). Sound may be output through an electronic device 1202 (e.g., speaker or headphone).
  • an electronic device 1202 e.g., speaker or headphone
  • the sensor module 1276 detects the operating state (e.g., power or temperature) of the electronic device 1201 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 1276 includes, 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 biometric sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 1277 may support one or more designated protocols that can be used to directly or wirelessly connect the electronic device 1201 to an external electronic device (e.g., the electronic device 1202).
  • the interface 1277 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
  • connection terminal 1278 may include a connector through which the electronic device 1201 can be physically connected to an external electronic device (eg, the electronic device 1202).
  • the connection terminal 1278 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 1279 can convert electrical signals into mechanical stimulation (e.g., vibration or movement) or electrical stimulation that the user can perceive through tactile or kinesthetic senses.
  • the haptic module 1279 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 1280 can capture still images and moving images.
  • the camera module 1280 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 1288 can manage power supplied to the electronic device 1201. According to one embodiment, the power management module 1288 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • Battery 1289 may supply power to at least one component of electronic device 1201.
  • the battery 1289 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 1290 provides a direct (e.g., wired) communication channel or a wireless communication channel between the electronic device 1201 and an external electronic device (e.g., the electronic device 1202, the electronic device 1204, or the server 1208). It can support establishment and communication through established communication channels.
  • Communication module 1290 operates independently of processor 1220 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • the communication module 1290 may be a wireless communication module 1292 (e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 1294 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 1292 e.g., 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 1294 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 1298 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 1299 (e.g., legacy It may communicate with an external electronic device 1204 through a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network
  • the wireless communication module 1292 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 1296 to communicate within a communication network such as the first network 1298 or the second network 1299.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 1292 may support 5G networks and next-generation communication technologies after 4G networks, for example, new radio access technology (NR access technology).
  • NR access technology provides high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low latency). -latency communications)) can be supported.
  • NR access technology provides high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low latency). -latency communications)) can be supported.
  • the wireless communication module 1292 may support high frequency bands (e.g., mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 1292 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive MIMO (multiple-input and multiple-output), and full-dimensional multiplexing. It can support technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module 1292 may support various requirements specified in the electronic device 1201, an external electronic device (e.g., electronic device 1204), or a network system (e.g., second network 1299).
  • the wireless communication module 1292 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 1297 may transmit or receive signals or power to or from the outside (e.g., an external electronic device).
  • the antenna module 1297 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 1297 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for the communication method used in the communication network, such as the first network 1298 or the second network 1299, is connected to the plurality of antennas by, for example, the communication module 1290. can be selected. Signals or power may be transmitted or received between the communication module 1290 and an external electronic device through the at least one selected antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 1297.
  • RFIC radio frequency integrated circuit
  • antenna module 1297 may form a mmWave antenna module.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of
  • peripheral devices e.g., 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 1201 and the external electronic device 1204 through the server 1208 connected to the second network 1299.
  • Each of the external electronic devices 1202 or 104 may be of the same or different type as the electronic device 1201.
  • all or part of the operations performed in the electronic device 1201 may be executed in one or more of the external electronic devices 1202, 104, or 108.
  • the electronic device 1201 needs to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device 1201 does not execute the function or service on its own.
  • one or more external electronic devices may be requested to perform at least part of the function or service.
  • One or more external electronic devices that have received the request may execute at least part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device 1201.
  • the electronic device 1201 may process the result as is or additionally and provide it as at least part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology can be used.
  • the electronic device 1201 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 1204 may include an Internet of Things (IoT) device.
  • Server 1208 may be an intelligent server using machine learning and/or neural networks.
  • an external electronic device 1204 or a server 1208 may be included in the second network 1299.
  • the electronic device 1201 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • Figure 13 is a block diagram showing an integrated intelligence system according to an embodiment.
  • the integrated intelligence system of one embodiment may include a user terminal 1301, an intelligent server 1400, and a service server 1500.
  • the user terminal 1301 may be a terminal device (or electronic device) capable of connecting to the Internet, for example, a mobile phone, smartphone, PDA ( It may be a personal digital assistant, a laptop computer, a television (TV), a white appliance, a wearable device, a head mounted device (HMD), or a smart speaker.
  • a terminal device or electronic device capable of connecting to the Internet
  • a mobile phone for example, a mobile phone, smartphone, PDA ( It may be a personal digital assistant, a laptop computer, a television (TV), a white appliance, a wearable device, a head mounted device (HMD), or a smart speaker.
  • TV television
  • HMD head mounted device
  • the user terminal 1301 may include a communication interface 1390, a microphone 1370, a speaker 1355, a display 1360, a memory 1330, and/or a processor 1320. there is.
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 1390 may be connected to an external device and configured to transmit and receive data.
  • the microphone 1370 e.g., the audio module (#70) in Figure #
  • the speaker 1355 e.g., sound output module (#55) in Figure #
  • Display 1360 may be configured to display images or video.
  • the display 1360 of one embodiment may also display a graphic user interface (GUI) of an app (or application program) being executed.
  • GUI graphic user interface
  • the memory 1330 may store a client module 1331, a software development kit (SDK) 1333, and a plurality of applications.
  • the client module 1331 and SDK 1333 may form a framework (or solution program) for performing general functions. Additionally, the client module 1331 or SDK 1333 may configure a framework for processing voice input.
  • the plurality of applications may be programs for performing designated functions.
  • the plurality of applications may include a first app 1335a and/or a second app 1335b.
  • each of the plurality of applications may include a plurality of operations to perform a designated function.
  • the applications may include an alarm app, a messaging app, and/or a schedule app.
  • a plurality of applications are executed by the processor 1320 to sequentially execute at least some of the plurality of operations.
  • the processor 1320 in one embodiment may control the overall operation of the user terminal 1301.
  • the processor 1320 may be electrically connected to the communication interface 1390, the microphone 1370, the speaker 1355, and the display 1360 to perform a designated operation.
  • processor 1320 may include at least one processor.
  • the processor 1320 of one embodiment may also execute a program stored in the memory 1330 to perform a designated function.
  • the processor 1320 may execute at least one of the client module 1331 or the SDK 1333 and perform the following operations for processing voice input.
  • the processor 1320 may control the operation of multiple applications through, for example, the SDK 1333.
  • the following operations described as operations of the client module 1331 or SDK 1333 may be operations performed by execution of the processor 1320.
  • the client module 1331 in one embodiment may receive voice input.
  • the client module 1331 may receive a voice signal corresponding to a user utterance detected through the microphone 1370.
  • the client module 1331 may transmit the received voice input (eg, voice signal) to the intelligent server 1400.
  • the client module 1331 may transmit status information of the user terminal 1301 to the intelligent server 1400 along with the received voice input.
  • the status information may be, for example, execution status information of an app.
  • the client module 1331 of one embodiment may receive a result corresponding to the received voice input from the intelligent server 1400. For example, if the intelligent server 1400 can calculate a result corresponding to the received voice input, the client module 1331 may receive a result corresponding to the received voice input. The client module 1331 may display the received result on the display 1360.
  • the client module 1331 of one embodiment may receive a plan corresponding to the received voice input.
  • the client module 1331 can display the results of executing multiple operations of the app according to the plan on the display 1360.
  • the client module 1331 may sequentially display execution results of a plurality of operations on a display.
  • the user terminal 1301 may display only some results of executing a plurality of operations (eg, the result of the last operation) on the display.
  • the client module 1331 may receive a request from the intelligent server 1400 to obtain information necessary to calculate a result corresponding to the voice input. According to one embodiment, the client module 1331 may transmit the necessary information to the intelligent server 1400 in response to the request.
  • the client module 1331 in one embodiment may transmit information as a result of executing a plurality of operations according to the plan to the intelligent server 1400.
  • the intelligent server 1400 can use the result information to confirm that the received voice input has been processed correctly.
  • the client module 1331 in one embodiment may include a voice recognition module. According to one embodiment, the client module 1331 can recognize voice input that performs a limited function through the voice recognition module. For example, the client module 1331 may execute an intelligent app for processing voice input by performing an organic action in response to a designated voice input (e.g., wake up!).
  • a voice recognition module e.g., a voice recognition module
  • the client module 1331 may execute an intelligent app for processing voice input by performing an organic action in response to a designated voice input (e.g., wake up!).
  • the intelligent server 1400 is connected to the user's voice input from the user terminal 1301 via the network 1399 (e.g., the first network (#98) and/or the second network (#99) in FIG. Information can be received.
  • the intelligent server 1400 may change data related to the received voice input into text data.
  • the intelligent server 1400 may generate at least one plan to perform a task corresponding to the user's voice input based on the text data.
  • the plan may be generated by an artificial intelligence (AI) system.
  • An artificial intelligence system may be a rule-based system, a neural network-based system (e.g., a feedforward neural network (FNN)), and/or a recurrent neural network. network(RNN))). Alternatively, it may be a combination of the above or a different artificial intelligence system.
  • 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, an artificial intelligence system can select at least one plan from a plurality of predefined plans.
  • the intelligent server 1400 of one embodiment may transmit a result according to the generated plan to the user terminal 1301 or transmit the generated plan to the user terminal 1301.
  • the user terminal 1301 may display results according to the plan on the display.
  • the user terminal 1301 may display the results of executing an operation according to the plan on the display.
  • the intelligent server 1400 of one embodiment includes a front end 1410, a natural language platform 1420, a capsule database 1430, an execution engine 1440, It may include an end user interface (1450), a management platform (1460), a big data platform (1470), or an analytic platform (1480).
  • the front end 1410 of one embodiment may receive a voice input received by the user terminal 1301 from the user terminal 1301.
  • the front end 1410 may transmit a response corresponding to the voice input to the user terminal 1301.
  • the natural language platform 1420 includes an automatic speech recognition module (ASR module) 1421, a natural language understanding module (NLU module) 1423, and a planner module ( It may include a planner module (1425), a natural language generator module (NLG module) (1427), and/or a text to speech module (TTS module) (1429).
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • TTS module text to speech module
  • the automatic voice recognition module 1421 of one embodiment may convert voice input received from the user terminal 1301 into text data.
  • the natural language understanding module 1423 in one embodiment may determine the user's intention using text data of voice input. For example, the natural language understanding module 1423 may perform syntactic analysis and/or semantic analysis to determine the user's intention.
  • the natural language understanding module 1423 in one embodiment uses linguistic features (e.g., grammatical elements) of morphemes or phrases to determine the meaning of words extracted from voice input, and matches the meaning of the identified word to the user's intent. You can determine your intention.
  • the planner module 1425 in one embodiment may generate a plan using the intent and parameters determined by the natural language understanding module 1423. According to one embodiment, the planner module 1425 may determine a plurality of domains required to perform the task based on the determined intention. The planner module 1425 may determine a plurality of operations included in each of the plurality of domains determined based on the intention. According to one embodiment, the planner module 1425 may determine parameters required to execute the determined plurality of operations or result values output by executing the plurality of operations. The parameters and the result values may be defined as concepts of a specified type (or class). Accordingly, the plan may include a plurality of operations and/or a plurality of concepts determined by the user's intention.
  • the planner module 1425 may determine the relationship between the plurality of operations and the plurality of concepts in a stepwise (or hierarchical) manner. For example, the planner module 1425 may determine the execution order of a plurality of operations determined based on the user's intention based on a plurality of concepts. In other words, the planner module 1425 may determine the execution order of the plurality of operations based on the parameters required for execution of the plurality of operations and the results output by the execution of the plurality of operations. Accordingly, the planner module 1425 may generate a plan that includes association information (eg, ontology) between a plurality of operations and a plurality of concepts. The planner module 1425 can create a plan using information stored in the capsule database 1430, which stores a set of relationships between concepts and operations.
  • association information eg, ontology
  • the natural language generation module 1427 of one embodiment may change designated information into text form.
  • the information changed to the text form may be in the form of natural language speech.
  • the text-to-speech conversion module 1429 in one embodiment can change information in text form into information in voice form.
  • the user terminal 1301 may include an automatic speech recognition module and/or a natural language understanding module. After the user terminal 1301 recognizes the user voice command, text information corresponding to the recognized voice command may be transmitted to the intelligent server 1400.
  • the user terminal 1301 may include a text-to-speech conversion module. The user terminal 1301 may receive text information from the intelligent server 1400 and output the received text information as voice.
  • the capsule database 1430 may store information about the relationship between a plurality of concepts and operations corresponding to a plurality of domains.
  • the capsule may include a plurality of action objects (or action information) and/or concept objects (or concept information) included in the plan.
  • the capsule database 1430 may store a plurality of capsules in the form of CAN (concept action network).
  • a plurality of capsules may be stored in a function registry included in the capsule database 1430.
  • the capsule database 1430 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 standard information for determining one plan when there are multiple plans corresponding to voice input.
  • the capsule database 1430 may include a follow up registry in which information on follow-up actions is stored to suggest follow-up actions to the user in a specified situation.
  • the follow-up action may include, for example, follow-up speech.
  • the capsule database 1430 may include a layout registry that stores layout information of information output through the user terminal 1301.
  • the capsule database 1430 may include a vocabulary registry where vocabulary information included in capsule information is stored.
  • the capsule database 1430 may include a dialogue registry in which information about dialogue (or interaction) with a user is stored.
  • the capsule database 1430 can update stored objects through a developer tool.
  • the developer tool may include, for example, a function editor for updating operation objects or concept objects.
  • the developer tool may include a vocabulary editor for updating the vocabulary.
  • the developer tool may include a strategy editor that creates and registers a strategy for determining the plan.
  • the developer tool may include a dialogue editor that creates a dialogue with the user.
  • the developer tool may include a follow up editor that can edit follow-up utterances to activate follow-up goals and provide hints. The subsequent goal may be determined based on currently set goals, user preferences, or environmental conditions.
  • the capsule database 1430 may also be implemented within the user terminal 1301.
  • the execution engine 1440 of one embodiment may calculate a result using the generated plan.
  • the end user interface 1450 may transmit the calculated result to the user terminal 1301. Accordingly, the user terminal 1301 can receive the result and provide the received result to the user.
  • the management platform 1460 of one embodiment can manage information used in the intelligent server 1400.
  • the big data platform 1470 in one embodiment may collect user data.
  • the analysis platform 1480 of one embodiment may manage quality of service (QoS) of the intelligent server 1400. For example, analytics platform 1480 may manage the components and processing speed (or efficiency) of intelligent server 1400.
  • QoS quality of service
  • the service server 1500 in one embodiment may provide a designated service (eg, food ordering or hotel reservation) to the user terminal 1301.
  • the service server 1500 may be a server operated by a third party.
  • the service server 1500 in one embodiment may provide the intelligent server 1400 with information for creating a plan corresponding to the received voice input.
  • the provided information may be stored in the capsule database 1430.
  • the service server 1500 may provide result information according to the plan to the intelligent server 1400.
  • the service server 1500 may communicate with the intelligent server 1400 and/or the user terminal 1301 through the network 1399.
  • the service server 1500 can communicate with the intelligent server 1400 through a separate connection.
  • the service server 1500 is shown as one server in FIG. 13, the embodiments of this document are not limited thereto. At least one of the services 1501, 1502, and 1503 of the service server 1500 may be implemented as a separate server.
  • the user terminal 1301 can provide various intelligent services to the user in response to user input.
  • the user input may include, for example, input through a physical button, touch input, or voice input.
  • the user terminal 1301 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app).
  • the user terminal 1301 may recognize a user utterance or voice input received through the microphone and provide a service corresponding to the recognized voice input to the user. .
  • the user terminal 1301 may perform a designated operation alone or together with the intelligent server and/or service server based on the received voice input. For example, the user terminal 1301 may run an app corresponding to a received voice input and perform a designated operation through the executed app.
  • the user terminal 1301 when the user terminal 1301 provides a service together with the intelligent server 1400 and/or the service server, the user terminal detects a user utterance using the microphone 1370, and A signal (or voice data) corresponding to the detected user utterance may be generated. The user terminal may transmit the voice data to the intelligent server 1400 using the communication interface 1390.
  • the intelligent server 1400 In response to a voice input received from the user terminal 1301, the intelligent server 1400 according to one embodiment provides 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 a plurality of operations for performing a task corresponding to a user's voice input and/or 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 association information between multiple operations and/or multiple concepts.
  • the user terminal 1301 in one embodiment may receive the response using the communication interface 1390.
  • the user terminal 1301 outputs a voice signal generated inside the user terminal 1301 to the outside using the speaker 1355, or outputs an image generated inside the user terminal 1301 to the outside using the display 1360. It can be output as .
  • Figure 14 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • the capsule database (e.g., capsule database 1430) of the intelligent server 1400 may store capsules in CAN (concept action network) format.
  • the capsule database may store operations for processing tasks corresponding to the user's voice input, and parameters necessary for the operations in CAN (concept action network) format.
  • the capsule database may store a plurality of capsules (capsule A 1431, capsule B 1434) corresponding to each of a plurality of domains (eg, applications).
  • one capsule e.g., capsule A 1431
  • one domain e.g., location (geo), application
  • one capsule contains at least one capsule of a service provider (e.g., CP 1 (1432), CP 2 (1433), CP3 (1435), and/or CP4 (1436) to perform functions for the domain associated with the capsule. )) can correspond.
  • a service provider e.g., CP 1 (1432), CP 2 (1433), CP3 (1435), and/or CP4 (1436) to perform functions for the domain associated with the capsule.
  • one capsule may include at least one operation 1430a and at least one concept 1430b for performing a designated function.
  • the natural language platform 1420 may create a plan for performing a task corresponding to the received voice input using the capsule stored in the capsule database 1430.
  • the planner module 1425 of the natural language platform can create a plan using capsules stored in the capsule database.
  • create a plan 1437 using the operations 1431a, 1432a and concepts 1431b, 1432b of capsule A (14310) and the operations 1434a and concept 1434b of capsule B (1434). can do.
  • Figure 15 is a diagram illustrating a screen in which a user terminal processes voice input received through an intelligent app according to an embodiment.
  • the user terminal 1301 may run an intelligent app to process user input through the intelligent server 1400.
  • the user terminal 1301 when the user terminal 1301 recognizes a designated voice input (e.g., wake up! or receives an input through a hardware key (e.g., a dedicated hardware key), the user terminal 1301 It can run intelligent apps to process input. For example, the user terminal 1301 may run an intelligent app while executing a schedule app. According to one embodiment, the user terminal 1301 may display an object (eg, an icon) 1511 corresponding to an intelligent app on the display 1360. According to one embodiment, the user terminal 1301 may receive voice input through a user's utterance.
  • a designated voice input e.g., wake up
  • a hardware key e.g., a dedicated hardware key
  • the user terminal 1301 may receive a voice input saying “Tell me this week’s schedule!”
  • the user terminal 1301 may display a user interface (UI) 1313 (e.g., input window) of an intelligent app displaying text data of a received voice input on the display.
  • UI user interface
  • the user terminal 1301 may display a result corresponding to the received voice input on the display.
  • the user terminal 1301 may receive a plan corresponding to the received user input and display 'this week's schedule' on the display according to the plan.
  • Electronic devices may be of various types.
  • Electronic devices may include, for example, portable communication devices (e.g., smartphones), computer devices, portable multimedia devices, portable medical devices, cameras, wearable devices, or home appliances.
  • Electronic devices according to embodiments of this document are not limited to the above-described devices.
  • first, second, or first or second may be used simply to distinguish one component from another, and to refer to that component in other respects (e.g., importance or order) is not limited.
  • One (e.g., first) component is said to be “coupled” or “connected” to another (e.g., second) component, with or without the terms “functionally” or “communicatively.”
  • any of the components can be connected to the other components directly (e.g. wired), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as logic, logic block, component, or circuit, for example. It can be used as A module may be an integrated part or a minimum unit of the parts or a part thereof that performs one or more functions. For example, according to one embodiment, the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document are one or more instructions stored in a storage medium (e.g., built-in memory 1236 or external memory 1238) that can be read by a machine (e.g., electronic device 1201). It may be implemented as software (e.g., program 1240) including these.
  • a processor e.g., processor 1220
  • a device e.g., electronic device 1201
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and this term refers to cases where data is semi-permanently stored in the storage medium. There is no distinction between temporary storage cases.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-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 (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a machine-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 (e.g. downloaded or uploaded) directly between smart phones) or online.
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or plural entity, and some of the plurality of entities may be separately placed in other components. there is.
  • one or more of the components or operations described above may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components in the same or similar manner as those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, or omitted. Alternatively, one or more other operations may be added.

