WO2024072036A1 - 음성인식 장치 및 음성인식 장치의 동작방법 - Google Patents

음성인식 장치 및 음성인식 장치의 동작방법 Download PDF

Info

Publication number
WO2024072036A1
WO2024072036A1 PCT/KR2023/014895 KR2023014895W WO2024072036A1 WO 2024072036 A1 WO2024072036 A1 WO 2024072036A1 KR 2023014895 W KR2023014895 W KR 2023014895W WO 2024072036 A1 WO2024072036 A1 WO 2024072036A1
Authority
WO
WIPO (PCT)
Prior art keywords
function
user
processor
electronic device
information
Prior art date
Application number
PCT/KR2023/014895
Other languages
English (en)
French (fr)
Inventor
장지훈
김두석
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 KR1020220138676A external-priority patent/KR20240045927A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2024072036A1 publication Critical patent/WO2024072036A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Definitions

  • This document relates to an electronic device capable of voice recognition and a method of operating a voice recognition device. This document is about a method of operating an electronic device that uses an artificial intelligence model to analyze learning data within the system and presents functions that can be provided within the system in response to the user's voice.
  • voice recognition functions can be implemented in various electronic devices equipped with voice input devices (eg, microphones). For example, through a voice recognition function, an electronic device can recognize a voice uttered by a user and execute a specific function based on the voice uttered. Such voice recognition functions have recently become increasingly common in electronic devices to replace physical input and control electronic devices with voice.
  • Intelligent agents can provide integrated functions to users by controlling multiple external devices functionally connected to electronic devices.
  • electronic devices provide voice-based intelligent agent services, users of electronic devices can execute various functions of the electronic device using voice.
  • a voice recognition service can recognize and perform the desired function only when it accurately expresses the utterance for the desired function. Users may experience the inconvenience of having to familiarize themselves with the functions provided by the voice recognition service they want to use in advance and check in advance how to speak.
  • the electronic device when it detects a user's voice through a microphone, speaker, memory, and microphone that receives surrounding sounds, it performs voice recognition on the user's voice and outputs a response message corresponding to the voice recognition result. It may include a processor that controls the speaker to do so.
  • the processor uses an artificial intelligence learning model to update the function or link related to the function corresponding to at least one word among the specific words stored in the memory, and when detecting the user's spoken voice, the processor updates the function corresponding to the specific function within the user's spoken voice.
  • Identifying at least one word retrieving information related to the word corresponding to the specific function in memory, and displaying functions related to the word corresponding to the specific function based on receiving information related to the word corresponding to the specific function; Based on user input for functions related to the displayed word, some of the functions related to the word corresponding to the specific function may be executed.
  • the electronic device may include a microphone that receives ambient sounds, a memory, and a processor that performs voice recognition on the user's voice when the user's voice is detected through the microphone.
  • the processor requests information about instructions related to functions that can be performed on the electronic device at preset times in the memory, and obtains function information related to the instructions or speech expression information necessary to execute the function based on the information about the instructions. Based on information about the command, a plurality of functions that can be performed on the electronic device are classified by function, and the speech expressions necessary to perform each function and link data corresponding to each function can be stored in the memory. .
  • a voice recognition method of an electronic device includes the operation of updating a function or link related to a function corresponding to at least one word among specific words stored in the memory using an artificial intelligence learning model, and a user uttered voice.
  • the operation of identifying at least one word corresponding to the specific function within the user's speech the operation of retrieving information related to the word corresponding to the specific function in memory, based on receiving information related to the word corresponding to the specific function
  • This may include an operation of displaying functions related to a word corresponding to a specific function and an operation of executing some of the functions related to a word corresponding to a specific function based on user input for functions related to the displayed word.
  • the electronic device may automatically configure available functions based on the recognized short sentence or short word.
  • an electronic device may automatically configure available functions based on a user's voice and provide information about available functions to the user.
  • FIG. 1 is a block diagram showing an integrated intelligence (AI) system according to an embodiment.
  • AI integrated intelligence
  • Figure 2 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • FIG. 3 is a diagram illustrating a user terminal displaying a screen for processing voice input received through an intelligent application, according to an embodiment.
  • Figure 4 shows the configuration of an electronic device according to one embodiment.
  • FIG. 5 is a block diagram of an electronic device in a network environment, according to various embodiments.
  • Figure 6 is a flowchart showing a voice recognition method for an electronic device according to an embodiment.
  • Figure 1 is a block diagram showing an integrated intelligence system according to an embodiment.
  • the integrated intelligence system 10 of one embodiment may include a user terminal 100, an intelligent server 200, and a service server 300.
