WO2024071946A1 - Speech characteristic-based translation method and electronic device for same - Google Patents

Speech characteristic-based translation method and electronic device for same Download PDF

Info

Publication number
WO2024071946A1
WO2024071946A1 PCT/KR2023/014738 KR2023014738W WO2024071946A1 WO 2024071946 A1 WO2024071946 A1 WO 2024071946A1 KR 2023014738 W KR2023014738 W KR 2023014738W WO 2024071946 A1 WO2024071946 A1 WO 2024071946A1
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
voice
text
processor
speech
Prior art date
Application number
PCT/KR2023/014738
Other languages
French (fr)
Korean (ko)
Inventor
신호선
송가진
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 KR1020220127120A external-priority patent/KR20240043021A/en
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2024071946A1 publication Critical patent/WO2024071946A1/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input 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
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04817Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/40Processing or translation of natural language
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/02Feature extraction for speech recognition; Selection of recognition unit
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/26Speech to text systems
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00Speaker identification or verification techniques
    • G10L17/04Training, enrolment or model building
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00Speaker identification or verification techniques
    • G10L17/06Decision making techniques; Pattern matching strategies
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78Detection of presence or absence of voice signals
    • G10L25/87Detection of discrete points within a voice signal
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93Discriminating between voiced and unvoiced parts of speech signals