Landscapes

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

Abstract

본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 마이크, 스피커, 디스플레이, 통신 회로, 메모리, 및 프로세서를 포함할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 마이크를 통하여 사용자 발화를 수신하고, 사용자 발화의 수신 시, 상기 디스플레이 또는 상기 스피커를 통하여 컨텐츠를 재생 중인지 여부를 인식하고, 상기 컨텐츠를 재생 중인 경우, 상기 전자 장치와 상기 통신 회로를 통하여 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식하고, 상기 전자 장치와 연결된 상기 적어도 하나의 제1 외부 전자 장치의 정보 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단하고, 상기 멀티 디바이스 환경이라는 판단에 기반하여, 상기 전자 장치를 상기 멀티 디바이스 환경에서 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정하고, 상기 멀티 디바이스 환경이 아니라는 판단에 기반하여, 상기 수신 장치로서 사용자 발화를 수신하도록 하는 인스트럭션들을 저장할 수 있다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

전자 장치 및 전자 장치의 사용자 발화 처리 방법
본 문서에서 개시되는 실시 예들은, 멀티 디바이스 환경 여부에 기반하여 사용자 발화를 처리하는 기술과 관련된다.
최근 들어, 음성 인식 기술이 발전함에 따라 마이크를 포함하는 다양한 전자 장치에서 음성 인식 기능이 구현될 수 있다. 예를 들어, 최근에는 전자 장치들 사이의 직관적인 인터페이스를 제공할 수 있는 음성 어시스턴스 서비스가 개발되고 있다. 음성 어시스턴스 서비스는 사용자의 발화(utterance)에 대한 자연 언어 처리를 수행하여 사용자의 의도를 추론하고, 추론된 사용자의 의도를 기초로 하여 제어 장치가 제어되도록 처리할 수 있다. 특히, 다수의 전자 장치들 사이에서 음성 인식을 통하여 유기적으로 상호간에 정보를 송수신하고, 발화에 대응하는 동작을 끊김없이 수행할 수 있는 기술의 필요성이 증가하고 있다.
멀티 디바이스 환경(multi device environment, MDE)에서, 특정 장치가 컨텐츠를 재생 중 사용자의 발화를 수신하는 전자 장치(이하, '수신기(listener)' 또는 '수신 장치' 용어와 혼용함)로 선택되는 경우, 해당 장치는 컨텐츠의 재생을 중단할 수 있다. 또한, 멀티 디바이스 환경에서 컨텐츠 재생 중인 전자 장치가 사용자 발화에 대응하는 동작을 수행하는 전자 장치(이하, '실행기(executor)' 또는 '실행 장치' 용어와 혼용함)로 선택되는 경우, 해당 장치는 컨텐츠의 재생을 중단할 수 있다. 멀티 디바이스 환경에서는, 사용자 발화를 수신하거나, 또는 사용자 발화에 대응하는 동작을 실행 가능한 다수의 장치가 존재할 수 있기 때문에, 상황에 따라 적합한 수신 장치 및 실행 장치를 선택할 경우, 기존에 제공 중이던 컨텐츠 재생을 유지하면서 음성 어시스턴트 서비스를 효과적으로 제공할 수 있다.
본 개시의 다양한 실시예들은, 멀티 디바이스 환경 여부를 판단하고, 멀티 디바이스 환경 내의 장치들의 동작 상태에 기반하여, 사용자 발화를 수신하는 장치(수신 장치) 또는 사용자 발화에 대응하는 동작을 실행하는 장치(실행 장치)를 결정할 수 있는 전자 장치 및 전자 장치의 사용자 발화 처리 방법을 제공하고자 한다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 마이크, 스피커, 디스플레이, 통신 회로, 메모리, 및 프로세서를 포함할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 마이크를 통하여 사용자 발화를 수신하고, 사용자 발화의 수신 시, 상기 디스플레이 또는 상기 스피커를 통하여 컨텐츠를 재생 중인지 여부를 인식하고, 상기 컨텐츠를 재생 중인 경우, 상기 전자 장치와 상기 통신 회로를 통하여 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식하고, 상기 전자 장치와 연결된 상기 적어도 하나의 제1 외부 전자 장치의 정보 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단하고, 상기 멀티 디바이스 환경이라는 판단에 기반하여, 상기 전자 장치를 상기 멀티 디바이스 환경에서 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정하고, 상기 멀티 디바이스 환경이 아니라는 판단에 기반하여, 상기 수신 장치로서 사용자 발화를 수신하도록 하는 인스트럭션들을 저장할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치의 사용자 발화 처리 방법은, 사용자 발화를 수신하는 동작, 사용자 발화의 수신 시, 컨텐츠를 재생 중인지 여부를 인식하는 동작, 상기 컨텐츠를 재생 중인 경우, 상기 전자 장치와 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식하는 동작, 상기 전자 장치와 연결된 상기 적어도 하나의 제1 외부 전자 장치의 정보 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단하는 동작, 상기 멀티 디바이스 환경이라는 판단에 기반하여, 상기 전자 장치를 상기 멀티 디바이스 환경에서 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정하는 동작, 및 상기 멀티 디바이스 환경이 아니라는 판단에 기반하여, 상기 수신 장치로서 사용자 발화를 수신하는 동작을 포함할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 저장 매체는, 프로세서에 의해 실행 시, 상기 전자 장치의 사용자 발화 처리 방법을 수행하도록 하는 프로그램을 저장할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 멀티 디바이스 환경에서 상황에 따라 적합한 수신 장치 및 실행 장치를 결정함으로써, 기존에 제공 중이던 컨텐츠 재생을 유지하면서 음성 어시스턴트 서비스를 제공할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 멀티 디바이스 환경에서 장치들의 동작 상태(예: 컨텐츠 재생)를 기반으로, 음성 어시스턴트 서비스를 제공할 수신 장치 및 실행 장치를 결정할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 일 실시예에 따른 음성 어시스턴트 시스템의 블록도이다.
도 2는 일 실시예에 따른 전자 장치의 블록도이다.
도 3은 일 실시예에 따른 서버의 블록도이다.
도 4는 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스를 제공하는 동작을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스를 제공하는 동작을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스를 제공하는 동작을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스를 제공하는 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 음성 어시스턴트 시스템의 사용자 발화 처리 방법의 흐름도이다.
도 9는 일 실시예에 따른 전자 장치의 사용자 발화 처리 방법의 순서도이다.
도 10은 일 실시예에 따른 전자 장치의 사용자 발화 처리 방법의 순서도이다.
도 11은 일 실시예에 따른 전자 장치의 사용자 발화 처리 방법의 순서도이다.
도 12는 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치를 나타낸다.
도 13은 일 실시예에 따른 통합 지능(integrated intelligence) 시스템을 나타낸 블록도이다.
도 14는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 15는 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시한 도면이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은 일 실시예에 따른 음성 어시스턴트 시스템의 블록도이다.
일 실시예에 따르면, 음성 어시스턴트 시스템은 적어도 하나의 전자 장치(예: 도 2의 전자 장치(200), 도 4 내지 7의 제1 장치(400, 500, 600, 700), 도 8의 제1 전자 장치(870), 도 12의 전자 장치(1201), 또는 도 13 내지 15의 사용자 단말(1301)) 및 서버 장치(150)(예: 도 3의 서버 장치(300), 도 8의 서버(890), 도 12의 서버(1208), 또는 도13 내지 15의 지능형 서버(1400) 또는 서비스 서버(1500))를 포함할 수 있다. 이하에서는, 음성 어시스턴트 시스템이 2개의 전자 장치(제1 장치(110) 및 제2 장치(120))를 포함하는 것으로 설명하나, 이에 한정되는 것은 아니다. 이하에서, 제1 장치(110) 및 제2 장치(120)가 동일한 구성을 가지는 것으로 설명하나, 이에 한정되는 것은 아니며 제1 장치(110) 및 제2 장치(120)는 적어도 일부 상이한 구성을 포함할 수 있다.
일 실시예에 따르면, 전자 장치(예: 제1 장치(110) 및 제2 장치(120)) 각각은 입력부(111, 131)(예: 도 2의 마이크(210), 도 12의 오디오 모듈(1270), 또는 도 13의 마이크(1370)), 수신기 동작 관리 모듈(133), 콘텐츠 관리 모듈(135), 및 연결 디바이스 관리 모듈(137)을 포함할 수 있다.
일 실시예에 따르면, 입력부(111, 131)는 사용자 발화를 입력 받을 수 있다. 예를 들어, 입력부(111, 131)는 적어도 하나의 마이크를 포함할 수 있다. 입력부(111, 131)는 적어도 하나의 마이크를 이용하여 사용자 발화를 수신할 수 있다.
일 실시예에 따르면, 수신기 동작 관리 모듈(133)은 전자 장치의 수신기로서의 동작 설정을 관리할 수 있다. 예를 들어, 수신기 동작 관리 모듈(133)은 전자 장치가 수신기로 선택되지 않도록 설정된 경우, 전자 장치가 사용자 발화를 인식하지 않도록 할 수 있다.
일 실시예에 따르면, 콘텐츠 관리 모듈(135)은 전자 장치에서 영상, 음악, 또는 게임과 같은 컨텐츠의 재생 여부를 관리할 수 있다. 예를 들어, 콘텐츠 관리 모듈(135)은 컨텐츠 재생 시, 서버 장치(150)에 멀티 디바이스 환경인지 확인하기 위한 요청을 전송할 수 있다. 상기 요청에는 전자 장치에 연결된 장치들의 정보(예: 연결 디바이스 관리 모듈(137)이 인식한 정보)가 포함될 수 있다.
연결 디바이스 관리 모듈(137)은 전자 장치와 연결된 장치들와 관련된 정보를 인식할 수 있다. 예를 들어, 연결 디바이스 관리 모듈(137)은 전자 장치와 연결된 장치들의 상태, 위치, 및/또는 기능(예: 수신기 또는 실행기로서 동작 가능한지)을 인식할 수 있다. 예를 들어, 연결 디바이스 관리 모듈(137)은 전자 장치와 무선 통신으로 연결된 장치들 각각의 위치, 연결 상태, 및/또는 수신기 또는 실행기로서의 동작을 지원하는지 여부를 인식할 수 있다.
일 실시예에 따르면, 서버 장치(150)는 발화 분석 모듈(151)(예: 도 13의 자연어 플랫폼(1420)), 멀티 디바이스 관리 모듈(153), 발화 수행 디바이스 결정 모듈(155), 다이얼로그 매니저(157)(dialog manager)를 포함할 수 있다.
일 실시예에 따르면, 발화 분석 모듈(151)은 사용자로부터 획득된 사용자 발화에 대한 자연어 처리를 수행하여, 사용자 입력(즉, 사용자 발화)에 대한 의도(intent) 및/또는 도메인(domain)을 파악할 수 있다. 예를 들어, 음성 처리 모듈(640)은 사용자 입력에 대하여 자연어 이해에 의해 자연어 처리 결과를 생성할 수 있다. 일 실시예에 따르면, 발화 분석 모듈(151)은 자동 음성 인식 모듈(auto speech recognition, ASR(1511)), 및 자연어 이해 모듈(natural language understanding, NLU(1513))을 포함할 수 있다.
일 실시예에 따르면, ASR(1511)은 수신된 발화를 지정된 언어로 표현한 텍스트 데이터를 생성할 수 있다. ASR(1511)은 음향(acoustic) 모델 및 언어(language) 모델을 이용하여 텍스트 데이터를 생성할 수 있다. 음향 모델은 발성에 관련된 정보를 포함할 수 있으며, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 예를 들어, ASR(1511)은 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다.
일 실시예에 따르면, NLU(1513)는 ASR(1511)에 의해 생성된 텍스트 데이터에 대하여, 자연어 처리 모델을 이용하여 사용자 입력에 대한 의도(intent)를 파악하거나 매칭되는 도메인(domain)을 파악할 수 있다. NLU(1513)는 사용자의 의도를 표현하는데 필요한 구성요소(예: 슬롯, 태스크 파라미터(task parameter))를 획득할 수 있다. 예를 들어, NLU(1513)는 문법적 분석(syntactic analyze) 및 의미적 분석(semantic analyze)에 기초하여, 발화 데이터를 처리할 수 있다. 처리 결과에 의해, 해당 발화에 해당되는 도메인(domain)이나 의도가 판단되며, 사용자의 의도를 표현하는데 필요한 구성요소가 획득될 수 있다.
일 실시예에 따르면, 멀티 디바이스 관리 모듈(153)은 사용자 발화를 수신한 전자 장치가 위치하는 공간에 사용자 발화를 수신할 수 있는 장치(예를 들어, 수신기, 또는 수신 장치), 및/또는 사용자 발화에 대응하는 동작을 수행할 장치(예를 들어, 실행기, 또는 실행 장치)가 있는지 판단할 수 있다. 예를 들어, 제1 장치(110)가 컨텐츠 제공 중에 사용자 발화를 수신한 경우, 멀티 디바이스 관리 모듈(153)은 음성 어시스턴트 서비스와 관련하여, 제1 장치(110)와 같은 공간에 제1 장치(110) 이외의 사용자 발화를 수신하는 수신 장치로 동작 가능한 장치 및/또는 사용자 발화를 실행하는 실행 장치로 동작 가능한 장치가 있는지 판단할 수 있다. 예를 들어, 멀티 디바이스 관리 모듈(153)은 제1 장치(110)와 무선 통신(예: 블루투스 또는 Wi-Fi)을 통하여 연결된 장치가 있는지 여부를 인식할 수 있다. 예를 들어, 멀티 디바이스 관리 모듈(153)은 제1 장치(110)로부터 제1 장치(110)와 연결된 장치의 정보를 수신할 수 있다. 예를 들어, 멀티 디바이스 관리 모듈(153)은 제1 장치(110)와 연결된 장치가 존재하는 경우, 제1 장치(110)가 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경에 있는 것으로 판단하고, 제1 장치(110)가 수신 장치로 동작하지 않도록 제어할 수 있다. 예를 들어, 멀티 디바이스 관리 모듈(153)은 음성 어시스턴트 서비스와 관련하여, 사용자 발화를 수신하는 수신 장치를 결정하기 위한 복수의 장치들의 경쟁에서 상기 제1 장치(110)를 제외시킬 수 있다. 일 실시예에 따르면, 멀티 디바이스 관리 모듈(153)은 제1 장치(110)와 연결된 장치가 없는 경우, 사용자 계정과 관련된 정보(예를 들어, 사용자 계정에 등록된 장치 정보)를 기반으로 멀티 디바이스 환경 여부를 판단할 수 있다. 예를 들어, 멀티 디바이스 관리 모듈(153)은 사용자 계정에 등록된 장치들의 위치 정보를 획득하고, 제1 장치(110)와 동일한 장소에 사용자 계정에 등록된 장치가 존재하는지 판단할 수 있다. 예를 들어, 멀티 디바이스 관리 모듈(153)은 제1 장치(110)와 동일한 장소에 사용자 계정에 등록된 장치가 존재하는 경우 멀티 디바이스 환경인 것으로 결정하고, 제1 장치(110)가 수신 장치로 동작하지 않도록 제어할 수 있다. 예를 들어, 멀티 디바이스 관리 모듈(153)은, 제1 장치(110)가 컨텐츠 제공 중인 경우, 제2 장치(120)가 사용자 발화를 수신하는 수신 장치로서 동작 가능한지 판단할 수 있다. 멀티 디바이스 관리 모듈(153)은 제2 장치(120)가 제1 장치(110)와 동일한 공간에서 제1 장치(110)와 무선 통신으로 연결되어 있거나, 또는 제2 장치(120)가 제1 장치(110)와 동일한 사용자 계정에 등록된 장치인 경우 멀티 디바이스 환경으로 판단할 수 있다. 멀티 디바이스 관리 모듈(153)은 멀티 디바이스 환경에서 제1 장치(110)가 컨텐츠를 제공 중인 경우 제2 장치(120)를 수신 장치로 결정할 수 있다. 멀티 디바이스 관리 모듈(153)은 제1 장치(110)가 컨텐츠의 제공을 종료하면, 제1 장치(110)를 수신 장치로 결정할 수 있다.
일 실시예에 따르면, 발화 수행 디바이스 결정 모듈(155)은 사용자 발화에 대응하는 동작을 수행할 장치(즉, 실행 장치)를 결정할 수 있다. 예를 들어, 발화 수행 디바이스 결정 모듈(155)은 멀티 디바이스 환경에 포함된 장치들 중에서 사용자 발화에 대응하는 동작을 수행할 장치를 결정할 수 있다. 예를 들어, 멀티 디바이스 관리 모듈(153)이 제1 장치(110)를 수신 장치로 선택되지 않도록 결정한 경우, 발화 수행 디바이스 결정 모듈(155)은 멀티 디바이스 환경에서 사용자 발화를 실행할 다른 장치가 있는 경우 제1 장치(110)를 실행 장치로 결정하지 않을 수 있다. 예를 들어, 발화 수행 디바이스 결정 모듈(155)은 제1 장치(110)가 컨텐츠를 제공 중인 경우, 제1 장치(110)를 실행 장치로 결정하지 않을 수 있다. 예를 들어, 발화 수행 디바이스 결정 모듈(155)은 사용자 발화에 대응하는 동작을 수행함에 있어서 제1 장치(110)가 필요한 경우, 제1 장치(110)를 실행 장치로 결정할 수도 있다. 예를 들어, 발화 수행 디바이스 결정 모듈(155)은, 제1 장치(110)가 컨텐츠 제공 중인 경우, 제2 장치(120)가 사용자 발화에 대응하는 동작을 수행할 수 있는지 판단할 수 있다. 발화 수행 디바이스 결정 모듈(155)은 제2 장치(120)가 사용자 발화에 대응하는 동작을 수행할 수 있는 경우 제2 장치(120)를 실행 장치로 결정하고, 제2 장치(120)가 사용자 발화에 대응하는 동작을 수행 불가능한 경우 제1 장치(110)를 실행 장치로 결정할 수 있다. 발화 수행 디바이스 결정 모듈(155)은 제1 장치(110)가 컨텐츠의 제공을 종료하면, 제1 장치(110)를 실행 장치로 결정할 수 있다.
일 실시예에 따르면, 다이얼로그 매니저(157)는 자연어 생성기(natural language generator, NLG(1571)), 사용자 인터페이스(user interface, UI) 생성기, 액션 실행기(1575)(action executor)를 포함할 수 있다.
일 실시예에 따르면, NLG(1571)는 자연어 처리 수행 중 발생되는 데이터를 자연어 형태로 생성할 수 있다. 자연어 형태로 생성되는 데이터는 자연어 이해 결과일 수 있다. 예를 들어, NLG(1571)는 제어 발화에 대응되는 제어 동작이 복수의 실행기들에 의해 수행되었는지 여부를 나타내는 실행 결과를 자연어 형태로 생성할 수도 있다.
일 실시예에 따르면, UI 생성기(1573)는 NLG(1571)가 생성한 자연어를 제공하기 위한 UI 화면을 생성할 수 있다.
일 실시예에 따르면, 액션 실행기(1575)는 음성 어시스턴트 서비스를 제공하기 위하여 전자 장치(예: 제1 장치(110) 또는 제2 장치(120))가 특정 동작(액션)을 실행하도록 제어할 수 있다.
다양한 실시예에 따르면, 음성 어시스턴트 시스템의 구성 및 제1 장치(110), 제2 장치(120), 및 서버 장치(150)의 구성은 변경될 수 있다. 예를 들어, 제1 장치(110), 제2 장치(120), 및 서버 장치(150)의 구성요소 중 적어도 일부가 생략되거나, 새로운 구성요소가 추가될 수 있다. 다양한 실시예에 따르면, 전자 장치(제1 장치(110) 또는 제2 장치(120))는 서버 장치(150)의 동작 중 적어도 일부를 수행할 수 있고, 서버 장치(150)는 전자 장치의 동작 중 적어도 일부를 수행할 수 있다.
일 실시예에 따르면, 전자 장치(예: 제1 장치(110) 또는 제2 장치(120))의 수신기 동작 관리 모듈(113, 133), 콘텐츠 관리 모듈(115, 135), 및 연결 디바이스 관리 모듈(117, 137)은 하나의 통합된 구성요소(예: 프로세서(예: 도 2의 프로세서(260), 도 12의 프로세서(1220), 또는 도 13의 프로세서(1320))로 구현될 수 있으며, 또는 수신기 동작 관리 모듈(113, 133), 콘텐츠 관리 모듈(115, 135), 및 연결 디바이스 관리 모듈(117, 137)의 동작 중 적어도 일부는 전자 장치의 프로세서에 의해 수행될 수 있다.
일 실시예에 따르면, 음성 어시스턴트 시스템은 멀티 디바이스 환경에서 특정 장치가 컨텐츠를 제공 중인 경우, 해당 장치를 수신 장치 및/또는 실행 장치에서 제외되도록 함으로써, 컨텐츠의 제공을 유지하면서도 음성 어시스턴트 서비스를 원활하게 제공할 수 있다.
도 2는 일 실시예에 따른 전자 장치의 블록도이다.
일 실시예에 따르면, 전자 장치(200)(예: 도 2의 전자 장치(200), 도 4 내지 7의 제1 장치(400, 500, 600, 700), 도 8의 제1 전자 장치(870), 도 12의 전자 장치(1201), 또는 도 13 내지 15의 사용자 단말(1301))는 마이크(210)(예: 도 1의 입력부(111, 131), 도 12의 오디오 모듈(1270), 도 13의 마이크(1370)), 스피커(220)(예: 도 12의 음향 출력 모듈(1255), 또는 도 13의 스피커(1355)), 디스플레이(230)(예: 도 12의 디스플레이 모듈(1260), 또는 도 13의 디스플레이(1360)), 통신 회로(240)(예: 도 12의 통신 모듈(1290) 또는 도 13의 통신 인터페이스 (1390)), 메모리(250)(예: 도 12의 메모리(1230) 또는 도 13의 메모리(1330)), 및 프로세서(260)(예: 도 12의 프로세서(1220) 또는 도 13의 프로세서(1320))를 포함할 수 있다.
일 실시예에 따르면, 마이크(210)는 사용자 발화를 수신할 수 있다.
일 실시예에 따르면, 스피커(220)는 청각적 컨텐츠를 출력할 수 있다. 스피커(220)는 수신한 사용자 발화에 대응하는 소리, 사용자 발화를 처리한 결과, 및/또는 사용자 발화에 대응하는 동작을 수행한 결과를 출력할 수 있다.
일 실시예에 따르면, 디스플레이(230)는 시각적 컨텐츠를 출력할 수 있다. 디스플레이(230)는 수신한 사용자 발화에 대응하는 텍스트, 사용자 발화를 처리한 결과, 및/또는 사용자 발화에 대응하는 동작을 수행한 결과를 시각적으로 출력할 수 있다.
일 실시예에 따르면, 통신 회로(240)는 외부 전자 장치 또는 외부 서버 장치(예: 도 1의 서버 장치(150), 도 3의 서버 장치(300), 도 8의 서버(890), 도 12의 서버(1208), 또는 도13 내지 15의 지능형 서버(1400) 또는 서비스 서버(1500))와 정보 및/또는 데이터를 송수신할 수 있다.
일 실시예에 따르면, 메모리(250)는 프로세서(260)에 의해 실행 시 전자 장치(200)의 동작을 제어하는 인스트럭션들을 저장할 수 있다. 메모리(250)는 전자 장치(200)의 동작과 관련된 정보 및/또는 데이터(예를 들어, 사용자 발화와 관련된 데이터, 외부 전자 장치와 관련된 정보(예: 위치 정보 또는 네트워크 연결 정보), 외부 서버 장치와 관련된 정보, 사용자 계정 정보, 수신 장치 및/또는 실행 장치의 정보, 및/또는 사용자 발화에 대응하는 동작의 정보)를 적어도 일시적으로 저장할 수 있다.