  • the user terminal 100 of one embodiment may be a terminal device (or electronic device) capable of connecting to the Internet, for example, a mobile phone, a smartphone, a personal digital assistant (PDA), a laptop computer, a TV, a white appliance, It could be a wearable device, HMD, or smart speaker.
  • a terminal device or electronic device capable of connecting to the Internet
  • a mobile phone for example, a mobile phone, a smartphone, a personal digital assistant (PDA), a laptop computer, a TV, a white appliance, It could be a wearable device, HMD, or smart speaker.
  • PDA personal digital assistant
  • the user terminal 100 may include a communication interface 110, a microphone 120, a speaker 130, a display 140, a memory 150, and a processor 160.
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 110 may be connected to an external device and configured to transmit and receive data.
  • the microphone 120 may receive sound (eg, a user's speech) and convert it into an electrical signal.
  • the speaker 130 may output an electrical signal as sound (eg, voice).
  • display 140 may be configured to display images or videos.
  • the display 140 may display a graphic user interface (GUI) of an app (or application program) that is being executed.
  • GUI graphic user interface
  • Display 140 in one embodiment may be configured to display images or video.
  • the display 140 of one embodiment may also display a graphic user interface (GUI) of an app (or application program) being executed.
  • GUI graphic user interface
  • the display 140 in one embodiment may receive a touch input through a touch sensor.
  • the display 140 may receive text input through a touch sensor in the on-screen keyboard area displayed within the display 140.
  • the memory 150 may store a client module 151, a software development kit (SDK) 153, and a plurality of apps 155.
  • the client module 151 and SDK 153 may form a framework (or solution program) for performing general functions. Additionally, the client module 151 or SDK 153 may configure a framework for processing user input (eg, voice input, text input, touch input).
  • the plurality of apps 155 stored in the memory 150 may be programs for performing designated functions.
  • the plurality of apps 155 may include a first app 155_1 and a second app 155_3.
  • each of the plurality of apps 155 may include a plurality of operations to perform a designated function.
  • the plurality of apps 155 may include at least one of an alarm app, a message app, and a schedule app.
  • the plurality of apps 155 are executed by the processor 160 to sequentially execute at least some of the plurality of operations.
  • the processor 160 may control the overall operation of the user terminal 100.
  • the processor 160 may be electrically connected to the communication interface 110, the microphone 120, the speaker 130, the display 140, and the memory 150 to perform a designated operation.
  • the processor 160 may also execute a program stored in the memory 150 to perform a designated function.
  • the processor 160 may execute at least one of the client module 151 or the SDK 153 and perform the following operations to process user input.
  • the processor 160 may control the operation of a plurality of apps 155 through the SDK 153, for example.
  • the following operations described as operations of the client module 151 or SDK 153 may be operations performed by the processor 160.
  • the client module 151 may receive user input. For example, the client module 151 may generate a voice signal corresponding to a user utterance detected through the microphone 120. Alternatively, the client module 151 may receive a touch input detected through the display 140. Alternatively, the client module 151 may receive text input detected through a keyboard or visual keyboard. In addition, various types of user input detected through an input module included in the user terminal 100 or an input module connected to the user terminal 100 can be received. The client module 151 may transmit the received user input to the intelligent server 200. According to one embodiment, the client module 151 may transmit status information of the user terminal 100 to the intelligent server 200 along with the received user input. The status information may be, for example, execution status information of an app.
  • the client module 151 may receive a result corresponding to the received user input.
  • the client module 151 may receive a result corresponding to the user input from the intelligent server 200.
  • the client module 151 may display the received result on the display 140. Additionally, the client module 151 may output the received result as audio through the speaker 130.
  • the client module 151 may receive a plan corresponding to the received user input.
  • the client module 151 may display the results of executing a plurality of operations of the app according to the plan on the display 140.
  • the client module 151 can sequentially display execution results of a plurality of operations on a display and output audio through the speaker 130.
  • the user terminal 100 may display only partial results of executing a plurality of operations (eg, the result of the last operation) and output audio through the speaker 130.
  • the client module 151 may receive a request from the intelligent server 200 to obtain information necessary to calculate a result corresponding to the user input.
  • Information needed to calculate the result may be, for example, status information of the electronic device 100.
  • the client module 151 may transmit the necessary information to the intelligent server 200 in response to the request.
  • the client module 151 may transmit information as a result of executing a plurality of operations according to a plan to the intelligent server 200.
  • the intelligent server 200 can confirm that the received user input has been processed correctly through the result information.
  • the client module 151 may include a voice recognition module. According to one embodiment, the client module 151 can recognize voice input that performs a limited function through the voice recognition module. For example, the client module 151 may run an intelligent app for processing voice input to perform an organic action through a designated input (e.g., wake up!).