Definitions

  • Embodiments disclosed in this document relate to a translation method based on speech features and an electronic device therefor.
  • the electronic device may be configured to provide translation or interpretation.
  • the electronic device may acquire the user's voice (eg, speech) and provide translation or interpretation corresponding to the user's speech.
  • An electronic device can acquire a voice signal from a user, perform voice recognition on the voice signal, and obtain text corresponding to the voice signal.
  • the electronic device can provide translation corresponding to the user's speech by providing translated text for the text.
  • the electronic device may provide interpretation through audio output based on the translated text.
  • translation based on machine learning can be used.
  • translation may be performed using a model learned using a transformer.
  • the electronic device may obtain a text translated from the first language into the second language by inputting the text of the first language into a learned model.
  • the electronic device can perform translation in units of one sentence or multiple words.
  • Users can translate speech in real time using a translation application installed on the electronic device. For example, a user can translate the conversation partner's speech into his or her native language, or translate his or her own speech into the other person's native language.
  • the user can cause the electronic device to listen to the speech by performing input to the electronic device.
  • the electronic device can activate the microphone based on user input and acquire speech through the activated microphone. Even if there is no user input to end listening, the electronic device can end listening. For example, when the end point of the speech is identified, the electronic device can deactivate the microphone and proceed with translation of the acquired speech.
  • Users can communicate with others who speak different languages. For example, a user can translate his or her speech using a translation application for conversation.
  • the electronic device can identify the endpoint from the user's speech and end listening.
  • the other party can give a speech after listening is completed. In this case, the user may need to activate the listening of the translation application again and request the other party to speak again.
  • An electronic device may include a microphone, a display, memory, and a processor.
  • Memory can store instructions executable by the processor.
  • the processor may activate the microphone based on a first user input to activate speech translation.
  • the processor may receive an audio signal through an activated microphone and detect a first end point from the first voice signal included in the audio signal.
  • the processor may display the first text based on a speech recognition result for the first speech signal preceding the first endpoint and the translated first text corresponding to the first text on the display.
  • the processor may maintain the microphone activated for at least a first period of time following the first endpoint.
  • the processor When at least a portion of the second voice signal is detected from an audio signal acquired using a microphone within a first time interval, the processor detects a second endpoint of the second voice signal, and detects a second voice signal preceding the second endpoint.
  • the second voice characteristic of the signal may be compared with the first voice characteristic of the first voice signal. If the first voice characteristic and the second voice characteristic do not match, the processor may display the second text based on the voice recognition result for the second voice signal. If the first voice characteristic and the second voice characteristic match, the processor may translate the second text and the second text into the target language and display the translated second text.
  • the operation of activating the microphone of the electronic device based on a first user input to activate voice translation, and transmitting an audio signal through the activated microphone An operation of receiving, an operation of detecting a first end point from a first voice signal included in an audio signal, a first text and a first text based on a voice recognition result for the first voice signal preceding the first end point It may include displaying the translated first text corresponding to on the display of the electronic device.
  • the method further comprises, when at least a portion of the second speech signal is detected using the microphone within a first time interval subsequent to the first endpoint, combining the second speech characteristic of the second speech signal and the first speech characteristic of the first speech signal. May include comparison operations.
  • the method may include displaying a second text based on a speech recognition result for the second speech signal if the first speech characteristic and the second speech characteristic do not match based on the comparison.
  • the method may include, when the first voice characteristic and the second voice characteristic match, translating the second text and the second text into the target language and displaying the translated second text.
  • An electronic device can provide smoother translation through extended listening time.
  • An electronic device can provide translation that meets the user's intent by determining whether to translate based on voice characteristics.
  • An electronic device can increase user convenience through a translation application.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments.
  • Figure 2 is a block diagram showing an integrated intelligence system according to an embodiment.
  • Figure 3 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • FIG. 4 is a diagram illustrating a user terminal displaying a screen for processing voice input received through an intelligent app, according to one embodiment.
  • Figure 5 illustrates a translation environment using an electronic device according to an embodiment.
  • Figure 6 shows a block diagram of an electronic device according to an embodiment.
  • FIG. 7A shows configurations of an electronic device according to an embodiment.
  • FIG. 7B shows configurations of an electronic device and a peripheral electronic device according to an embodiment.
  • Figure 8 shows an example of a conversation for which translation is provided.
  • Figure 9 shows an example of a conversation for which translation is provided.
  • Figure 10 shows an example of a conversation for which translation is provided.
  • FIG. 11 illustrates a translation UI of an electronic device according to an embodiment.
  • FIG. 12 illustrates a translation UI of an electronic device according to an embodiment.
  • FIG. 13 illustrates a translation UI of an electronic device according to an embodiment.
  • Figure 14 illustrates a translation UI of an electronic device according to an embodiment.
  • Figure 15 shows a flowchart of a method for providing translation on an electronic device according to an embodiment.
  • Figure 16 shows a flowchart of a method for providing translation on an electronic device according to an embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100, according to various embodiments.
  • the electronic device 101 communicates with the electronic device 102 through a first network 198 (e.g., a short-range wireless communication network) or a second network 199. It is possible to communicate with at least one of the electronic device 104 or the server 108 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • a first network 198 e.g., a short-range wireless communication network
  • a second network 199 e.g., a second network 199.
  • the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or may include an antenna module 197.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added to the electronic device 101.
  • some of these components e.g., sensor module 176, camera module 180, or antenna module 197) are integrated into one component (e.g., display module 160). It can be.
  • the processor 120 for example, executes software (e.g., program 140) to operate at least one other component (e.g., hardware or software component) of the electronic device 101 connected to the processor 120. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132. The commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • software e.g., program 140
  • the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132.
  • the commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • the processor 120 includes a main processor 121 (e.g., a central processing unit or an application processor) or an auxiliary processor 123 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 121 e.g., a central processing unit or an application processor
  • auxiliary processor 123 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 101 includes a main processor 121 and a secondary processor 123
  • the secondary processor 123 may be set to use lower power than the main processor 121 or be specialized for a designated function. You can.
  • the auxiliary processor 123 may be implemented separately from the main processor 121 or as part of it.
  • the auxiliary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (e.g., sleep) state, or while the main processor 121 is in an active (e.g., application execution) state. ), together with the main processor 121, at least one of the components of the electronic device 101 (e.g., the display module 160, the sensor module 176, or the communication module 190) At least some of the functions or states related to can be controlled.
  • co-processor 123 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 180 or communication module 190. there is.
  • the auxiliary processor 123 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 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 108).
  • 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 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101. Data may include, for example, input data or output data for software (e.g., program 140) and instructions related thereto.
  • Memory 130 may include volatile memory 132 or non-volatile memory 134.
  • the program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142, middleware 144, or application 146.
  • the input module 150 may receive commands or data to be used in a component of the electronic device 101 (e.g., the processor 120) from outside the electronic device 101 (e.g., a user).
  • the input module 150 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 155 may output sound signals to the outside of the electronic device 101.
  • the sound output module 155 may include, for example, a speaker or a receiver. 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 160 can visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 170 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 101). Sound may be output through the electronic device 102 (e.g., speaker or headphone).
  • the electronic device 102 e.g., speaker or headphone
  • the sensor module 176 detects the operating state (e.g., power or temperature) of the electronic device 101 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 176 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 177 may support one or more designated protocols that can be used to connect the electronic device 101 directly or wirelessly with an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 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 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 can capture still images and moving images.
  • the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 can manage power supplied to the electronic device 101.
  • the power management module 188 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101.
  • the battery 189 may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • Communication module 190 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between electronic device 101 and an external electronic device (e.g., electronic device 102, electronic device 104, or server 108). It can support establishment and communication through established communication channels. Communication module 190 operates independently of processor 120 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 120 e.g., an application processor
  • the communication module 190 is a wireless communication module 192 (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 194 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 192 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 194 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 198 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (e.g., legacy It may communicate with an external electronic device 104 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 192 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio 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.
  • the wireless communication module 192 may support high frequency bands (eg, mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 192 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive array multiple-input and multiple-output (MIMO), 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 192 may support various requirements specified in the electronic device 101, an external electronic device (e.g., electronic device 104), or a network system (e.g., second network 199).
  • the wireless communication module 192 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 197 may transmit signals or power to or receive signals or power from the outside (e.g., an external electronic device).
  • the antenna module 197 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected to the plurality of antennas by, for example, the communication module 190. can be selected. Signals or power may be transmitted or received between the communication module 190 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 197.
  • RFIC radio frequency integrated circuit
  • 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 first side e.g., bottom side
  • a designated high frequency band e.g., mmWave band
  • a plurality of antennas e.g., array antennas
  • 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 101 and the external electronic device 104 through the server 108 connected to the second network 199.
  • Each of the external electronic devices 102 or 104 may be of the same or different type as the electronic device 101.
  • all or part of the operations performed in the electronic device 101 may be executed in one or more of the external electronic devices 102, 104, or 108.
  • the electronic device 101 may perform the function or service instead of executing 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 101.
  • the electronic device 101 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 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of Things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or server 108 may be included in the second network 199.
  • the electronic device 101 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • 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 136 or external memory 138) that can be read by a machine (e.g., electronic device 101). It may be implemented as software (e.g., program 140) including these.
  • a processor e.g., processor 120
  • 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 identically or similarly to 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.
  • Figure 2 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 201, an intelligent server 300, and a service server 400.
  • the user terminal 201 (e.g., the electronic device 101 in FIG. 1) of one embodiment may be a terminal device (or electronic device) capable of connecting to the Internet, for example, a mobile phone, a smartphone, or a personal digital assistant (PDA). It may be a 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
  • PDA personal digital assistant
  • TV television
  • white appliance a white appliance
  • HMD head mounted device
  • the user terminal 201 may include a communication interface 290, a microphone 270, a speaker 255, a display 260, a memory 230, and/or a processor 220. there is.
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 290 may be connected to an external device and configured to transmit and receive data.
  • the microphone 270 e.g., the audio module 170 of FIG. 1 may receive sound (e.g., a user's speech) and convert it into an electrical signal.
  • the speaker 255 e.g., the sound output module 155 of FIG. 1 may output an electrical signal as sound (e.g., voice).
  • Display 260 e.g., display module 160 of FIG. 1) may be configured to display images or video.
  • the display 260 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 230 may store a client module 231, a software development kit (SDK) 233, and a plurality of applications.
  • the client module 231 and SDK 233 may form a framework (or solution program) for performing general functions. Additionally, the client module 231 or SDK 233 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 235a and/or a second app 235b.
  • 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 220 to sequentially execute at least some of the plurality of operations.
  • the processor 220 in one embodiment may control the overall operation of the user terminal 201.
  • the processor 220 may be electrically connected to the communication interface 290, microphone 270, speaker 255, and display 260 to perform designated operations.
  • processor 220 may include at least one processor.
  • the processor 220 of one embodiment may also execute a program stored in the memory 230 to perform a designated function.
  • the processor 220 may execute at least one of the client module 231 or the SDK 233 and perform the following operations for processing voice input.
  • the processor 220 may control the operation of a plurality of applications through, for example, the SDK 233.
  • the following operations described as operations of the client module 231 or SDK 233 may be operations performed by execution of the processor 220.
  • the client module 231 in one embodiment may receive voice input.
  • the client module 231 may receive a voice signal corresponding to a user utterance detected through the microphone 270.
  • the client module 231 may transmit the received voice input (eg, voice signal) to the intelligent server 300.
  • the client module 231 may transmit status information of the user terminal 201 to the intelligent server 300 along with the received voice input.
  • the status information may be, for example, execution status information of an app.
  • the client module 231 of one embodiment may receive a result corresponding to the received voice input from the intelligent server 300. For example, if the intelligent server 300 can calculate a result corresponding to the received voice input, the client module 231 may receive a result corresponding to the received voice input. The client module 231 may display the received result on the display 260.
  • the client module 231 of one embodiment may receive a plan corresponding to the received voice input.
  • the client module 231 can display the results of executing multiple operations of the app according to the plan on the display 260.
  • the client module 231 may sequentially display execution results of a plurality of operations on a display.
  • the user terminal 201 may display only some results of executing a plurality of operations (eg, the result of the last operation) on the display.
  • the client module 231 may receive a request from the intelligent server 300 to obtain information necessary to calculate a result corresponding to the voice input. According to one embodiment, the client module 231 may transmit the necessary information to the intelligent server 300 in response to the request.
  • the client module 231 in one embodiment may transmit information as a result of executing a plurality of operations according to the plan to the intelligent server 300.
  • the intelligent server 300 can use the result information to confirm that the received voice input has been processed correctly.
  • the client module 231 in one embodiment may include a voice recognition module. According to one embodiment, the client module 231 may recognize voice input performing a limited function through the voice recognition module. For example, the client module 231 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 231 may recognize voice input performing a limited function through the voice recognition module.
  • the client module 231 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 300 receives information related to the user voice input from the user terminal 201 through the network 299 (e.g., the first network 198 and/or the second network 199 in FIG. 1). You can receive it. According to one embodiment, the intelligent server 300 may change data related to the received voice input into text data. According to one embodiment, the intelligent server 300 may generate at least one plan for performing a task corresponding to the user's voice input based on the text data.
  • the plan may be generated by an artificial 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 300 of one embodiment may transmit a result according to the generated plan to the user terminal 201 or transmit the generated plan to the user terminal 201.
  • the user terminal 201 may display results according to the plan on the display 260.
  • the user terminal 201 may display the results of executing an operation according to the plan on the display 260.
  • the intelligent server 300 of one embodiment includes a front end 310, a natural language platform 320, a capsule database 330, an execution engine 340, It may include an end user interface (350), a management platform (360), a big data platform (370), or an analytic platform (380).
  • the front end 310 of one embodiment may receive a voice input received by the user terminal 201 from the user terminal 201 .
  • the front end 310 may transmit a response corresponding to the voice input to the user terminal 201.
  • the natural language platform 320 includes an automatic speech recognition module (ASR module) 321, a natural language understanding module (NLU module) 323, and a planner module ( It may include a planner module (325), a natural language generator module (NLG module) (327), and/or a text to speech module (TTS module) (329).
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • planner module It may include a planner module (325), a natural language generator module (NLG module) (327), and/or a text to speech module (TTS module) (329).
  • the automatic voice recognition module 321 of one embodiment may convert voice input received from the user terminal 201 into text data.
  • the natural language understanding module 323 in one embodiment may determine the user's intention using text data of voice input. For example, the natural language understanding module 323 may perform syntactic analysis and/or semantic analysis to determine the user's intention.
  • the natural language understanding module 323 in one embodiment determines the meaning of a word extracted from a voice input using linguistic features (e.g., grammatical elements) of a morpheme or phrase, and matches the meaning of the identified word to the user's intention. You can determine your intention.
  • the planner module 325 in one embodiment may generate a plan using the intent and parameters determined by the natural language understanding module 323. According to one embodiment, the planner module 325 may determine a plurality of domains required to perform the task based on the determined intention. The planner module 325 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 325 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 325 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 325 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 325 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 executing the plurality of operations. Accordingly, the planner module 325 may generate a plan that includes association information (eg, ontology) between a plurality of operations and a plurality of concepts. The planner module 325 can create a plan using information stored in the capsule database 330, which stores a set of relationships between concepts and operations.
  • association information eg, ontology
  • the natural language generation module 327 of one embodiment may change specified 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 329 in one embodiment can change information in text form into information in voice form.
  • the user terminal 201 may include an automatic speech recognition module and/or a natural language understanding module. After the user terminal 201 recognizes the user's voice command, it can transmit text information corresponding to the recognized voice command to the intelligent server 300.
  • the user terminal 201 may include a text-to-speech module. The user terminal 201 may receive text information from the intelligent server 300 and output the received text information as voice.
  • the capsule database 330 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 330 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 330.
  • the capsule database 330 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 330 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 330 may include a layout registry that stores layout information of information output through the user terminal 201.
  • the capsule database 330 may include a vocabulary registry where vocabulary information included in capsule information is stored.
  • the capsule database 330 may include a dialogue registry in which information about dialogue (or interaction) with a user is stored.
  • the capsule database 330 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 330 may also be implemented within the user terminal 201.
  • the execution engine 340 of one embodiment may calculate a result using the generated plan.
  • the end user interface 350 may transmit the calculated result to the user terminal 201. Accordingly, the user terminal 201 can receive the result and provide the received result to the user.
  • the management platform 360 of one embodiment can manage information used in the intelligent server 300.
  • the big data platform 370 in one embodiment may collect user data.
  • the analysis platform 380 of one embodiment may manage quality of service (QoS) of the intelligent server 300. For example, the analytics platform 380 can manage the components and processing speed (or efficiency) of the intelligent server 300.
  • QoS quality of service
  • the service server 400 in one embodiment may provide a designated service (eg, food ordering or hotel reservation) to the user terminal 201.
  • the service server 400 may be a server operated by a third party.
  • the service server 400 in one embodiment may provide the intelligent server 300 with information for creating a plan corresponding to the received voice input. The provided information may be stored in the capsule database 330. Additionally, the service server 400 may provide result information according to the plan to the intelligent server 300.
  • the service server 400 may communicate with the intelligent server 300 and/or the user terminal 201 through the network 299.
  • the service server 400 can communicate with the intelligent server 300 through a separate connection.
  • the service server 400 is shown as one server in FIG. 2, the embodiments of this document are not limited thereto. At least one of the services 401, 402, and 403 of the service server 400 may be implemented as a separate server.
  • the user terminal 201 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 201 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app).
  • the user terminal 201 recognizes a user utterance or voice input received through the microphone 270 and provides a service corresponding to the recognized voice input to the user. can do.
  • the user terminal 201 may perform a designated operation alone or together with the intelligent server 300 and/or the service server 400 based on the received voice input. For example, the user terminal 201 may run an app corresponding to a received voice input and perform a designated operation through the executed app.
  • the user terminal 201 when the user terminal 201 provides a service together with the intelligent server 300 and/or the service server 400, the user terminal 201 uses the microphone 270 to It is possible to detect an utterance and generate a signal (or voice data) corresponding to the detected user utterance.
  • the user terminal 201 may transmit the voice data to the intelligent server 300 using the communication interface 290.
  • the intelligent server 300 In response to a voice input received from the user terminal 201, the intelligent server 300 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 201 in one embodiment may receive the response using the communication interface 290.
  • the user terminal 201 uses the speaker 255 to output a voice signal generated inside the user terminal 201 to the outside, or uses the display 260 to output an image generated inside the user terminal 201 to the outside. It can be output as .
  • Figure 3 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 330) of the intelligent server 300 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 331, capsule B 334) corresponding to each of a plurality of domains (eg, applications).
  • one capsule e.g., capsule A 331) may correspond to one domain (e.g., location (geo), application).
  • one capsule contains at least one capsule of a service provider (e.g., CP 1 (332), CP 2 (333), CP3 (335), and/or CP4 (336) to perform functions for the domain associated with the capsule. )) can correspond.
  • a service provider e.g., CP 1 (332), CP 2 (333), CP3 (335), and/or CP4 (336) to perform functions for the domain associated with the capsule.
  • one capsule may include at least one operation 330a and at least one concept 330b for performing a designated function.
  • the natural language platform 320 may create a plan for performing a task corresponding to the received voice input using the capsule stored in the capsule database 330.
  • the planner module 325 of the natural language platform can create a plan using capsules stored in the capsule database.
  • create a plan 337 using the operations 331a, 332a and concepts 331b, 332b of capsule A 331 and the operations 334a and concept 334b of capsule B 334. can do.
  • Figure 4 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 201 can run an intelligent app to process user input through the intelligent server 300.
  • the user terminal 201 when the user terminal 201 recognizes a designated voice input (eg, wake up! or receives an input through a hardware key (eg, a dedicated hardware key), the user terminal 201 It can run intelligent apps to process input. For example, the user terminal 201 may run an intelligent app while executing a schedule app. According to one embodiment, the user terminal 201 may display an object (eg, an icon) 211 corresponding to an intelligent app on the display 260. According to one embodiment, the user terminal 201 may receive voice input through a user's utterance.
  • a designated voice input eg, wake up
  • a hardware key eg, a dedicated hardware key
  • the user terminal 201 may receive a voice input saying “Tell me this week’s schedule!”
  • the user terminal 201 may display a user interface (UI) 213 (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 201 may display a result corresponding to the received voice input on the display.
  • the user terminal 201 may receive a plan corresponding to the received user input and display ‘this week’s schedule’ on the display according to the plan.
  • Figure 5 illustrates a translation environment using an electronic device according to an embodiment.
  • the voice translation environment 500 may include an electronic device 501, a server device 511, and/or a peripheral electronic device 521.
  • the electronic device 501 may correspond to the electronic device 101 of FIG. 1 or the user terminal 201 of FIG. 2.
  • server device 511 may correspond to server 108 in FIG. 1 or intelligent server 300 in FIG. 2.
  • the peripheral electronic device 521 may correspond to the electronic device 102 of FIG. 1 .
  • the electronic device 501 may be referred to as a listener device that receives the utterance 590 of the speaker 599.
  • the electronic device 501 may include a translation application.
  • the translation application may be included in a voice assistant application (eg, the client module 231 in FIG. 2).
  • the electronic device 501 may receive the utterance 590 of the speaker 599 using a voice reception circuit (eg, the audio module 170 of FIG. 1).
  • the electronic device 501 may receive the speaker 599's utterance 590 using a peripheral electronic device 521 (e.g., augmented reality glasses, ear buds, or any listening device). You can.
  • a peripheral electronic device 521 e.g., augmented reality glasses, ear buds, or any listening device. You can.
  • a user may run the translation application on the electronic device 501 and then translate the utterance 590 using the translation application.
  • the electronic device 501 may acquire a voice signal corresponding to the utterance 590.
  • the electronic device 501 can perform automatic voice recognition on voice signals.
  • the electronic device 501 may directly perform automatic voice recognition.
  • the electronic device 501 may transmit a voice signal to the server device 511 and receive a voice recognition result for the voice signal from the server device 511. Based on the voice recognition result, the electronic device 501 may provide translation corresponding to the voice.
  • the electronic device 501 may translate the voice recognition result into the target language and provide the translation result to the user.
  • the electronic device 501 may be configured to provide translation results visually and/or tactilely.
  • the server device 511 may perform at least some operations for translation.
  • the server device 511 may receive a voice signal from the electronic device 501 and perform automatic voice recognition on the voice signal (e.g., using the automatic voice module 321 of FIG. 2). .
  • the server device 511 may be set to provide a translation result to the electronic device 501 based on a voice signal received from the electronic device 501.
  • electronic device 501 may perform translation without assistance from server device 511. In this case, the server device 511 may be omitted.
  • the translation environment 500 described above with reference to FIG. 5 is illustrative, and embodiments of the present disclosure are not limited thereto. Those skilled in the art will understand that the server device 511 and/or the peripheral electronic device 521 may be omitted. As will be described later, utterances of users other than the user (eg, speaker 599) may also be translated by the translation application of the electronic device 501.
  • Figure 6 shows a block diagram of an electronic device according to an embodiment.
  • the electronic device 501 may include a processor 620, memory 630, microphone 650, display 660, and/or communication circuit 690.
  • the processor 620 may correspond to the processor 120 of FIG. 1 or the processor 220 of FIG. 2.
  • memory 630 may correspond to memory 130 of FIG. 1 or memory 230 of FIG. 2 .
  • the microphone 650 may correspond to the audio module 170 of FIG. 1 or the microphone 270 of FIG. 2.
  • display 660 may correspond to display module 160 of FIG. 1 or display 260 of FIG. 2 .
  • the communication circuit 690 may correspond to the communication module 190 of FIG. 1 or the communication interface 290 of FIG. 2.
  • the configuration of the electronic device 601 in FIG. 6 is an example, and the electronic device 601 may further include a configuration not shown in FIG. 6 .
  • Processor 620 may be electrically, operatively, or functionally connected to memory 630, microphone 650, display 660, and/or communication circuitry 690. there is.
  • one component when one component is “operably” connected to another component, it may mean that one component is connected to operate the other component. For example, one component may actuate another component by transmitting a control signal to the other component, either directly or via another component.
  • one component when one component is “functionally” connected to another component, it may mean that one component is connected to execute the function of the other component. For example, one component may execute the function of another component by transmitting a control signal to the other component directly or via another component.
  • Memory 630 may store instructions. When executed by the processor 620, the instructions may cause the electronic device 501 to perform various operations. In this disclosure, the operation of the electronic device 501 may be referred to as an operation performed by the processor 620 by executing instructions stored in the memory 630.
  • the microphone 650 can convert sound signals into electrical signals.
  • the electronic device 501 may convert the electrical signal received from the microphone 650 into a digital signal and perform data processing based on the digital signal.
  • the communication circuit 690 may provide communication between the electronic device 501 and other electronic devices (eg, the server device 511 and/or the peripheral electronic device 521 of FIG. 5 ).
  • Communication circuitry 690 may support wired and/or wireless communication.
  • Communication circuitry 690 may support short-range wireless communication and/or long-range wireless communication.
  • Electronic device 501 may provide translation.
  • the electronic device 501 may acquire speech data using the microphone 650 or the communication circuit 690.
  • the electronic device 501 may obtain text data by performing automatic voice recognition on speech data.
  • the electronic device 501 may obtain translated text data by performing translation on text data.
  • the electronic device 501 may provide translated text data through, for example, the display 660.
  • the electronic device 501 may transmit text data to an external electronic device (eg, the server device 511 of FIG. 5) and receive translated text data from the external electronic device.
  • the electronic device 501 may provide the translated text through the display 660 or through a speaker (not shown).
  • the electronic device 501 may detect an endpoint from the user's utterance.
  • the electronic device 501 may maintain the activated state of the microphone 650 for a predetermined period of time when the endpoint is detected. Within a predetermined time after detecting the endpoint, the electronic device 501 can acquire a new utterance. In this case, the electronic device 501 may determine whether to translate the new utterance by comparing the speech characteristics of the utterance acquired before the end point and the new utterance acquired after the end point.
  • various examples of the translation method of the electronic device 501 may be described with reference to FIGS. 7A to 16 .
  • the electronic device 501 may include a display 660, a memory 630, and a processor 620.
  • the memory 630 may store instructions that, when executed by the processor 620, allow the processor 620 to perform various operations.
  • FIG. 7A shows configurations of an electronic device according to an embodiment.
  • the electronic device 501-1 in FIG. 7A is an example of the electronic device 501 in FIG. 6 .
  • the electronic device 501-1 of FIG. 7A may be an electronic device that includes the configuration of the electronic device 501 described above with reference to FIG. 6 .
  • the description of the electronic device 501-1 described later in relation to FIG. 7A may be equally applied to the electronic device 501 of FIG. 6.
  • the electronic device 501-1 may include a plurality of modules.
  • the components of the electronic device 501-1 described with reference to FIG. 7A may be software modules implemented by executing instructions stored in the memory 630 by the processor 620.
  • At least some of the modules of the electronic device 501-1 may be hardware modules.
  • the memory 630 may store the speaker identification model DB 745.
  • EPD end point detection
  • speaker identification module 740 speaker identification module 740
  • ASR module 750 translation module 760
  • execution module 770 execution module 770
  • microphone control module 780 It may be a software module.
  • the electronic device 501-1 may activate the microphone 650 based on user input.
  • the electronic device 501 may display the UI (eg, UI of FIG. 11 ) of the translation application on the display 660 according to the execution of the translation application.
  • the electronic device 501-1 may activate the microphone 650 when an input to the UI (eg, an input to the button 1110 of FIG. 11) is received.
  • the electronic device 501-1 may activate the microphone 650 using the microphone control module 780.
  • the electronic device 501-1 can acquire an audio signal.
  • an audio signal may be referred to as digitized audio information or an analog audio signal, unless otherwise specified.
  • a voice signal may refer to a signal corresponding to a voice band among audio signals or the audio signal itself.
  • the electronic device 501-1 performs preprocessing on the audio signal (e.g., frequency band filtering, noise suppression, automatic gain control (AGC), acoustic echo cancelling (AEC), noise cancellation, and/or A voice signal can be obtained from an audio signal through windowing.
  • preprocessing e.g., frequency band filtering, noise suppression, automatic gain control (AGC), acoustic echo cancelling (AEC), noise cancellation, and/or
  • a voice signal can be obtained from an audio signal through windowing.
  • the electronic device 501-1 can identify voice characteristics from a voice signal.
  • the electronic device 501-1 may identify voice features (eg, at least one of speaker, age, gender, or language) using the speaker identification module 740.
  • the speaker identification module 740 can identify voice features corresponding to the voice signal by extracting a voice vector from the voice signal.
  • the speaker identification module 740 may identify at least one of the speaker, age, gender, or language of the voice included in the voice signal based on the voice vector.
  • the speaker identification module 740 can identify the speaker of a voice from a voice signal.
  • the speaker identification model DB 745 may include at least one speaker identification model (eg, speaker identification vector).
  • One speaker identification model may correspond to a previously generated speech vector based on the speech of one speaker.
  • the speaker identification module 740 converts the received voice signal into a voice vector and compares the voice vector with the speaker identification model stored in the speaker identification model DB 745 to identify the speaker. For example, if the similarity (e.g., likelihood ratio test (LRT), Euclidian distance, or Cosine similarity) between the speech vector and the speaker identification model is greater than or equal to the specified similarity, the speaker identification module 740 determines that the speaker in the speech signal is stored. It can be determined by corresponding to the speaker in the identification model.
  • LRT likelihood ratio test
  • the speaker identification module 740 may identify the speaker's age and/or gender from the voice signal. For example, the speaker identification module 740 may extract features of a voice signal and identify the speaker's age, gender, and/or language based on the pattern of features.
  • the speaker identification module 740 can extract linguistic features of the voice signal and identify the language of the voice included in the voice signal based on the feature pattern. In one example, language identification of the speech signal may be performed by translation module 760.
  • the ASR module 750 may convert a voice signal obtained by the microphone 650 into text.
  • the electronic device 505-1 may display text converted by the ASR module 750 on the display 660.
  • the electronic device 505-1 can convert voice signals in real time and display text.
  • EPD module 730 can detect the endpoint from the voice signal. For example, the EPD module 730 may detect the end point of the voice signal when a silence section exceeding the first threshold time is detected from the voice signal. In the present disclosure, a silent section may be referred to as a section in which no voice is detected from a voice signal. The EPD module 730 may detect a section in which the volume of the voice signal is less than or equal to a specified value as a silent section. The EPD module 730 may detect a section in which a signal component corresponding to a designated band (e.g., human voice band) is not detected from the voice signal as a silent section. When an endpoint is identified from a voice signal, the EPD module 730 may transmit information indicating that the endpoint has been identified to the ASR module 750.
  • a designated band e.g., human voice band
  • the electronic device 501-1 may maintain the microphone 650 in an activated state even if an endpoint is detected.
  • the electronic device 501-1 may maintain the microphone 650 in an activated state for at least a specified time (eg, a second threshold time) after detecting the endpoint.
  • the electronic device 501-1 may deactivate the microphone 650.
  • the electronic device 501-1 may deactivate the microphone 650 using the microphone control module 780.
  • the ASR module 750 may transmit the text converted from the voice signal to the translation module 760.
  • the converted text may be text corresponding to the voice acquired before endpoint detection.
  • the converted text may be text corresponding to a voice signal (eg, a first voice signal) from when the microphone 650 is activated until the end point is detected.
  • the electronic device 501-1 may acquire a subsequent voice signal (eg, a second voice signal) through the microphone 650.
  • a voice signal acquired subsequent to an endpoint may be referred to as a second voice signal
  • a voice signal acquired prior to an endpoint may be referred to as a first voice signal.
  • the ASR module 750 may display text corresponding to the second voice signal on the display 660.
  • the speaker identification module 740 may compare the first voice feature of the first voice signal and the second voice feature of the second voice signal. For example, speaker identification module 740 may compare the speaker, age, gender, and/or language of the first and second voice signals.
  • the speaker identification module 740 may determine that the second voice characteristic corresponds to the first voice characteristic if the similarity between the first voice characteristic and the second voice characteristic is greater than or equal to a preset value. If the similarity between the first voice feature and the second voice feature is less than a preset value, or if the difference exceeds a specified range, the speaker identification module 740 may determine that the first speaker and the second speaker are different speakers. .
  • the speaker identification module 740 may determine whether the first speaker of the first voice signal and the second speaker of the second voice signal are the same speaker. If the first speaker and the second speaker are determined to be the same speaker, the speaker identification module 740 may determine that the first voice feature and the second voice feature correspond. The speaker identification module 740 may identify the speaker corresponding to the first voice signal using the first voice signal and the speaker identification model stored in the speaker identification module DB 745. The speaker identification module 740 may attempt to identify the speaker corresponding to the second voice signal using the second voice signal and the speaker identification model stored in the speaker identification module DB 745. For example, if the first voice signal and the second voice signal correspond to the same speaker, the speaker identification module 740 may determine that the first voice feature and the second voice feature correspond. For example, when the first voice signal and the second voice signal correspond to different speakers or when speaker identification for the second voice signal fails, the speaker identification module 740 uses the first voice feature and the second voice feature. You can decide not to respond.
  • the speaker identification module 740 may determine that the first voice feature corresponds to the second voice feature if at least one of age, gender, or language of the first voice signal and the second voice signal is the same. .
  • the ASR module 750 may transmit the first text corresponding to the first voice signal to the translation module 760.
  • the translation module 760 may obtain the translated first text by translating the first text obtained from the ASR module 750 into the target language.
  • the translation module 760 may translate the text corresponding to the voice signal into the target language, for example, based on machine learning.
  • the translation methods in this disclosure are exemplary, and those skilled in the art will understand that any of a variety of translation methods may be used.
  • the execution module 770 may provide the translated first text through the display 660.
  • the execution module 770 may provide the translated first text through a speaker (not shown).
  • execution module 770 may cause microphone control module 780 to disable microphone 650 when providing translated first text. In this case, translation for the second text may not be provided. In one example, execution module 770 can display a button for translation of the second text on display 660.
  • the ASR module 750 sends a first text corresponding to the first speech signal and a second text corresponding to the second speech signal to the translation module 760.
  • 2 Text can be transmitted.
  • ASR module 750 may forward the first text and second text to translation module 760 once the endpoint for the second speech signal is identified.
  • the translation module 760 may obtain the translated first and second texts by translating the first and second texts obtained from the ASR module 750 into the target language.
  • the translation module 760 may obtain one translated sentence by combining the first text and the second text and translating it into the target language. there is.
  • the execution module 770 may provide the translated first and second texts through the display 660.
  • the execution module 770 may provide the translated first and second texts through a speaker (not shown).
  • execution module 770 may cause microphone control module 780 to disable microphone 650 when providing translated first and second texts.
  • the first voice feature and the second voice feature do not correspond, but the electronic device 505-1 may provide translated second text that corresponds to the second voice signal.
  • the first voice feature may correspond to the first speaker in the speaker identification model DB 745
  • the second voice feature may correspond to the second speaker in the speaker identification model DB 745.
  • the second voice signal is from a different speaker than the first voice signal
  • the speaker of the second voice signal may also correspond to a speaker previously stored in the electronic device 505-1.
  • the electronic device 505-1 may provide the translated second text.
  • translation of text may be performed by the server device 511 of FIG. 5 .
  • the electronic device 501-1 may transmit text corresponding to the voice signal to the server device using the communication circuit 690 and obtain translated text from the server device.
  • translation module 760 may be omitted.
  • FIG. 7B shows configurations of an electronic device and a peripheral electronic device according to an embodiment.
  • the electronic device 501-2 of FIG. 7B is an example of the electronic device 501 of FIG. 6 .
  • the electronic device 501-2 of FIG. 7B may be an electronic device that includes the configuration of the electronic device 501 described above with reference to FIG. 6 .
  • the description of the electronic device 501-2 described later in relation to FIG. 7B may be equally applied to the electronic device 501 of FIG. 6.
  • the description described with respect to the electronic device 501-1 in FIG. 7A may be applied to the electronic device 501-2 in FIG. 7B.
  • the electronic device 501-2 may obtain an audio signal or voice signal from the surrounding electronic device 521.
  • the electronic device 501-2 may be connected to the peripheral electronic device 521 using the communication circuit 690.
  • the peripheral electronic device 521 may include a microphone 651, a voice activity detection (VAD) module 710, a microphone control module 720, and a communication circuit 691.
  • the peripheral electronic device 521 may communicate with the electronic device 501-2 using the communication circuit 691.
  • the peripheral electronic device 521 may be a wearable electronic device that can be worn on the user's body, such as earbuds or AR glasses.
  • the peripheral electronic device 521 can detect whether the wearer utters a utterance using the VAD module 710.
  • the peripheral electronic device 521 can detect speech by the wearer by using an acceleration sensor to detect a change in acceleration according to the wearer's speech.
  • the peripheral electronic device 521 can inform whether the voice signal was uttered by the wearer.
  • the speaker identification module 740 may determine whether the first voice feature corresponds to the second voice feature based on information received from the peripheral electronic device 521.
  • the first voice signal may be from the wearer of the peripheral electronic device 521, but the second voice signal may not be from the wearer of the peripheral electronic device 521.
  • the electronic device 501-2 may determine that the speaker of the first voice signal and the speaker of the second voice signal are different based on information received from the peripheral electronic device 521.
  • the electronic device 501-2 determines whether the first voice feature of the first voice signal corresponds to the second voice feature of the second voice signal, and provides a translation based on the determination.
  • the execution module 770 may provide feedback (eg, auditory feedback) through the peripheral electronic device 521.
  • the electronic device 501-2 may determine control of the microphone 651 of the peripheral electronic device 521 using the microphone control module 780.
  • the microphone control module 720 of the peripheral electronic device 521 may control the microphone 651 based on the microphone control signal received from the electronic device 501-2.
  • FIGS. 8 to 16 various operations of the electronic device 501 may be described with reference to FIGS. 8 to 16 .
  • the following disclosure may be applied to the electronic device 501-1 in FIG. 7A and/or the electronic device 501-2 in FIG. 7B.
  • Those skilled in the art will understand that descriptions of various operations described below may change depending on the configuration of the electronic device 501-1 in FIG. 7A or the electronic device 501-2 in FIG. 7B.
  • Figure 8 shows an example of a conversation for which translation is provided.
  • a speaker 599 and the other speaker 598 may be having a conversation.
  • speaker 599 may be a user of electronic device 501.
  • the other speaker 598 may be a conversation partner whose speaker identification model is not stored in the electronic device 501.
  • the speaker 599 may utter the first speech 801.
  • the second time section T2 may be a silent section between the first speech 801 and the second speech 802.
  • the second time interval T2 is longer than the first threshold time TH1, but is shorter than the first threshold time TH1 and the second threshold time TH2.
  • the first threshold time (TH1) may be a threshold time for endpoint detection.
  • the electronic device 501 may detect the end point of the first speech 801 by detecting a silence period longer than the first threshold time TH1.
  • the electronic device 501 may maintain the activated state of the microphone 650 for the second threshold time TH2 even after detection of the endpoint.
  • the electronic device 501 may display the first text (e.g., automatic voice recognition result for the first speech) corresponding to the first speech 801 on the display 660.
  • the electronic device 501 may display the translated first text by translating the first text into the target language.
  • the electronic device 501 may acquire the second speech 802.
  • the electronic device 501 may display the second text (e.g., automatic voice recognition result for the second speech) corresponding to the second speech 802 on the display 660.
  • the electronic device 501 may determine whether the first voice feature of the first speech 801 of the electronic device 501 corresponds to the second voice feature of the second speech 802. For example, the electronic device 501 may determine whether the first voice feature and the second voice feature correspond according to the method described above with reference to FIG. 7A. In the example of FIG. 8, because both the first speech 801 and the second speech 802 were uttered by the speaker 599, the electronic device 501 determines that the first speech feature corresponds to the second speech feature. You can decide. In this case, the electronic device 501 may provide translations corresponding to the first text of the first speech 801 and the second text of the second speech 802. Electronic device 501 may provide translations visually and/or audibly. The electronic device 501 may additionally display a translated second text corresponding to the second text.
  • the fourth time section T4 may be a silent section between the second speech 802 and the third speech 803.
  • the fourth time interval T4 is longer than the first threshold time TH1, but is shorter than the first threshold time TH1 and the second threshold time TH2.
  • the electronic device 501 may detect the end point of the second speech 802 by detecting a silence period longer than the first threshold time TH1.
  • the electronic device 501 may provide a translation when the endpoint of the second speech 802 is detected.
  • the electronic device 501 may acquire the third speech 803 through the activated microphone 650.
  • the third speech 803 may be uttered by the other speaker 598.
  • the electronic device 501 may determine whether the second voice feature of the second speech 802 and the second voice feature of the third speech 803 correspond.
  • the electronic device 501 may determine whether the second voice feature and the third voice feature correspond according to the method described above with reference to FIG. 7A.
  • the electronic device 501 because the second speech 802 and the third speech 803 were uttered by different speakers, the electronic device 501 determines that the second speech feature does not correspond to the third speech feature. You can.
  • the electronic device 501 may provide a third text corresponding to the third speech 803.
  • the electronic device 501 may display a button for translating the third text together with the third text.
  • Figure 9 shows an example of a conversation for which translation is provided.
  • the other speaker 598 may perform the fourth speech 904 instead of the third speech 803 of FIG. 8 .
  • Descriptions of the first speech 801 and the second speech 802 may be referenced by the description related to FIG. 8.
  • the electronic device 501 may detect a silence period exceeding the first threshold time TH1 and the second threshold time TH2. As the second threshold time (TH2) is exceeded, the electronic device 501 may deactivate the microphone 650. Accordingly, the fourth speech 903 of the other speaker 598 in the fifth time interval T5 may not be received by the electronic device 501.
  • Figure 10 shows an example of a conversation for which translation is provided.
  • a fellow speaker 597 may speak instead of the other speaker 598 of FIG. 9.
  • the electronic device 501 may be assumed to have stored the speaker identification model of the fellow speaker 597.
  • Descriptions of the first speech 801 and the second speech 802 may be referenced by the description related to FIG. 8 .
  • the fourth time interval T4 is longer than the first threshold time TH1, but is shorter than the first threshold time TH1 and the second threshold time TH2.
  • the electronic device 501 may acquire the fifth speech 1003 through the activated microphone 650.
  • the fifth speech 1003 may be an utterance by a fellow speaker 597.
  • the electronic device 501 may determine whether the second voice feature of the second speech 802 corresponds to the fifth voice feature of the fifth speech 1003. For example, the electronic device 501 may determine whether the second voice feature and the fifth voice feature correspond according to the method described above with reference to FIG. 7A.
  • the electronic device 501 determines that the second speech feature does not correspond to the fifth speech feature. You can. In one example, the electronic device 501 may determine whether the fifth speech 1003 is uttered by the speaker for whom information is stored. If the fifth voice feature of the fifth speech 1003 corresponds to the speaker recognition model stored in the memory 630, the electronic device 501 may determine that the fifth speech 1003 is an utterance by the stored speaker. In this case, the electronic device 501 may visually and/or audibly provide a translation corresponding to the fifth speech 1003.
  • FIG. 11 illustrates a translation UI of an electronic device according to an embodiment.
  • the electronic device 501 may provide a translation UI according to execution of a translation application.
  • the first screen 1100-1 may correspond to an initial screen provided upon execution of a translation application.
  • the first screen 1100-1 may include a listening button 1110.
  • the electronic device 501 may enter the listening mode for at least a specified period of time.
  • the electronic device 501 may activate the microphone 650.
  • the electronic device 501 may display a second screen 1100-2 on the display 660 indicating that it is in listening mode.
  • the electronic device 501 may return to its initial state.
  • the electronic device 501 may output the first screen 1100-1 in the initial state.
  • FIG. 12 illustrates a translation UI of an electronic device according to an embodiment.
  • the electronic device 501 may display the third screen 1200-1 as part of the translation UI.
  • the third screen 1200-1 may be a screen output according to reception of the first speech 801 and the second speech 802 of FIGS. 8, 9, and 10.
  • the electronic device 501 may generate a first text 1210 corresponding to the first speech 801 and a translated first text 1210 corresponding to the first text 1210. Text 1220 can be displayed.
  • the electronic device 501 may display the second text 1230 corresponding to the second speech 802.
  • the electronic device 501 displays the second text 1230 and the translated first speech 802. 2 Text (1240) can be provided.
  • the electronic device 501 may display the translated text adjacent to the corresponding text.
  • the first text 1210 and the second text 1230 may constitute one sentence.
  • the electronic device 501 may provide a translation corresponding to the sentence composed of the first text 1210 and the second text 1230. The translation may be displayed below the second text 1230.
  • FIG. 13 illustrates a translation UI of an electronic device according to an embodiment.
  • the electronic device 501 may display the fifth screen 1300 as part of the translation UI.
  • the fifth screen 1300 may be a screen displayed by the electronic device 501 upon reception of the third speech 803 of FIG. 8.
  • the phonetic characteristics of the second speech 802 may not correspond to the phonetic characteristics of the third speech 803 .
  • the electronic device 501 may display the third text 1310 corresponding to the third speech 803.
  • the electronic device 501 may display a translation button 1320 along with the third text 1310.
  • the electronic device 501 may display the third text 1310, which has different voice characteristics, differently from the first text 1210 and the second text 1230.
  • the electronic device 501 may align the third text 1310 differently from the first text 1210 and the second text 1230.
  • the electronic device 501 may additionally display arbitrary graphics (eg, icons) to distinguish the speaker of the third text 1230.
  • the electronic device 501 may display the listening button 1110 again.
  • Figure 14 illustrates a translation UI of an electronic device according to an embodiment.
  • the electronic device 501 may display the sixth screen 1400 as part of the translation UI.
  • the electronic device 501 may display the translated third text 1410 for the third text 1310. For example, as in the example of FIG. 8, if the voice characteristics are different from the previous voice signal and the speaker of the voice signal is not the stored speaker, the electronic device 501 may display the fifth screen 1300 of FIG. 13. You can. When an input to the translation button 1320 of the fifth screen 1300 is received, the electronic device 501 may display the sixth screen 1400.
  • the third text 1310 may correspond to an utterance by a speaker stored in the electronic device 501 (e.g., fellow speaker 597 in FIG. 10 ).
  • the electronic device 501 can display the translated third text 1410 even if no input for a separate translation button is received.
  • the electronic device 501 may display speech-corresponding text so that speech by different speakers can be visually distinguished for speaker distinction. 12, 13, and 14, the alignment of the text is different depending on the speaker, but this is an example and the embodiments of the present disclosure are not limited thereto.
  • Figure 15 shows a flowchart of a method for providing translation on an electronic device according to an embodiment.
  • the electronic device 501 may be configured to provide translation based on speaker characteristics (e.g., at least one of voice vector, age, gender, or language). .
  • the electronic device 501 activates the microphone 650 and receives first audio.
  • the electronic device 501 may activate the microphone 650 when an input to the listening button 1110 of FIG. 11 is received.
  • the electronic device 501 may receive first audio using the activated microphone 650.
  • the electronic device 501 may determine whether the silent time period exceeds a first threshold time (eg, the first threshold time TH1 in FIG. 8). When a silent time period exceeding the first threshold time is detected, the electronic device 501 may identify the end point. For example, operation 1510 may correspond to the operation of EPD module 730 described above with respect to FIG. 7A. If a silent time period exceeding the first threshold time is not detected (e.g., operation 1510-NO), the electronic device 501 may continue to receive the first audio.
  • a first threshold time e.g., the first threshold time TH1 in FIG. 8
  • the electronic device 501 may display the first audio corresponding text and the translated first text.
  • the electronic device 501 may detect the end point of the first audio and display text corresponding to the first audio using the ASR module 750 described above with reference to FIG. 7A.
  • the electronic device 501 may obtain the translated first text using the translation module 760 described above with reference to FIG. 7A.
  • the electronic device 501 may transmit the first audio-corresponding text to the server device and receive the first audio-corresponding translated text from the server device using the communication circuit 690.
  • the electronic device 501 may determine whether the second audio is received within a second threshold time (eg, the second threshold time TH2 in FIG. 8). For example, when the first threshold time expires, the electronic device 501 may maintain the activated state of the microphone 650 for at least a second threshold time.
  • a second threshold time eg, the second threshold time TH2 in FIG. 8
  • the electronic device 501 may end the listening mode.
  • the electronic device 501 may determine whether the first speaker feature corresponds to the second speaker feature.
  • the first speaker feature may correspond to the speaker feature of the first audio
  • the second speaker feature may correspond to the speaker feature of the second audio.
  • the electronic device 501 may determine whether the first speaker feature corresponds to (eg, matches) the second speaker feature using the speaker identification module 740 of FIG. 7A.
  • Speaker characteristics may include at least one of voice vector, gender, age, or language.
  • the electronic device 501 may display the second audio corresponding text and the translated second text.
  • the translated second text may be a text obtained by translating the second audio corresponding text into the target language.
  • the electronic device 501 may determine whether the second speaker is the stored speaker. For example, when a speaker authentication model corresponding to a second speaker is stored, the electronic device 501 may determine that the second speaker is the stored speaker. If the second speaker is a stored speaker (e.g., operation 1535-YES), the electronic device 501 may display the translated text according to operation 1530.
  • the electronic device 501 may display the second text corresponding to the second audio according to operation 1540. In this case, the electronic device 501 may not display the translated text of the second audio corresponding text.
  • the electronic device 501 may display a button for translating the second text corresponding to the second audio (eg, the translation button 1320 of FIG. 13) along with the second text corresponding to the second audio.
  • Figure 16 shows a flowchart of a method for providing translation on an electronic device according to an embodiment.
  • the electronic device 501 may be set to provide translation based on voice characteristics (eg, at least one of speaker, age, gender, or language).
  • voice characteristics eg, at least one of speaker, age, gender, or language.
  • the electronic device 501 may activate the microphone 650 based on a first user input to activate voice translation. For example, the electronic device 501 may activate the microphone 650 when an input to the listening button 1110 of FIG. 11 is received.
  • the electronic device 501 may receive an audio signal through an activated microphone.
  • the electronic device 501 may detect the first endpoint from the first voice signal included in the audio signal.
  • the electronic device 501 may detect the first endpoint when a silent section exceeding a first threshold time (eg, the first threshold time TH1 in FIG. 8) is identified from the audio signal.
  • operation 1615 may correspond to the operation of EPD module 730 described above with respect to FIG. 7A.
  • the electronic device 501 may display the first text and the translated first text based on the voice recognition result for the first voice signal.
  • the first speech signal may be referenced to a previously acquired speech signal of the first endpoint.
  • the electronic device 501 may display the first text corresponding to the first voice signal using the ASR module 750 described above with reference to FIG. 7A.
  • the electronic device 501 may obtain the translated first text using the translation module 760 described above with reference to FIG. 7A.
  • the electronic device 501 may transmit the first audio corresponding text to the server device and receive the translated first text from the server device using the communication circuit 690.
  • the electronic device 501 may display the activation state of the microphone 650 for at least a first time period (eg, the second threshold time TH2 in FIG. 8). In one example, the electronic device 501 may deactivate the microphone 650 if a voice signal is not detected within the first time period.
  • a first time period eg, the second threshold time TH2 in FIG. 8
  • the electronic device 501 may deactivate the microphone 650 if a voice signal is not detected within the first time period.
  • the electronic device 501 may display the second text.
  • the first voice characteristic and the second voice characteristic can be compared.
  • the first voice characteristic may correspond to the voice characteristic of the first voice signal
  • the second voice characteristic may correspond to the voice characteristic of the second voice signal.
  • the electronic device 501 may determine whether the first voice characteristic and the second voice characteristic match.
  • the first voice characteristic may correspond to the voice characteristic of the first voice signal
  • the second voice characteristic may correspond to the voice characteristic of the second voice signal.
  • the electronic device 501 may determine whether the first voice characteristic matches (eg, corresponds to) the second voice characteristic using the speaker identification module 740 of FIG. 7A.
  • Voice characteristics may include at least one of a feature distribution pattern, gender, age, or language.
  • the electronic device 501 may identify a first similarity between a speaker identification model stored in memory 630 and a first speech characteristic, and identify a second similarity between a speaker identification model and the second speech characteristic. You can. If the difference between the first similarity and the second similarity is within a specified range, the electronic device 501 may determine that the first voice characteristic and the second voice characteristic are matched.
  • the electronic device 501 may display the second text and the translated second text in operation 1640.
  • the translated second text may be a text obtained by translating the first text and the second text into the target language.
  • the electronic device 501 may identify the second endpoint of the second voice signal when a silent section exceeding a first threshold time (e.g., the first threshold time (TH1) of FIG. 8) is identified from the audio signal. You can. Once the second endpoint is identified, the electronic device 501 can translate the first text and the second text into the target language.
  • a first threshold time e.g., the first threshold time (TH1) of FIG. 8
  • the electronic device 501 may display a second text corresponding to the second voice signal.
  • the electronic device 501 may display the second text without the translated second text.
  • the electronic device 501 may display an icon (eg, translation button 1320 in FIG. 13) for requesting translation of the second text along with the second text.
  • the electronic device 501 may display the translated second text by translating the second text into the target language along with the second text.
  • the electronic device 501 matches the second voice characteristic with the speaker recognition model stored in the memory 630. You can compare. If the second voice characteristic corresponds to the stored speaker recognition model, the electronic device 501 may display the second text and the translated second text by translating the second text into the target language.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