일 실시예에 따르면, 프로세서(260)는, 사용자 발화를 수신 시, 컨텐츠를 재생 중인지 여부를 인식할 수 있다. 예를 들어, 프로세서(260)는 시각적 또는 청각적으로 컨텐츠를 재생 중인지 인식할 수 있다. 일 실시예에 따르면, 컨텐츠를 재생 중이지 않은 경우, 프로세서(260)는 멀티 디바이스 환경인지 여부와 무관하게 전자 장치(200)를 사용자 발화를 수신하는 수신 장치로서 동작하도록 제어할 수 있다.
일 실시예에 따르면, 프로세서(260)는, 전자 장치(200)가 컨텐츠를 재생 중인 경우, 전자 장치(200)와 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식할 수 있다. 예를 들어, 프로세서(260)는 무선 통신(예: 블루투스 또는 Wi-Fi)을 통하여 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 확인하고, 연결된 적어도 하나의 제1 전자 장치(200)의 정보를 인식할 수 있다.
일 실시예에 따르면, 프로세서(260)는 전자 장치(200)와 연결된 적어도 하나의 제1 외부 전자 장치의 정보 및/또는 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단할 수 있다. 예를 들어, 프로세서(260)는 무선 통신으로 연결된 적어도 하나의 제1 외부 전자 장치가 음성 어시스턴트 서비스의 수신 장치로 동작 가능한지 판단할 수 있다. 예를 들어, 프로세서(260)는 수신 장치로 동작 가능한 적어도 하나의 제1 외부 전자 장치가 있는 경우, 멀티 디바이스 환경으로 판단할 수 있다. 예를 들어, 프로세서(260)는 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치가 전자 장치(200)와 동일한 장소(또는, 인접한 위치, 공간, 또는 장소)에 있는지 판단할 수 있다. 예를 들어, 프로세서(260)는 전자 장치(200)의 위치 정보(예: GPS 정보)와 네트워크 연결 정보(예: 무선 네트워크 연결 IP 주소, MAC 주소, 또는 SSID) 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 위치 정보(예: GPS 정보, 또는 사용자 계정 정보에 포함된 전자 장치(200)의 장소 정보)와 네트워크 연결 정보를 비교함으로써 전자 장치(200)와 적어도 하나의 제2 외부 전자 장치가 동일한 장소에 있는지 판단할 수 있다. 프로세서(260)는 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치가 동일한 장소에 있는 경우 멀티 디바이스 환경으로 판단할 수 있다. 일 실시예에 따르면, 프로세서(260)는 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 연결된 적어도 하나의 제1 외부 전자 장치의 정보, 및/또는 사용자 계정 정보를 전송하고, 적어도 하나의 외부 서버로부터 멀티 디바이스 환경인지 여부를 나타내는 정보를 수신할 수 있다.
일 실시예에 따르면, 프로세서(260)는 멀티 디바이스 환경이라는 판단에 기반하여, 전자 장치(200)를 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정할 수 있다. 예를 들어, 프로세서(260)는 멀티 디바이스 환경에서 수신 장치를 선택하기 위한 경쟁(예: wake up 경쟁)에 참여하지 않을 수 있다. 예를 들어, 프로세서(260)는 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 수신 장치에서 제외되도록 하는 요청을 전송할 수 있다. 예를 들어, 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버는 상기 요청에 응답하여 수신 장치를 결정하기 위한 경쟁에서 전자 장치(200)를 제외시킬 수 있다. 일 실시예에 따르면, 프로세서(260)는 수신 장치에서 제외됨으로써 컨텐츠의 재생을 유지할 수 있다.
일 실시예에 따르면, 프로세서(260)는 컨텐츠의 재생이 종료된 경우, 전자 장치(200)가 수신 장치를 결정하기 위한 경쟁에 참여하도록 설정할 수 있다. 예를 들어, 프로세서(260)는 컨텐츠의 재생이 종료된 경우, 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 수신 장치를 결정하기 위한 경쟁에 다시 참여하기 위한 요청을 전송할 수 있다.
일 실시예에 따르면, 프로세서(260)는 멀티 디바이스 환경이 아니라는 판단에 기반하여, 수신 장치로서 사용자 발화를 수신할 수 있다. 예를 들어, 프로세서(260)는 사용자 발화를 처리하여 사용자 발화에 대응하는 동작을 결정하고, 실행 장치에 의해 사용자 발화에 대응하는 동작이 수행될 수 있도록 할 수 있다. 예를 들어, 프로세서(260)는 사용자 발화에 대응하는 정보(예를 들어, 사용자 발화, 사용자 발화를 STT(Speech to text) 변환한 데이터, 및/또는 사용자 발화를 자연어 처리한 데이터)를 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 전송할 수 있다. 예를 들어, 적어도 하나의 서버는 사용자 발화에 대응하는 정보를 기반으로 실행 장치를 결정하고, 실행 장치가 사용자 발화에 대응하는 동작을 수행하도록 할 수 있다. 일 실시예에 따르면, 전자 장치(200)가 수신 장치로 동작하는 경우(수신 장치로 선택된 경우), 프로세서(260)는 컨텐츠의 재생을 중단할 수 있다.
일 실시예에 따르면, 전자 장치(200)가 컨텐츠를 재생 중인 경우, 프로세서(260)는 실행 장치에서 제외될 수 있고, 프로세서(260)는 컨텐츠의 재생을 유지할 수 있다. 전자 장치(200)가 실행 장치로 동작하는 경우, 프로세서(260)는 컨텐츠의 재생을 중단하거나, 사용자 발화에 대응하는 동작에 따라 다른 컨텐츠를 재생할 수 있다. 예를 들어, 프로세서(260)는 사용자 발화에 대응하는 동작에 따라 재생하는 컨텐츠를 변경할 수 있다.
본 개시의 일 실시예에 따르면, 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공함에 있어서, 전자 장치(200)가 컨텐츠를 재생 중인 경우, 전자 장치(200)는 음성 어시스턴트 서비스와 관련된 수신 장치 및/또는 실행 장치를 결정하는데 전자 장치(200)가 선택되지 않도록 설정함으로써, 컨텐츠의 재생을 유지하면서 음성 어시스턴트 서비스를 제공하도록 할 수 있다.
도 3은 일 실시예에 따른 서버 장치의 블록도이다.
일 실시예에 따르면, 서버 장치(300)(예: 도 1의 서버 장치(150), 도 8의 서버(890), 도 12의 서버(1208), 또는 도13 내지 15의 지능형 서버(1400) 또는 서비스 서버(1500))는 통신 회로(310), 메모리(320), 및 프로세서(330)를 포함할 수 있다.
일 실시예에 따르면, 통신 회로(310)는 외부 전자 장치(예: 도 1의 제1 장치(110), 제2 장치(130), 도 2의 전자 장치(200), 도 4 내지 7의 제1 장치(400, 500, 600, 700), 도 8의 제1 전자 장치(870), 도 12의 전자 장치(1201), 또는 도 13 내지 15의 사용자 단말(1301)) 또는 외부 서버 장치와 정보 및/또는 데이터를 송수신할 수 있다.
일 실시예에 따르면, 메모리(320)는 프로세서(330)에 의해 실행 시 서버 장치(300)의 동작을 제어하는 인스트럭션들을 저장할 수 있다. 메모리(320)는 서버 장치(300)의 동작과 관련된 정보 및/또는 데이터(예를 들어 사용자 발화와 관련된 데이터, 외부 전자 장치와 관련된 정보(예: 위치 정보 또는 네트워크 연결 정보), 사용자 계정 정보, 수신 장치 및/또는 실행 장치의 정보, 및/또는 사용자 발화에 대응하는 동작의 정보)를 적어도 일시적으로 저장할 수 있다.
일 실시예에 따르면, 프로세서(330)는 컨텐츠를 재생 중인 외부 전자 장치로부터 음성 어시스턴트 서비스를 위한 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 하는 요청을 수신할 수 있다. 예를 들어, 상기 요청은 외부 전자 장치에 무선 통신으로 연결된 적어도 하나의 외부 장치의 정보를 포함할 수 있다. 예를 들어, 상기 요청은 외부 전자 장치의 사용자 계정의 정보를 포함할 수 있다. 예를 들어, 사용자 계정의 정보는 사용자 계정에 등록된 장치의 정보를 포함할 수 있다.
일 실시예에 따르면, 프로세서(330)는 외부 전자 장치가 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경에 있는지 여부를 판단할 수 있다. 예를 들어, 프로세서(330)는 외부 전자 장치와 연결된 다른 장치들 중에서 음성 어시스턴트 서비스의 수신 장치로 동작 가능한 장치가 있는지 판단할 수 있다. 프로세서(330)는 외부 전자 장치와 연결된 다른 장치들 중에서 음성 어시스턴트 서비스의 수신 장치로 동작 가능한 장치가 있는 경우 외부 전자 장치가 멀티 디바이스 환경에 있다고 판단할 수 있다. 예를 들어, 프로세서(330)는 사용자 계정에 등록된 장치들 중에서 외부 전자 장치와 동일한 장소(또는, 인접한 위치, 공간, 또는 장소)에 있는 장치가 있는지 판단할 수 있다. 프로세서(330)는 사용자 계정에 등록된 장치들 중에서 외부 전자 장치와 동일한 장소(또는, 인접한 위치, 공간, 또는 장소)에 있는 장치가 있는 경우, 외부 전자 장치가 멀티 디바이스 환경에 있다고 판단할 수 있다. 예를 들어, 프로세서(330)는 외부 전자 장치의 위치 정보 및/또는 네트워크 연결 정보, 및 사용자 계정에 등록된 장치의 위치 정보 및/또는 네트워크 연결 정보를 기반으로 외부 전자 장치와 사용자 계정에 등록된 장치가 동일한 장소(또는, 인접한 위치, 공간, 또는 장소)에 있는 장치가 있는지 여부를 판단할 수 있다.
일 실시예에 따르면, 프로세서(330)는 멀티 디바이스 환경에 있다는 판단에 기반하여, 외부 전자 장치가 수신 장치로 선택되지 않도록 설정할 수 있다. 예를 들어, 프로세서(330)는 수신 장치를 결정하기 위한 경쟁에서 외부 전자 장치를 제외시킬 수 있다.
일 실시예에 따르면, 프로세서(330)는 멀티 디바이스 환경에 있지 않다는 판단에 기반하여, 외부 전자 장치를 수신 장치로 선택할 수 있다. 예를 들어, 프로세서(330)는 외부 전자 장치가 수신 장치로 동작하도록 할 수 있다. 예를 들어, 프로세서(330)는 외부 전자 장치가 수신한 사용자 발화에 대응하는 정보를 수신하고, 사용자 발화를 처리하여 사용자 발화에 대응하는 동작을 결정할 수 있다. 프로세서(330)는 사용자 발화에 대응하는 동작을 수행할 실행 장치를 결정하고, 실행 장치에 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송할 수 있다.
일 실시예에 따르면, 프로세서(330)는 멀티 디바이스 환경에서 컨텐츠를 재생 중인 외부 전자 장치와 상이한 수신 장치로부터 사용자 발화와 관련된 정보를 수신할 수 있다. 사용자 발화와 관련된 정보는 사용자 발화, 사용자 발화를 인식한 데이터, 사용자 발화를 변환한 데이터, 및/또는 사용자 발화를 자연어 처리한 데이터를 포함할 수 있다.
일 실시예에 따르면, 프로세서(330)는 사용자 발화와 관련된 정보에 기반하여, 사용자 발화에 대응하는 동작을 결정할 수 있다. 일 실시예에 따르면, 프로세서(330)는 외부 전자 장치 이외에 사용자 발화에 대응하는 동작을 수행할 실행 장치가 있는 경우, 실행 장치에 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송할 수 있다. 예를 들어, 프로세서(330)는 외부 전자 장치 이외의 실행 장치를 결정하고, 사용자 발화에 대응하는 동작을 수행하도록 함으로써, 외부 전자 장치가 컨텐츠의 재생을 유지하도록 할 수 있다.
일 실시예에 따르면, 프로세서(330)는 외부 전자 장치 이외에 사용자 발화에 대응하는 동작을 수행할 실행 장치가 없는 경우, 외부 전자 장치에 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송할 수 있다. 예를 들어, 프로세서(330)는 외부 전자 장치를 사용자 발화에 대응하는 동작을 수행하는 실행 장치로 결정할 수 있다. 예를 들어, 외부 전자 장치는 사용자 발화에 대응하는 동작을 수행함으로써, 적어도 일시적으로 컨텐츠의 재생을 중단할 수 있다. 일 실시예에 따르면, 프로세서(330)는 외부 전자 장치 이외에 사용자 발화에 대응하는 동작을 수행할 실행 장치가 있는 경우에도, 외부 전자 장치의 동작이 요구되는 경우(예를 들어, 사용자 발화에 의해 외부 전자 장치가 지정된 경우, 또는 사용자 발화에 대응하는 동작이 외부 전자 장치가 재생 중인 컨텐츠와 동일한 유형의 컨텐츠를 재생하는 동작인 경우(예: 재생 중인 컨텐츠를 변경하는 동작인 경우))에는 외부 전자 장치에 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송할 수 있다.
다양한 실시예에 따르면, 도 2의 전자 장치(200) 및 도 3의 서버 장치(300)의 적어도 일부 구성은 통합될 수 있으며, 또는 적어도 일부 동작들을 서로 독립적으로 수행되거나 또는 연계되어 수행될 수 있다. 예를 들어, 도 2의 전자 장치(200)는 도 3의 서버 장치(300)의 동작들을 온 디바이스(on device)에서 수행할 수 있다.
본 개시의 일 실시예에 따르면, 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공함에 있어서, 서버 장치(300)는 외부 전자 장치가 컨텐츠를 재생 중인 경우, 외부 전자 장치를 음성 어시스턴트 서비스와 관련된 수신 장치 및/또는 실행 장치로 선택되지 않도록 함으로써 외부 전자 장치가 컨텐츠의 재생을 유지하는 동안에, 음성 어시스턴트 서비스를 제공할 수 있다.
도 4는 내지 도 7은 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스를 제공하는 동작을 설명하기 위한 도면이다. 도 4 내지 7에서는 특정 전자 장치(400, 500, 600, 700)(예: 도 1의 제1 장치(110), 제2 장치(130), 도 2의 전자 장치(200), 도 4 내지 7의 제1 장치(400, 500, 600, 700), 도 8의 제1 전자 장치(870), 도 12의 전자 장치(1201), 또는 도 13 내지 15의 사용자 단말(1301))가 영상 컨텐츠를 재생 중인 경우를 가정하여 설명하나, 이에 한정되는 것은 아니며 음성(사운드) 컨텐츠를 재생 중인 경우에도 동일한 설명이 적용될 수 있다.
도 4를 참조하면, 멀티 디바이스 환경이 아닌 경우 음성 어시스턴트 서비스를 제공하는 동작을 나타낸다. 예를 들어, 제1 전자 장치(400)가 컨텐츠(410)를 재생 중, 사용자(401)가 제1 전자 장치(400)에 사용자(401) 발화(“하이 빅스비, 날씨 알려줘”)를 입력한 경우, 제1 전자 장치(400)는 컨텐츠(410)의 재생을 멈추고, 사용자(401) 발화에 대응되는 동작을 수행할 수 있다. 예를 들어, 제1 전자 장치(400)는 컨텐츠(410) 재생을 중단한 후, 날씨와 관련된 UI(420)를 디스플레이에 출력하거나, 또는 날씨 정보(“오늘 날씨는 흐림입니다”)를 음성으로 출력할 수 있다.
도 5를 참조하면, 제1 전자 장치(510) 주변에 수신 장치 및 실행 장치로 동작 가능한 제2 전자 장치(520)(예: 웨어러블 장치)가 있는 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공하는 동작을 나타낸다.
예를 들어, 제1 전자 장치(510)가 컨텐츠(511)를 재생 중, 사용자(501)가 제1 전자 장치(510)에 사용자(501) 발화(“하이 빅스비, 날씨 알려줘”)를 입력한 경우, 제2 전자 장치(520)가 음성 어시스턴트 서비스를 제공하기 위한 수신 장치로 결정될 수 있다. 예를 들어, 제1 전자 장치(510)는 컨텐츠(511)의 재생을 유지하고, 제2 전자 장치(520)가 사용자(501) 발화(“하이 빅스비, 날씨 알려줘”)를 처리하고, 사용자(501) 발화에 대응하는 동작을 수행할 수 있다. 예를 들어, 제2 전자 장치(520)는 날씨와 관련된 UI(520)를 디스플레이에 출력하거나, 또는 날씨 정보(“오늘 날씨는 흐림입니다”)를 음성으로 출력할 수 있다.
도 6을 참조하면, 제1 전자 장치(610) 주변에 수신 장치 및 실행 장치로 동작 가능한 복수 개의 전자 장치가 있는 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공하는 동작을 나타낸다. 예를 들어, 제 전자 장치는 수신 장치 또는 실행 장치로 동작 가능한 스마트 스피커일 수 있고, 제3 전자 장치(630)는 실행 장치로 동작 가능한 스마트 TV일 수 있고, 제4 전자 장치(640)는 실행 장치로 동작 가능한 스마트 냉장고일 수 있다. 예를 들어, 복수의 장치 중 적어도 하나는 IoT 허브 장치일 수 있다.
예를 들어, 사용자(601)로부터 사용자(601) 발화(“하이 빅스비, 날씨 알려줘”)가 입력되는 경우, 음성 어시스턴트 시스템은 멀티 디바이스 환경 내의 복수의 전자 장치들 중에서 사용자(601) 발화를 수신하는 수신 장치를 결정할 수 있다. 예를 들어, 복수의 전자 장치들은 사용자(601) 발화에 포함된 호출어(wake-up work)에 응답하여, 수신 장치를 결정하기 위한 경쟁(예: wake up 경쟁)를 통하여 적어도 하나의 수신 장치를 결정할 수 있다. 일 실시예에 따르면, 사용자(601) 발화가 입력 시, 제1 전자 장치(610)가 컨텐츠(611)를 제생 중인 경우, 제1 전자 장치(610)는 수신 장치를 결정하기 위한 경쟁에서 제외될 수 있다. 이 경우, 제2 전자 장치(620), 제3 전자 장치(630), 및 제4 전자 장치(640)가 수신 장치를 결정하기 위한 경쟁을 수행할 수 있다. 예를 들어, 음성 어시스턴트 시스템은 제2 전자 장치(620), 제3 전자 장치(630), 및 제4 전자 장치(640)의 상태, 수신 신호 세기, SNR, 및/또는 주변 환경을 고려하여 각 장치의 신뢰도를 결정하고, 가장 높은 신뢰도의 전자 장치를 수신 장치로 결정할 수 있다.
예를 들어, 도 6에서는 수신 장치로 동작 가능한 제2 전자 장치(620)가 수신 장치 및 실행 장치로 결정된 경우를 가정한다. 제1 전자 장치(610)는 컨텐츠(611)의 재생을 유지할 수 있고, 제2 전자 장치(620)가 수신 장치로서 사용자(601) 발화를 수신하여 처리할 수 있다. 제2 전자 장치(620)는 사용자(601) 발화에 대응하는 동작을 수행할 수 있다. 예를 들어, 제2 전자 장치(620)는 날씨 정보(“오늘 날씨는 흐림입니다”)를 음성으로 출력할 수 있다. 예를 들어, 도 6에서는 제2 전자 장치(620)가 사용자(601) 발화에 대응하는 동작을 수행할 실행 장치로 선택된 경우를 도시하나, 이에 한정되는 것은 아니며, 제3 전자 장치(630) 및 제4 전자 장치(640)가 실행 장치로 선택될 수도 있다. 일 실시예에 따르면, 제1 전자 장치(610)가 컨텐츠(611) 재생 중인 경우, 제1 전자 장치(610)는 실행 장치로 선택되지 않을 수 있다. 예를 들어, 제1 전자 장치(610)가 컨텐츠(611) 재생 중인 경우, 제1 전자 장치(610) 이외에 사용자(601) 발화에 대응하는 동작을 수행할 장치가 있는 경우, 제1 전자 장치(610)는 실행 장치로 선택되지 않고 컨텐츠(611)의 재생을 유지할 수 있다.
도 7을 참조하면, 제1 전자 장치(710) 주변에 수신 장치 및 실행 장치로 동작 가능한 복수 개의 전자 장치가 있는 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공하는 동작을 나타낸다. 예를 들어, 제2 전자 장치(720)는 수신 장치 또는 실행 장치로 동작 가능한 스마트 스피커일 수 있고, 제3 전자 장치(730)는 실행 장치로 동작 가능한 스마트 TV일 수 있고, 제4 전자 장치(740)는 실행 장치로 동작 가능한 스마트 냉장고일 수 있다.
예를 들어, 사용자(701)로부터 사용자 발화(“하이 빅스비, 넷플릭스 틀어줘”)가 입력되는 경우, 음성 어시스턴트 시스템은 멀티 디바이스 환경 내의 복수의 전자 장치들 중에서 사용자(701) 발화를 수신하는 수신 장치를 결정할 수 있다. 예를 들어, 제1 전자 장치(710)가 컨텐츠(711)를 재생 중인 경우, 제1 전자 장치(710)를 제외한 제2 전자 장치(720), 제3 전자 장치(730), 및 제4 전자 장치(740)가 수신 장치를 결정하기 위한 경쟁을 수행할 수 있다. 예를 들어, 도 7에서는 수신 장치로 동작 가능한 제2 전자 장치(720)가 수신 장치로 결정되고, 제1 전자 장치(710)가 실행 장치로 결정된 경우를 가정한다. 예를 들어, 제1 전자 장치(710)가 수신 장치 경쟁에 참여하지 않고 수신 장치로 선택되지 않도록 설정된 경우에도, 제1 전자 장치(710)는 실행 장치로 선택될 수 있다. 예를 들어, 멀티 디바이스 환경에서 사용자 발화에 대응하는 동작을 수행 가능한 장치가 없거나, 사용자 발화가 제1 전자 장치(710)를 특정하여 동작을 수행할 것을 요청한 경우, 또는 제1 전자 장치(710)가 사용자 발화에 대응하는 동작을 수행하기에 가장 적절한 전자 장치인 경우, 제1 전자 장치(710)는 실행 장치로 선택될 수 있다. 예를 들어, 도 7에서는, 제1 전자 장치(710)가 제1 영상 컨텐츠(711)를 재생 중에 다른 제2 영상 컨텐츠(713)를 재생하기 위한 사용자 발화가 입력된 경우를 도시한다. 예를 들어, 제2 영상 컨텐츠(713) 재생을 위하여 제3 전자 장치(730)(예: 스마트 TV)가 실행 장치로 결정될 수도 있으나, 사용자(701)는 동시에 제1 영상 컨텐츠(711) 및 제2 영상 컨텐츠(713)를 시청하지 않고, 기존에 제1 영상 컨텐츠(711)를 시청 중이던 제1 전자 장치(710)를 통해 제2 영상 컨텐츠(713)를 시청하고자 할 수 있다. 이 경우, 음성 어시스턴트 시스템은 제1 전자 장치(710)를 실행 장치로 결정하고, 제1 전자 장치(710)가 제1 영상 컨텐츠(711) 대신에 제2 영상 컨텐츠(713)를 재생하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공함에 있어서, 특정 전자 장치(예: 제1 전자 장치)가 컨텐츠를 재생 중인 경우, 컨텐츠를 재생 중인 전자 장치를 제외하고 음성 어시스턴트 서비스와 관련된 수신 장치 및/또는 실행 장치를 결정함으로써, 컨텐츠의 재생을 유지하면서 음성 어시스턴트 서비스를 원활하게 제공할 수 있다.