  • the intelligent server 200 may receive information related to the user's voice input from the user terminal 100 through a communication network. According to one embodiment, the intelligent server 200 may change data related to the received voice input into text data. According to one embodiment, the intelligent server 200 may generate a plan for performing a task corresponding to the user's voice input based on the text data.
  • the plan may be generated by an artificial intelligence (AI) system.
  • Artificial intelligence systems may be rule-based systems, neural network-based systems (e.g., feedforward neural networks (FNN)), recurrent neural networks, etc. (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 200 may transmit a result calculated according to the generated plan to the user terminal 100 or transmit the generated plan to the user terminal 100.
  • the user terminal 100 may display results calculated according to the plan on the display.
  • the user terminal 100 may display the results of executing an operation according to the plan on the display.
  • the intelligent server 200 of one embodiment includes a front end 210, a natural language platform 220, a capsule DB 230, an execution engine 240, It may include an end user interface (250), a management platform (260), a big data platform (270), and an analytic platform (280).
  • the front end 210 may receive user input received from the user terminal 100.
  • the front end 210 may transmit a response corresponding to the user input.
  • the natural language platform 220 includes an automatic speech recognition module (ASR module) 221, a natural language understanding module (NLU module) 223, and a planner module (223). It may include a planner module (225), a natural language generator module (NLG module) (227), and a text to speech module (TTS module) (229).
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • TTS module text to speech module
  • the automatic voice recognition module 221 may convert voice input received from the user terminal 100 into text data.
  • the natural language understanding module 223 may determine the user's intention using text data of voice input. For example, the natural language understanding module 223 may determine the user's intention by performing syntactic analysis or semantic analysis on user input in the form of text data.
  • the natural language understanding module 223 uses linguistic features (e.g., grammatical elements) of morphemes or phrases to determine the meaning of a word extracted from the user input, and matches the meaning of the identified word to the intention. You can determine the user's intention by doing this.
  • the natural language understanding module 223 can acquire intent information corresponding to the user's utterance.
  • Intention information may be information indicating the user's intention determined by interpreting text data.
  • Intent information may include information indicating an action or function that the user wishes to perform using the device.
  • the planner module 225 may generate a plan using the intent and parameters determined by the natural language understanding module 223. According to one embodiment, the planner module 225 may determine a plurality of domains required to perform the task based on the determined intention. The planner module 225 may determine a plurality of operations included in each of the plurality of domains determined based on the intention. According to one embodiment, the planner module 225 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 related to a specified format (or class). Accordingly, the plan may include a plurality of operations and a plurality of concepts determined by the user's intention.
  • the planner module 225 may determine the relationship between the plurality of operations and the plurality of concepts in a stepwise (or hierarchical) manner. For example, the planner module 225 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 225 may determine the execution order of the plurality of operations based on the parameters required for the execution of the plurality of operations and the results output by the execution of the plurality of operations. Accordingly, the planner module 225 may generate a plan that includes association information (eg, ontology) between a plurality of operations and a plurality of concepts. Ontology indicates that relationships between all entities can be defined in the form of 'subject, predicate, and object'. Ontology can mean that an electronic device can understand the meaning of all entities by defining the relationships between them.
  • association information eg, ontology
  • the planner module 225 can create a plan using information stored in the capsule database 230, which stores a set of relationships between concepts and operations.
  • the natural language generation module 227 may change designated information into text form.
  • the information changed to the text form may be in the form of natural language speech.
  • the text-to-speech conversion module 229 in one embodiment can change information in text form into information in voice form.
  • the capsule database 230 may store information about the relationship between a plurality of concepts and operations corresponding to a plurality of domains.
  • the capsule database 230 may store a plurality of capsules including a plurality of action objects (action objects or action information) and concept objects (concept objects or concept information) of the plan.
  • the capsule database 230 may store the 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 230.
  • the capsule database 230 may include a strategy registry in which strategy information necessary for determining a plan corresponding to a voice input is stored.
  • the strategy information may include standard information for determining one plan when there are multiple plans corresponding to user input.
  • the capsule database 230 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 230 may include a layout registry that stores layout information of information output through the user terminal 100.
  • the capsule database 230 may include a vocabulary registry where vocabulary information included in capsule information is stored.
  • the capsule database 230 may include a dialogue registry in which information about dialogue (or interaction) with a user is stored.
  • the capsule database 230 may update stored objects through a developer tool.
  • the developer tool may include, for example, a function editor for updating 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 230 may also be implemented within the user terminal 100.
  • the user terminal 100 may include a capsule database 230 that stores information for determining an operation corresponding to a voice input.
  • the execution engine 240 may calculate a result using the generated plan.
  • the end user interface 250 may transmit the calculated result to the user terminal 100.
  • the user terminal 100 may receive the result and provide the received result to the user.
  • the management platform 260 can manage information used in the intelligent server 200.