Disclosed is an electronic device comprising a display, a memory, and a processor. The processor may determine whether a first speech feature of a first speech signal acquired before an end point matches a second speech feature of a second speech signal obtained after the end point. When the first speech feature and the second speech feature match, the processor may provide a translation of a first text corresponding to the first speech signal and a second text corresponding to the second speech signal. When the first speech feature and the second speech feature do not match, the processor may provide a translation of the first text corresponding to the first speech signal.

Description

음성 특성 기반 번역 방법 및 이를 위한 전자 장치Translation method based on voice characteristics and electronic device for the same
본 문서에서 개시되는 실시 예들은, 음성 특성(speech feature)에 기반한 번역 방법 및 이를 위한 전자 장치에 관한 것이다. Embodiments disclosed in this document relate to a translation method based on speech features and an electronic device therefor.
전자 장치는 번역(translation) 또는 통역(interpretation)을 제공하도록 설정될 수 있다. 예를 들어, 전자 장치는 사용자의 음성(예: 발화)을 획득하고, 사용자의 스피치에 대응하는 번역 또는 통역을 제공할 수 있다. 전자 장치는 사용자로부터 음성 신호를 획득하고, 음성 신호에 대한 음성 인식을 수행함으로써, 음성 신호에 대응하는 텍스트를 획득할 수 있다. 전자 장치는 텍스트에 대한 번역된 텍스트를 제공함으로써 사용자의 스피치에 대응하는 번역을 제공할 수 있다. 전자 장치는, 번역된 텍스트에 기반한 오디오 출력을 통하여 통역을 제공할 수 있다.The electronic device may be configured to provide translation or interpretation. For example, the electronic device may acquire the user's voice (eg, speech) and provide translation or interpretation corresponding to the user's speech. An electronic device can acquire a voice signal from a user, perform voice recognition on the voice signal, and obtain text corresponding to the voice signal. The electronic device can provide translation corresponding to the user's speech by providing translated text for the text. The electronic device may provide interpretation through audio output based on the translated text.
보다 원활한 전자 장치의 번역 또는 통역을 위하여, 기계 학습에 기반한 번역이 이용될 수 있다. 예를 들어, 트랜스포머(transformer)를 이용하여 학습된 모델을 이용하여 번역이 수행될 수 있다. 예를 들어, 전자 장치는 제1 언어의 텍스트를 학습된 모델에 입력함으로써 제1 언어가 제2 언어로 번역된 텍스트를 획득할 수 있다. 전자 장치는, 하나의 문장 또는 복수의 단어 단위로 번역을 진행할 수 있다. For smoother translation or interpretation on electronic devices, translation based on machine learning can be used. For example, translation may be performed using a model learned using a transformer. For example, the electronic device may obtain a text translated from the first language into the second language by inputting the text of the first language into a learned model. The electronic device can perform translation in units of one sentence or multiple words.
사용자는 전자 장치에 설치된 번역용 어플리케이션을 이용하여 실시간 방식으로 스피치를 번역할 수 있다. 예를 들어, 사용자는 대화 상대방의 스피치를 자신의 모국어로 번역하거나, 자신의 스피치를 상대방의 모국어로 번역할 수 있다. 사용자는 스피치의 번역을 위하여, 전자 장치에 대한 입력을 수행함으로써 전자 장치가 스피치를 청취하도록 할 수 있다. 전자 장치는 사용자 입력에 기반하여 마이크를 활성화하고, 활성화된 마이크를 통하여 스피치를 획득할 수 있다. 청취의 종료를 위한 사용자의 입력이 없더라도, 전자 장치는 청취를 종료시킬 수 있다. 예를 들어, 전자 장치는 스피츠의 끝점(end point)이 식별되면 마이크를 비활성화하고, 획득된 스피치에 대한 번역을 진행할 수 있다. Users can translate speech in real time using a translation application installed on the electronic device. For example, a user can translate the conversation partner's speech into his or her native language, or translate his or her own speech into the other person's native language. In order to translate the speech, the user can cause the electronic device to listen to the speech by performing input to the electronic device. The electronic device can activate the microphone based on user input and acquire speech through the activated microphone. Even if there is no user input to end listening, the electronic device can end listening. For example, when the end point of the speech is identified, the electronic device can deactivate the microphone and proceed with translation of the acquired speech.
사용자가 다른 언어를 사용하는 상대방과 대화를 할 수 있다. 예를 들어, 사용자는 대화를 위하여 번역용 어플리케이션을 이용하여 자신의 스피치를 번역할 수 있다. 전자 장치는 사용자의 스피치로부터 끝점을 식별하고, 청취를 종료할 수 있다. 그런데, 청취가 종료된 후에 상대방이 스피치를 할 수 있다. 이 경우, 사용자는 다시 번역용 어플리케이션의 청취를 활성화하고, 상대방에게 다시 말하여 줄 것을 요청하여야 할 수 있다.Users can communicate with others who speak different languages. For example, a user can translate his or her speech using a translation application for conversation. The electronic device can identify the endpoint from the user's speech and end listening. However, the other party can give a speech after listening is completed. In this case, the user may need to activate the listening of the translation application again and request the other party to speak again.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 마이크, 디스플레이, 메모리, 및 프로세서를 포함할 수 있다. 메모리는 프로세서에 의하여 실행가능한 인스트럭션들을 저장할 수 있다. 프로세서는, 음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 마이크를 활성화할 수 있다. 프로세서는, 활성화된 마이크를 통하여, 오디오 신호를 수신하고, 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점(end point)을 감지할 수 있다. 프로세서는, 제1 끝점에 선행하는 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 제1 텍스트에 대응하는 번역된 제1 텍스트를 디스플레이에 디스플레이할 수 있다. 프로세서는, 제1 끝점에 후속하여, 적어도 제1 시간 구간 동안 마이크의 활성화 상태를 유지할 수 있다. 프로세서는, 제1 시간 구간 내에서 마이크를 이용하여 획득된 오디오 신호로부터 제2 음성 신호의 적어도 일부가 감지되면, 제2 음성 신호의 제2 끝점을 감지하고, 제2 끝점에 선행하는 제2 음성 신호의 제2 음성 특성과 제1 음성 신호의 제1 음성 특성을 비교할 수 있다. 프로세서는, 제1 음성 특성과 제2 음성 특성이 매칭되지 않으면, 제2 음성 신호에 대한 음성 인식 결과에 기반한 제2 텍스트를 디스플레이할 수 있다. 프로세서는, 제1 음성 특성과 제2 음성 특성이 매칭되면, 제2 텍스트 및 제2 텍스트를 목적 언어로 번역하여 번역된 제2 텍스트를 디스플레이할 수 있다. An electronic device according to an embodiment disclosed in this document may include a microphone, a display, memory, and a processor. Memory can store instructions executable by the processor. The processor may activate the microphone based on a first user input to activate speech translation. The processor may receive an audio signal through an activated microphone and detect a first end point from the first voice signal included in the audio signal. The processor may display the first text based on a speech recognition result for the first speech signal preceding the first endpoint and the translated first text corresponding to the first text on the display. The processor may maintain the microphone activated for at least a first period of time following the first endpoint. When at least a portion of the second voice signal is detected from an audio signal acquired using a microphone within a first time interval, the processor detects a second endpoint of the second voice signal, and detects a second voice signal preceding the second endpoint. The second voice characteristic of the signal may be compared with the first voice characteristic of the first voice signal. If the first voice characteristic and the second voice characteristic do not match, the processor may display the second text based on the voice recognition result for the second voice signal. If the first voice characteristic and the second voice characteristic match, the processor may translate the second text and the second text into the target language and display the translated second text.
본 문서에 개시되는 일 실시 예에 따른 전자 장치의 번역을 위한 방법에 있어서, 음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 전자 장치의 마이크를 활성화하는 동작, 활성화된 마이크를 통하여 오디오 신호를 수신하는 동작, 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점(end point)을 감지하는 동작, 제1 끝점에 선행하는 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 제1 텍스트에 대응하는 번역된 제1 텍스트를 전자 장치의 디스플레이에 디스플레이하는 동작을 포함할 수 있다. 방법은, 제1 끝점에 후속하는 제1 시간 구간 내에서 마이크를 이용하여 제2 음성 신호의 적어도 일부가 감지되면, 제2 음성 신호의 제2 음성 특성과 제1 음성 신호의 제1 음성 특성을 비교하는 동작을 포함할 수 있다. 방법은, 비교에 기반하여 제1 음성 특성과 제2 음성 특성이 매칭되지 않으면, 제2 음성 신호에 대한 음성 인식 결과에 기반한 제2 텍스트를 디스플레이하는 동작을 포함할 수 있다. 방법은, 제1 음성 특성과 제2 음성 특성이 매칭되면, 제2 텍스트 및 제2 텍스트를 목적 언어로 번역하여 번역된 제2 텍스트를 디스플레이하는 동작을 포함할 수 있다. In a method for translation of an electronic device according to an embodiment disclosed in this document, the operation of activating the microphone of the electronic device based on a first user input to activate voice translation, and transmitting an audio signal through the activated microphone An operation of receiving, an operation of detecting a first end point from a first voice signal included in an audio signal, a first text and a first text based on a voice recognition result for the first voice signal preceding the first end point It may include displaying the translated first text corresponding to on the display of the electronic device. The method further comprises, when at least a portion of the second speech signal is detected using the microphone within a first time interval subsequent to the first endpoint, combining the second speech characteristic of the second speech signal and the first speech characteristic of the first speech signal. May include comparison operations. The method may include displaying a second text based on a speech recognition result for the second speech signal if the first speech characteristic and the second speech characteristic do not match based on the comparison. The method may include, when the first voice characteristic and the second voice characteristic match, translating the second text and the second text into the target language and displaying the translated second text.
본 개시의 일 실시 예에 따른 전자 장치는 연장된 청취 시간을 통하여 보다 원활한 번역을 제공할 수 있다. An electronic device according to an embodiment of the present disclosure can provide smoother translation through extended listening time.
본 개시의 일 실시 예에 따른 전자 장치는 음성 특성에 기반하여 번역 여부를 결정함으로써 사용자의 의도에 부합하는 번역을 제공할 수 있다. An electronic device according to an embodiment of the present disclosure can provide translation that meets the user's intent by determining whether to translate based on voice characteristics.
본 개시의 일 예시에 따른 전자 장치는 번역 어플리케이션을 통한 사용자 편의성을 증가시킬 수 있다. An electronic device according to an example of the present disclosure can increase user convenience through a translation application.
도 1은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다. 1 is a block diagram of an electronic device in a network environment according to various embodiments.
도 2는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.Figure 2 is a block diagram showing an integrated intelligence system according to an embodiment.
도 3은 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.Figure 3 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
도 4는 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.FIG. 4 is a diagram illustrating a user terminal displaying a screen for processing voice input received through an intelligent app, according to one embodiment.
도 5는 일 실시 예에 따른 전자 장치를 이용한 번역 환경을 도시한다.Figure 5 illustrates a translation environment using an electronic device according to an embodiment.
도 6은 일 실시 예에 따른 전자 장치의 블록도를 도시한다.Figure 6 shows a block diagram of an electronic device according to an embodiment.
도 7a는 일 실시 예에 따른 전자 장치의 구성들을 도시한다.FIG. 7A shows configurations of an electronic device according to an embodiment.
도 7b는 일 실시 예에 따른 전자 장치 및 주변 전자 장치의 구성들을 도시한다.FIG. 7B shows configurations of an electronic device and a peripheral electronic device according to an embodiment.
도 8은 번역이 제공되는 대화의 일 예를 도시한다. Figure 8 shows an example of a conversation for which translation is provided.
도 9는 번역이 제공되는 대화의 일 예를 도시한다. Figure 9 shows an example of a conversation for which translation is provided.
도 10은 번역이 제공되는 대화의 일 예를 도시한다. Figure 10 shows an example of a conversation for which translation is provided.
도 11은 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다. 11 illustrates a translation UI of an electronic device according to an embodiment.
도 12는 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.12 illustrates a translation UI of an electronic device according to an embodiment.
도 13은 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.13 illustrates a translation UI of an electronic device according to an embodiment.
도 14는 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.Figure 14 illustrates a translation UI of an electronic device according to an embodiment.
도 15는 일 실시 예에 따른 전자 장치의 번역 제공 방법의 흐름도를 도시한다.Figure 15 shows a flowchart of a method for providing translation on an electronic device according to an embodiment.
도 16은 일 실시 예에 따른 전자 장치의 번역 제공 방법의 흐름도를 도시한다. Figure 16 shows a flowchart of a method for providing translation on an electronic device according to an embodiment.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다. Hereinafter, various embodiments of the present invention are described with reference to the accompanying drawings. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include various modifications, equivalents, and/or alternatives to the embodiments of the present invention.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.1 is a block diagram of an electronic device 101 in a network environment 100, according to various embodiments. Referring to FIG. 1, in the network environment 100, the electronic device 101 communicates with the electronic device 102 through a first network 198 (e.g., a short-range wireless communication network) or a second network 199. It is possible to communicate with at least one of the electronic device 104 or the server 108 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108. According to one embodiment, the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or may include an antenna module 197. In some embodiments, at least one of these components (eg, the connection terminal 178) may be omitted or one or more other components may be added to the electronic device 101. In some embodiments, some of these components (e.g., sensor module 176, camera module 180, or antenna module 197) are integrated into one component (e.g., display module 160). It can be.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.The processor 120, for example, executes software (e.g., program 140) to operate at least one other component (e.g., hardware or software component) of the electronic device 101 connected to the processor 120. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132. The commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134. According to one embodiment, the processor 120 includes a main processor 121 (e.g., a central processing unit or an application processor) or an auxiliary processor 123 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). For example, if the electronic device 101 includes a main processor 121 and a secondary processor 123, the secondary processor 123 may be set to use lower power than the main processor 121 or be specialized for a designated function. You can. The auxiliary processor 123 may be implemented separately from the main processor 121 or as part of it.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다. The auxiliary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (e.g., sleep) state, or while the main processor 121 is in an active (e.g., application execution) state. ), together with the main processor 121, at least one of the components of the electronic device 101 (e.g., the display module 160, the sensor module 176, or the communication module 190) At least some of the functions or states related to can be controlled. According to one embodiment, co-processor 123 (e.g., image signal processor or communication processor) may be implemented as part of another functionally related component (e.g., camera module 180 or communication module 190). there is. According to one embodiment, the auxiliary processor 123 (eg, neural network processing unit) 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 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 108). 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. In addition to hardware structures, artificial intelligence models may additionally or alternatively include software structures.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다. The memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101. Data may include, for example, input data or output data for software (e.g., program 140) and instructions related thereto. Memory 130 may include volatile memory 132 or non-volatile memory 134.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다. The program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142, middleware 144, or application 146.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다. The input module 150 may receive commands or data to be used in a component of the electronic device 101 (e.g., the processor 120) from outside the electronic device 101 (e.g., a user). The input module 150 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.The sound output module 155 may output sound signals to the outside of the electronic device 101. The sound output module 155 may include, for example, a speaker or a receiver. 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.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다. The display module 160 can visually provide information to the outside of the electronic device 101 (eg, a user). The display module 160 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device. According to one embodiment, the display module 160 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.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.The audio module 170 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 101). Sound may be output through the electronic device 102 (e.g., speaker or headphone).
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다. The sensor module 176 detects the operating state (e.g., power or temperature) of the electronic device 101 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do. According to one embodiment, the sensor module 176 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.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.The interface 177 may support one or more designated protocols that can be used to connect the electronic device 101 directly or wirelessly with an external electronic device (eg, the electronic device 102). According to one embodiment, the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.The connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102). According to one embodiment, the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.The haptic module 179 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. According to one embodiment, the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.The camera module 180 can capture still images and moving images. According to one embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.The power management module 188 can manage power supplied to the electronic device 101. According to one embodiment, the power management module 188 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.The battery 189 may supply power to at least one component of the electronic device 101. According to one embodiment, the battery 189 may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다. Communication module 190 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between electronic device 101 and an external electronic device (e.g., electronic device 102, electronic device 104, or server 108). It can support establishment and communication through established communication channels. Communication module 190 operates independently of processor 120 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication. According to one embodiment, the communication module 190 is a wireless communication module 192 (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 194 (e.g., : LAN (local area network) communication module, or power line communication module) may be included. Among these communication modules, the corresponding communication module is a first network 198 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (e.g., legacy It may communicate with an external electronic device 104 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). These various types of communication modules may be integrated into one component (e.g., a single chip) or may be implemented as a plurality of separate components (e.g., multiple chips). The wireless communication module 192 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199. The electronic device 101 can be confirmed or authenticated.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.The wireless communication module 192 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio 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. The wireless communication module 192 may support high frequency bands (eg, mmWave bands), for example, to achieve high data rates. The wireless communication module 192 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive array multiple-input and multiple-output (MIMO), 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 192 may support various requirements specified in the electronic device 101, an external electronic device (e.g., electronic device 104), or a network system (e.g., second network 199). According to one embodiment, the wireless communication module 192 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. Example: Downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less) can be supported.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다. The antenna module 197 may transmit signals or power to or receive signals or power from the outside (e.g., an external electronic device). According to one embodiment, the antenna module 197 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB). According to one embodiment, the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected to the plurality of antennas by, for example, the communication module 190. can be selected. Signals or power may be transmitted or received between the communication module 190 and an external electronic device through the at least one selected antenna. According to some embodiments, in addition to the radiator, other components (eg, radio frequency integrated circuit (RFIC)) may be additionally formed as part of the antenna module 197.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.According to various embodiments, the antenna module 197 may form a mmWave antenna module. According to one embodiment, 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.
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.At least some of the components are connected to each other through a communication method between peripheral devices (e.g., bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)) and signal ( (e.g. commands or data) can be exchanged with each other.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다. According to one embodiment, commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199. Each of the external electronic devices 102 or 104 may be of the same or different type as the electronic device 101. According to one embodiment, all or part of the operations performed in the electronic device 101 may be executed in one or more of the external electronic devices 102, 104, or 108. For example, when the electronic device 101 needs to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device 101 may perform the function or service instead of executing the function or service on its own. Alternatively, or additionally, 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 101. The electronic device 101 may process the result as is or additionally and provide it as at least part of a response to the request. For this purpose, for example, cloud computing, distributed computing, mobile edge computing (MEC), or client-server computing technology can be used. The electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing. In another embodiment, the external electronic device 104 may include an Internet of Things (IoT) device. Server 108 may be an intelligent server using machine learning and/or neural networks. According to one embodiment, the external electronic device 104 or server 108 may be included in the second network 199. The electronic device 101 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
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.Electronic devices according to various embodiments disclosed in this document 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.
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.The various embodiments of this document and the terms used herein are not intended to limit the technical features described in this document to specific embodiments, and should be understood to include various changes, equivalents, or replacements of the embodiments. In connection with the description of the drawings, similar reference numbers may be used for similar or related components. The singular form of a noun corresponding to an item may include one or more of the above items, unless the relevant context clearly indicates otherwise. As used herein, “A or B”, “at least one of A and B”, “at least one of A or B”, “A, B or C”, “at least one of A, B and C”, and “A Each of phrases such as “at least one of , B, or C” may include any one of the items listed together in the corresponding phrase, or any possible combination thereof. Terms such as "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.” When mentioned, it means that any of the components can be connected to the other components directly (e.g. wired), wirelessly, or through a third component.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다. The term “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).
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.Various embodiments of the present document are one or more instructions stored in a storage medium (e.g., built-in memory 136 or external memory 138) that can be read by a machine (e.g., electronic device 101). It may be implemented as software (e.g., program 140) including these. For example, a processor (e.g., processor 120) of a device (e.g., electronic device 101) may call at least one command among one or more commands stored from a storage medium and execute it. This allows the device to be operated to perform at least one function according to the at least one instruction called. 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. Here, '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.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 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.According to one embodiment, methods according to various embodiments disclosed in this document may be included and provided in a computer program product. 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 Store™) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online. In the case of online distribution, 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.
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.According to various embodiments, 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. According to various embodiments, one or more of the components or operations described above may be omitted, or one or more other components or operations may be added. Alternatively or additionally, multiple components (eg, modules or programs) may be integrated into a single component. In this case, the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component of the plurality of components prior to the integration. . According to various embodiments, 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.
도 2는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.Figure 2 is a block diagram showing an integrated intelligence system according to an embodiment.
도 2를 참조하면, 일 실시예의 통합 지능 시스템은 사용자 단말(201), 지능형 서버(300), 및 서비스 서버(400)를 포함할 수 있다. Referring to FIG. 2, the integrated intelligence system of one embodiment may include a user terminal 201, an intelligent server 300, and a service server 400.
일 실시 예의 사용자 단말(201)(예: 도 1의 전자 장치(101))은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.The user terminal 201 (e.g., the electronic device 101 in FIG. 1) of one embodiment may be a terminal device (or electronic device) capable of connecting to the Internet, for example, a mobile phone, a smartphone, or a personal digital assistant (PDA). It may be a digital assistant, a laptop computer, a television (TV), a white appliance, a wearable device, a head mounted device (HMD), or a smart speaker.
도시된 실시 예에 따르면, 사용자 단말(201)은 통신 인터페이스(290), 마이크(270), 스피커(255), 디스플레이(260), 메모리(230), 및/또는 프로세서(220)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.According to the illustrated embodiment, the user terminal 201 may include a communication interface 290, a microphone 270, a speaker 255, a display 260, a memory 230, and/or a processor 220. there is. The components listed above may be operatively or electrically connected to each other.
통신 인터페이스(290)(예: 도 1의 통신 모듈(190))는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 마이크(270)(예: 도 1의 오디오 모듈(170))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 스피커(255)(예: 도 1의 음향 출력 모듈(155))는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 디스플레이(260)(예: 도 1의 디스플레이 모듈(160))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(260)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface, GUI)를 표시할 수 있다.The communication interface 290 (e.g., the communication module 190 of FIG. 1) may be connected to an external device and configured to transmit and receive data. The microphone 270 (e.g., the audio module 170 of FIG. 1) may receive sound (e.g., a user's speech) and convert it into an electrical signal. The speaker 255 (e.g., the sound output module 155 of FIG. 1) may output an electrical signal as sound (e.g., voice). Display 260 (e.g., display module 160 of FIG. 1) may be configured to display images or video. The display 260 of one embodiment may also display a graphic user interface (GUI) of an app (or application program) being executed.
일 실시 예의 메모리(230)(예: 도 1의 메모리(130))는 클라이언트 모듈(231), SDK(software development kit)(233), 및 복수의 어플리케이션들을 저장할 수 있다. 상기 클라이언트 모듈(231), 및 SDK(233)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(231) 또는 SDK(233)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.The memory 230 (eg, memory 130 in FIG. 1) in one embodiment may store a client module 231, a software development kit (SDK) 233, and a plurality of applications. The client module 231 and SDK 233 may form a framework (or solution program) for performing general functions. Additionally, the client module 231 or SDK 233 may configure a framework for processing voice input.
상기 복수의 어플리케이션들(예: 235a, 235b)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 제1 앱(235a), 및/또는 제2 앱(235b)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(220)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다. The plurality of applications (eg, 235a, 235b) may be programs for performing designated functions. According to one embodiment, the plurality of applications may include a first app 235a and/or a second app 235b. According to one embodiment, each of the plurality of applications may include a plurality of operations to perform a designated function. For example, the applications may include an alarm app, a messaging app, and/or a schedule app. According to one embodiment, a plurality of applications are executed by the processor 220 to sequentially execute at least some of the plurality of operations.
일 실시 예의 프로세서(220)는 사용자 단말(201)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(220)는 통신 인터페이스(290), 마이크(270), 스피커(255), 및 디스플레이(260)와 전기적으로 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(220)는 적어도 하나의 프로세서를 포함할 수 있다.The processor 220 in one embodiment may control the overall operation of the user terminal 201. For example, the processor 220 may be electrically connected to the communication interface 290, microphone 270, speaker 255, and display 260 to perform designated operations. For example, processor 220 may include at least one processor.