일 실시예에 따른 전자 장치는, 마이크, 스피커, 디스플레이, 통신 회로, 메모리, 및 프로세서를 포함할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 상기 마이크를 통하여 사용자 발화를 수신하고, 사용자 발화의 수신 시, 상기 디스플레이 또는 상기 스피커를 통하여 컨텐츠를 재생 중인지 여부를 인식하고, 상기 컨텐츠를 재생 중인 경우, 상기 전자 장치와 상기 통신 회로를 통하여 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식하고, 상기 전자 장치와 연결된 상기 적어도 하나의 제1 외부 전자 장치의 정보 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단하고, 상기 멀티 디바이스 환경이라는 판단에 기반하여, 상기 전자 장치를 상기 멀티 디바이스 환경에서 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정하고, 상기 멀티 디바이스 환경이 아니라는 판단에 기반하여, 상기 수신 장치로서 사용자 발화를 수신하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가, 상기 멀티 디바이스 환경이라는 판단에 기반하여 상기 컨텐츠의 재생을 유지하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가, 상기 적어도 하나의 제1 외부 전자 장치의 정보에 기반하여, 상기 적어도 하나의 제1 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 포함된 경우, 상기 멀티 디바이스 환경인 것으로 판단하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가, 상기 적어도 하나의 제1 외부 전자 장치의 정보를 상기 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 전송하고, 상기 적어도 하나의 제1 외부 전자 장치의 정보에 적어도 일부 기반하여, 상기 적어도 하나의 외부 서버로부터 상기 멀티 디바이스 환경인지 여부를 나타내는 정보를 수신하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가, 상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 판단하고, 상기 전자 장치와 같은 장소에 위치하는 적어도 하나의 외부 전자 장치가 있는 경우, 상기 멀티 디바이스 환경인 것으로 판단하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가, 상기 적어도 하나의 제2 외부 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부, 및 상기 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부에 기반하여, 상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 판단하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가, 상기 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 상기 멀티 디바이스 환경인지 여부를 확인하기 위한 요청을 전송하고, 상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 여부에 기반하여, 상기 적어도 하나의 외부 서버로부터 상기 멀티 디바이스 환경인지 여부를 나타내는 정보를 수신하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가, 상기 멀티 디바이스 환경에서, 상기 멀티 디바이스 환경에 포함된 복수의 전자 장치들 중 상기 수신 장치를 결정하기 위한 경쟁에서 상기 전자 장치가 제외되도록 설정하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가, 상기 경쟁에서 상기 전자 장치가 제외되도록 설정한 이후, 상기 컨텐츠의 재생이 종료된 경우, 상기 전자 장치를 상기 경쟁에 참여하도록 설정하도록 할 수 있다.
일 실시예에 따르면, 서버 장치는 통신 회로, 메모리, 및 프로세서를 포함할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행 시, 상시 서버 장치가, 컨텐츠를 재생 중인 외부 전자 장치로부터 음성 어시스턴트 서비스를 위한 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 하는 요청을 수신하고, 상기 외부 전자 장치가 상기 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경에 있는지 여부를 판단하고, 상기 멀티 디바이스 환경에 있다는 판단에 기반하여, 상기 외부 전자 장치가 상기 수신 장치로 선택되지 않도록 설정하고, 상기 멀티 디바이스 환경에 있지 않다는 판단에 기반하여, 상기 외부 전자 장치를 상기 수신 장치로 선택하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 서버 장치가, 상기 외부 전자 장치와 동일한 사용자 계정에 등록된 적어도 하나의 전자 장치를 인식하고, 상기 적어도 하나의 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부, 및 상기 외부 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부에 기반하여, 상기 전자 장치 주변에 상기 수신 장치로서 동작 가능한 전자 장치가 있는지 여부를 판단하고, 상기 전자 장치 주변에 상기 수신 장치로서 동작 가능한 전자 장치가 있다는 판단에 기반하여, 상기 외부 전자 장치가 상기 멀티 디바이스 환경에 있다고 판단하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 서버 장치가, 상기 멀티 디바이스 환경에서, 상기 외부 전자 장치와 상이한 상기 수신 장치로부터 사용자 발화와 관련된 정보를 수신하고, 상기 사용자 발화와 관련된 정보에 기반하여, 상기 사용자 발화에 대응하는 동작을 결정하고, 상기 외부 전자 장치 이외에 상기 사용자 발화에 대응하는 동작을 수행할 실행 장치가 있는 경우, 상기 실행 장치에 상기 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송하고, 상기 외부 전자 장치 이외에 상기 사용자 발화에 대응하는 동작을 수행할 실행 장치가 없는 경우, 상기 외부 전자 장치에 상기 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송하도록 할 수 있다.
도 8은 일 실시예에 따른 음성 어시스턴트 시스템의 사용자 발화 처리 방법의 흐름도이다. 예를 들어, 도 8은 제1 전자 장치, 제2 전자 장치, 및 서버를 포함하는 것을 가정하여 설명하나, 이에 한정되는 것은 아니며 음성 어시스턴트 시스템은 복수의 서버를 포함하거나, 또는 2 이상의 전자 장치를 포함할 수도 있다.
일 실시예에 따르면, 803 동작에서, 제1 전자 장치(예를 들어, 도 1의 제1 장치(110), 도 2의 전자 장치(200), 도 4 내지 7의 제1 전자 장치(400, 500, 600, 700), 또는 도 8의 제1 전자 장치(870))는 컨텐츠를 재생 중인지 여부를 인식할 수 있다. 예를 들어, 제1 전자 장치는 컨텐츠를 재생 중인지 않은 경우 음성 어시스턴트 서비스를 제공하기 위하여 사용자 발화를 수신 및/또는 처리하는 수신 장치로서 동작할 수 있다.
일 실시예에 따르면, 805 동작에서, 제1 전자 장치는, 컨텐츠를 재생 중인 경우, 제1 전자 장치와 연결된 전자 장치가 있는지 확인할 수 있다. 예를 들어, 제1 전자 장치는 무선 통신(예: 블루투스, 또는 Wi-Fi)를 통하여 연결된 전자 장치의 유무를 인식할 수 있다. 예를 들어, 제1 전자 장치는 연결된 전자 장치가 사용자 발화를 수신할 수 있는 장치인지 및/또는 음성 어시스턴트 서비스를 지원하는 장치인지 여부를 확인할 수 있다. 예를 들어, 제1 전자 장치와 연결되고 사용자 발화를 수신 및/또는 음성 어시스턴트 서비스를 지원하는 장치가 있는 경우, 해당 장치는 사용자 발화를 수신하는 수신 장치로서 동작할 수 있다. 예를 들어, 제1 전자 장치와 연결되고 사용자 발화를 수신 및/또는 음성 어시스턴트 서비스를 지원하는 장치가 있는 경우, 해당 장치는 사용자 발화에 포함된 호출어에 응답하여 음성 어시스턴트 서비스를 활성화할 수 있다.
일 실시예에 따르면, 807 동작에서, 제1 전자 장치는 서버(예: 서버 장치(예: 도 1의 서버 장치(150), 도 3의 서버 장치(300), 도 8의 서버(890), 도 12의 서버(1208), 도 13 내지 15의 지능형 서버(1400) 또는 서비스 서버(1500))에 수신 장치 제외 요청을 전송할 수 있다. 예를 들어, 수신 장치 제외 요청은 제1 전자 장치에 연결된 전자 장치의 정보를 포함할 수 있다. 예를 들어, 수신 장치 제외 요청은 멀티 디바이스 환경인지 여부를 확인하기 위한 요청과 대응될 수 있다. 예를 들어, 제1 전자 장치는 연결된 전자 장치가 없는 경우 서버에 멀티 디바이스 환경인지 여부를 확인하기 위한 요청을 전송할 수 있다.
일 실시예에 따르면, 809 동작에서, 서버는 멀티 디바이스 환경인지 여부를 판단할 수 있다. 예를 들어, 서버는 제1 전자 장치와 연결된 전자 장치 중에서 수신 장치 및/또는 실행 장치로 동작 가능한 장치가 있는지 판단할 수 있다. 예를 들어, 서버는 사용자 계정과 관련된 정보를 기반으로, 제1 전자 장치와 동일한 사용자 계정에 등록된 전자 장치들 중에서 제1 전자 장치와 동일한 장소(또는, 인접한 위치, 장소, 또는 공간)에 존재하는 전자 장치가 있는지 판단할 수 있다. 예를 들어, 서버는 제1 전자 장치로부터 제1 전자 장치의 위치 정보(예: GPS 정보, 또는 무선 네트워크 IP 주소 정보) 및/또는 네트워크 연결 정보를 수신하고, 사용자 계정에 등록된 전자 장치들로부터 사용자 계정에 등록된 전자 장치의 위치(장소) 정보, 및/또는 네트워크 연결 정보(MAC 주소, 또는 SSID)를 수신하고, 수신한 정보를 기반으로 제1 전자 장치와 동일한(인접한) 공간에 사용자 계정에 등록된 장치가 있는지 판단할 수 있다. 예를 들어, 서버는 제1 전자 장치와 연결된 전자 장치들 중 수신 장치 또는 실행 장치로 동작 가능한 전자 장치가 존재하거나, 제1 전자 장치와 동일한 사용자 계정에 등록되고 제1 전자 장치와 동일한 공간에 존재하는 전자 장치가 있는 경우, 멀티 디바이스 환경인 것으로 판단할 수 있다.
일 실시예에 따르면, 811 동작에서, 서버는 제1 전자 장치에 멀티 디바이스 환경임을 알려줄 수 있다. 예를 들어, 서버는 멀티 디바이스 환경에서 제1 전자 장치가 수신 장치로 선택되지 않도록 설정하거나, 또는 제1 전자 장치가 수신 장치로 선택되지 않도록 설정하도록 요청할 수 있다.
일 실시예에 따르면, 813 동작에서, 제1 전자 장치는 수신 장치에서 제외될 수 있다. 예를 들어, 제1 전자 장치는 수신 장치에서 제외되도록 설정될 수 있다. 예를 들어, 제1 전자 장치는 음성 어시스턴트 서비스를 제공하기 위한 수신 장치를 결정하기 위한 경쟁에 참여하지 않을 수 있다. 예를 들어, 제1 전자 장치는 상기 경쟁에 참여하기 위한 신뢰도 값을 연산하지 않거나, 경쟁에 참여하기 위한 신뢰도 값을 포함하는 신호를 방송(broadcasting)하지 않을 수 있다. 예를 들어, 제1 전자 장치는 수신 장치에서 제외됨으로써, 컨텐츠의 재생을 유지할 수 있다. 일 실시예에 따르면, 도 8에 도시하지는 않았으나, 제1 전자 장치는 컨텐츠 재생이 종료되는 경우, 수신 장치를 선택하기 위한 경쟁에 다시 참여할 수 있다. 예를 들어, 제1 전자 장치는, 컨텐츠 재생이 종료되는 경우, 서버에 수신 장치에 다시 포함되도록 요청하고, 서버의 응답에 기반하여 수신 장치로 결정될 수 있다.
일 실시예에 따르면, 815 동작에서, 제2 전자 장치는 수신 장치로서 사용자 발화를 수신할 수 있다. 예를 들어, 사용자 발화는 음성 어시스턴트 서비스를 활성화하기 위한 호출어(wake up word)를 포함할 수 있다. 예를 들어, 제2 전자 장치는 사용자 발화에 포함된 호출어에 응답하여 음성 어시스턴트 서비스(예: 음성 어시스턴트 기능(예를 들어, 음성 어시스턴트 관련 어플리케이션))를 활성화시킬 수 있다.
일 실시예에 따르면, 817 동작에서, 제2 전자 장치는 음성 어시스턴트 서비스를 제공하기 위한 수신 장치로 결정될 수 있다. 예를 들어, 수신 장치를 결정하기 위한 경쟁을 통하여 멀티 디바이스 환경 내의 특정 전자 장치(예: 제2 전자 장치)가 수신 장치로 결정될 수 있다. 도 8에서는 제2 전자 장치가 수신 장치로 결정된 경우를 가정하여 설명하나, 이에 한정되는 것은 아니다. 예를 들어, 제1 전자 장치와 연결된 전자 장치 중에서 사용자 발화를 수신 가능한 장치(예: 웨어러블 장치)가 있는 경우, 제1 전자 장치와 연결된 장치 중 사용자 발화를 수신 가능한 장치 중 적어도 하나가 수신 장치로 결정될 수 있다. 일 실시예에 따르면 멀티 디바이스 환경은 더 많은 전자 장치를 포함할 수 있고 이 경우 제1 전자 장치를 제외하고 경쟁(예: wake up 경쟁)에서 가장 높은 신뢰도를 가지는 전자 장치가 수신 장치로 결정될 수 있다. 예를 들어, 복수의 전자 장치가 수신 장치를 결정하기 위한 경쟁에 참여한 경우, 복수의 전자 장치들로부터 연산된 값(예를 들어, 복수의 전자 장치들이 주변 환경 및/또는 장치 상태와 관련된 정보(예: SNR(signal to noise ratio))를 기반으로 연산한 신뢰도 값)을 기반으로, 경쟁에 참여한 복수의 장치들 중 가장 높은 우선 순위(예: 가장 높은 신뢰도 값)를 가지는 장치가 수신 장치로 결정될 수 있다. 예를 들어, 경쟁에 참여한 복수의 장치들 각각은 장치 상태 및/또는 통신 상태(예: SNR 및/또는 송수신 신호 세기)에 기반하여 호출어(wake up word)에 대한 신뢰도 값을 결정하고, 결정한 신뢰도 값을 포함하는 신호를 방송(broadcasting)하여 서로 공유할 수 있다. 경쟁에 참여한 복수의 장치들 각각은 결정한 자신의 신뢰도 값과 수신한 타 장치의 신뢰도 값을 비교하고, 가장 높은 신뢰도를 가지는 전자 장치가 수신 장치로서 결정될 수 있다.
일 실시예에 따르면, 819 동작에서, 제2 전자 장치는 사용자 발화에 대응하는 정보를 서버에 전송할 수 있다. 예를 들어, 제2 전자 장치는 사용자 발화를 인식하고, 사용자 발화, 사용자 발화를 텍스트로 변환한 데이터, 및/또는 사용자 발화를 자연어 처리한 데이터를 서버에 전송할 수 있다.
일 실시예에 따르면, 821 동작에서, 서버는 사용자 발화를 처리할 수 있다. 예를 들어, 서버는 사용자 발화를 분석하여 사용자 발화로부터 사용자 의도를 파악하고, 사용자 발화에 대응하는 동작을 결정할 수 있다.
일 실시예에 따르면, 823 동작에서, 서버는 사용자 발화에 대응하는 동작을 수행할 실행 장치를 결정할 수 있다. 예를 들어, 서버는 멀티 디바이스 환경 내에서 사용자 발화에 대응하는 동작을 수행하기에 가장 적합한 전자 장치를 실행 장치로 결정할 수 있다. 도 8에서는 제1 전자 장치가 실행 장치로 결정된 경우를 가정하여 설명하나, 이에 한정되는 것은 아니다. 예를 들어, 제1 전자 장치가 컨텐츠를 재생 중인 경우, 서버는 컨텐츠를 재생 중인 제1 전자 장치 이외의 전자 장치를 실행 장치로 결정할 수 있다.
일 실시예에 따르면, 825 동작에서, 서버는 실행 장치(예: 제1 전자 장치)에 사용자 발화에 대응하는 동작을 수행하도록 하는 실행 명령을 전송할 수 있다.
일 실시예에 따르면, 827 동작에서, 실행 장치(예: 제1 전자 장치)는 사용자 발화에 대응하는 동작을 수행할 수 있다.
일 실시예에 따르면, 도 8의 동작들의 적어도 일부는 생략되거나, 또는 다른 동작(예: 도 9 내지 11의 동작들 중 적어도 하나)이 추가될 수 있으며, 각 동작들의 순서는 변경될 수 있다. 예를 들어, 805 동작이 생략되는 경우, 제1 전자 장치(870)는 연결된 장치가 있는지 판단하지 않고, 803 동작에서 컨텐츠 재생 중임을 확인하면 807 동작에서 서버에 수신 장치 제외 요청을 전송할 수 있다.
본 개시의 일 실시예에 따르면, 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공함에 있어서, 특정 전자 장치(예: 제1 전자 장치)가 컨텐츠를 재생 중인 경우, 컨텐츠를 재생 중인 전자 장치를 제외하고 음성 어시스턴트 서비스와 관련된 수신 장치 및/또는 실행 장치를 결정함으로써, 컨텐츠의 재생을 유지하면서 음성 어시스턴트 서비스를 효과적으로 제공할 수 있다.
도 9는 일 실시예에 따른 전자 장치의 사용자 발화 처리 방법의 순서도이다.
일 실시예에 따르면, 920 동작에서, 전자 장치(예를 들어, 도 1의 제1 장치(110), 도 2의 전자 장치(200), 도 4 내지 7의 제1 전자 장치(400, 500, 600, 700), 또는 도 8의 제1 전자 장치(870))는 컨텐츠를 재생 중인지 여부를 인식할 수 있다. 예를 들어, 전자 장치는 시각적 또는 청각적으로 컨텐츠를 재생 중인지 인식할 수 있다. 예를 들어, 전자 장치는 컨텐츠를 재생 중인 경우 930 동작 이하의 동작들을 수행하고, 컨텐츠를 재생 중이지 않은 경우 멀티 디바이스 환경인지 여부와 무관하게 사용자 발화를 수신하는 수신 장치로서 동작할 수 있다.
일 실시예에 따르면, 930 동작에서, 전자 장치는 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식할 수 있다. 예를 들어, 전자 장치는 무선 통신(예: 블루투스 또는 Wi-Fi)을 통하여 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 확인하고, 연결된 적어도 하나의 제1 전자 장치의 정보를 인식할 수 있다. 예를 들어, 전자 장치는 연결된 제1 외부 전자 장치가 사용자 발화를 수신할 수 있는 장치인지 및/또는 음성 어시스턴트 서비스를 지원하는 장치인지 여부를 확인할 수 있다. 예를 들어, 전자 장치와 연결되고 사용자 발화를 수신 및/또는 음성 어시스턴트 서비스를 지원하는 장치가 있는 경우, 해당 장치는 사용자 발화를 수신하는 수신 장치로서 동작할 수 있다. 예를 들어, 제1 전자 장치와 연결되고 사용자 발화를 수신 및/또는 음성 어시스턴트 서비스를 지원하는 장치가 있는 경우, 해당 장치는 사용자 발화에 포함된 호출어에 응답하여 음성 어시스턴트 서비스를 활성화할 수 있다.
일 실시예에 따르면, 940 동작에서, 전자 장치는 전자 장치와 연결된 적어도 하나의 제1 외부 전자 장치의 정보 및/또는 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단할 수 있다. 예를 들어, 전자 장치는 무선 통신으로 연결된 적어도 하나의 제1 외부 전자 장치가 음성 어시스턴트 서비스의 수신 장치로 동작 가능한지 판단할 수 있다. 예를 들어, 전자 장치는 수신 장치로 동작 가능한 적어도 하나의 제1 외부 전자 장치가 있는 경우, 멀티 디바이스 환경으로 판단할 수 있다. 예를 들어, 전자 장치는 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치가 전자 장치와 동일한 장소(또는, 인접한 위치, 공간, 또는 장소)에 있는지 판단할 수 있다. 예를 들어, 전자 장치는 전자 장치의 위치 정보(예: GPS 정보)와 네트워크 연결 정보(예: 무선 네트워크 연결 IP 주소, MAC 주소, 또는 SSID) 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 위치 정보(예: GPS 정보, 또는 사용자 계정 정보에 포함된 전자 장치의 장소 정보)와 네트워크 연결 정보를 비교함으로써 전자 장치와 적어도 하나의 제2 외부 전자 장치가 동일한 장소에 있는지 판단할 수 있다. 전자 장치는 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치가 동일한 장소에 있는 경우 멀티 디바이스 환경으로 판단할 수 있다. 일 실시예에 따르면, 전자 장치는 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 연결된 적어도 하나의 제1 외부 전자 장치의 정보, 및/또는 사용자 계정 정보를 전송하고, 적어도 하나의 외부 서버로부터 멀티 디바이스 환경인지 여부를 나타내는 정보를 수신할 수 있다.
일 실시예에 따르면, 950 동작에서, 전자 장치는 멀티 디바이스 환경이라는 판단에 기반하여, 전자 장치를 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정할 수 있다. 예를 들어, 전자 장치는 멀티 디바이스 환경에서 수신 장치를 선택하기 위한 경쟁(예: wake up 경쟁)에 참여하지 않을 수 있다. 예를 들어, 전자 장치는 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 수신 장치에서 제외되도록 하는 요청을 전송할 수 있다. 예를 들어, 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버는 상기 요청에 응답하여 수신 장치를 결정하기 위한 경쟁에서 전자 장치를 제외시킬 수 있다. 예를 들어, 전자 장치는 수신 장치를 결정하기 위한 경쟁을 위한 신뢰도 값을 연산하지 않을 수 있고, 및/또는 경쟁에 참여하기 위한 신뢰도 값을 포함하는 신호를 방송하지 않을 수 있다. 일 실시예에 따르면, 전자 장치는 수신 장치에서 제외됨으로써 컨텐츠의 재생을 유지할 수 있다.
일 실시예에 따르면, 전자 장치는 컨텐츠의 재생이 종료된 경우 수신 장치를 결정하기 위한 경쟁에 참여할 수 있다. 전자 장치는 컨텐츠의 재생이 종료된 경우, 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 수신 장치를 결정하기 위한 경쟁에 다시 참여하기 위한 요청을 전송할 수 있다. 예를 들어, 전자 장치가 수신 장치를 결정하기 위한 경쟁에 참여한 경우, 전자 장치를 포함하는 복수의 장치들로부터 연산된 값(예를 들어, 복수의 장치들이 주변 환경 또는 상태와 관련된 정보(예: SNR(signal to noise ratio))을 기반으로 연산한 신뢰도 값)을 기반으로, 경쟁에 참여한 복수의 장치들 중 가장 높은 우선 순위를 가지는 장치가 수신 장치로 결정될 수 있다.
일 실시예에 따르면, 960 동작에서, 전자 장치는 멀티 디바이스 환경이 아니라는 판단에 기반하여, 수신 장치로서 사용자 발화를 수신할 수 있다. 예를 들어, 사용자 발화는 호출어(wake up word)를 포함할 수 있다. 전자 장치는 호출어에 응답하여 음성 어시스턴트 서비스를 활성화할 수 있다. 예를 들어, 전자 장치는 음성 어시스턴트 기능(예: 음성 어시스턴트 어플리케이션)을 활성화할 수 있다. 예를 들어, 전자 장치는 사용자 발화를 처리하여 사용자 발화에 대응하는 동작을 결정하고, 실행 장치에 의해 사용자 발화에 대응하는 동작이 수행될 수 있도록 할 수 있다. 예를 들어, 전자 장치는 사용자 발화에 대응하는 정보(예를 들어, 사용자 발화, 사용자 발화를 STT(Speech to text) 변환한 데이터, 및/또는 사용자 발화를 자연어 처리한 데이터)를 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 전송할 수 있다. 예를 들어, 적어도 하나의 서버는 사용자 발화에 대응하는 정보를 기반으로 실행 장치를 결정하고, 실행 장치가 사용자 발화에 대응하는 동작을 수행하도록 할 수 있다. 일 실시예에 따르면, 전자 장치가 수신 장치로 동작하는 경우(수신 장치로 선택된 경우), 전자 장치는 컨텐츠의 재생을 중단할 수 있다.
일 실시예에 따르면, 전자 장치가 컨텐츠를 재생 중인 경우, 전자 장치는 실행 장치에서 제외될 수 있고, 전자 장치는 컨텐츠의 재생을 유지할 수 있다. 전자 장치가 실행 장치로 동작하는 경우, 전자 장치는 컨텐츠의 재생을 중단하거나, 사용자 발화에 대응하는 동작에 따라 다른 컨텐츠를 재생할 수 있다.
다양한 실시예에 따르면, 도 9의 동작들 중 적어도 일부가 생략되거나, 또는 다른 동작(예를 들어, 도 8, 도 10 내지 11의 동작 중 적어도 하나)이 더 추가될 수 있으며, 도 9의 동작들 중 적어도 일부의 순서가 변경될 수 있다. 예를 들어, 930 동작이 생략되는 경우, 전자 장치는 연결된 제1 외부 전자 장치가 있는지 판단하지 않고, 920 동작에서 컨텐츠 재생 중임을 확인하면 940 동작을 수행할 수 있다.
본 개시의 일 실시예에 따르면, 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공함에 있어서, 특정 전자 장치가 컨텐츠를 재생 중인 경우, 컨텐츠를 재생 중인 전자 장치를 제외하고 음성 어시스턴트 서비스와 관련된 수신 장치 및/또는 실행 장치를 결정함으로써, 컨텐츠의 재생을 유지하면서 음성 어시스턴트 서비스를 제공할 수 있다.
도 10은 일 실시예에 따른 전자 장치의 사용자 발화 처리 방법의 순서도이다.
일 실시예에 따르면, 1010 동작에서, 전자 장치(예: 서버 장치(예: 도 1의 서버 장치(150), 도 3의 서버 장치(300), 도 8의 서버(890), 도 12의 서버(1208), 도 13 내지 15의 지능형 서버(1400) 또는 서비스 서버(1500))는 컨텐츠를 재생 중인 외부 전자 장치(예를 들어, 도 1의 제1 장치(110), 도 2의 전자 장치(200), 도 4 내지 7의 제1 전자 장치(400, 500, 600, 700), 또는 도 8의 제1 전자 장치(870))로부터 음성 어시스턴트 서비스를 위한 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 하는 요청을 수신할 수 있다. 예를 들어, 상기 요청은 외부 전자 장치에 무선 통신으로 연결된 적어도 하나의 외부 장치의 정보를 포함할 수 있다. 예를 들어, 상기 요청은 외부 전자 장치의 사용자 계정의 정보를 포함할 수 있다. 예를 들어, 사용자 계정의 정보는 사용자 계정에 등록된 장치의 정보를 포함할 수 있다.
일 실시예에 따르면, 1020 동작에서, 전자 장치는 외부 전자 장치가 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경에 있는지 여부를 판단할 수 있다. 예를 들어, 전자 장치는 외부 전자 장치와 연결된 다른 장치들 중에서 음성 어시스턴트 서비스의 수신 장치로 동작 가능한 장치가 있는지 판단할 수 있다. 전자 장치는 외부 전자 장치와 연결된 다른 장치들 중에서 음성 어시스턴트 서비스의 수신 장치로 동작 가능한 장치가 있는 경우 외부 전자 장치가 멀티 디바이스 환경에 있다고 판단할 수 있다. 예를 들어, 전자 장치는 사용자 계정에 등록된 장치들 중에서 외부 전자 장치와 동일한 장소(또는, 인접한 위치, 공간, 또는 장소)에 있는 장치가 있는지 판단할 수 있다. 전자 장치는 사용자 계정에 등록된 장치들 중에서 외부 전자 장치와 동일한 장소(또는, 인접한 위치, 공간, 또는 장소)에 있는 장치가 있는 경우, 외부 전자 장치가 멀티 디바이스 환경에 있다고 판단할 수 있다. 예를 들어, 전자 장치는 외부 전자 장치의 위치 정보 및/또는 네트워크 연결 정보, 및 사용자 계정에 등록된 장치의 위치 정보 및/또는 네트워크 연결 정보를 기반으로 외부 전자 장치와 사용자 계정에 등록된 장치가 동일한 장소(또는, 인접한 위치, 공간, 또는 장소)에 있는 장치가 있는지 여부를 판단할 수 있다.
일 실시예에 따르면, 1030 동작에서, 전자 장치는 멀티 디바이스 환경에 있다는 판단에 기반하여, 외부 전자 장치가 수신 장치로 선택되지 않도록 설정할 수 있다. 예를 들어, 전자 장치는 수신 장치를 결정하기 위한 경쟁에서 외부 전자 장치를 제외시킬 수 있다. 예를 들어, 전자 장치는 멀티 디바이스 환경임을 나타내는 정보를 외부 전자 장치로 전송하여, 외부 전자 장치가 수신 장치를 결정하기 위한 경쟁에 참여하지 않도록 할 수 있다. 예를 들어, 전자 장치로부터 멀티 디바이스 환경임을 나타내는 정보를 수신함에 응답하여, 외부 전자 장치는 수신 장치를 결정하기 위한 경쟁에 참여하지 않을 수 있다.
일 실시예에 따르면, 1040 동작에서, 전자 장치는 멀티 디바이스 환경에 있지 않다는 판단에 기반하여, 외부 전자 장치를 수신 장치로 선택할 수 있다. 예를 들어, 전자 장치는 외부 전자 장치가 수신 장치로 동작하도록 할 수 있다. 예를 들어, 전자 장치는 외부 전자 장치에 멀티 디바이스 환경에 있지 않음을 나타내는 정보를 전송하여, 외부 전자 장치가 수신 장치를 결정하기 위한 경쟁에 참여하도록 할 수 있다. 예를 들어, 전자 장치로부터 멀티 디바이스 환경임을 나타내는 정보를 수신함에 응답하여, 외부 전자 장치는 수신 장치를 결정하기 위한 경쟁에 참여할 수 있다. 예를 들어, 외부 전자 장치는 경쟁을 통하여 수신 장치로 결정될 수 있다. 예를 들어, 전자 장치는 (수신 장치로 결정된) 외부 전자 장치가 수신한 사용자 발화에 대응하는 정보를 수신하고, 사용자 발화를 처리하여 사용자 발화에 대응하는 동작을 결정할 수 있다. 전자 장치는 사용자 발화에 대응하는 동작을 수행할 실행 장치를 결정하고, 실행 장치에 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송할 수 있다.
다양한 실시예에 따르면, 도 10의 동작들 중 적어도 일부가 생략되거나, 또는 다른 동작(예: 도 11의 동작들 중 적어도 일부)이 더 추가될 수 있으며, 도 10의 동작들 중 적어도 일부의 순서가 변경될 수 있다.
본 개시의 일 실시예에 따르면, 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공함에 있어서, 특정 전자 장치가 컨텐츠를 재생 중인 경우, 컨텐츠를 재생 중인 전자 장치를 제외하고 음성 어시스턴트 서비스와 관련된 수신 장치 및/또는 실행 장치를 결정함으로써, 컨텐츠의 재생을 유지하면서 음성 어시스턴트 서비스를 제공할 수 있다.
도 11은 일 실시예에 따른 전자 장치의 사용자 발화 처리 방법의 순서도이다. 예를 들어, 도 11은 도 10에서 외부 전자 장치가 수신 장치로 선택되지 않도록 설정된 이후의 동작일 수 있다.
일 실시예에 따르면, 1110 동작에서, 전자 장치(예: 서버 장치(예: 도 1의 서버 장치(150), 도 3의 서버 장치(300), 도 8의 서버(890), 도 12의 서버(1208), 도 13 내지 15의 지능형 서버(1400) 또는 서비스 서버(1500))는 멀티 디바이스 환경에서 외부 전자 장치(예를 들어, 도 1의 제1 장치(110), 도 2의 전자 장치(200), 도 4 내지 7의 제1 전자 장치(400, 500, 600, 700), 또는 도 8의 제1 전자 장치(870))와 상이한 수신 장치(예: 도 1의 제2 장치(120), 도 5 내지 7의 제2 전자 장치(520, 620, 720))로부터 사용자 발화와 관련된 정보를 수신할 수 있다. 사용자 발화와 관련된 정보는 사용자 발화, 사용자 발화를 인식한 데이터, 사용자 발화를 변환한 데이터, 및/또는 사용자 발화를 자연어 처리한 데이터를 포함할 수 있다. 일 실시예에 따르면, 외부 전자 장치는 컨텐츠를 재생 중일 수 있다. 예를 들어, 외부 전자 장치는 컨텐츠를 재생 중이기 때문에 멀티 디바이스 환경에서 수신 장치로 선택되지 않은 상태일 수 있다.
일 실시예에 따르면, 1120 동작에서, 전자 장치는 사용자 발화와 관련된 정보에 기반하여, 사용자 발화에 대응하는 동작을 결정할 수 있다.
일 실시예에 따르면, 1130 동작에서, 전자 장치는 외부 전자 장치 이외에 사용자 발화에 대응하는 동작을 수행할 실행 장치가 있는 경우, 실행 장치에 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송할 수 있다. 예를 들어, 전자 장치는 외부 전자 장치 이외의 실행 장치를 결정하고, 사용자 발화에 대응하는 동작을 수행하도록 함으로써, 외부 전자 장치가 컨텐츠의 재생을 유지하도록 할 수 있다.
일 실시예에 따르면, 1140 동작에서, 전자 장치는 외부 전자 장치 이외에 사용자 발화에 대응하는 동작을 수행할 실행 장치가 없는 경우, 외부 전자 장치에 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송할 수 있다. 예를 들어, 전자 장치는 외부 전자 장치를 사용자 발화에 대응하는 동작을 수행하는 실행 장치로 결정할 수 있다. 예를 들어, 외부 전자 장치는 사용자 발화에 대응하는 동작을 수행함으로써, 적어도 일시적으로 컨텐츠의 재생을 중단할 수 있다. 일 실시예에 따르면, 전자 장치는 외부 전자 장치 이외에 사용자 발화에 대응하는 동작을 수행할 실행 장치가 있는 경우에도, 외부 전자 장치의 동작이 요구되는 경우(예를 들어, 사용자 발화에 의해 외부 전자 장치가 지정된 경우, 또는 사용자 발화에 대응하는 동작이 외부 전자 장치가 재생 중인 컨텐츠와 동일한 유형의 컨텐츠를 재생하는 동작인 경우(예: 재생 중인 컨텐츠를 변경하는 동작인 경우))에는 외부 전자 장치에 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송할 수 있다.
다양한 실시예에 따르면, 도 11의 동작들 중 적어도 일부가 생략되거나, 또는 다른 동작(예: 도 10의 동작들 중 적어도 일부)이 더 추가될 수 있으며, 도 11의 동작들 중 적어도 일부의 순서가 변경될 수 있다. 다양한 실시예에 따르면, 전자 장치 및 서버를 포함하는 음성 어시스턴트 시스템에서 도 9 내지 11의 적어도 일부 동작들이 연계되어 수행될 수 있으며, 도 9 내지 11의 적어도 일부 동작들이 생략되거나 변경된 순서로 수행될 수 있다,
본 개시의 일 실시예에 따르면, 멀티 디바이스 환경에서 음성 어시스턴트 서비스를 제공함에 있어서, 특정 전자 장치가 컨텐츠를 재생 중인 경우, 컨텐츠를 재생 중인 전자 장치를 제외하고 음성 어시스턴트 서비스와 관련된 수신 장치 및/또는 실행 장치를 결정함으로써, 컨텐츠의 재생을 유지하면서 음성 어시스턴트 서비스를 제공할 수 있다.
일 실시예에 따르면, 전자 장치의 사용자 발화 처리 방법은, 사용자 발화를 수신하는 동작, 사용자 발화의 수신 시, 컨텐츠를 재생 중인지 여부를 인식하는 동작, 상기 컨텐츠를 재생 중인 경우, 상기 전자 장치와 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식하는 동작, 상기 전자 장치와 연결된 상기 적어도 하나의 제1 외부 전자 장치의 정보 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단하는 동작, 상기 멀티 디바이스 환경이라는 판단에 기반하여, 상기 전자 장치를 상기 멀티 디바이스 환경에서 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정하는 동작, 및 상기 멀티 디바이스 환경이 아니라는 판단에 기반하여, 상기 수신 장치로서 사용자 발화를 수신하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 멀티 디바이스 환경이라는 판단에 기반하여 상기 컨텐츠의 재생을 유지하는 방법을 더 포함할 수 있다.
일 실시예에 따르면, 상기 멀티 디바이스 환경인지 여부를 판단하는 동작은, 상기 적어도 하나의 제1 외부 전자 장치의 정보에 기반하여, 상기 적어도 하나의 제1 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 포함된 경우, 상기 멀티 디바이스 환경인 것으로 판단하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 멀티 디바이스 환경인지 여부를 판단하는 동작은, 상기 적어도 하나의 제1 외부 전자 장치의 정보를 상기 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 전송하는 동작, 및 상기 적어도 하나의 제1 외부 전자 장치의 정보에 적어도 일부 기반하여, 상기 적어도 하나의 외부 서버로부터 상기 멀티 디바이스 환경인지 여부를 나타내는 정보를 수신하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 멀티 디바이스 환경인지 여부를 판단하는 동작은, 상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 판단하는 동작, 및 상기 전자 장치와 같은 장소에 위치하는 적어도 하나의 외부 전자 장치가 있는 경우, 상기 멀티 디바이스 환경인 것으로 판단하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 같은 장소에 위치하는지 판단하는 동작은, 상기 적어도 하나의 제2 외부 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부, 및 상기 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부에 기반하여, 상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 판단하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 수신 장치로 선택되지 않도록 설정하는 동작은, 상기 멀티 디바이스 환경에서, 상기 멀티 디바이스 환경에 포함된 복수의 전자 장치들 중 상기 수신 장치를 결정하기 위한 경쟁에서 상기 전자 장치가 제외되도록 설정하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 경쟁에서 상기 전자 장치가 제외되도록 설정한 이후, 상기 컨텐츠의 재생이 종료된 경우, 상기 전자 장치를 상기 경쟁에 참여하도록 설정하는 동작을 더 포함할 수 있다.
도 12은, 다양한 실시예들에 따른, 네트워크 환경(1200) 내의 전자 장치(1201)의 블록도이다. 도 12을 참조하면, 네트워크 환경(1200)에서 전자 장치(1201)는 제 1 네트워크(1298)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1202)와 통신하거나, 또는 제 2 네트워크(1299)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1204) 또는 서버(1208) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(1201)는 서버(1208)를 통하여 전자 장치(1204)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(1201)는 프로세서(1220), 메모리(1230), 입력 모듈(1250), 음향 출력 모듈(1255), 디스플레이 모듈(1260), 오디오 모듈(1270), 센서 모듈(1276), 인터페이스(1277), 연결 단자(1278), 햅틱 모듈(1279), 카메라 모듈(1280), 전력 관리 모듈(1288), 배터리(1289), 통신 모듈(1290), 가입자 식별 모듈(1296), 또는 안테나 모듈(1297)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1201)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1278))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1276), 카메라 모듈(1280), 또는 안테나 모듈(1297))은 하나의 구성요소(예: 디스플레이 모듈(1260))로 통합될 수 있다.
프로세서(1220)는, 예를 들면, 소프트웨어(예: 프로그램(1240))를 실행하여 프로세서(1220)에 연결된 전자 장치(1201)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1220)는 다른 구성요소(예: 센서 모듈(1276) 또는 통신 모듈(1290))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1232)에 저장하고, 휘발성 메모리(1232)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1234)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(1220)는 메인 프로세서(1221)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1223)(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(1201)가 메인 프로세서(1221) 및 보조 프로세서(1223)를 포함하는 경우, 보조 프로세서(1223)는 메인 프로세서(1221)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1223)는 메인 프로세서(1221)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(1223)는, 예를 들면, 메인 프로세서(1221)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1221)를 대신하여, 또는 메인 프로세서(1221)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1221)와 함께, 전자 장치(1201)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1260), 센서 모듈(1276), 또는 통신 모듈(1290))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(1223)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1280) 또는 통신 모듈(1290))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(1223)(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(1201) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1208))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(1230)는, 전자 장치(1201)의 적어도 하나의 구성요소(예: 프로세서(1220) 또는 센서 모듈(1276))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1240)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1230)는, 휘발성 메모리(1232) 또는 비휘발성 메모리(1234)를 포함할 수 있다.
프로그램(1240)은 메모리(1230)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1242), 미들 웨어(1244) 또는 어플리케이션(1246)을 포함할 수 있다.
입력 모듈(1250)은, 전자 장치(1201)의 구성요소(예: 프로세서(1220))에 사용될 명령 또는 데이터를 전자 장치(1201)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1250)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(1255)은 음향 신호를 전자 장치(1201)의 외부로 출력할 수 있다. 음향 출력 모듈(1255)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(1260)은 전자 장치(1201)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1260)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(1260)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(1270)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(1270)은, 입력 모듈(1250)을 통해 소리를 획득하거나, 음향 출력 모듈(1255), 또는 전자 장치(1201)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1202))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(1276)은 전자 장치(1201)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(1276)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(1277)는 전자 장치(1201)가 외부 전자 장치(예: 전자 장치(1202))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(1277)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(1278)는, 그를 통해서 전자 장치(1201)가 외부 전자 장치(예: 전자 장치(1202))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(1278)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1279)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(1279)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1280)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(1280)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(1288)은 전자 장치(1201)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(1288)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(1289)는 전자 장치(1201)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(1289)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(1290)은 전자 장치(1201)와 외부 전자 장치(예: 전자 장치(1202), 전자 장치(1204), 또는 서버(1208)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1290)은 프로세서(1220)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(1290)은 무선 통신 모듈(1292)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1294)(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(1298)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1299)(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(1204)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(1292)은 가입자 식별 모듈(1296)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(1298) 또는 제 2 네트워크(1299)와 같은 통신 네트워크 내에서 전자 장치(1201)를 확인 또는 인증할 수 있다.