일 실시 예의 프로세서(220)는 또한 상기 메모리(230)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(220)는 클라이언트 모듈(231) 또는 SDK(233) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(220)는, 예를 들어, SDK(233)를 통해 복수의 어플리케이션들의 동작을 제어할 수 있다. 클라이언트 모듈(231) 또는 SDK(233)의 동작으로 설명된 이하의 동작들은 프로세서(220)의 실행에 의하여 수행되는 동작일 수 있다.The processor 220 of one embodiment may also execute a program stored in the memory 230 to perform a designated function. For example, the processor 220 may execute at least one of the client module 231 or the SDK 233 and perform the following operations for processing voice input. The processor 220 may control the operation of a plurality of applications through, for example, the SDK 233. The following operations described as operations of the client module 231 or SDK 233 may be operations performed by execution of the processor 220.
일 실시 예의 클라이언트 모듈(231)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(231)은 마이크(270)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(231)은 수신된 음성 입력(예: 음성 신호)을 지능형 서버(300)로 송신할 수 있다. 클라이언트 모듈(231)은 수신된 음성 입력과 함께, 사용자 단말(201)의 상태 정보를 지능형 서버(300)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.The client module 231 in one embodiment may receive voice input. For example, the client module 231 may receive a voice signal corresponding to a user utterance detected through the microphone 270. The client module 231 may transmit the received voice input (eg, voice signal) to the intelligent server 300. The client module 231 may transmit status information of the user terminal 201 to the intelligent server 300 along with the received voice input. The status information may be, for example, execution status information of an app.
일 실시 예의 클라이언트 모듈(231)은 수신된 음성 입력에 대응되는 결과를 지능형 서버(300)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(231)은 지능형 서버(300)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(231)은 상기 수신된 결과를 디스플레이(260)에 표시할 수 있다.The client module 231 of one embodiment may receive a result corresponding to the received voice input from the intelligent server 300. For example, if the intelligent server 300 can calculate a result corresponding to the received voice input, the client module 231 may receive a result corresponding to the received voice input. The client module 231 may display the received result on the display 260.
일 실시 예의 클라이언트 모듈(231)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(231)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(260)에 표시할 수 있다. 클라이언트 모듈(231)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(201)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.The client module 231 of one embodiment may receive a plan corresponding to the received voice input. The client module 231 can display the results of executing multiple operations of the app according to the plan on the display 260. For example, the client module 231 may sequentially display execution results of a plurality of operations on a display. For another example, the user terminal 201 may display only some results of executing a plurality of operations (eg, the result of the last operation) on the display.
일 실시 예에 따르면, 클라이언트 모듈(231)은 지능형 서버(300)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(231)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(300)로 송신할 수 있다.According to one embodiment, the client module 231 may receive a request from the intelligent server 300 to obtain information necessary to calculate a result corresponding to the voice input. According to one embodiment, the client module 231 may transmit the necessary information to the intelligent server 300 in response to the request.
일 실시 예의 클라이언트 모듈(231)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(300)로 송신할 수 있다. 지능형 서버(300)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.The client module 231 in one embodiment may transmit information as a result of executing a plurality of operations according to the plan to the intelligent server 300. The intelligent server 300 can use the result information to confirm that the received voice input has been processed correctly.
일 실시 예의 클라이언트 모듈(231)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(231)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(231)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. The client module 231 in one embodiment may include a voice recognition module. According to one embodiment, the client module 231 may recognize voice input performing a limited function through the voice recognition module. For example, the client module 231 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!).
일 실시 예의 지능형 서버(300)는 네트워크(299)(예: 도 1의 제1 네트워크(198) 및/또는 제2 네트워크(199))를 통해 사용자 단말(201)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(300)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(300)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 플랜(plan)을 생성할 수 있다In one embodiment, the intelligent server 300 receives information related to the user voice input from the user terminal 201 through the network 299 (e.g., the first network 198 and/or the second network 199 in FIG. 1). You can receive it. According to one embodiment, the intelligent server 300 may change data related to the received voice input into text data. According to one embodiment, the intelligent server 300 may generate at least one plan for performing a task corresponding to the user's voice input based on the text data.
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 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 정의된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.According to one embodiment, 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. According to one embodiment, 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.
일 실시 예의 지능형 서버(300)는 생성된 플랜에 따른 결과를 사용자 단말(201)로 송신하거나, 생성된 플랜을 사용자 단말(201)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 플랜에 따른 결과를 디스플레이(260)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 플랜에 따른 동작을 실행한 결과를 디스플레이(260)에 표시할 수 있다.The intelligent server 300 of one embodiment may transmit a result according to the generated plan to the user terminal 201 or transmit the generated plan to the user terminal 201. According to one embodiment, the user terminal 201 may display results according to the plan on the display 260. According to one embodiment, the user terminal 201 may display the results of executing an operation according to the plan on the display 260.
일 실시 예의 지능형 서버(300)는 프론트 엔드(front end)(310), 자연어 플랫폼(natural language platform)(320), 캡슐 데이터베이스(capsule database)(330), 실행 엔진(execution engine)(340), 엔드 유저 인터페이스(end user interface)(350), 매니지먼트 플랫폼(management platform)(360), 빅 데이터 플랫폼(big data platform)(370), 또는 분석 플랫폼(analytic platform)(380)을 포함할 수 있다.The intelligent server 300 of one embodiment includes a front end 310, a natural language platform 320, a capsule database 330, an execution engine 340, It may include an end user interface (350), a management platform (360), a big data platform (370), or an analytic platform (380).
일 실시 예의 프론트 엔드(310)는 사용자 단말(201)에 의하여 수신된 음성 입력을 사용자 단말(201)로부터 수신할 수 있다. 프론트 엔드(310)는 상기 음성 입력에 대응되는 응답을 사용자 단말(201)로 송신할 수 있다.The front end 310 of one embodiment may receive a voice input received by the user terminal 201 from the user terminal 201 . The front end 310 may transmit a response corresponding to the voice input to the user terminal 201.
일 실시 예에 따르면, 자연어 플랫폼(320)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(321), 자연어 이해 모듈(natural language understanding module)(NLU module)(323), 플래너 모듈(planner module)(325), 자연어 생성 모듈(natural language generator module)(NLG module)(327), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(329)을 포함할 수 있다.According to one embodiment, the natural language platform 320 includes an automatic speech recognition module (ASR module) 321, a natural language understanding module (NLU module) 323, and a planner module ( It may include a planner module (325), a natural language generator module (NLG module) (327), and/or a text to speech module (TTS module) (329).
일 실시 예의 자동 음성 인식 모듈(321)은 사용자 단말(201)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(323)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(323)은 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(323)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.The automatic voice recognition module 321 of one embodiment may convert voice input received from the user terminal 201 into text data. The natural language understanding module 323 in one embodiment may determine the user's intention using text data of voice input. For example, the natural language understanding module 323 may perform syntactic analysis and/or semantic analysis to determine the user's intention. The natural language understanding module 323 in one embodiment determines the meaning of a word extracted from a voice input using linguistic features (e.g., grammatical elements) of a morpheme or phrase, and matches the meaning of the identified word to the user's intention. You can determine your intention.
일 실시 예의 플래너 모듈(325)은 자연어 이해 모듈(323)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(325)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(325)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(325)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(325)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(325)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(325)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(325)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(325)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(330)에 저장된 정보를 이용하여 플랜을 생성할 수 있다. The planner module 325 in one embodiment may generate a plan using the intent and parameters determined by the natural language understanding module 323. According to one embodiment, the planner module 325 may determine a plurality of domains required to perform the task based on the determined intention. The planner module 325 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 325 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 325 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 325 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 325 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 executing the plurality of operations. Accordingly, the planner module 325 may generate a plan that includes association information (eg, ontology) between a plurality of operations and a plurality of concepts. The planner module 325 can create a plan using information stored in the capsule database 330, which stores a set of relationships between concepts and operations.
일 실시 예의 자연어 생성 모듈(327)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(329)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.The natural language generation module 327 of one embodiment may change specified 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 329 in one embodiment can change information in text form into information in voice form.
일 실시 예에 따르면, 자연어 플랫폼(320)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(201)에서도 구현가능 할 수 있다. 예를 들어, 사용자 단말(201)이 자동 음성 인식 모듈 및/또는 자연어 이해 모듈을 포함할 수 있다. 사용자 단말(201)이 사용자 음성 명령을 인식한 뒤, 인식된 음성 명령에 대응하는 텍스트 정보를 지능형 서버(300)로 송신할 수 있다. 예를 들어, 사용자 단말(201)이 텍스트 음성 변환 모듈을 포함할 수 있다. 사용자 단말(201)이 지능형 서버(300)로부터 텍스트 정보를 수신하고, 수신된 텍스트 정보를 음성으로 출력할 수 있다. According to one embodiment, some or all of the functions of the natural language platform 320 may be implemented in the user terminal 201. For example, the user terminal 201 may include an automatic speech recognition module and/or a natural language understanding module. After the user terminal 201 recognizes the user's voice command, it can transmit text information corresponding to the recognized voice command to the intelligent server 300. For example, the user terminal 201 may include a text-to-speech module. The user terminal 201 may receive text information from the intelligent server 300 and output the received text information as voice.
상기 캡슐 데이터베이스(330)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(330)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(330)에 포함된 기능 저장소(function registry)에 저장될 수 있다.The capsule database 330 may store information about the relationship between a plurality of concepts and operations corresponding to a plurality of domains. The capsule according to one embodiment may include a plurality of action objects (or action information) and/or concept objects (or concept information) included in the plan. According to one embodiment, the capsule database 330 may store a plurality of capsules in the form of CAN (concept action network). According to one embodiment, a plurality of capsules may be stored in a function registry included in the capsule database 330.
상기 캡슐 데이터베이스(330)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(330)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(330)는 사용자 단말(201)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(330)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(330)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(330)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(330)가 사용자 단말(201) 내에도 구현될 수 있다.The capsule database 330 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. According to one embodiment, the capsule database 330 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. According to one embodiment, the capsule database 330 may include a layout registry that stores layout information of information output through the user terminal 201. According to one embodiment, the capsule database 330 may include a vocabulary registry where vocabulary information included in capsule information is stored. According to one embodiment, the capsule database 330 may include a dialogue registry in which information about dialogue (or interaction) with a user is stored. The capsule database 330 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. In one embodiment, the capsule database 330 may also be implemented within the user terminal 201.
일 실시 예의 실행 엔진(340)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(350)는 산출된 결과를 사용자 단말(201)로 송신할 수 있다. 이에 따라, 사용자 단말(201)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(360)은 지능형 서버(300)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(370)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(380)은 지능형 서버(300)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(380)은 지능형 서버(300)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.The execution engine 340 of one embodiment may calculate a result using the generated plan. The end user interface 350 may transmit the calculated result to the user terminal 201. Accordingly, the user terminal 201 can receive the result and provide the received result to the user. The management platform 360 of one embodiment can manage information used in the intelligent server 300. The big data platform 370 in one embodiment may collect user data. The analysis platform 380 of one embodiment may manage quality of service (QoS) of the intelligent server 300. For example, the analytics platform 380 can manage the components and processing speed (or efficiency) of the intelligent server 300.
일 실시 예의 서비스 서버(400)는 사용자 단말(201)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(400)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(400)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(300)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(330)에 저장될 수 있다. 또한, 서비스 서버(400)는 플랜에 따른 결과 정보를 지능형 서버(300)에 제공할 수 있다. 서비스 서버(400)는 네트워크(299)를 통하여 지능형 서버(300) 및/또는 사용자 단말(201)과 통신할 수 있다. 서비스 서버(400)는 별도의 연결을 통하여 지능형 서버(300)와 통신할 수 있다. 도 2에는 서비스 서버(400)가 하나의 서버로 도시되어 있으나, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 서비스 서버(400)의 각각의 서비스(401, 402, 및 403)들 중 적어도 하나는 별도의 서버로 구현될 수 있다. The service server 400 in one embodiment may provide a designated service (eg, food ordering or hotel reservation) to the user terminal 201. According to one embodiment, the service server 400 may be a server operated by a third party. The service server 400 in one embodiment may provide the intelligent server 300 with information for creating a plan corresponding to the received voice input. The provided information may be stored in the capsule database 330. Additionally, the service server 400 may provide result information according to the plan to the intelligent server 300. The service server 400 may communicate with the intelligent server 300 and/or the user terminal 201 through the network 299. The service server 400 can communicate with the intelligent server 300 through a separate connection. Although the service server 400 is shown as one server in FIG. 2, the embodiments of this document are not limited thereto. At least one of the services 401, 402, and 403 of the service server 400 may be implemented as a separate server.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(201)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.In the integrated intelligence system described above, the user terminal 201 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.
일 실시 예에서, 상기 사용자 단말(201)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(201)은 상기 마이크(270)를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.In one embodiment, the user terminal 201 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app). In this case, for example, the user terminal 201 recognizes a user utterance or voice input received through the microphone 270 and provides a service corresponding to the recognized voice input to the user. can do.
일 실시 예에서, 사용자 단말(201)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버(300) 및/또는 서비스 서버(400)와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(201)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다. In one embodiment, the user terminal 201 may perform a designated operation alone or together with the intelligent server 300 and/or the service server 400 based on the received voice input. For example, the user terminal 201 may run an app corresponding to a received voice input and perform a designated operation through the executed app.
일 실시 예에서, 사용자 단말(201)이 지능형 서버(300) 및/또는 서비스 서버(400)와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말(201)은, 상기 마이크(270)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말(201)은, 상기 음성 데이터를 통신 인터페이스(290)를 이용하여 지능형 서버(300)로 송신할 수 있다.In one embodiment, when the user terminal 201 provides a service together with the intelligent server 300 and/or the service server 400, the user terminal 201 uses the microphone 270 to It is possible to detect an utterance and generate a signal (or voice data) corresponding to the detected user utterance. The user terminal 201 may transmit the voice data to the intelligent server 300 using the communication interface 290.
일 실시 예에 따른 지능형 서버(300)는 사용자 단말(201)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작 및/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.In response to a voice input received from the user terminal 201, the intelligent server 300 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. For example, 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.
일 실시 예의 사용자 단말(201)은, 통신 인터페이스(290)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(201)은 상기 스피커(255)를 이용하여 사용자 단말(201) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(260)를 이용하여 사용자 단말(201) 내부에서 생성된 이미지를 외부로 출력할 수 있다. The user terminal 201 in one embodiment may receive the response using the communication interface 290. The user terminal 201 uses the speaker 255 to output a voice signal generated inside the user terminal 201 to the outside, or uses the display 260 to output an image generated inside the user terminal 201 to the outside. It can be output as .
도 3은 일 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.Figure 3 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
상기 지능형 서버(300)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(330))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 저장할 수 있다.The capsule database (e.g., capsule database 330) of the intelligent server 300 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.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(캡슐A(331), 캡슐B(334))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: 캡슐A(331))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(332), CP 2 (333), CP3 (335), 및/또는 CP4 (336))이 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(330a) 및 적어도 하나 이상의 컨셉(330b)을 포함할 수 있다. The capsule database may store a plurality of capsules (capsule A 331, capsule B 334) corresponding to each of a plurality of domains (eg, applications). According to one embodiment, one capsule (e.g., capsule A 331) may correspond to one domain (e.g., location (geo), application). Additionally, one capsule contains at least one capsule of a service provider (e.g., CP 1 (332), CP 2 (333), CP3 (335), and/or CP4 (336) to perform functions for the domain associated with the capsule. )) can correspond. According to one embodiment, one capsule may include at least one operation 330a and at least one concept 330b for performing a designated function.
상기, 자연어 플랫폼(320)은 캡슐 데이터베이스(330)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(325)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(331)의 동작들(331a, 332a)과 컨셉들(331b, 332b) 및 캡슐 B(334)의 동작(334a)과 컨셉(334b)을 이용하여 플랜(337)을 생성할 수 있다. The natural language platform 320 may create a plan for performing a task corresponding to the received voice input using the capsule stored in the capsule database 330. For example, the planner module 325 of the natural language platform can create a plan using capsules stored in the capsule database. For example, create a plan 337 using the operations 331a, 332a and concepts 331b, 332b of capsule A 331 and the operations 334a and concept 334b of capsule B 334. can do.
도 4는 일 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.Figure 4 is a diagram illustrating a screen in which a user terminal processes voice input received through an intelligent app according to an embodiment.
사용자 단말(201)은 지능형 서버(300)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.The user terminal 201 can run an intelligent app to process user input through the intelligent server 300.
일 실시 예에 따르면, 제1 화면(210)에서, 사용자 단말(201)은 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(201)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(211)를 디스플레이(260)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(201)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(213)(예: 입력창)를 디스플레이에 표시할 수 있다.According to one embodiment, on the first screen 210, when the user terminal 201 recognizes a designated voice input (eg, wake up!) or receives an input through a hardware key (eg, a dedicated hardware key), the user terminal 201 It can run intelligent apps to process input. For example, the user terminal 201 may run an intelligent app while executing a schedule app. According to one embodiment, the user terminal 201 may display an object (eg, an icon) 211 corresponding to an intelligent app on the display 260. According to one embodiment, the user terminal 201 may receive voice input through a user's utterance. For example, the user terminal 201 may receive a voice input saying “Tell me this week’s schedule!” According to one embodiment, the user terminal 201 may display a user interface (UI) 213 (e.g., input window) of an intelligent app displaying text data of a received voice input on the display.
일 실시 예에 따르면, 제2 화면(215)에서, 사용자 단말(201)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(201)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이에 표시할 수 있다.According to one embodiment, on the second screen 215, the user terminal 201 may display a result corresponding to the received voice input on the display. For example, the user terminal 201 may receive a plan corresponding to the received user input and display ‘this week’s schedule’ on the display according to the plan.
도 5는 일 실시 예에 따른 전자 장치를 이용한 번역 환경을 도시한다.Figure 5 illustrates a translation environment using an electronic device according to an embodiment.
도 5를 참조하여, 일 실시 예에 따른 음성 번역 환경(500)은 전자 장치(501), 서버 장치(511) 및/또는 주변 전자 장치(521)를 포함할 수 있다. 예를 들어, 전자 장치(501)는 도 1의 전자 장치(101) 또는 도 2의 사용자 단말(201)에 대응할 수 있다. 예를 들어, 서버 장치(511)는 도 1의 서버(108) 또는 도 2의 지능형 서버(300)에 대응할 수 있다. 예를 들어, 주변 전자 장치(521)는 도 1의 전자 장치(102)에 대응할 수 있다. Referring to FIG. 5 , the voice translation environment 500 according to an embodiment may include an electronic device 501, a server device 511, and/or a peripheral electronic device 521. For example, the electronic device 501 may correspond to the electronic device 101 of FIG. 1 or the user terminal 201 of FIG. 2. For example, server device 511 may correspond to server 108 in FIG. 1 or intelligent server 300 in FIG. 2. For example, the peripheral electronic device 521 may correspond to the electronic device 102 of FIG. 1 .
전자 장치(501)는 화자(599)의 발화(590)를 수신하는 청취 장치(listener device)로 참조될 수 있다. 전자 장치(501)는 번역 어플리케이션을 포함할 수 있다. 예를 들어, 번역 어플리케이션은 음성 비서 어플리케이션(예: 도 2의 클라이언트 모듈(231))에 포함된 것일 수 있다. 전자 장치(501)는 화자(599)의 발화(590)를 음성 수신 회로(예: 도 1의 오디오 모듈(170))를 이용하여 수신할 수 있다. 전자 장치(501)는 화자(599)의 발화(590)를 주변 전자 장치(521)(예: AR 글래스(augmented reality glasses), 이어 버드(ear bud) 또는 임의의 청취 장치)를 이용하여 수신할 수 있다. The electronic device 501 may be referred to as a listener device that receives the utterance 590 of the speaker 599. The electronic device 501 may include a translation application. For example, the translation application may be included in a voice assistant application (eg, the client module 231 in FIG. 2). The electronic device 501 may receive the utterance 590 of the speaker 599 using a voice reception circuit (eg, the audio module 170 of FIG. 1). The electronic device 501 may receive the speaker 599's utterance 590 using a peripheral electronic device 521 (e.g., augmented reality glasses, ear buds, or any listening device). You can.
사용자(예: 화자(599))는 전자 장치(501)의 번역 어플리케이션을 실행시킨 뒤, 번역 어플리케이션을 이용하여 발화(590)를 번역할 수 있다. 예를 들어, 전자 장치(501)는 발화(590)에 대응하는 음성 신호를 획득할 수 있다. 전자 장치(501)는 음성 신호에 대한 자동 음성 인식을 수행할 수 있다. 예를 들어, 전자 장치(501)는 직접 자동 음성 인식을 수행할 수 있다. 예를 들어, 전자 장치(501)는 음성 신호를 서버 장치(511)에 음성 신호를 송신하고, 서버 장치(511)로부터 음성 신호에 대한 음성 인식 결과를 수신할 수 있다. 음성 인식 결과에 기반하여, 전자 장치(501)는 음성에 대응하는 번역을 제공할 수 있다. 예를 들어, 전자 장치(501)는 음성 인식 결과를 목적 언어로 번역하고, 번역 결과를 사용자에게 제공할 수 있다. 전자 장치(501)는 시각적으로 및/또는 촉각적으로 번역 결과를 제공하도록 설정될 수 있다. A user (eg, speaker 599) may run the translation application on the electronic device 501 and then translate the utterance 590 using the translation application. For example, the electronic device 501 may acquire a voice signal corresponding to the utterance 590. The electronic device 501 can perform automatic voice recognition on voice signals. For example, the electronic device 501 may directly perform automatic voice recognition. For example, the electronic device 501 may transmit a voice signal to the server device 511 and receive a voice recognition result for the voice signal from the server device 511. Based on the voice recognition result, the electronic device 501 may provide translation corresponding to the voice. For example, the electronic device 501 may translate the voice recognition result into the target language and provide the translation result to the user. The electronic device 501 may be configured to provide translation results visually and/or tactilely.
일 예에서, 서버 장치(511)는 번역을 위한 적어도 일부의 동작을 수행할 수 있다. 예를 들어, 서버 장치(511)는 전자 장치(501)로부터 음성 신호를 수신하고, 음성 신호에 대한 자동 음성 인식(예: 도 2의 자동 음성 모듈(321)을 이용하여)을 수행할 수 있다. 예를 들어, 서버 장치(511)는 전자 장치(501)로부터 수신된 음성 신호에 기반하여 번역 결과를 전자 장치(501)에 제공하도록 설정될 수 있다. 일 예에서, 전자 장치(501)는 서버 장치(511)의 도움 없이 번역을 수행할 수 있아. 이 경우, 서버 장치(511)는 생략될 수 있다. In one example, the server device 511 may perform at least some operations for translation. For example, the server device 511 may receive a voice signal from the electronic device 501 and perform automatic voice recognition on the voice signal (e.g., using the automatic voice module 321 of FIG. 2). . For example, the server device 511 may be set to provide a translation result to the electronic device 501 based on a voice signal received from the electronic device 501. In one example, electronic device 501 may perform translation without assistance from server device 511. In this case, the server device 511 may be omitted.
도 5와 관련하여 상술된 번역 환경(500)은 예시적인 것으로서, 본 개시의 실시 예들이 이에 제한되지 아니한다. 통상의 기술자는 서버 장치(511) 및/또는 주변 전자 장치(521)가 생략될 수 있음을 이해할 수 있을 것이다. 후술되는 바와 같이, 사용자(예: 화자(599)) 외의 다른 사용자의 발화 또한 전자 장치(501)의 번역 어플리케이션에 의하여 번역될 수 있다.The translation environment 500 described above with reference to FIG. 5 is illustrative, and embodiments of the present disclosure are not limited thereto. Those skilled in the art will understand that the server device 511 and/or the peripheral electronic device 521 may be omitted. As will be described later, utterances of users other than the user (eg, speaker 599) may also be translated by the translation application of the electronic device 501.
도 6은 일 실시 예에 따른 전자 장치의 블록도를 도시한다.Figure 6 shows a block diagram of an electronic device according to an embodiment.
도 6을 참조하여, 일 실시예에 따르면, 전자 장치(501)는 프로세서(620), 메모리(630), 마이크(650), 디스플레이(660), 및/또는 통신 회로(690)를 포함할 수 있다. 예를 들어, 프로세서(620)는 도 1의 프로세서(120) 또는 도 2의 프로세서(220)에 대응할 수 있다. 예를 들어, 메모리(630)는 도 1의 메모리(130) 또는 도 2의 메모리(230)에 대응할 수 있다. 예를 들어, 마이크(650)는 도 1의 오디오 모듈(170) 또는 도 2의 마이크(270)에 대응할 수 있다. 예를 들어, 디스플레이(660)는 도 1의 디스플레이 모듈(160) 또는 도 2의 디스플레이(260)에 대응할 수 있다. 예를 들어, 통신 회로(690)는 도 1의 통신 모듈(190) 또는 도 2의 통신 인터페이스(290)에 대응할 수 있다. 도 6의 전자 장치(601)의 구성은 예시적인 것으로서, 전자 장치(601)는 도 6에 미도시된 구성을 더 포함할 수 있다.Referring to Figure 6, according to one embodiment, the electronic device 501 may include a processor 620, memory 630, microphone 650, display 660, and/or communication circuit 690. there is. For example, the processor 620 may correspond to the processor 120 of FIG. 1 or the processor 220 of FIG. 2. For example, memory 630 may correspond to memory 130 of FIG. 1 or memory 230 of FIG. 2 . For example, the microphone 650 may correspond to the audio module 170 of FIG. 1 or the microphone 270 of FIG. 2. For example, display 660 may correspond to display module 160 of FIG. 1 or display 260 of FIG. 2 . For example, the communication circuit 690 may correspond to the communication module 190 of FIG. 1 or the communication interface 290 of FIG. 2. The configuration of the electronic device 601 in FIG. 6 is an example, and the electronic device 601 may further include a configuration not shown in FIG. 6 .
프로세서(620)는 메모리(630), 마이크(650), 디스플레이(660), 및/또는 통신 회로(690)와 전기적으로(electrically), 작동적으로(operatively), 또는 기능적으로(functionally) 연결될 수 있다. 본 개시에서, 일 구성이 타 구성과 “작동적으로” 연결된 경우, 일 구성은 타 구성을 작동시킬 수 있도록 연결된 것을 의미할 수 있다. 예를 들어, 일 구성은 직접 또는 다른 구성을 거쳐서 타 구성에 제어 신호를 전달함으로써 타 구성을 작동시킬 수 있다. 본 개시에서 일 구성이 타 구성과 “기능적으로” 연결된 경우, 일 구성은 타 구성의 기능을 실행할 수 있도록 연결된 것을 의미할 수 있다. 예를 들어, 일 구성은 직접 또는 다른 구성을 거쳐서 타 구성에 제어 신호를 전달함으로써 타 구성의 기능을 실행시킬 수 있다. Processor 620 may be electrically, operatively, or functionally connected to memory 630, microphone 650, display 660, and/or communication circuitry 690. there is. In the present disclosure, when one component is “operably” connected to another component, it may mean that one component is connected to operate the other component. For example, one component may actuate another component by transmitting a control signal to the other component, either directly or via another component. In the present disclosure, when one component is “functionally” connected to another component, it may mean that one component is connected to execute the function of the other component. For example, one component may execute the function of another component by transmitting a control signal to the other component directly or via another component.