무선 통신 모듈(1292)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(1292)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1292)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(1292)은 전자 장치(1201), 외부 전자 장치(예: 전자 장치(1204)) 또는 네트워크 시스템(예: 제 2 네트워크(1299))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(1292)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(1297)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(1297)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(1297)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(1298) 또는 제 2 네트워크(1299)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1290)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1290)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(1297)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(1297)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(1299)에 연결된 서버(1208)를 통해서 전자 장치(1201)와 외부의 전자 장치(1204)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1202, 또는 104) 각각은 전자 장치(1201)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(1201)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1202, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1201)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1201)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(1201)로 전달할 수 있다. 전자 장치(1201)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(1201)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(1204)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1208)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(1204) 또는 서버(1208)는 제 2 네트워크(1299) 내에 포함될 수 있다. 전자 장치(1201)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 13는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 13를 참조하면, 일 실시예의 통합 지능 시스템은 사용자 단말(1301), 지능형 서버(1400), 및 서비스 서버(1500)를 포함할 수 있다.
일 실시 예의 사용자 단말(1301)(예: 도 #의 전자 장치(#01))은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(1301)은 통신 인터페이스(1390), 마이크(1370), 스피커(1355), 디스플레이(1360), 메모리(1330), 및/또는 프로세서(1320)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
통신 인터페이스(1390)(예: 도 #의 통신 모듈(#90))는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 마이크(1370)(예: 도 #의 오디오 모듈(#70))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 스피커(1355)(예: 도 #의 음향 출력 모듈(#55))는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 디스플레이(1360)(예: 도 #의 디스플레이 모듈(#60))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(1360)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface, GUI)를 표시할 수 있다.
일 실시 예의 메모리(1330)(예: 도 #의 메모리(#30))는 클라이언트 모듈(1331), SDK(software development kit)(1333), 및 복수의 어플리케이션들을 저장할 수 있다. 상기 클라이언트 모듈(1331), 및 SDK(1333)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(1331) 또는 SDK(1333)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
상기 복수의 어플리케이션들(예: 355a, 355b)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 제1 앱(1335a), 및/또는 제2 앱(1335b)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 어플리케이션들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 프로세서(1320)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(1320)는 사용자 단말(1301)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(1320)는 통신 인터페이스(1390), 마이크(1370), 스피커(1355), 및 디스플레이(1360)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(1320)는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예의 프로세서(1320)는 또한 상기 메모리(1330)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(1320)는 클라이언트 모듈(1331) 또는 SDK(1333) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(1320)는, 예를 들어, SDK(1333)를 통해 복수의 어플리케이션들의 동작을 제어할 수 있다. 클라이언트 모듈(1331) 또는 SDK(1333)의 동작으로 설명된 이하의 동작들은 프로세서(1320)의 실행에 의하여 수행되는 동작일 수 있다.
일 실시 예의 클라이언트 모듈(1331)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(1331)은 마이크(1370)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(1331)은 수신된 음성 입력(예: 음성 신호)을 지능형 서버(1400)로 송신할 수 있다. 클라이언트 모듈(1331)은 수신된 음성 입력과 함께, 사용자 단말(1301)의 상태 정보를 지능형 서버(1400)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(1331)은 수신된 음성 입력에 대응되는 결과를 지능형 서버(1400)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(1331)은 지능형 서버(1400)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(1331)은 상기 수신된 결과를 디스플레이(1360)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(1331)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(1331)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(1360)에 표시할 수 있다. 클라이언트 모듈(1331)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(1301)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(1331)은 지능형 서버(1400)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1331)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(1400)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(1331)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(1400)로 송신할 수 있다. 지능형 서버(1400)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(1331)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1331)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(1331)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.
일 실시 예의 지능형 서버(1400)는 네트워크(1399)(예: 도 #의 제1 네트워크(#98) 및/또는 제2 네트워크(#99))을 통해 사용자 단말(1301)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(1400)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(1400)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 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(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 및/또는 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 플랜들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(1400)는 생성된 플랜에 따른 결과를 사용자 단말(1301)로 송신하거나, 생성된 플랜을 사용자 단말(1301)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(1301)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1301)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(1400)는 프론트 엔드(front end)(1410), 자연어 플랫폼(natural language platform)(1420), 캡슐 데이터베이스(capsule database)(1430), 실행 엔진(execution engine)(1440), 엔드 유저 인터페이스(end user interface)(1450), 매니지먼트 플랫폼(management platform)(1460), 빅 데이터 플랫폼(big data platform)(1470), 또는 분석 플랫폼(analytic platform)(1480)을 포함할 수 있다.
일 실시 예의 프론트 엔드(1410)는 사용자 단말(1301)에 의하여 수신된 음성 입력을 사용자 단말(1301)로부터 수신할 수 있다. 프론트 엔드(1410)는 상기 음성 입력에 대응되는 응답을 사용자 단말(1301)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1420)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(1421), 자연어 이해 모듈(natural language understanding module)(NLU module)(1423), 플래너 모듈(planner module)(1425), 자연어 생성 모듈(natural language generator module)(NLG module)(1427), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(1429)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(1421)은 사용자 단말(1301)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(1423)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(1423)은 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(1423)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(1425)은 자연어 이해 모듈(1423)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1425)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(1425)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1425)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/또는 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(1425)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(1425)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(1425)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(1425)는 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜를 생성할 수 있다. 상기 플래너 모듈(1425)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(1430)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(1427)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(1429)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1420)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(1301)에서도 구현가능 할 수 있다. 예를 들어, 사용자 단말(1301)이 자동 음성 인식 모듈 및/또는 자연어 이해 모듈을 포함할 수 있다. 사용자 단말(1301)이 사용자 음성 명령을 인식한 뒤, 인식된 음성 명령에 대응하는 텍스트 정보를 지능형 서버(1400)로 송신할 수 있다. 예를 들어, 사용자 단말(1301)이 텍스트 음성 변환 모듈을 포함할 수 있다. 사용자 단말(1301)이 지능형 서버(1400)로부터 텍스트 정보를 수신하고, 수신된 텍스트 정보를 음성으로 출력할 수 있다.
상기 캡슐 데이터베이스(1430)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/또는 컨셉 오브젝트(concept object)(또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1430)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(1430)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(1430)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1430)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(1430)는 사용자 단말(1301)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1430)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1430)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(1430)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 등록 하는 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(1430)가 사용자 단말(1301) 내에도 구현될 수 있다.
일 실시 예의 실행 엔진(1440)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(1450)는 산출된 결과를 사용자 단말(1301)로 송신할 수 있다. 이에 따라, 사용자 단말(1301)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(1460)은 지능형 서버(1400)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(1470)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(1480)을 지능형 서버(1400)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(1480)은 지능형 서버(1400)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(1500)는 사용자 단말(1301)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(1500)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(1500)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(1400)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(1430)에 저장될 수 있다. 또한, 서비스 서버(1500)는 플랜에 따른 결과 정보를 지능형 서버(1400)에 제공할 수 있다. 서비스 서버(1500)는 네트워크(1399)를 통하여 지능형 서버(1400) 및/또는 사용자 단말(1301)과 통신할 수 있다. 서비스 서버(1500)는 별도의 연결을 통하여 지능형 서버(1400)와 통신할 수 있다. 도 13에는 서비스 서버(1500)가 하나의 서버로 도시되어 있으나, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 서비스 서버(1500)의 각각의 서비스(1501, 1502, 및 1503)들 중 적어도 하나는 별도의 서버로 구현될 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(1301)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 사용자 단말(1301)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(1301)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(1301)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(1301)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(1301)이 지능형 서버(1400) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(1370)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(1390)를 이용하여 지능형 서버(1400)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(1400)는 사용자 단말(1301)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/또는 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/또는 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(1301)은, 통신 인터페이스(1390)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(1301)은 상기 스피커(1355)를 이용하여 사용자 단말(1301) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(1360)를 이용하여 사용자 단말(1301) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 14는 일 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(1400)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(1430))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(캡슐A(1431), 캡슐B(1434))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: 캡슐A(1431))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자의 캡슐(예: CP 1(1432), CP 2 (1433), CP3 (1435), 및/또는 CP4 (1436))이 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(1430a) 및 적어도 하나 이상의 컨셉(1430b)을 포함할 수 있다.
상기, 자연어 플랫폼(1420)은 캡슐 데이터베이스(1430)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(1425)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(14310) 의 동작들(1431a, 1432a) 과 컨셉들(1431b, 1432b) 및 캡슐 B(1434)의 동작(1434a) 과 컨셉(1434b)를 이용하여 플랜(1437)을 생성할 수 있다.
도 15는 일 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(1301)은 지능형 서버(1400)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 제1 화면(1510)에서, 사용자 단말(1301)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(1301)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(1301)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(1511)를 디스플레이(1360)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1301)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(1301)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(1301)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(1313)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 제2 화면(1515)에서, 사용자 단말(1301)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(1301)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 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. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(1201)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1236) 또는 외장 메모리(1238))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1240))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1201))의 프로세서(예: 프로세서(1220))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)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.