메모리(630)는 인스트럭션들을 저장할 수 있다. 인스트럭션들은 프로세서(620)에 의하여 실행되었을 때, 전자 장치(501)로 하여금 다양한 동작들을 수행하도록 할 수 있다. 본 개시에서, 전자 장치(501)의 동작은 메모리(630)에 저장된 인스트럭션들을 실행함으로써 프로세서(620)에 의하여 수행되는 동작으로 참조될 수 있다. Memory 630 may store instructions. When executed by the processor 620, the instructions may cause the electronic device 501 to perform various operations. In this disclosure, the operation of the electronic device 501 may be referred to as an operation performed by the processor 620 by executing instructions stored in the memory 630.
마이크(650)는 소리 신호를 전기적 신호로 변환할 수 있다. 전자 장치(501)는 마이크(650)으로부터 수신된 전기적 신호를 디지털 신호로 변환하고, 디지털 신호에 기반한 데이터 처리를 수행할 수 있다.The microphone 650 can convert sound signals into electrical signals. The electronic device 501 may convert the electrical signal received from the microphone 650 into a digital signal and perform data processing based on the digital signal.
통신 회로(690)는 전자 장치(501)와 다른 전자 장치(예: 도 5의 서버 장치(511) 및/또는 주변 전자 장치(521))와의 통신을 제공할 수 있다. 통신 회로(690)는 유선 통신 및/또는 무선 통신을 지원할 수 있다. 통신 회로(690)는 근거리 무선 통신 및/또는 원거리 무선 통신을 지원할 수 있다. The communication circuit 690 may provide communication between the electronic device 501 and other electronic devices (eg, the server device 511 and/or the peripheral electronic device 521 of FIG. 5 ). Communication circuitry 690 may support wired and/or wireless communication. Communication circuitry 690 may support short-range wireless communication and/or long-range wireless communication.
전자 장치(501)는 번역을 제공할 수 있다. 전자 장치(501)는 마이크(650) 또는 통신 회로(690)를 이용하여 발화 데이터를 획득(acquire)할 수 있다. 예를 들어, 전자 장치(501)는 발화 데이터에 대한 자동 음성 인식을 수행함으로써 텍스트 데이터를 획득할 수 있다. 전자 장치(501)는 텍스트 데이터에 대한 번역을 수행함으로써 번역된 텍스트 데이터를 획득할 수 있다. 전자 장치(501)는 번역된 텍스트 데이터를, 예를 들어, 디스플레이(660)를 통하여 제공할 수 있다. 예를 들어, 전자 장치(501)는 텍스트 데이터를 외부 전자 장치(예: 도 5의 서버 장치(511))에 송신하고, 외부 전자 장치로부터 번역된 텍스트 데이터를 수신할 수 있다. 전자 장치(501)는 번역된 텍스트를 디스플레이(660)를 통하여 제공하거나, 스피커(미도시)를 통하여 제공할 수 있다. Electronic device 501 may provide translation. The electronic device 501 may acquire speech data using the microphone 650 or the communication circuit 690. For example, the electronic device 501 may obtain text data by performing automatic voice recognition on speech data. The electronic device 501 may obtain translated text data by performing translation on text data. The electronic device 501 may provide translated text data through, for example, the display 660. For example, the electronic device 501 may transmit text data to an external electronic device (eg, the server device 511 of FIG. 5) and receive translated text data from the external electronic device. The electronic device 501 may provide the translated text through the display 660 or through a speaker (not shown).
일 실시 예에 따르면, 전자 장치(501)는 사용자의 발화로부터 끝점을 검출할 수 있다. 전자 장치(501)는 끝점이 검출된, 소정 시간 동안 마이크(650)의 활성화 상태를 유지할 수 있다. 끝점 검출 후 소정 시간 내에, 전자 장치(501)는 새로운 발화를 획득할 수 있다. 이 경우, 전자 장치(501)는 끝점 이전에 획득된 발화와, 끝점 이후에 획득된 신규 발화의 음성 특성을 비교하여 신규 발화의 번역 여부를 결정할 수 있다. 이하에서, 도 7a 내지 도 16을 참조하여, 전자 장치(501)의 번역 방법에 대한 다양한 예시들이 설명될 수 있다. According to one embodiment, the electronic device 501 may detect an endpoint from the user's utterance. The electronic device 501 may maintain the activated state of the microphone 650 for a predetermined period of time when the endpoint is detected. Within a predetermined time after detecting the endpoint, the electronic device 501 can acquire a new utterance. In this case, the electronic device 501 may determine whether to translate the new utterance by comparing the speech characteristics of the utterance acquired before the end point and the new utterance acquired after the end point. Below, various examples of the translation method of the electronic device 501 may be described with reference to FIGS. 7A to 16 .
일 예에서, 전자 장치(501)는, 디스플레이(660), 메모리(630), 및 프로세서(620)를 포함할 수 있다. 메모리(630)는 프로세서(620)에 의하여 실행되었을 때에, 프로세서(620)로 하여금 다양한 동작들을 수행하도록 하는 인스트럭션들을 저장할 수 있다. In one example, the electronic device 501 may include a display 660, a memory 630, and a processor 620. The memory 630 may store instructions that, when executed by the processor 620, allow the processor 620 to perform various operations.
도 7a는 일 실시 예에 따른 전자 장치의 구성들을 도시한다.FIG. 7A shows configurations of an electronic device according to an embodiment.
도 6 및 도 7a를 참조하여, 도 7a의 전자 장치(501-1)는 도 6의 전자 장치(501)의 일 예시이다. 도 7a의 전자 장치(501-1)는 도 6과 관련하여 상술된 전자 장치(501)의 구성을 포함하는 전자 장치일 수 있다. 도 7a와 관련하여 후술되는 전자 장치(501-1)에 대한 설명은 도 6의 전자 장치(501)에 동일하게 적용될 수 있다.Referring to FIGS. 6 and 7A , the electronic device 501-1 in FIG. 7A is an example of the electronic device 501 in FIG. 6 . The electronic device 501-1 of FIG. 7A may be an electronic device that includes the configuration of the electronic device 501 described above with reference to FIG. 6 . The description of the electronic device 501-1 described later in relation to FIG. 7A may be equally applied to the electronic device 501 of FIG. 6.
일 실시 예에 따르면, 전자 장치(501-1)는 복수의 모듈들을 포함할 수 있다. 예를 들어, 도 7a와 관련하여 설명되는 전자 장치(501-1)의 구성들의 적어도 일부는 메모리(630)에 저장된 인스트럭션들을 프로세서(620)에 의하여 실행함으로써 구현되는 소프트웨어 모듈들일 수 있다. 전자 장치(501-1)의 모듈들의 적어도 일부는 하드웨어 모듈일 수 있다. 예를 들어, 메모리(630)는 화자 식별 모델 DB(745)을 저장할 수 있다. 예를 들어, EPD(end point detection) 모듈(730), 화자 식별 모듈(740), ASR 모듈(750), 번역 모듈(760), 실행 모듈(770), 및/또는 마이크 제어 모듈(780)은 소프트웨어 모듈일 수 있다. According to one embodiment, the electronic device 501-1 may include a plurality of modules. For example, at least some of the components of the electronic device 501-1 described with reference to FIG. 7A may be software modules implemented by executing instructions stored in the memory 630 by the processor 620. At least some of the modules of the electronic device 501-1 may be hardware modules. For example, the memory 630 may store the speaker identification model DB 745. For example, end point detection (EPD) module 730, speaker identification module 740, ASR module 750, translation module 760, execution module 770, and/or microphone control module 780. It may be a software module.
일 실시 예에 따르면, 전자 장치(501-1)는 사용자 입력에 기반하여 마이크(650)를 활성화할 수 있다. 예를 들어, 전자 장치(501)는 번역 어플리케이션의 실행에 따라서 번역 어플리케이션의 UI(예: 도 11의 UI)를 디스플레이(660)에 디스플레이 할 수 있다. 전자 장치(501-1)는 UI에 대한 입력(예: 도 11의 버튼(1110)에 대한 입력)이 수신되면 마이크(650)를 활성화시킬 수 있다. 예를 들어, 전자 장치(501-1)는 마이크 제어 모듈(780)을 이용하여 마이크(650)를 활성화시킬 수 있다. 활성화된 마이크(650)를 이용하여, 전자 장치(501-1)는 오디오 신호를 획득(acquire)할 수 있다. 본 개시에서, 오디오 신호는, 다르게 지칭되지 않으면, 디지털화된 오디오 정보 또는 아날로그 오디오 신호로 참조될 수 있다. 활성화된 마이크(650)를 이용하여, 전자 장치(501-1)는 음성 신호를 획득할 수 있다. 본 개시에서, 음성(voice) 신호는 오디오 신호 중 음성 대역에 대응하는 신호 또는 오디오 신호 자체를 의미할 수 있다. 일 예에서, 전자 장치(501-1)는 오디오 신호에 대한 전처리(예: 주파수 대역 필터링, 잡음 억제, AGC(automatic gain control), AEC(acoustic echo cancelling), 잡음 제거(cancelling), 및/또는 윈도윙(windowing))를 통하여 오디오 신호로부터 음성 신호를 획득할 수 있다. According to one embodiment, the electronic device 501-1 may activate the microphone 650 based on user input. For example, the electronic device 501 may display the UI (eg, UI of FIG. 11 ) of the translation application on the display 660 according to the execution of the translation application. The electronic device 501-1 may activate the microphone 650 when an input to the UI (eg, an input to the button 1110 of FIG. 11) is received. For example, the electronic device 501-1 may activate the microphone 650 using the microphone control module 780. Using the activated microphone 650, the electronic device 501-1 can acquire an audio signal. In this disclosure, an audio signal may be referred to as digitized audio information or an analog audio signal, unless otherwise specified. Using the activated microphone 650, the electronic device 501-1 can acquire a voice signal. In the present disclosure, a voice signal may refer to a signal corresponding to a voice band among audio signals or the audio signal itself. In one example, the electronic device 501-1 performs preprocessing on the audio signal (e.g., frequency band filtering, noise suppression, automatic gain control (AGC), acoustic echo cancelling (AEC), noise cancellation, and/or A voice signal can be obtained from an audio signal through windowing.
일 예에서, 전자 장치(501-1)는 음성 신호로부터 음성 특징을 식별할 수 있다. 예를 들어, 전자 장치(501-1)는 화자 식별 모듈(740)을 이용하여 음성 특징(feature)(예: 화자, 나이, 성별, 또는 언어 중 적어도 하나)을 식별할 수 있다. 화자 식별 모듈(740)은 음성 신호로부터 음성 벡터를 추출함으로써 음성 신호에 대응하는 음성 특징을 식별할 수 있다. 화자 식별 모듈(740)은 음성 벡터에 기반하여, 음성 신호에 포함된 음성의 화자, 화자의 나이, 성별 또는 언어 중 적어도 하나를 식별할 수 있다. In one example, the electronic device 501-1 can identify voice characteristics from a voice signal. For example, the electronic device 501-1 may identify voice features (eg, at least one of speaker, age, gender, or language) using the speaker identification module 740. The speaker identification module 740 can identify voice features corresponding to the voice signal by extracting a voice vector from the voice signal. The speaker identification module 740 may identify at least one of the speaker, age, gender, or language of the voice included in the voice signal based on the voice vector.
화자 식별 모듈(740)은, 음성 신호로부터 음성의 화자를 식별할 수 있다. 예를 들어, 화자 식별 모델 DB(745)는 적어도 하나의 화자 식별 모델(예: 화자 식별 벡터)를 포함할 수 있다. 하나의 화자 식별 모델은, 하나의 화자의 음성에 기반하여 이전에 생성된 음성 벡터에 대응할 수 있다. 화자 식별 모듈(740)은 수신된 음성 신호를 음성 벡터로 변환하고, 음성 벡터와 화자 식별 모델 DB(745)에 저장된 화자 식별 모델을 비교함으로써, 화자를 식별할 수 있다. 예를 들어, 음성 벡터와 화자 식별 모델 사이의 유사도(예: LRT(likelihood ratio test), Euclidian distance, 또는 Cosine similarity)가 지정된 유사도 이상이면, 화자 식별 모듈(740)은 음성 신호의 화자가 저장된 화자 식별 모델의 화자에 대응함으로 결정할 수 있다. The speaker identification module 740 can identify the speaker of a voice from a voice signal. For example, the speaker identification model DB 745 may include at least one speaker identification model (eg, speaker identification vector). One speaker identification model may correspond to a previously generated speech vector based on the speech of one speaker. The speaker identification module 740 converts the received voice signal into a voice vector and compares the voice vector with the speaker identification model stored in the speaker identification model DB 745 to identify the speaker. For example, if the similarity (e.g., likelihood ratio test (LRT), Euclidian distance, or Cosine similarity) between the speech vector and the speaker identification model is greater than or equal to the specified similarity, the speaker identification module 740 determines that the speaker in the speech signal is stored. It can be determined by corresponding to the speaker in the identification model.
화자 식별 모듈(740)은 음성 신호로부터 화자의 나이 및/또는 성별을 식별할 수 있다. 예를 들어, 화자 식별 모듈(740)은 음성 신호의 특징을 추출하고, 특징의 패턴에 기반하여 화자의 나이, 성별, 및/또는 언어를 식별할 수 있다. The speaker identification module 740 may identify the speaker's age and/or gender from the voice signal. For example, the speaker identification module 740 may extract features of a voice signal and identify the speaker's age, gender, and/or language based on the pattern of features.
화자 식별 모듈(740)은 음성 신호의 언어학적 특징을 추출하고, 특징 패턴에 기반하여 음성 신호에 포함된 음성의 언어를 식별할 수 있다. 일 예에서, 음성 신호의 언어 식별은 번역 모듈(760)에 의하여 수행될 수 있다. The speaker identification module 740 can extract linguistic features of the voice signal and identify the language of the voice included in the voice signal based on the feature pattern. In one example, language identification of the speech signal may be performed by translation module 760.
ASR 모듈(750)은, 예를 들어, 마이크(650)에 의하여 획득된 음성 신호를 텍스트로 변환할 수 있다. 전자 장치(505-1)는 ASR 모듈(750)에 의하여 변환된 텍스트를 디스플레이(660) 상에 디스플레이 할 수 있다. 예를 들어, 전자 장치(505-1)는 음성 신호를 실시간으로 변환하여 텍스트를 디스플레이 할 수 있다. For example, the ASR module 750 may convert a voice signal obtained by the microphone 650 into text. The electronic device 505-1 may display text converted by the ASR module 750 on the display 660. For example, the electronic device 505-1 can convert voice signals in real time and display text.
EPD 모듈(730)은 음성 신호로부터 끝점을 검출할 수 있다. 예를 들어, EPD 모듈(730)은 음성 신호로부터 제1 임계 시간을 초과하는 묵음 구간이 검출되면 음성 신호의 끝점을 검출할 수 있다. 본 개시에서, 묵음 구간은, 음성 신호로부터 음성이 검출되지 않는 구간으로 참조될 수 있다. EPD 모듈(730)은, 음성 신호의 볼륨이 지정된 값 이하인 구간을 묵음 구간으로 검출할 수 있다. EPD 모듈(730)은 음성 신호로부터 지정된 대역(예: 사람의 음성 대역)에 대응하는 신호 성분이 검출되지 않는 구간을 묵음 구간으로 검출할 수 있다. EPD 모듈(730)은 음성 신호로부터 끝점이 식별되면, 끝점이 식별되었음을 알리는 정보를 ASR 모듈(750)에 전달할 수 있다. EPD module 730 can detect the endpoint from the voice signal. For example, the EPD module 730 may detect the end point of the voice signal when a silence section exceeding the first threshold time is detected from the voice signal. In the present disclosure, a silent section may be referred to as a section in which no voice is detected from a voice signal. The EPD module 730 may detect a section in which the volume of the voice signal is less than or equal to a specified value as a silent section. The EPD module 730 may detect a section in which a signal component corresponding to a designated band (e.g., human voice band) is not detected from the voice signal as a silent section. When an endpoint is identified from a voice signal, the EPD module 730 may transmit information indicating that the endpoint has been identified to the ASR module 750.
일 실시 예에 따르면, 전자 장치(501-1)는 끝점이 검출되더라도, 마이크(650)를 활성화 상태로 유지할 수 있다. 예를 들어, 전자 장치(501-1)는 끝점 검출 후, 적어도 지정된 시간(예: 제2 임계 시간) 동안 마이크(650)를 활성화 상태로 유지할 수 있다. According to one embodiment, the electronic device 501-1 may maintain the microphone 650 in an activated state even if an endpoint is detected. For example, the electronic device 501-1 may maintain the microphone 650 in an activated state for at least a specified time (eg, a second threshold time) after detecting the endpoint.
일 예에서, 지정된 시간(예: 제2 임계 시간) 내에서 음성 신호가 감지되지 않으면, 전자 장치(501-1)는 마이크(650)를 비활성화할 수 있다. 예를 들어, 전자 장치(501-1)는 마이크 제어 모듈(780)을 이용하여 마이크(650)를 비활성화할 수 있다. ASR 모듈(750)은 끝점이 식별됨을 지시하는 정보가 수신되면, 음성 신호로부터 변환된 텍스트를 번역 모듈(760)에 전달할 수 있다. 변환된 텍스트는, 끝점 검출 이전에 획득된 음성에 대응하는 텍스트일 수 있다. 변환된 텍스트는, 마이크(650)가 활성화된 뒤로부터 끝점 검출 시까지의 음성 신호(예: 제1 음성 신호)에 대응하는 텍스트일 수 있다.In one example, if a voice signal is not detected within a specified time (eg, a second threshold time), the electronic device 501-1 may deactivate the microphone 650. For example, the electronic device 501-1 may deactivate the microphone 650 using the microphone control module 780. When information indicating that an endpoint is identified is received, the ASR module 750 may transmit the text converted from the voice signal to the translation module 760. The converted text may be text corresponding to the voice acquired before endpoint detection. The converted text may be text corresponding to a voice signal (eg, a first voice signal) from when the microphone 650 is activated until the end point is detected.
일 예에서, 끝점 검출 후 마이크(650)가 활성화된 동안, 전자 장치(501-1)는 마이크(650)를 통하여 후속 음성 신호(예: 제2 음성 신호)를 획득할 수 있다. 예를 들어, 끝점에 후속하여 획득된 음성 신호는 제2 음성 신호로, 끝점에 선행하여 획득된 음성 신호는 제1 음성 신호로 참조될 수 있다. ASR 모듈(750)은 제2 음성 신호에 대응하는 텍스트를 디스플레이(660) 상에 디스플레이 할 수 있다. In one example, while the microphone 650 is activated after detecting the endpoint, the electronic device 501-1 may acquire a subsequent voice signal (eg, a second voice signal) through the microphone 650. For example, a voice signal acquired subsequent to an endpoint may be referred to as a second voice signal, and a voice signal acquired prior to an endpoint may be referred to as a first voice signal. The ASR module 750 may display text corresponding to the second voice signal on the display 660.
일 실시 예에 따르면, 화자 식별 모듈(740)은 제1 음성 신호의 제1 음성 특징과 제2 음성 신호의 제2 음성 특징을 비교할 수 있다. 예를 들어, 화자 식별 모듈(740)은, 제1 음성 신호와 제2 음성 신호의 화자, 나이, 성별, 및/또는 언어를 비교할 수 있다. According to one embodiment, the speaker identification module 740 may compare the first voice feature of the first voice signal and the second voice feature of the second voice signal. For example, speaker identification module 740 may compare the speaker, age, gender, and/or language of the first and second voice signals.
예를 들어, 화자 식별 모듈(740)은 제1 음성 특성(characteristic)과 제2 특성의 유사도가 기설정된 값 이상이면 제2 음성 특징이 제1 음성 특징에 대응하는 것으로 결정할 수 있다. 제1 음성 특징과 제2 음성 특징의 유사도가 기설정된 값 미만인 경우, 또는 차이가 지정된 범위를 초과하는 경우, 화자 식별 모듈(740)은 제1 화자와 제2 화자가 상이한 화자인 것으로 결정할 수 있다. For example, the speaker identification module 740 may determine that the second voice characteristic corresponds to the first voice characteristic if the similarity between the first voice characteristic and the second voice characteristic is greater than or equal to a preset value. If the similarity between the first voice feature and the second voice feature is less than a preset value, or if the difference exceeds a specified range, the speaker identification module 740 may determine that the first speaker and the second speaker are different speakers. .
예를 들어, 화자 식별 모듈(740)은 제1 음성 신호의 제1 화자와 제2 음성 신호의 제2 화자가 동일한 화자인지 결정할 수 있다. 제1 화자와 제2 화자가 동일한 화자로 결정되면, 화자 식별 모듈(740)은 제1 음성 특징과 제2 음성 특징이 대응하는 것으로 결정할 수 있다. 화자 식별 모듈(740)은 제1 음성 신호 및 화자 식별 모듈 DB(745)에 저장된 화자 식별 모델을 이용하여 제1 음성 신호에 대응하는 화자를 식별할 수 있다. 화자 식별 모듈(740)은 제2 음성 신호 및 화자 식별 모듈 DB(745)에 저장된 화자 식별 모델을 이용하여 제2 음성 신호에 대응하는 화자의 식별을 시도할 수 있다. 예를 들어, 제1 음성 신호와 제2 음성 신호가 동일한 화자에 대응하면, 화자 식별 모듈(740)은 제1 음성 특징과 제2 음성 특징이 대응하는 것으로 결정할 수 있다. 예를 들어, 제1 음성 신호와 제2 음성 신호가 서로 상이한 화자에 대응하거나, 제2 음성 신호에 대한 화자 식별이 실패하는 경우, 화자 식별 모듈(740)은 제1 음성 특징과 제2 음성 특징이 대응하지 않는 것으로 결정할 수 있다. For example, the speaker identification module 740 may determine whether the first speaker of the first voice signal and the second speaker of the second voice signal are the same speaker. If the first speaker and the second speaker are determined to be the same speaker, the speaker identification module 740 may determine that the first voice feature and the second voice feature correspond. The speaker identification module 740 may identify the speaker corresponding to the first voice signal using the first voice signal and the speaker identification model stored in the speaker identification module DB 745. The speaker identification module 740 may attempt to identify the speaker corresponding to the second voice signal using the second voice signal and the speaker identification model stored in the speaker identification module DB 745. For example, if the first voice signal and the second voice signal correspond to the same speaker, the speaker identification module 740 may determine that the first voice feature and the second voice feature correspond. For example, when the first voice signal and the second voice signal correspond to different speakers or when speaker identification for the second voice signal fails, the speaker identification module 740 uses the first voice feature and the second voice feature. You can decide not to respond.
예를 들어, 화자 식별 모듈(740)은 제1 음성 신호와 제2 음성 신호의 나이, 성별, 또는 언어 중 적어도 하나가 동일하면, 제1 음성 특징이 제2 음성 특징에 대응하는 것으로 결정할 수 있다. For example, the speaker identification module 740 may determine that the first voice feature corresponds to the second voice feature if at least one of age, gender, or language of the first voice signal and the second voice signal is the same. .
일 실시 예에 따르면, 제1 음성 특징과 제2 음성 특징이 대응하지 않으면, ASR 모듈(750)은 번역 모듈(760)에 제1 음성 신호에 대응하는 제1 텍스트를 전달할 수 있다. 번역 모듈(760)은 ASR 모듈(750)로부터 획득된 제1 텍스트를 목적 언어로 번역함으로써 번역된 제1 텍스트를 획득할 수 있다. 번역 모듈(760)은, 예를 들어, 기계 학습에 기반하여 음성 신호에 대응하는 텍스트를 목적 언어로 번역할 수 있다. 본 개시에서의 번역 방법은 예시적인 것으로서, 통상의 기술자는 다양한 임의의 번역 방법이 이용될 수 있음을 이해할 수 있을 것이다. 실행 모듈(770)은 번역된 제1 텍스트를 디스플레이(660)를 통하여 제공할 수 있다. 실행 모듈(770)은 번역된 제1 텍스트를 스피커(미도시)를 통하여 제공할 수 있다. 일 예에서, 실행 모듈(770)은 번역된 제1 텍스트를 제공할 때에, 마이크 제어 모듈(780)로 하여금 마이크(650)를 비활성화시키도록 할 수 있다. 이 경우, 제2 텍스트에 대한 번역은 제공되지 않을 수 있다. 일 예에서, 실행 모듈(770)은 제2 텍스트의 번역을 위한 버튼을 디스플레이(660) 상에 디스플레이할 수 있다. According to one embodiment, if the first voice feature and the second voice feature do not correspond, the ASR module 750 may transmit the first text corresponding to the first voice signal to the translation module 760. The translation module 760 may obtain the translated first text by translating the first text obtained from the ASR module 750 into the target language. The translation module 760 may translate the text corresponding to the voice signal into the target language, for example, based on machine learning. The translation methods in this disclosure are exemplary, and those skilled in the art will understand that any of a variety of translation methods may be used. The execution module 770 may provide the translated first text through the display 660. The execution module 770 may provide the translated first text through a speaker (not shown). In one example, execution module 770 may cause microphone control module 780 to disable microphone 650 when providing translated first text. In this case, translation for the second text may not be provided. In one example, execution module 770 can display a button for translation of the second text on display 660.
일 실시 예에 따르면, 제1 음성 특징이 제2 음성 특징에 대응하면, ASR 모듈(750)은 번역 모듈(760)에 제1 음성 신호에 대응하는 제1 텍스트 및 제2 음성 신호에 대응하는 제2 텍스트를 전달할 수 있다. 예를 들어, ASR 모듈(750)은 제2 음성 신호에 대한 끝점이 식별되면, 제1 텍스트 및 제2 텍스트를 번역 모듈(760)에 전달할 수 있다. 일 예에서, 번역 모듈(760)은 ASR 모듈(750)로부터 획득된 제1 텍스트 및 제2 텍스트를 목적 언어로 번역함으로써 번역된 제1 텍스트 및 제2 텍스트를 획득할 수 있다. 일 예에서, 제1 텍스트와 제2 텍스트가 하나의 문장을 구성하는 경우, 번역 모듈(760)은 제1 텍스트 및 제2 텍스트를 조합하여 목적 언어로 번역함으로써 번역된 하나의 문장을 획득할 수 있다. 실행 모듈(770)은 번역된 제1 텍스트 및 제2 텍스트를 디스플레이(660)를 통하여 제공할 수 있다. 실행 모듈(770)은 번역된 제1 텍스트 및 제2 텍스트를 스피커(미도시)를 통하여 제공할 수 있다. 일 예에서, 실행 모듈(770)은 번역된 제1 텍스트 및 제2 텍스트를 제공할 때에, 마이크 제어 모듈(780)로 하여금 마이크(650)를 비활성화시키도록 할 수 있다. According to one embodiment, if the first speech feature corresponds to the second speech feature, the ASR module 750 sends a first text corresponding to the first speech signal and a second text corresponding to the second speech signal to the translation module 760. 2 Text can be transmitted. For example, ASR module 750 may forward the first text and second text to translation module 760 once the endpoint for the second speech signal is identified. In one example, the translation module 760 may obtain the translated first and second texts by translating the first and second texts obtained from the ASR module 750 into the target language. In one example, when the first text and the second text constitute one sentence, the translation module 760 may obtain one translated sentence by combining the first text and the second text and translating it into the target language. there is. The execution module 770 may provide the translated first and second texts through the display 660. The execution module 770 may provide the translated first and second texts through a speaker (not shown). In one example, execution module 770 may cause microphone control module 780 to disable microphone 650 when providing translated first and second texts.
일 예시에서, 제1 음성 특징과 제2 음성 특징이 대응하지 않으나, 전자 장치(505-1)는 제2 음성 신호에 대응하는 번역된 제2 텍스트를 제공할 수 있다. 예를 들어, 제1 음성 특징은 화자 식별 모델 DB(745)의 제1 화자에 대응하고, 제2 음성 특징은 화자 식별 모델 DB(745)의 제2 화자에 대응할 수 있다. 제2 음성 신호가 제1 음성 신호와는 다른 화자에 의한 것이나, 제2 음성 신호의 화자 또한 전자 장치(505-1)에 기저장된 화자에 대응할 수 있다. 이 경우, 제1 음성 특징과 제2 음성 특징이 서로 대응하는 경우와 유사하게, 전자 장치(505-1)는 번역된 제2 텍스트를 제공할 수 있다. In one example, the first voice feature and the second voice feature do not correspond, but the electronic device 505-1 may provide translated second text that corresponds to the second voice signal. For example, the first voice feature may correspond to the first speaker in the speaker identification model DB 745, and the second voice feature may correspond to the second speaker in the speaker identification model DB 745. Although the second voice signal is from a different speaker than the first voice signal, the speaker of the second voice signal may also correspond to a speaker previously stored in the electronic device 505-1. In this case, similar to the case where the first voice feature and the second voice feature correspond to each other, the electronic device 505-1 may provide the translated second text.
도 5와 관련하여 상술된 바와 같이, 텍스트의 번역은 도 5의 서버 장치(511)에 의하여 수행될 수 있다. 이 경우, 전자 장치(501-1)는 통신 회로(690)를 이용하여 음성 신호에 대응하는 텍스트를 서버 장치에 송신하고, 서버 장치로부터 번역된 텍스트를 획득할 수 있다. 일 예에서, 번역 모듈(760)은 생략될 수 있다. As described above with respect to FIG. 5 , translation of text may be performed by the server device 511 of FIG. 5 . In this case, the electronic device 501-1 may transmit text corresponding to the voice signal to the server device using the communication circuit 690 and obtain translated text from the server device. In one example, translation module 760 may be omitted.
도 7b는 일 실시 예에 따른 전자 장치 및 주변 전자 장치의 구성들을 도시한다.FIG. 7B shows configurations of an electronic device and a peripheral electronic device according to an embodiment.
도 6 및 도 7b를 참조하여, 도 7b의 전자 장치(501-2)는 도 6의 전자 장치(501)의 일 예시이다. 도 7b의 전자 장치(501-2)는 도 6과 관련하여 상술된 전자 장치(501)의 구성을 포함하는 전자 장치일 수 있다. 도 7b와 관련하여 후술되는 전자 장치(501-2)에 대한 설명은 도 6의 전자 장치(501)에 동일하게 적용될 수 있다. 다르게 설명되지 않으면, 도 7a의 전자 장치(501-1)와 관련하여 설명된 설명이 도 7b의 전자 장치(501-2)에 적용될 수 있다. Referring to FIGS. 6 and 7B , the electronic device 501-2 of FIG. 7B is an example of the electronic device 501 of FIG. 6 . The electronic device 501-2 of FIG. 7B may be an electronic device that includes the configuration of the electronic device 501 described above with reference to FIG. 6 . The description of the electronic device 501-2 described later in relation to FIG. 7B may be equally applied to the electronic device 501 of FIG. 6. Unless otherwise stated, the description described with respect to the electronic device 501-1 in FIG. 7A may be applied to the electronic device 501-2 in FIG. 7B.
도 7b의 예시에서, 전자 장치(501-2)는 주변 전자 장치(521)로부터 오디오 신호 또는 음성 신호를 획득할 수 있다. 전자 장치(501-2)는 통신 회로(690)를 이용하여 주변 전자 장치(521)와 연결된 상태일 수 있다. In the example of FIG. 7B, the electronic device 501-2 may obtain an audio signal or voice signal from the surrounding electronic device 521. The electronic device 501-2 may be connected to the peripheral electronic device 521 using the communication circuit 690.
일 실시 예에 따르면, 주변 전자 장치(521)는, 마이크(651), VAD(voice activity detection) 모듈(710), 마이크 제어 모듈(720), 및 통신 회로(691)를 포함할 수 있다. 주변 전자 장치(521)는 통신 회로(691)를 이용하여 전자 장치(501-2)와 통신할 수 있다. According to one embodiment, the peripheral electronic device 521 may include a microphone 651, a voice activity detection (VAD) module 710, a microphone control module 720, and a communication circuit 691. The peripheral electronic device 521 may communicate with the electronic device 501-2 using the communication circuit 691.
일 예에서, 주변 전자 장치(521)는 이어 버드 또는 AR 글래스와 같은 사용자의 몸에 착용될 수 있는 웨어러블 전자 장치일 수 있다. 주변 전자 장치(521)는 착용자의 발화 여부를 VAD 모듈(710)을 이용하여 감지할 수 있다. 예를 들어, 주변 전자 장치(521)는 가속도 센서를 이용하여 착용자의 발화에 따른 가속도 변화를 감지함으로써 착용자에 의한 발화를 감지할 수 있다. In one example, the peripheral electronic device 521 may be a wearable electronic device that can be worn on the user's body, such as earbuds or AR glasses. The peripheral electronic device 521 can detect whether the wearer utters a utterance using the VAD module 710. For example, the peripheral electronic device 521 can detect speech by the wearer by using an acceleration sensor to detect a change in acceleration according to the wearer's speech.
주변 전자 장치(521)는 음성 신호를 전자 장치(501-2)에 전달할 때에, 음성 신호가 착용자의 발화에 의한 것인지를 알려줄 수 있다. 이 경우, 화자 식별 모듈(740)은 제1 음성 특징과 제2 음성 특징의 대응 여부를 주변 전자 장치(521)로부터 수신된 정보에 기반하여 결정할 수 있다. 예를 들어, 제1 음성 신호는 주변 전자 장치(521)의 착용자에 의한 것이나, 제2 음성 신호는 주변 전자 장치(521)의 착용자에 의한 것이 아닐 수 있다. 이 경우, 전자 장치(501-2)는 주변 전자 장치(521)로부터 수신된 정보에 기반하여, 제1 음성 신호의 화자와 제2 음성 신호의 화자가 상이한 것으로 결정할 수 있다. When transmitting a voice signal to the electronic device 501-2, the peripheral electronic device 521 can inform whether the voice signal was uttered by the wearer. In this case, the speaker identification module 740 may determine whether the first voice feature corresponds to the second voice feature based on information received from the peripheral electronic device 521. For example, the first voice signal may be from the wearer of the peripheral electronic device 521, but the second voice signal may not be from the wearer of the peripheral electronic device 521. In this case, the electronic device 501-2 may determine that the speaker of the first voice signal and the speaker of the second voice signal are different based on information received from the peripheral electronic device 521.
도 7a와 관련하여 상술된 바와 같이, 전자 장치(501-2)가 제1 음성 신호의 제1 음성 특징과 제2 음성 신호의 제2 음성 특징의 대응 여부를 결정하고, 결정에 기반하여 번역문을 제공함을 상술된 바와 같다. 다만, 도 7b의 실시예에서, 실행 모듈(770)은 주변 전자 장치(521)를 통하여 피드백(예: 청각적 피드백)을 제공할 수 있다. 전자 장치(501-2)는 마이크 제어 모듈(780)을 이용하여 주변 전자 장치(521)의 마이크(651)의 제어를 결정할 수 있다. 주변 전자 장치(521)의 마이크 제어 모듈(720)은 전자 장치(501-2)로부터 수신된 마이크 제어 신호에 기반하여 마이크(651)를 제어할 수 있다. As described above with reference to FIG. 7A, the electronic device 501-2 determines whether the first voice feature of the first voice signal corresponds to the second voice feature of the second voice signal, and provides a translation based on the determination. The provision is as described above. However, in the embodiment of FIG. 7B, the execution module 770 may provide feedback (eg, auditory feedback) through the peripheral electronic device 521. The electronic device 501-2 may determine control of the microphone 651 of the peripheral electronic device 521 using the microphone control module 780. The microphone control module 720 of the peripheral electronic device 521 may control the microphone 651 based on the microphone control signal received from the electronic device 501-2.
이하에서, 도 8 내지 도 16을 참조하여, 전자 장치(501)의 다양한 동작들이 설명될 수 있다. 이하의 개시는, 도 7a의 전자 장치(501-1) 및/또는 도 7b의 전자 장치(501-2)에 적용될 수 있다. 통상의 기술자는, 후술되는 다양한 동작들이 설명이 도 7a의 전자 장치(501-1) 또는 도 7b의 전자 장치(501-2)의 구성에 따라서 변경될 수 있음을 이해할 수 있을 것이다. Below, various operations of the electronic device 501 may be described with reference to FIGS. 8 to 16 . The following disclosure may be applied to the electronic device 501-1 in FIG. 7A and/or the electronic device 501-2 in FIG. 7B. Those skilled in the art will understand that descriptions of various operations described below may change depending on the configuration of the electronic device 501-1 in FIG. 7A or the electronic device 501-2 in FIG. 7B.
도 8은 번역이 제공되는 대화의 일 예를 도시한다. Figure 8 shows an example of a conversation for which translation is provided.
도 6 및 도 8을 참조하여, 예를 들어, 화자(599)와 상대 화자(598)가 대화 중일 수 있다. 예를 들어, 화자(599)는 전자 장치(501)의 사용자일 수 있다. 예를 들어, 상대 화자(598)는 대화의 상대방으로서, 전자 장치(501)에 화자 식별 모델이 저장되지 않은 화자일 수 있다. Referring to FIGS. 6 and 8 , for example, a speaker 599 and the other speaker 598 may be having a conversation. For example, speaker 599 may be a user of electronic device 501. For example, the other speaker 598 may be a conversation partner whose speaker identification model is not stored in the electronic device 501.
제1 시간 구간(T1)에서, 화자(599)는 제1 스피치(801)를 발화할 수 있다. 제2 시간 구간(T2)은, 제1 스피치(801)와 제2 스피치(802) 사이의 묵음 구간일 수 있다. 제2 시간 구간(T2)은 제1 임계 시간(TH1)보다 길지만, 제1 임계 시간(TH1) 및 제2 임계 시간(TH2) 보다는 짧다. 예를 들어, 제1 임계 시간(TH1)은 끝점 감지를 위한 임계 시간일 수 있다. 전자 장치(501)는 제1 임계 시간(TH1)보다 긴 묵음 구간을 감지함으로써 제1 스피치(801)의 끝점을 감지할 수 있다. In the first time interval T1, the speaker 599 may utter the first speech 801. The second time section T2 may be a silent section between the first speech 801 and the second speech 802. The second time interval T2 is longer than the first threshold time TH1, but is shorter than the first threshold time TH1 and the second threshold time TH2. For example, the first threshold time (TH1) may be a threshold time for endpoint detection. The electronic device 501 may detect the end point of the first speech 801 by detecting a silence period longer than the first threshold time TH1.
상술된 바와 같이, 전자 장치(501)는 끝점의 감지 후에도 제2 임계 시간(TH2) 동안 마이크(650)의 활성화 상태를 유지할 수 있다. 전자 장치(501)는 제1 스피치(801)에 대응하는 제1 텍스트(예: 제1 스피치에 대한 자동 음성 인식 결과)를 디스플레이(660)에 디스플레이 할 수 있다. 전자 장치(501)는 제1 텍스트를 목적 언어로 번역함으로써, 번역된 제1 텍스트를 디스플레이 할 수 있다.As described above, the electronic device 501 may maintain the activated state of the microphone 650 for the second threshold time TH2 even after detection of the endpoint. The electronic device 501 may display the first text (e.g., automatic voice recognition result for the first speech) corresponding to the first speech 801 on the display 660. The electronic device 501 may display the translated first text by translating the first text into the target language.
제3 시간 구간(T3)에서, 전자 장치(501)는 제2 스피치(802)를 획득할 수 있다. 전자 장치(501)는 제2 스피치(802)에 대응하는 제2 텍스트(예: 제2 스피치에 대한 자동 음성 인식 결과)를 디스플레이(660)에 디스플레이 할 수 있다. In the third time interval T3, the electronic device 501 may acquire the second speech 802. The electronic device 501 may display the second text (e.g., automatic voice recognition result for the second speech) corresponding to the second speech 802 on the display 660.
제2 스피치(802)의 획득 시에, 전자 장치(501)의 제1 스피치(801)의 제1 음성 특징과 제2 스피치(802)의 제2 음성 특징이 대응하는 것인지 결정할 수 있다. 예를 들어, 전자 장치(501)는 도 7a와 관련하여 상술된 방법에 따라서 제1 음성 특징과 제2 음성 특징의 대응 여부를 결정할 수 있다. 도 8의 예시에서, 제1 스피치(801)와 제2 스피치(802) 양자는 화자(599)에 의하여 발화되었기 때문에, 전자 장치(501)는 제1 음성 특징이 제2 음성 특징에 대응하는 것으로 결정할 수 있다. 이 경우, 전자 장치(501)는 제1 스피치(801)의 제1 텍스트 및 제2 스피치(802)의 제2 텍스트에 대응하는 번역문을 제공할 수 있다. 전자 장치(501)는, 시각적으로 및/또는 청각적으로 번역문을 제공할 수 있다. 전자 장치(501) 제2 텍스트에 대응하는 번역된 제2 텍스트를 추가적으로 디스플레이 할 수 있다. When acquiring the second speech 802, it may be determined whether the first voice feature of the first speech 801 of the electronic device 501 corresponds to the second voice feature of the second speech 802. For example, the electronic device 501 may determine whether the first voice feature and the second voice feature correspond according to the method described above with reference to FIG. 7A. In the example of FIG. 8, because both the first speech 801 and the second speech 802 were uttered by the speaker 599, the electronic device 501 determines that the first speech feature corresponds to the second speech feature. You can decide. In this case, the electronic device 501 may provide translations corresponding to the first text of the first speech 801 and the second text of the second speech 802. Electronic device 501 may provide translations visually and/or audibly. The electronic device 501 may additionally display a translated second text corresponding to the second text.
제4 시간 구간(T4)은, 제2 스피치(802)와 제3 스피치(803) 사이의 묵음 구간일 수 있다. 제4 시간 구간(T4)은 제1 임계 시간(TH1)보다 길지만, 제1 임계 시간(TH1) 및 제2 임계 시간(TH2) 보다는 짧다. 전자 장치(501)는 제1 임계 시간(TH1)보다 긴 묵음 구간을 감지함으로써 제2 스피치(802)의 끝점을 감지할 수 있다. 전자 장치(501)는 제2 스피치(802)의 끝점이 감지되었을 때, 번역문을 제공할 수 있다. The fourth time section T4 may be a silent section between the second speech 802 and the third speech 803. The fourth time interval T4 is longer than the first threshold time TH1, but is shorter than the first threshold time TH1 and the second threshold time TH2. The electronic device 501 may detect the end point of the second speech 802 by detecting a silence period longer than the first threshold time TH1. The electronic device 501 may provide a translation when the endpoint of the second speech 802 is detected.
제5 시간 구간(T5)에서, 전자 장치(501)는 활성화된 마이크(650)를 통하여 제3 스피치(803)를 획득할 수 있다. 제3 스피치(803)는 상대 화자(598)에 의한 발화일 수 있다. 전자 장치(501)는 제2 스피치(802)의 제2 음성 특징과 제3 스피치(803)의 제2 음성 특징이 대응하는 것인지 결정할 수 있다. 예를 들어, 전자 장치(501)는 도 7a와 관련하여 상술된 방법에 따라서 제2 음성 특징과 제3 음성 특징의 대응 여부를 결정할 수 있다. 도 8의 예시에서, 제2 스피치(802)와 제3 스피치(803)는 서로 상이한 화자에 의하여 발화되었기 때문에, 전자 장치(501)는 제2 음성 특징이 제3 음성 특징에 대응하지 않는 것으로 결정할 수 있다. 이 경우, 전자 장치(501)는 제3 스피치(803)에 대응하는 제3 텍스트를 제공할 수 있다. 전자 장치(501)는, 일 예에서, 제3 텍스트에 대한 번역을 위한 버튼을 제3 텍스트와 함께 디스플레이할 수 있다. In the fifth time interval T5, the electronic device 501 may acquire the third speech 803 through the activated microphone 650. The third speech 803 may be uttered by the other speaker 598. The electronic device 501 may determine whether the second voice feature of the second speech 802 and the second voice feature of the third speech 803 correspond. For example, the electronic device 501 may determine whether the second voice feature and the third voice feature correspond according to the method described above with reference to FIG. 7A. In the example of FIG. 8, because the second speech 802 and the third speech 803 were uttered by different speakers, the electronic device 501 determines that the second speech feature does not correspond to the third speech feature. You can. In this case, the electronic device 501 may provide a third text corresponding to the third speech 803. In one example, the electronic device 501 may display a button for translating the third text together with the third text.
도 9는 번역이 제공되는 대화의 일 예를 도시한다. Figure 9 shows an example of a conversation for which translation is provided.
도 9의 예시에서, 상대 화자(598)는 도 8의 제3 스피치(803) 대신에, 제4 스피치(904)를 수행할 수 있다. 제1 스피치(801)와 제2 스피치(802)에 대한 설명은 도 8과 관련된 설명에 의하여 참조될 수 있다. In the example of FIG. 9 , the other speaker 598 may perform the fourth speech 904 instead of the third speech 803 of FIG. 8 . Descriptions of the first speech 801 and the second speech 802 may be referenced by the description related to FIG. 8.
도 6 및 도 9를 참조하여, 제4 시간 구간(T4)에서, 전자 장치(501)는 제1 임계 시간(TH1) 및 제2 임계 시간(TH2)을 초과하는 묵음 구간을 감지할 수 있다. 제2 임계 시간(TH2)이 초과됨에 따라서, 전자 장치(501)는 마이크(650)를 비활성화 시킬 수 있다. 따라서, 제5 시간 구간(T5)의 상대 화자(598)의 제4 스피치(903)는 전자 장치(501)에 의하여 수신되지 않을 수 있다. Referring to FIGS. 6 and 9 , in the fourth time period T4, the electronic device 501 may detect a silence period exceeding the first threshold time TH1 and the second threshold time TH2. As the second threshold time (TH2) is exceeded, the electronic device 501 may deactivate the microphone 650. Accordingly, the fourth speech 903 of the other speaker 598 in the fifth time interval T5 may not be received by the electronic device 501.
도 10은 번역이 제공되는 대화의 일 예를 도시한다. Figure 10 shows an example of a conversation for which translation is provided.
도 10의 예시에서, 도 9의 상대 화자(598) 대신에 동료 화자(597)가 발화를 할 수 있다. 전자 장치(501)는 동료 화자(597)의 화자 식별 모델을 저장한 것으로 가정될 수 있다. 제1 스피치(801)와 제2 스피치(802)에 대한 설명은 도 8과 관련된 설명에 의하여 참조될 수 있다. In the example of FIG. 10, a fellow speaker 597 may speak instead of the other speaker 598 of FIG. 9. The electronic device 501 may be assumed to have stored the speaker identification model of the fellow speaker 597. Descriptions of the first speech 801 and the second speech 802 may be referenced by the description related to FIG. 8 .
제4 시간 구간(T4)은 제1 임계 시간(TH1)보다 길지만, 제1 임계 시간(TH1) 및 제2 임계 시간(TH2) 보다는 짧다. 제5 시간 구간(T5)에서, 전자 장치(501)는 활성화된 마이크(650)를 통하여 제5 스피치(1003)를 획득할 수 있다. 제5 스피치(1003)는 동료 화자(597)에 의한 발화일 수 있다. The fourth time interval T4 is longer than the first threshold time TH1, but is shorter than the first threshold time TH1 and the second threshold time TH2. In the fifth time interval T5, the electronic device 501 may acquire the fifth speech 1003 through the activated microphone 650. The fifth speech 1003 may be an utterance by a fellow speaker 597.
전자 장치(501)는 제2 스피치(802)의 제2 음성 특징과 제5 스피치(1003)의 제5 음성 특징이 대응하는 것인지 결정할 수 있다. 예를 들어, 전자 장치(501)는 도 7a와 관련하여 상술된 방법에 따라서 제2 음성 특징과 제5 음성 특징의 대응 여부를 결정할 수 있다. The electronic device 501 may determine whether the second voice feature of the second speech 802 corresponds to the fifth voice feature of the fifth speech 1003. For example, the electronic device 501 may determine whether the second voice feature and the fifth voice feature correspond according to the method described above with reference to FIG. 7A.
도 10의 예시에서, 제2 스피치(802)와 제5 스피치(1003)는 서로 상이한 화자에 의하여 발화되었기 때문에, 전자 장치(501)는 제2 음성 특징이 제5 음성 특징에 대응하지 않는 것으로 결정할 수 있다. 일 예에서, 전자 장치(501)는 제5 스피치(1003)가 정보가 저장된 화자에 의한 발화인지 결정할 수 있다. 제5 스피치(1003)의 제5 음성 특징이 메모리(630)에 저장된 화자 인식 모델에 대응하는 경우, 전자 장치(501)는 제5 스피치(1003)가 저장된 화자에 의한 발화인 것으로 결정할 수 있다. 이 경우, 전자 장치(501)는 제5 스피치(1003)에 대응하는 번역문을 시각적으로 및/또는 청각적으로 제공할 수 있다. In the example of FIG. 10, because the second speech 802 and the fifth speech 1003 were uttered by different speakers, the electronic device 501 determines that the second speech feature does not correspond to the fifth speech feature. You can. In one example, the electronic device 501 may determine whether the fifth speech 1003 is uttered by the speaker for whom information is stored. If the fifth voice feature of the fifth speech 1003 corresponds to the speaker recognition model stored in the memory 630, the electronic device 501 may determine that the fifth speech 1003 is an utterance by the stored speaker. In this case, the electronic device 501 may visually and/or audibly provide a translation corresponding to the fifth speech 1003.
도 11은 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다. 11 illustrates a translation UI of an electronic device according to an embodiment.
도 6 및 도 11을 참조하여, 일 실시 예에 따르면, 전자 장치(501)는 번역 어플리케이션의 실행에 따라서 번역 UI를 제공할 수 있다. 예를 들어, 제1 화면(1100-1)은 번역 어플리케이션의 실행에 따라서 제공되는 초기 화면에 대응할 수 있다. 제1 화면(1100-1)은 청취 버튼(1110)을 포함할 수 있다. 전자 장치(501)는 청취 버튼(1110)에 대한 입력이 수신되면 적어도 지정된 시간 동인 청취 모드로 진입할 수 있다. 청취 모드에서, 전자 장치(501)는 마이크(650)를 활성화할 수 있다. 전자 장치(501)는 청취 모드 상태임을 지시하는 제2 화면(1100-2)을 디스플레이(660)에 디스플레이 할 수 있다. 청취 모드가 종료되면, 전자 장치(501)는 초기 상태로 돌아갈 수 있다. 예를 들어, 전자 장치(501)는, 초기 상태에서, 제1 화면(1100-1)을 출력할 수 있다. Referring to FIGS. 6 and 11 , according to one embodiment, the electronic device 501 may provide a translation UI according to execution of a translation application. For example, the first screen 1100-1 may correspond to an initial screen provided upon execution of a translation application. The first screen 1100-1 may include a listening button 1110. When an input to the listening button 1110 is received, the electronic device 501 may enter the listening mode for at least a specified period of time. In listening mode, the electronic device 501 may activate the microphone 650. The electronic device 501 may display a second screen 1100-2 on the display 660 indicating that it is in listening mode. When the listening mode ends, the electronic device 501 may return to its initial state. For example, the electronic device 501 may output the first screen 1100-1 in the initial state.
도 12는 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.12 illustrates a translation UI of an electronic device according to an embodiment.
도 6 및 도 12를 참조하여, 전자 장치(501)는 번역 UI의 일부로서 제3 화면(1200-1)을 디스플레이 할 수 있다. 예를 들어, 제3 화면(1200-1)은, 도 8, 9, 및 10의 제1 스피치(801) 및 제2 스피치(802)의 수신에 따라서 출력된 화면일 수 있다. 예를 들어, 전자 장치(501)는 제1 스피치(801)의 수신에 따라서, 제1 스피치(801)에 대응하는 제1 텍스트(1210) 및 제1 텍스트(1210)에 대응하는 번역된 제1 텍스트(1220)를 디스플레이 할 수 있다. 전자 장치(501)는 제2 스피치(802)의 수신에 따라서, 제2 스피치(802)에 대응하는 제2 텍스트(1230)를 디스플레이 할 수 있다. Referring to FIGS. 6 and 12 , the electronic device 501 may display the third screen 1200-1 as part of the translation UI. For example, the third screen 1200-1 may be a screen output according to reception of the first speech 801 and the second speech 802 of FIGS. 8, 9, and 10. For example, upon receiving the first speech 801, the electronic device 501 may generate a first text 1210 corresponding to the first speech 801 and a translated first text 1210 corresponding to the first text 1210. Text 1220 can be displayed. Upon receiving the second speech 802, the electronic device 501 may display the second text 1230 corresponding to the second speech 802.
도 12의 예시에서, 제1 스피치(801)의 제1 음성 특징이 제2 스피치(802)의 제2 음성 특징에 대응되기 때문에, 전자 장치(501)는 제2 텍스트(1230) 및 번역된 제2 텍스트(1240)를 제공할 수 있다. 예를 들어, 제4 화면(1200-2)과 같이, 전자 장치(501)는 대응하는 텍스트에 인접하도록 번역문을 디스플레이 할 수 있다. 일 예에서, 제1 텍스트(1210) 및 제2 텍스트(1230)는 하나의 문장을 구성할 수 있다. 이 경우, 전자 장치(501)는 제1 텍스트(1210) 및 제2 텍스트(1230)로 구성된 문장에 대응하는 번역문을 제공할 수 있다. 번역문은 제2 텍스트(1230)의 아래쪽에 디스플레이 될 수 있다. In the example of FIG. 12 , because the first speech feature of the first speech 801 corresponds to the second speech feature of the second speech 802, the electronic device 501 displays the second text 1230 and the translated first speech 802. 2 Text (1240) can be provided. For example, as shown in the fourth screen 1200-2, the electronic device 501 may display the translated text adjacent to the corresponding text. In one example, the first text 1210 and the second text 1230 may constitute one sentence. In this case, the electronic device 501 may provide a translation corresponding to the sentence composed of the first text 1210 and the second text 1230. The translation may be displayed below the second text 1230.
도 13은 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.13 illustrates a translation UI of an electronic device according to an embodiment.
도 6 및 도 13을 참조하여, 전자 장치(501)는 번역 UI의 일부로서 제5 화면(1300)을 디스플레이 할 수 있다. 예를 들어, 제5 화면(1300)은 도 8의 제3 스피치(803)의 수신에 따라서, 전자 장치(501)가 디스플레이 하는 화면일 수 있다. 도 8과 관련하여 상술된 바와 같이, 제2 스피치(802)의 음성 특징은 제3 스피치(803)의 음성 특징에 대응하지 않을 수 있다. 전자 장치(501)는 제3 스피치(803)에 대응하는 제3 텍스트(1310)를 디스플레이 할 수 있다. 전자 장치(501)는 제3 텍스트(1310)와 함께, 번역 버튼(1320)을 디스플레이 할 수 있다. 일 예에서, 전자 장치(501)는 음성 특징이 상이한 제3 텍스트(1310)를 제1 텍스트(1210) 및 제2 텍스트(1230)와는 상이하게 디스플레이 할 수 있다. 예를 들어, 전자 장치(501)는 제3 텍스트(1310)의 정렬을 제1 텍스트(1210) 및 제2 텍스트(1230)와 상이하게 할 수 있다. 예를 들어, 전자 장치(501)는 제3 텍스트(1230)의 화자를 구분하기 위한 임의의 그래픽(예: 아이콘)을 추가적으로 디스플레이할 수 있다.Referring to FIGS. 6 and 13 , the electronic device 501 may display the fifth screen 1300 as part of the translation UI. For example, the fifth screen 1300 may be a screen displayed by the electronic device 501 upon reception of the third speech 803 of FIG. 8. As described above with respect to FIG. 8 , the phonetic characteristics of the second speech 802 may not correspond to the phonetic characteristics of the third speech 803 . The electronic device 501 may display the third text 1310 corresponding to the third speech 803. The electronic device 501 may display a translation button 1320 along with the third text 1310. In one example, the electronic device 501 may display the third text 1310, which has different voice characteristics, differently from the first text 1210 and the second text 1230. For example, the electronic device 501 may align the third text 1310 differently from the first text 1210 and the second text 1230. For example, the electronic device 501 may additionally display arbitrary graphics (eg, icons) to distinguish the speaker of the third text 1230.
도 13의 예시에서, 청취 모드가 종료됨에 따라서, 전자 장치(501)는 청취 버튼(1110)을 다시 디스플레이 할 수 있다. In the example of FIG. 13 , as the listening mode ends, the electronic device 501 may display the listening button 1110 again.
도 14는 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.Figure 14 illustrates a translation UI of an electronic device according to an embodiment.
도 6 및 도 14를 참조하여, 전자 장치(501)는 번역 UI의 일부로서 제6 화면(1400)을 디스플레이 할 수 있다. Referring to FIGS. 6 and 14 , the electronic device 501 may display the sixth screen 1400 as part of the translation UI.
예를 들어, 전자 장치(501)는 도 13의 번역 버튼(1320)에 대한 입력이 수신되면, 제3 텍스트(1310)에 대한 번역된 제3 텍스트(1410)를 디스플레이 할 수 있다. 예를 들어, 도 8의 예시와 같이, 음성 특징이 이전 음성 신호와 상이하고, 음성 신호의 화자가 저장된 화자가 아닌 경우, 전자 장치(501)는 도 13의 제5 화면(1300)을 디스플레이 할 수 있다. 제5 화면(1300)의 번역 버튼(1320)에 대한 입력이 수신되면, 전자 장치(501)는 제6 화면(1400)을 디스플레이 할 수 있다. For example, when an input to the translation button 1320 of FIG. 13 is received, the electronic device 501 may display the translated third text 1410 for the third text 1310. For example, as in the example of FIG. 8, if the voice characteristics are different from the previous voice signal and the speaker of the voice signal is not the stored speaker, the electronic device 501 may display the fifth screen 1300 of FIG. 13. You can. When an input to the translation button 1320 of the fifth screen 1300 is received, the electronic device 501 may display the sixth screen 1400.
예를 들어, 도 10과 관련하여 상술된 바와 같이, 제3 텍스트(1310)는 전자 장치(501)에 저장된 화자(예: 도 10의 동료 화자(597))에 의한 발화에 대응할 수 있다. 이 경우, 전자 장치(501)는 별도의 번역 버튼에 대한 입력이 수신되지 않더라도, 번역된 제3 텍스트(1410)를 디스플레이 할 수 있다. For example, as described above with reference to FIG. 10 , the third text 1310 may correspond to an utterance by a speaker stored in the electronic device 501 (e.g., fellow speaker 597 in FIG. 10 ). In this case, the electronic device 501 can display the translated third text 1410 even if no input for a separate translation button is received.
도 12, 13, 및 14와 관련하여 상술된 예시에서, 전자 장치(501)는 화자의 구분을 위하여, 상이한 화자에 의한 스피치는 시각적으로 구분될 수 있도록 스피치 대응 텍스트를 디스플레이 할 수 있다. 도 12, 13, 및 14에서는 화자에 따라서 텍스트의 정렬이 상이하게 되었으나, 이는 예시적인 것으로서, 본 개시의 실시 예들이 이에 제한되는 것은 아니다. In the examples described above with reference to FIGS. 12, 13, and 14, the electronic device 501 may display speech-corresponding text so that speech by different speakers can be visually distinguished for speaker distinction. 12, 13, and 14, the alignment of the text is different depending on the speaker, but this is an example and the embodiments of the present disclosure are not limited thereto.
도 15는 일 실시 예에 따른 전자 장치의 번역 제공 방법의 흐름도를 도시한다.Figure 15 shows a flowchart of a method for providing translation on an electronic device according to an embodiment.
도 6 및 도 15를 참조하여, 일 실시 예에 따르면, 전자 장치(501)는 화자 특징(예: 음성 벡터, 나이, 성별, 또는 언어 중 적어도 하나)에 기반하여 번역을 제공하도록 설정될 수 있다. 6 and 15, according to one embodiment, the electronic device 501 may be configured to provide translation based on speaker characteristics (e.g., at least one of voice vector, age, gender, or language). .
동작 1505에서, 전자 장치(501)는 마이크(650)를 활성화하고, 제1 오디오를 수신할 수 있다. 예를 들어, 전자 장치(501)는 도 11의 청취 버튼(1110)에 대한 입력이 수신되면, 마이크(650)를 활성화할 수 있다. 전자 장치(501)는 활성화된 마이크(650)를 이용하여 제1 오디오를 수신할 수 있다. In operation 1505, the electronic device 501 activates the microphone 650 and receives first audio. For example, the electronic device 501 may activate the microphone 650 when an input to the listening button 1110 of FIG. 11 is received. The electronic device 501 may receive first audio using the activated microphone 650.
동작 1510에서, 전자 장치(501)는 무음 시간 구간이 제1 임계 시간(예: 도 8의 제1 임계 시간(TH1))을 초과하는지 결정할 수 있다. 제1 임계 시간을 초과하는 무음 시간 구간이 감지되면, 전자 장치(501)는 끝점을 식별할 수 있다. 예를 들어, 동작 1510은 도 7a와 관련하여 상술된 EPD 모듈(730)의 동작에 대응할 수 있다. 제1 임계 시간을 초과하는 무음 시간 구간이 감지되지 않으면(예: 동작 1510-NO), 전자 장치(501)는 계속하여 제1 오디오를 수신할 수 있다. In operation 1510, the electronic device 501 may determine whether the silent time period exceeds a first threshold time (eg, the first threshold time TH1 in FIG. 8). When a silent time period exceeding the first threshold time is detected, the electronic device 501 may identify the end point. For example, operation 1510 may correspond to the operation of EPD module 730 described above with respect to FIG. 7A. If a silent time period exceeding the first threshold time is not detected (e.g., operation 1510-NO), the electronic device 501 may continue to receive the first audio.
제1 임계 시간을 초과하는 무음 시간 구간이 감지되면(예: 동작 1510-YES), 동작 1515에서, 전자 장치(501)는 제1 오디오 대응 텍스트 및 번역된 제1 텍스트를 디스플레이 할 수 있다. 전자 장치(501)는 제1 오디오의 끝점을 감지하고, 도 7a와 관련하여 상술된 ASR 모듈(750)을 이용하여 제1 오디오에 대응하는 텍스트를 디스플레이 할 수 있다. 전자 장치(501)는 도 7a와 관련하여 상술된 번역 모듈(760)을 이용하여 번역된 제1 텍스트를 획득할 수 있다. 예를 들어, 전자 장치(501)는 통신 회로(690)를 이용하여, 서버 장치에 제1 오디오 대응 텍스트를 송신하고, 서버 장치로부터 제1 오디오 대응 번역된 텍스트를 수신할 수 있다.When a silent time period exceeding the first threshold time is detected (e.g., operation 1510-YES), in operation 1515, the electronic device 501 may display the first audio corresponding text and the translated first text. The electronic device 501 may detect the end point of the first audio and display text corresponding to the first audio using the ASR module 750 described above with reference to FIG. 7A. The electronic device 501 may obtain the translated first text using the translation module 760 described above with reference to FIG. 7A. For example, the electronic device 501 may transmit the first audio-corresponding text to the server device and receive the first audio-corresponding translated text from the server device using the communication circuit 690.
동작 1520에서, 전자 장치(501)는 제2 임계 시간(예: 도 8의 제2 임계 시간(TH2)) 내에 제2 오디오가 수신되는지 결정할 수 있다. 예를 들어, 전자 장치(501)는 제1 임계 시간이 만료되면, 적어도 제2 임계 시간 동안 마이크(650)의 활성화 상태를 유지할 수 있다. In operation 1520, the electronic device 501 may determine whether the second audio is received within a second threshold time (eg, the second threshold time TH2 in FIG. 8). For example, when the first threshold time expires, the electronic device 501 may maintain the activated state of the microphone 650 for at least a second threshold time.
제2 임계 시간 내에 제2 오디오가 수신되지 않으면(예: 동작 1520-NO), 동작 1545에서, 전자 장치(501)는 청취 모드를 종료할 수 있다. If the second audio is not received within the second threshold time (e.g., operation 1520-NO), in operation 1545, the electronic device 501 may end the listening mode.
제2 임계 시간 내에 제2 오디오가 수신되면(예: 동작 1520-YES), 동작 1525에서, 전자 장치(501)는 제1 화자 특징이 제2 화자 특징에 대응하는지 결정할 수 있다. 제1 화자 특징은 제1 오디오의 화자 특징에 대응하고, 제2 화자 특징은 제2 오디오의 화자 특징에 대응할 수 있다. 예를 들어, 전자 장치(501)는 도 7a의 화자 식별 모듈(740)을 이용하여 제1 화자 특징이 제2 화자 특징에 대응(예: 매칭)되는지 결정할 수 있다. 화자 특징은, 음성 벡터, 성별, 나이, 또는 언어 중 적어도 하나를 포함할 수 있다. If the second audio is received within the second threshold time (e.g., operation 1520-YES), in operation 1525, the electronic device 501 may determine whether the first speaker feature corresponds to the second speaker feature. The first speaker feature may correspond to the speaker feature of the first audio, and the second speaker feature may correspond to the speaker feature of the second audio. For example, the electronic device 501 may determine whether the first speaker feature corresponds to (eg, matches) the second speaker feature using the speaker identification module 740 of FIG. 7A. Speaker characteristics may include at least one of voice vector, gender, age, or language.
제1 화자 특징이 제2 화자 특징에 대응하면(예: 동작 1525-YES), 동작 1530에서, 전자 장치(501)는 제2 오디오 대응 텍스트 및 번역된 제2 텍스트를 디스플레이 할 수 있다. 번역된 제2 텍스트는, 제2 오디오 대응 텍스트를 목적 언어로 번역한 텍스트일 수 있다. If the first speaker feature corresponds to the second speaker feature (e.g., operation 1525-YES), in operation 1530, the electronic device 501 may display the second audio corresponding text and the translated second text. The translated second text may be a text obtained by translating the second audio corresponding text into the target language.
제1 화자 특징이 제2 화자 특징에 대응하지 않으면(예: 동작 1525-NO), 동작 1535에서, 전자 장치(501)는 제2 화자가 저장된 화자인지 결정할 수 있다. 예를 들어, 전자 장치(501)는 제2 화자에 대응하는 화자 인증 모델이 저장된 경우에, 제2 화자가 저장된 화자인 것으로 결정할 수 있다. 제2 화자가 저장된 화자인 경우(예: 동작 1535-YES), 전자 장치(501)는 동작 1530에 따라서 번역된 텍스트를 디스플레이 할 수 있다. If the first speaker feature does not correspond to the second speaker feature (e.g., operation 1525-NO), in operation 1535, the electronic device 501 may determine whether the second speaker is the stored speaker. For example, when a speaker authentication model corresponding to a second speaker is stored, the electronic device 501 may determine that the second speaker is the stored speaker. If the second speaker is a stored speaker (e.g., operation 1535-YES), the electronic device 501 may display the translated text according to operation 1530.
제2 화자가 저장된 화자가 아닌 경우(예: 동작 1535-NO), 전자 장치(501)는 동작 1540에 따라서 제2 오디오 대응 제2 텍스트를 디스플레이 할 수 있다. 이 경우, 전자 장치(501)는 제2 오디오 대응 텍스트의 번역 텍스트를 디스플레이 하지 않을 수 있다. 전자 장치(501)는 제2 오디오 대응 제2 텍스트와 함께, 제2 오디오 대응 제2 텍스트의 번역을 위한 버튼(예: 도 13의 번역 버튼(1320))을 디스플레이할 수 있다. If the second speaker is not the stored speaker (e.g., operation 1535-NO), the electronic device 501 may display the second text corresponding to the second audio according to operation 1540. In this case, the electronic device 501 may not display the translated text of the second audio corresponding text. The electronic device 501 may display a button for translating the second text corresponding to the second audio (eg, the translation button 1320 of FIG. 13) along with the second text corresponding to the second audio.
도 16은 일 실시 예에 따른 전자 장치의 번역 제공 방법의 흐름도를 도시한다. Figure 16 shows a flowchart of a method for providing translation on an electronic device according to an embodiment.
도 6 및 도 16을 참조하여, 일 실시 예에 따르면, 전자 장치(501)는 음성 특징(예: 화자, 나이, 성별, 또는 언어 중 적어도 하나)에 기반하여 번역을 제공하도록 설정될 수 있다. Referring to FIGS. 6 and 16 , according to one embodiment, the electronic device 501 may be set to provide translation based on voice characteristics (eg, at least one of speaker, age, gender, or language).
동작 1605에서, 전자 장치(501)는 음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 마이크(650)를 활성화할 수 있다. 예를 들어, 전자 장치(501)는 도 11의 청취 버튼(1110)에 대한 입력이 수신되면 마이크(650)를 활성화할 수 있다. In operation 1605, the electronic device 501 may activate the microphone 650 based on a first user input to activate voice translation. For example, the electronic device 501 may activate the microphone 650 when an input to the listening button 1110 of FIG. 11 is received.
동작 1610에서, 전자 장치(501)는 활성화된 마이크를 통하여, 오디오 신호를 수신할 수 있다. 동작 1615에서, 전자 장치(501)는 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점을 감지할 수 있다. 예를 들어, 전자 장치(501)는 오디오 신호로부터 제1 임계 시간(예: 도 8의 제1 임계 시간(TH1))을 초과하는 묵음 구간이 식별되면 제1 끝점을 감지할 수 있다. 예를 들어, 동작 1615는 도 7a와 관련하여 상술된 EPD 모듈(730)의 동작에 대응할 수 있다.In operation 1610, the electronic device 501 may receive an audio signal through an activated microphone. In operation 1615, the electronic device 501 may detect the first endpoint from the first voice signal included in the audio signal. For example, the electronic device 501 may detect the first endpoint when a silent section exceeding a first threshold time (eg, the first threshold time TH1 in FIG. 8) is identified from the audio signal. For example, operation 1615 may correspond to the operation of EPD module 730 described above with respect to FIG. 7A.
동작 1620에서, 전자 장치(501)는 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 번역된 제1 텍스트를 디스플레이 할 수 있다. 예를 들어, 제1 음성 신호는, 제1 끝점의 이전에 획득된 음성 신호로 참조될 수 있다. 전자 장치(501)는 도 7a와 관련하여 상술된 ASR 모듈(750)을 이용하여 제1 음성 신호에 대응하는 제1 텍스트를 디스플레이 할 수 있다. 전자 장치(501)는 도 7a와 관련하여 상술된 번역 모듈(760)을 이용하여 번역된 제1 텍스트를 획득할 수 있다. 예를 들어, 전자 장치(501)는 통신 회로(690)를 이용하여, 서버 장치에 제1 오디오 대응 텍스트를 송신하고, 서버 장치로부터 번역된 제1 텍스트를 수신할 수 있다.In operation 1620, the electronic device 501 may display the first text and the translated first text based on the voice recognition result for the first voice signal. For example, the first speech signal may be referenced to a previously acquired speech signal of the first endpoint. The electronic device 501 may display the first text corresponding to the first voice signal using the ASR module 750 described above with reference to FIG. 7A. The electronic device 501 may obtain the translated first text using the translation module 760 described above with reference to FIG. 7A. For example, the electronic device 501 may transmit the first audio corresponding text to the server device and receive the translated first text from the server device using the communication circuit 690.
동작 1625에서, 전자 장치(501)는 적어도 제1 시간 구간(예: 도 8의 제2 임계 시간(TH2)) 동안 마이크(650)의 활성화 상태를 디스플레이할 수 있다. 일 예에서, 전자 장치(501)는 제1 시간 구간 내에서 음성 신호가 감지되지 않으면 마이크(650)를 비활성화 할 수 있다.In operation 1625, the electronic device 501 may display the activation state of the microphone 650 for at least a first time period (eg, the second threshold time TH2 in FIG. 8). In one example, the electronic device 501 may deactivate the microphone 650 if a voice signal is not detected within the first time period.
동작 1630에서, 제1 시간 구간 내에서 획득된 오디오 신호로부터 제2 음성 신호의 적어도 일부가 감지되면, 전자 장치(501)는 제2 텍스트를 디스플레이할 수 있다. 제1 음성 특성과 제2 음성 특성을 비교할 수 있다. 예를 들어, 제1 음성 특성은 제1 음성 신호의 음성 특성에 대응하고, 제2 음성 특성은 제2 음성 신호의 음성 특성에 대응할 수 있다.In operation 1630, when at least a portion of the second voice signal is detected from the audio signal acquired within the first time interval, the electronic device 501 may display the second text. The first voice characteristic and the second voice characteristic can be compared. For example, the first voice characteristic may correspond to the voice characteristic of the first voice signal, and the second voice characteristic may correspond to the voice characteristic of the second voice signal.
동작 1635에서, 전자 장치(501)는 제1 음성 특성과 제2 음성 특성이 매칭되는지 결정할 수 있다. 제1 음성 특성은 제1 음성 신호의 음성 특성에 대응하고, 제2 음성 특성은 제2 음성 신호의 음성 특성에 대응할 수 있다. 예를 들어, 전자 장치(501)는 도 7a의 화자 식별 모듈(740)을 이용하여 제1 음성 특성이 제2 음성 특성에 매칭(예: 대응)되는지 결정할 수 있다. 음성 특성은, 특징 분포 패턴, 성별, 나이, 또는 언어 중 적어도 하나를 포함할 수 있다. 일 예에서, 전자 장치(501)는 메모리(630)에 저장된 화자 식별 모델과 제1 음성 특성 사이의 제1 유사도를 식별하고, 화자 식별 모델과 상기 제2 음성 특성 사이의 제2 유사도를 식별할 수 있다. 전자 장치(501)는, 제1 유사도와 제2 유사도의 차이가 지정된 범위 이내이면, 제1 음성 특성과 제2 음성 특성이 매칭된 것으로 결정할 수 있다. In operation 1635, the electronic device 501 may determine whether the first voice characteristic and the second voice characteristic match. The first voice characteristic may correspond to the voice characteristic of the first voice signal, and the second voice characteristic may correspond to the voice characteristic of the second voice signal. For example, the electronic device 501 may determine whether the first voice characteristic matches (eg, corresponds to) the second voice characteristic using the speaker identification module 740 of FIG. 7A. Voice characteristics may include at least one of a feature distribution pattern, gender, age, or language. In one example, the electronic device 501 may identify a first similarity between a speaker identification model stored in memory 630 and a first speech characteristic, and identify a second similarity between a speaker identification model and the second speech characteristic. You can. If the difference between the first similarity and the second similarity is within a specified range, the electronic device 501 may determine that the first voice characteristic and the second voice characteristic are matched.
제1 음성 특성과 제2 음성 특성이 매칭되면(예: 동작 1635-YES), 동작 1640에서, 전자 장치(501)는 제2 텍스트와 번역된 제2 텍스트를 디스플레이 할 수 있다. 일 예에서, 번역된 제2 텍스트는, 제1 텍스트 및 제2 텍스트를 목적 언어로 번역한 텍스트일 수 있다. 예를 들어, 전자 장치(501)는 오디오 신호로부터 제1 임계 시간(예: 도 8의 제1 임계 시간(TH1))을 초과하는 묵음 구간이 식별되면 제2 음성 신호의 제2 끝점을 식별할 수 있다. 제2 끝점이 식별되면, 전자 장치(501)는 제1 텍스트 및 제2 텍스트를 목적 언어로 번역할 수 있다. If the first voice characteristic and the second voice characteristic match (e.g., operation 1635-YES), the electronic device 501 may display the second text and the translated second text in operation 1640. In one example, the translated second text may be a text obtained by translating the first text and the second text into the target language. For example, the electronic device 501 may identify the second endpoint of the second voice signal when a silent section exceeding a first threshold time (e.g., the first threshold time (TH1) of FIG. 8) is identified from the audio signal. You can. Once the second endpoint is identified, the electronic device 501 can translate the first text and the second text into the target language.
제1 음성 특성과 제2 음성 특성이 매칭되지 않으면(예: 동작 1635-NO), 동작 1645에서, 전자 장치(501)는 제2 음성 신호에 대응하는 제2 텍스트를 디스플레이할 수 있다. 이 경우, 전자 장치(501)는 번역된 제2 텍스트 없이 제2 텍스트를 디스플레이할 수 있다. 예를 들어, 전자 장치(501)는 제2 텍스트와 함께 제2 텍스트에 대한 번역을 요청하기 위한 아이콘(예: 도 13의 번역 버튼(1320))을 디스플레이할 수 있다. 전자 장치(501)는 아이콘에 대한 제2 사용자 입력이 수신되면, 제2 텍스트와 함께 제2 텍스트를 목적 언어로 번역함으로써 번역된 제2 텍스트를 디스플레이할 수 있다. If the first voice characteristic and the second voice characteristic do not match (e.g., operation 1635-NO), in operation 1645, the electronic device 501 may display a second text corresponding to the second voice signal. In this case, the electronic device 501 may display the second text without the translated second text. For example, the electronic device 501 may display an icon (eg, translation button 1320 in FIG. 13) for requesting translation of the second text along with the second text. When a second user input for an icon is received, the electronic device 501 may display the translated second text by translating the second text into the target language along with the second text.
또한, 전자 장치(501)는 도 15의 동작 1535와 관련하여 상술된 바와같이, 제1 음성 특성과 제2 음성 특성이 매칭되지 않으면, 제2 음성 특성을 메모리(630)에 저장된 화자 인식 모델과 비교할 수 있다. 제2 음성 특성이 상기 저장된 화자 인식 모델에 대응하면, 전자 장치(501)는 제2 텍스트 및 제2 텍스트를 상기 목적 언어로 번역함으로써 번역된 제2 텍스트를 디스플레이할 수 있다. Additionally, as described above in connection with operation 1535 of FIG. 15 , if the first voice characteristic and the second voice characteristic do not match, the electronic device 501 matches the second voice characteristic with the speaker recognition model stored in the memory 630. You can compare. If the second voice characteristic corresponds to the stored speaker recognition model, the electronic device 501 may display the second text and the translated second text by translating the second text into the target language.