Claims (15)

  1. 전자 장치에 있어서,
    마이크;
    스피커;
    디스플레이;
    통신 회로;
    메모리; 및
    프로세서를 포함하고,
    상기 메모리는, 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 마이크를 통하여 사용자 발화를 수신하고,
    사용자 발화의 수신 시, 상기 디스플레이 또는 상기 스피커를 통하여 컨텐츠를 재생 중인지 여부를 인식하고,
    상기 컨텐츠를 재생 중인 경우, 상기 전자 장치와 상기 통신 회로를 통하여 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식하고,
    상기 전자 장치와 연결된 상기 적어도 하나의 제1 외부 전자 장치의 정보 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단하고,
    상기 멀티 디바이스 환경이라는 판단에 기반하여, 상기 전자 장치를 상기 멀티 디바이스 환경에서 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정하고,
    상기 멀티 디바이스 환경이 아니라는 판단에 기반하여, 상기 수신 장치로서 사용자 발화를 수신하도록 하는 인스트럭션들을 저장하는 전자 장치.
  2. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가,
    상기 멀티 디바이스 환경이라는 판단에 기반하여 상기 컨텐츠의 재생을 유지하도록 하는 전자 장치.
  3. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가,
    상기 적어도 하나의 제1 외부 전자 장치의 정보에 기반하여, 상기 적어도 하나의 제1 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 포함된 경우, 상기 멀티 디바이스 환경인 것으로 판단하도록 하는 전자 장치.
  4. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가,
    상기 적어도 하나의 제1 외부 전자 장치의 정보를 상기 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 전송하고,
    상기 적어도 하나의 제1 외부 전자 장치의 정보에 적어도 일부 기반하여, 상기 적어도 하나의 외부 서버로부터 상기 멀티 디바이스 환경인지 여부를 나타내는 정보를 수신하도록 하는 전자 장치.
  5. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가,
    상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 판단하고,
    상기 전자 장치와 같은 장소에 위치하는 적어도 하나의 외부 전자 장치가 있는 경우, 상기 멀티 디바이스 환경인 것으로 판단하도록 하는 전자 장치.
  6. 청구항 5에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가,
    상기 적어도 하나의 제2 외부 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부, 및 상기 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부에 기반하여, 상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 판단하도록 하는 전자 장치.
  7. 청구항 5에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가,
    상기 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 상기 멀티 디바이스 환경인지 여부를 확인하기 위한 요청을 전송하고,
    상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 여부에 기반하여, 상기 적어도 하나의 외부 서버로부터 상기 멀티 디바이스 환경인지 여부를 나타내는 정보를 수신하도록 하는 전자 장치.
  8. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가,
    상기 멀티 디바이스 환경에서, 상기 멀티 디바이스 환경에 포함된 복수의 전자 장치들 중 상기 수신 장치를 결정하기 위한 경쟁에서 상기 전자 장치가 제외되도록 설정하도록 하는 전자 장치.
  9. 청구항 8에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 전자 장치가,
    상기 경쟁에서 상기 전자 장치가 제외되도록 설정한 이후, 상기 컨텐츠의 재생이 종료된 경우, 상기 전자 장치를 상기 경쟁에 참여하도록 설정하도록 하는 전자 장치.
  10. 서버 장치에 있어서,
    통신 회로;
    메모리; 및
    프로세서를 포함하고,
    상기 메모리는, 상기 프로세서에 의해 실행 시, 상시 서버 장치가,
    컨텐츠를 재생 중인 외부 전자 장치로부터 음성 어시스턴트 서비스를 위한 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 하는 요청을 수신하고,
    상기 외부 전자 장치가 상기 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경에 있는지 여부를 판단하고,
    상기 멀티 디바이스 환경에 있다는 판단에 기반하여, 상기 외부 전자 장치가 상기 수신 장치로 선택되지 않도록 설정하고,
    상기 멀티 디바이스 환경에 있지 않다는 판단에 기반하여, 상기 외부 전자 장치를 상기 수신 장치로 선택하도록 하는 인스트럭션들을 저장하는 서버 장치.
  11. 청구항 11에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 서버 장치가,
    상기 외부 전자 장치와 동일한 사용자 계정에 등록된 적어도 하나의 전자 장치를 인식하고,
    상기 적어도 하나의 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부, 및 상기 외부 전자 장치의 위치 정보 및 네트워크 연결 정보 중 적어도 일부에 기반하여, 상기 전자 장치 주변에 상기 수신 장치로서 동작 가능한 전자 장치가 있는지 여부를 판단하고,
    상기 전자 장치 주변에 상기 수신 장치로서 동작 가능한 전자 장치가 있다는 판단에 기반하여, 상기 외부 전자 장치가 상기 멀티 디바이스 환경에 있다고 판단하도록 하는 서버 장치.
  12. 청구항 11에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행 시, 상시 서버 장치가,
    상기 멀티 디바이스 환경에서, 상기 외부 전자 장치와 상이한 상기 수신 장치로부터 사용자 발화와 관련된 정보를 수신하고,
    상기 사용자 발화와 관련된 정보에 기반하여, 상기 사용자 발화에 대응하는 동작을 결정하고,
    상기 외부 전자 장치 이외에 상기 사용자 발화에 대응하는 동작을 수행할 실행 장치가 있는 경우, 상기 실행 장치에 상기 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송하고,
    상기 외부 전자 장치 이외에 상기 사용자 발화에 대응하는 동작을 수행할 실행 장치가 없는 경우, 상기 외부 전자 장치에 상기 사용자 발화에 대응하는 동작을 수행하도록 하는 명령을 전송하도록 하는 서버 장치.
  13. 전자 장치의 사용자 발화 처리 방법에 있어서,
    사용자 발화를 수신하는 동작;
    사용자 발화의 수신 시, 컨텐츠를 재생 중인지 여부를 인식하는 동작;
    상기 컨텐츠를 재생 중인 경우, 상기 전자 장치와 연결된 적어도 하나의 제1 외부 전자 장치가 있는지 여부를 인식하는 동작;
    상기 전자 장치와 연결된 상기 적어도 하나의 제1 외부 전자 장치의 정보 및 사용자 계정에 등록된 적어도 하나의 제2 외부 전자 장치의 정보 중 적어도 일부에 기반하여 음성 어시스턴트 서비스와 관련된 멀티 디바이스 환경인지 여부를 판단하는 동작;
    상기 멀티 디바이스 환경이라는 판단에 기반하여, 상기 전자 장치를 상기 멀티 디바이스 환경에서 사용자 발화를 수신하는 수신 장치로 선택되지 않도록 설정하는 동작; 및
    상기 멀티 디바이스 환경이 아니라는 판단에 기반하여, 상기 수신 장치로서 사용자 발화를 수신하는 동작을 포함하는 방법.
  14. 청구항 13에 있어서,
    상기 멀티 디바이스 환경이라는 판단에 기반하여 상기 컨텐츠의 재생을 유지하는 방법을 더 포함하는 방법.
  15. 청구항 13에 있어서,
    상기 멀티 디바이스 환경인지 여부를 판단하는 동작은,
    상기 적어도 하나의 제1 외부 전자 장치의 정보에 기반하여, 상기 적어도 하나의 제1 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 포함된 경우, 상기 멀티 디바이스 환경인 것으로 판단하는 동작;
    상기 적어도 하나의 제1 외부 전자 장치의 정보를 상기 음성 어시스턴트 서비스와 관련된 적어도 하나의 외부 서버에 전송하고, 상기 적어도 하나의 제1 외부 전자 장치의 정보에 적어도 일부 기반하여, 상기 적어도 하나의 외부 서버로부터 상기 멀티 디바이스 환경인지 여부를 나타내는 정보를 수신하는 동작; 또는
    상기 적어도 하나의 제2 외부 전자 장치 중 상기 수신 장치로 동작 가능한 적어도 하나의 외부 전자 장치가 상기 전자 장치와 같은 장소에 위치하는지 판단하고, 상기 전자 장치와 같은 장소에 위치하는 적어도 하나의 외부 전자 장치가 있는 경우 상기 멀티 디바이스 환경인 것으로 판단하는 동작; 중 적어도 하나를 포함하는 방법.
PCT/KR2023/014177 2022-09-19 2023-09-19 전자 장치 및 전자 장치의 사용자 발화 처리 방법 WO2024063507A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220117867 2022-09-19
KR10-2022-0117867 2022-09-19
KR1020220142832A KR20240039565A (ko) 2022-09-19 2022-10-31 전자 장치 및 전자 장치의 사용자 발화 처리 방법
KR10-2022-0142832 2022-10-31