Claims (15)

  1. 전자 장치에 있어서,In electronic devices,
    마이크;mike;
    디스플레이; display;
    메모리; 및Memory; and
    프로세서를 포함하고, Includes a processor,
    상기 메모리는 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가:When the memory is executed by the processor, the processor:
    음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 상기 마이크를 활성화하고,activating the microphone based on a first user input to activate speech translation;
    상기 활성화된 마이크를 통하여, 오디오 신호를 수신하고,Receive an audio signal through the activated microphone,
    상기 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점(end point)을 감지하고,Detecting a first end point from the first voice signal included in the audio signal,
    상기 제1 끝점에 선행하는 상기 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 상기 제1 텍스트에 대응하는 번역된 제1 텍스트를 상기 디스플레이에 디스플레이하고,displaying a first text based on a speech recognition result for the first speech signal preceding the first endpoint and a translated first text corresponding to the first text on the display;
    상기 제1 끝점에 후속하여, 적어도 제1 시간 구간 동안 상기 마이크의 활성화 상태를 유지하고,Subsequent to the first endpoint, maintaining the microphone activated for at least a first period of time,
    상기 제1 시간 구간 내에서 상기 마이크를 이용하여 획득된 오디오 신호로부터 제2 음성 신호의 적어도 일부가 감지되면, 상기 제2 음성 신호의 제2 끝점을 감지하고,When at least a portion of a second voice signal is detected from an audio signal acquired using the microphone within the first time interval, detect a second endpoint of the second voice signal,
    상기 제2 끝점에 선행하는 제2 음성 신호의 제2 음성 특성과 상기 제1 음성 신호의 제1 음성 특성을 비교하고,comparing a first speech characteristic of the first speech signal with a second speech characteristic of the second speech signal preceding the second endpoint;
    상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 음성 신호에 대한 음성 인식 결과에 기반한 제2 텍스트를 더 디스플레이하고, If the first voice characteristic and the second voice characteristic do not match, further displaying a second text based on a voice recognition result for the second voice signal,
    상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되면, 상기 제2 텍스트 및 상기 제2 텍스트에 대응하는 번역된 제2 텍스트를 더 디스플레이하도록 하는 인스트럭션들을 저장하는, 전자 장치.When the first voice characteristic and the second voice characteristic match, the electronic device stores instructions for further displaying the second text and a translated second text corresponding to the second text.
  2. 제 1 항에 있어서, According to claim 1,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, When the instructions are executed by the processor, the processor
    상기 제1 음성 신호로부터 제2 시간 구간 이상의 묵음 구간을 식별함으로써 상기 제1 끝점을 식별하고,Identifying the first endpoint by identifying a silence interval of a second time interval or more from the first voice signal,
    상기 제2 음성 신호로부터 상기 제2 시간 구간 이상의 묵음 구간을 식별함으로써 상기 제2 끝점을 식별하도록 하는, 전자 장치.An electronic device that identifies the second endpoint by identifying a silence period longer than the second time period from the second voice signal.
  3. 제 1 항 또는 제 2 항에 있어서,The method of claim 1 or 2,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, 상기 제1 시간 구간 내에서 음성 신호가 감지되지 않으면 상기 마이크를 비활성화 하도록 하는, 전자 장치.When the instructions are executed by the processor, the processor causes the processor to deactivate the microphone if a voice signal is not detected within the first time period.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,The method according to any one of claims 1 to 3,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, 상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 텍스트와 함께 상기 제2 텍스트에 대한 번역을 요청하기 위한 아이콘을 디스플레이하도록 하는, 전자 장치.When the instructions are executed by the processor, if the first voice characteristic and the second voice characteristic do not match, the processor displays an icon for requesting translation of the second text along with the second text. An electronic device that causes a display.
  5. 제 4 항에 있어서,According to claim 4,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, When the instructions are executed by the processor, the processor
    상기 아이콘에 대한 제2 사용자 입력이 수신되면, 상기 제2 텍스트와 함께 상기 제2 텍스트를 목적 언어로 번역함으로써 상기 번역된 제2 텍스트를 디스플레이하도록 하는, 전자 장치.When a second user input for the icon is received, the electronic device translates the second text together with the second text into a target language to display the translated second text.
  6. 제 1 항에 있어서,According to claim 1,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, When the instructions are executed by the processor, the processor
    상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 음성 특성을 상기 메모리에 저장된 화자 인식 모델과 비교하고, If the first voice characteristic and the second voice characteristic do not match, comparing the second voice characteristic with a speaker recognition model stored in the memory,
    상기 제2 음성 특성이 상기 저장된 화자 인식 모델에 대응하면, 상기 제2 텍스트 및 상기 번역된 제2 텍스트를 더 디스플레이하도록 하는, 전자 장치.further display the second text and the translated second text if the second speech characteristic corresponds to the stored speaker recognition model.
  7. 제 6 항에 있어서,According to claim 6,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, 상기 제2 음성 특성이 상기 저장된 화자 식별 모델에 대응하지 않으면, 상기 번역된 제2 텍스트 없이 상기 제2 텍스트를 디스플레이하도록 하는, 전자 장치.wherein the instructions, when executed by the processor, cause the processor to display the second text without the translated second text if the second speech characteristic does not correspond to the stored speaker identification model.
  8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서, The method according to any one of claims 1 to 7,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, 상기 제1 음성 특성과 상기 제2 음성 특성에 대응하는 성별, 피치(pitch), 또는 언어를 비교함으로써 상기 제1 음성 특성과 상기 제2 음성 특성의 매칭 여부를 결정하도록 하는, 전자 장치. When executed by the processor, the instructions cause the processor to compare the first voice characteristic and the second voice characteristic by comparing gender, pitch, or language corresponding to the first voice characteristic and the second voice characteristic. An electronic device that determines whether voice characteristics are matched.
  9. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서, The method according to any one of claims 1 to 4,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, When the instructions are executed by the processor, the processor
    상기 메모리에 저장된 화자 식별 모델과 상기 제1 음성 특성 사이의 제1 유사도를 식별하고, identify a first similarity between the speaker identification model stored in the memory and the first speech characteristic;
    상기 메모리에 저장된 화자 식별 모델과 상기 제2 음성 특성 사이의 제2 유사도를 식별하고, identify a second similarity between the speaker identification model stored in the memory and the second speech characteristic;
    상기 제1 유사도와 상기 제2 유사도의 차이가 지정된 범위 이내이면, 상기 제1 음성 특성과 상기 제2 음성 특성이 매칭된 것으로 결정하도록 하는, 전자 장치. If the difference between the first similarity and the second similarity is within a specified range, the electronic device determines that the first and second voice characteristics are matched.
  10. 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,The method according to any one of claims 1 to 9,
    통신 회로를 더 포함하고,further comprising a communication circuit,
    상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, When the instructions are executed by the processor, the processor
    상기 통신 회로를 이용하여 외부 서버로 상기 제1 텍스트를 송신하고, Transmitting the first text to an external server using the communication circuit,
    상기 외부 서버로부터 상기 제1 텍스트에 대응하는 상기 번역된 제1 텍스트를 수신하도록 하는, 전자 장치.An electronic device configured to receive the translated first text corresponding to the first text from the external server.
  11. 전자 장치의 번역을 위한 방법에 있어서,In a method for translation of an electronic device,
    음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 상기 전자 장치의 마이크를 활성화하는 동작; activating a microphone of the electronic device based on a first user input to activate voice translation;
    상기 활성화된 마이크를 통하여, 오디오 신호를 수신하는 동작;Receiving an audio signal through the activated microphone;
    상기 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점(end point)을 감지하는 동작;detecting a first end point from a first voice signal included in the audio signal;
    상기 제1 끝점에 선행하는 상기 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 상기 제1 텍스트에 대응하는 번역된 제1 텍스트를 상기 전자 장치의 디스플레이에 디스플레이하는 동작;Displaying a first text based on a voice recognition result for the first voice signal preceding the first endpoint and a translated first text corresponding to the first text on a display of the electronic device;
    상기 제1 끝점에 후속하는 제1 시간 구간 내에서 상기 마이크를 이용하여 제2 음성 신호의 적어도 일부가 감지되면, When at least a portion of a second voice signal is detected using the microphone within a first time period following the first endpoint,
    상기 제2 음성 신호의 제2 음성 특성과 상기 제1 음성 신호의 제1 음성 특성을 비교하는 동작;Comparing a second voice characteristic of the second voice signal and a first voice characteristic of the first voice signal;
    상기 비교에 기반하여 상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 음성 신호에 대한 음성 인식 결과에 기반한 제2 텍스트를 디스플레이하는 동작; 및If the first voice characteristic and the second voice characteristic do not match based on the comparison, displaying a second text based on a voice recognition result for the second voice signal; and
    상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되면, 상기 제2 텍스트 및 상기 제2 텍스트에 대응하는 번역된 제2 텍스트를 디스플레이하는 동작을 포함하는, 방법.When the first voice characteristic and the second voice characteristic match, displaying the second text and a translated second text corresponding to the second text.
  12. 제 11 항에 있어서, According to claim 11,
    상기 제1 음성 신호로부터 제2 시간 구간 이상의 묵음 구간을 식별함으로써 상기 제1 끝점을 식별하는 동작; 및identifying the first endpoint by identifying a silence period of a second time period or more from the first voice signal; and
    상기 제2 음성 신호로부터 상기 제2 시간 구간 이상의 묵음 구간을 식별함으로써 상기 제2 음성 신호의 제2 끝점을 식별하는 동작을 더 포함하는, 방법.The method further comprising identifying a second endpoint of the second voice signal by identifying a silent section of the second time period or more from the second voice signal.
  13. 제 11 항 또는 제 12 항에 있어서,The method of claim 11 or 12,
    상기 제1 시간 구간 내에서 음성 신호가 감지되지 않으면 상기 마이크를 비활성화 하는 동작을 더 포함하는, 방법.The method further includes deactivating the microphone if a voice signal is not detected within the first time period.
  14. 제 11 항 내지 제 13 항 중 어느 한 항에 있어서,The method according to any one of claims 11 to 13,
    상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 텍스트와 함께 상기 제2 텍스트에 대한 번역을 요청하기 위한 아이콘을 디스플레이하는 동작을 더 포함하는, 방법.If the first voice characteristic and the second voice characteristic do not match, displaying an icon for requesting a translation for the second text together with the second text.
  15. 제 14 항에 있어서,According to claim 14,
    상기 아이콘에 대한 제2 사용자 입력이 수신되면, 상기 제2 텍스트와 함께 상기 번역된 제2 텍스트를 디스플레이하는 동작을 더 포함하는, 방법.When a second user input for the icon is received, the method further includes displaying the translated second text together with the second text.
PCT/KR2023/014738 2022-09-26 2023-09-26 Speech characteristic-based translation method and electronic device for same WO2024071946A1 (en)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2022-0121458 2022-09-26
KR20220121458 2022-09-26
KR1020220127120A KR20240043021A (en) 2022-09-26 2022-10-05 Method of translation based on speech feature and electronic device therefor
KR10-2022-0127120 2022-10-05

Publications (1)

Publication Number Publication Date
WO2024071946A1 true WO2024071946A1 (en) 2024-04-04

Family

ID=90478498

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/014738 WO2024071946A1 (en) 2022-09-26 2023-09-26 Speech characteristic-based translation method and electronic device for same

Country Status (1)

Country Link
WO (1) WO2024071946A1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140120560A (en) * 2013-04-03 2014-10-14 삼성전자주식회사 Interpretation apparatus controlling method, interpretation server controlling method, interpretation system controlling method and user terminal
KR20150093482A (en) * 2014-02-07 2015-08-18 한국전자통신연구원 System for Speaker Diarization based Multilateral Automatic Speech Translation System and its operating Method, and Apparatus supporting the same
JP2015187738A (en) * 2015-05-15 2015-10-29 株式会社東芝 Speech translation device, speech translation method, and speech translation program
JP2016186646A (en) * 2016-06-07 2016-10-27 株式会社東芝 Voice translation apparatus, voice translation method and voice translation program
KR20190038069A (en) * 2017-09-29 2019-04-08 삼성전자주식회사 Input device, electronic device, system comprising the same and control method thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140120560A (en) * 2013-04-03 2014-10-14 삼성전자주식회사 Interpretation apparatus controlling method, interpretation server controlling method, interpretation system controlling method and user terminal
KR20150093482A (en) * 2014-02-07 2015-08-18 한국전자통신연구원 System for Speaker Diarization based Multilateral Automatic Speech Translation System and its operating Method, and Apparatus supporting the same
JP2015187738A (en) * 2015-05-15 2015-10-29 株式会社東芝 Speech translation device, speech translation method, and speech translation program
JP2016186646A (en) * 2016-06-07 2016-10-27 株式会社東芝 Voice translation apparatus, voice translation method and voice translation program
KR20190038069A (en) * 2017-09-29 2019-04-08 삼성전자주식회사 Input device, electronic device, system comprising the same and control method thereof

Similar Documents

Publication Publication Date Title
WO2022010157A1 (en) Method for providing screen in artificial intelligence virtual secretary service, and user terminal device and server for supporting same
WO2024063507A1 (en) Electronic device and user utterance processing method of electronic device
WO2022131566A1 (en) Electronic device and operation method of electronic device
WO2022191395A1 (en) Apparatus for processing user command, and operating method therefor
WO2022065879A1 (en) Device for learning speaker authentication of registered user for voice recognition service, and method for operating same
WO2022163963A1 (en) Electronic device and method for performing shortcut instruction of electronic device
WO2024071946A1 (en) Speech characteristic-based translation method and electronic device for same
WO2021096281A1 (en) Voice input processing method and electronic device supporting same
WO2024080745A1 (en) Method for analyzing user speech on basis of speech cache, and electronic device supporting same
WO2024029845A1 (en) Electronic device and speech recognition method thereof
WO2023075160A1 (en) Method of identifying target device on basis of utterance reception and electronic device therefor
WO2024043670A1 (en) Method for analyzing user speech, and electronic device supporting same
WO2024072036A1 (en) Speech recognition apparatus and operating method of speech recognition apparatus
WO2022173104A1 (en) Electronic device supporting improvement of voice activity detection
WO2023008714A1 (en) Electronic device and method for providing connection switching of wireless audio device
WO2022177186A1 (en) Electronic device comprising speaker and microphone, and operation method thereof
WO2024071921A1 (en) Electronic device operating on basis of artificial intelligence and voice recognition, and control method thereof
WO2022234919A1 (en) Server for identifying false wakeup and method for controlling same
WO2022196994A1 (en) Electronic device comprising personalized text-to-speech module, and control method thereof
WO2023149644A1 (en) Electronic device and method for generating customized language model
WO2024014869A1 (en) Translation processing method and electronic device
WO2022025448A1 (en) Electronic device and operation method of electronic device
WO2022196925A1 (en) Electronic device and personalized text-to-speech model generation method by electronic device
WO2024043592A1 (en) Electronic device, and method for controlling rate of text to speech conversion
WO2023177079A1 (en) Server and electronic device for processing user speech on basis of synthetic vector, and operating method thereof

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: 23873061

Country of ref document: EP

Kind code of ref document: A1