Publications (1)

Publication Number Publication Date
WO2024063507A1 true WO2024063507A1 (ko) 2024-03-28

Family

ID=90454949

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/014177 WO2024063507A1 (ko) 2022-09-19 2023-09-19 전자 장치 및 전자 장치의 사용자 발화 처리 방법

Country Status (1)

Country Link
WO (1) WO2024063507A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180277107A1 (en) * 2017-03-21 2018-09-27 Harman International Industries, Inc. Execution of voice commands in a multi-device system
KR20190094307A (ko) * 2019-06-04 2019-08-13 엘지전자 주식회사 다른 기기의 동작을 제어할 수 있는 인공 지능 기기 및 그의 동작 방법
KR20210045241A (ko) * 2019-10-16 2021-04-26 삼성전자주식회사 전자 장치 및 전자 장치의 음성 명령어 공유 방법
KR20220078866A (ko) * 2020-12-04 2022-06-13 삼성전자주식회사 외부 장치의 음성 기반 제어를 위한 방법 및 그 전자 장치
KR20220105036A (ko) * 2021-01-19 2022-07-26 삼성전자주식회사 전자 장치 및 그 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180277107A1 (en) * 2017-03-21 2018-09-27 Harman International Industries, Inc. Execution of voice commands in a multi-device system
KR20190094307A (ko) * 2019-06-04 2019-08-13 엘지전자 주식회사 다른 기기의 동작을 제어할 수 있는 인공 지능 기기 및 그의 동작 방법
KR20210045241A (ko) * 2019-10-16 2021-04-26 삼성전자주식회사 전자 장치 및 전자 장치의 음성 명령어 공유 방법
KR20220078866A (ko) * 2020-12-04 2022-06-13 삼성전자주식회사 외부 장치의 음성 기반 제어를 위한 방법 및 그 전자 장치
KR20220105036A (ko) * 2021-01-19 2022-07-26 삼성전자주식회사 전자 장치 및 그 제어 방법

Similar Documents

Publication Publication Date Title
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2022163963A1 (ko) 전자 장치 및 전자 장치의 단축 명령어 수행 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024063507A1 (ko) 전자 장치 및 전자 장치의 사용자 발화 처리 방법
WO2024063508A1 (ko) 전자 장치 및 복수의 장치들의 동작 상태를 제공하는 방법
WO2024080729A1 (ko) 전자 장치 및 상기 전자 장치에서 위치 기반 컨텍스트를 이용하여 사용자의 발화를 처리하는 방법
WO2024080745A1 (ko) 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2024043592A1 (ko) 전자 장치 및 텍스트 음성 변환의 속도 제어 방법
WO2024076139A1 (ko) 전자 장치 및 상기 전자 장치에서 사용자의 발화를 처리하는 방법
WO2023106649A1 (ko) 추천 명령어를 이용하여 음성 인식을 수행하는 전자 장치
WO2023249359A1 (ko) 전자 장치 및 오프라인 장치 등록 방법
WO2022025448A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2023075225A1 (ko) 전자 장치 및 그의 동작 방법
WO2022270735A1 (ko) 전자 장치 및 전자 장치와 타겟 장치 간의 거리에 기초하여 생성되는 객체를 출력하는 방법
WO2023132470A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2024072142A1 (ko) 서술어를 포함하지 않는 발화를 처리하는 전자 장치, 동작 방법 및 저장 매체
WO2022220559A1 (en) Electronic device for processing user utterance and control method thereof
WO2024043729A1 (ko) 전자 장치 및 전자 장치의 사용자에 대한 응답 처리 방법
WO2024043670A1 (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2024010284A1 (ko) 끝점 검출 시간 결정 방법 및 상기 방법을 수행하는 전자 장치
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2024029851A1 (ko) 전자 장치 및 음성 인식 방법
WO2023149707A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2023177079A1 (ko) 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 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: 23868559

Country of ref document: EP

Kind code of ref document: A1