  • the big data platform 270 may collect user data.
  • the analysis platform 280 may manage quality of service (QoS) of the intelligent server 200.
  • the analytics platform 280 can manage the components and processing speed (or efficiency) of the intelligent server 200.
  • the service server 300 may provide a designated service (eg, food ordering or hotel reservation) to the user terminal 100.
  • the service server 300 may be a server operated by a third party.
  • the service server 300 may include a first service server 301, a second service server 303, and a third service server 305 operated by different third parties.
  • the service server 300 may provide the intelligent server 200 with information for creating a plan corresponding to the received user input.
  • the provided information may be stored in capsule database 230, for example. Additionally, the service server 300 may provide result information according to the plan to the intelligent server 200.
  • the user terminal 100 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 100 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app).
  • the user terminal 100 may recognize a user utterance or voice input received through the microphone and provide a service corresponding to the recognized voice input to the user. .
  • the user terminal 100 may perform a designated operation alone or together with the intelligent server and/or service server based on the received voice input. For example, the user terminal 100 may run an app corresponding to a received voice input and perform a designated operation through the executed app.
  • the user terminal 100 when the user terminal 100 provides a service together with the intelligent server 200 and/or the service server, the user terminal detects a user utterance using the microphone 120, A signal (or voice data) corresponding to the detected user utterance may be generated. The user terminal may transmit the voice data to the intelligent server 200 using the communication interface 110.
  • the intelligent server 200 in response to a voice input received from the user terminal 100, creates a plan for performing a task corresponding to the voice input, or performs an operation according to the plan. can produce one result.
  • the plan may include, for example, a plurality of operations for performing a task corresponding to a user's voice input, and a plurality of concepts related to the plurality of operations.
  • the concept may define parameters input to the execution of the plurality of operations or result values output by the execution of the plurality of operations.
  • the plan may include association information between a plurality of operations and a plurality of concepts.
  • the user terminal 100 in one embodiment may receive the response using the communication interface 110.
  • the user terminal 100 uses the speaker 130 to output a voice signal generated inside the user terminal 100 to the outside, or uses the display 140 to output an image generated inside the user terminal 100 to the outside. It can be output as .
  • the processor 160 may further include a housing, and components of the processor 160 may be seated inside the housing or located on the housing.
  • the processor 160 provides necessary services to the user through an internally stored application (or application program) (e.g., alarm application, message application, photo (gallery) application).
  • an internally stored application e.g., alarm application, message application, photo (gallery) application.
  • the processor 160 may execute other applications through an internally stored intelligent application (or voice recognition application) and receive user input for operation.
  • User input may be a physical button or touch. It can be received through pad, voice input, or remote input.
  • the processor 160 may receive a user's utterance as a user input.
  • the processor 160 may receive a user's speech and generate a command to operate an application based on the user's speech. Accordingly, the processor 160 can operate the application using the command.
  • the intelligent server 200 may receive user input (voice input) through a communication network and change it into text data.
  • the intelligent server 200 may create (or select) a path rule based on the text data.
  • the pass rule may include information about an action (or operation) for performing an application function or information about parameters necessary to execute the action. Additionally, the pass rule may include the order of operations of the application.
  • the processor 160 may receive the pass rule, select an application according to the pass rule, and execute an operation included in the pass rule in the selected application.
  • the processor 160 may execute the operation and display a screen corresponding to the state of the processor 160 that executed the operation on the display 140.
  • the processor 160 may execute the operation and not display the result of performing the operation on the display 140.
  • the processor 160 may execute a plurality of operations and display only partial results of the plurality of operations on the display 140.
  • the processor 160 may display only the results of executing the last operation on the display 140.
  • the processor 160 may receive a user's input and display the result of executing the operation on the display 140.
  • the service server 300 may include a database in which user information is stored.
  • the service server 300 may receive user information (eg, context information, application execution) from the processor 160 and store it in the database.
  • the intelligent server 200 can receive the user information from the service server 300 through a communication network and use it to create a pass rule for user input.
  • the processor 160 may receive user information from the service server 300 through a communication network and use it as information for managing a database.
  • the service server 300 may include a database in the processor 160 that stores information about introduction of functions or applications or functions to be provided.
  • the service server 300 may receive user information of the processor 160 from the service server 300 and include a database about functions that the user can use.
  • the processor 160 may receive information about the function to be provided from the service server 300 through a communication network and provide the information to the user.
  • the user terminal 100 may receive user input from the user.
  • the user terminal 100 may receive user input from a connected external device (eg, keyboard, headset).
  • the user terminal 100 may include a touch screen (eg, a touch screen display) coupled to the display 140.
  • the user terminal 100 may include a hardware key (or physical key) located in the processor 160 (or the housing of the user terminal 100).
  • the user terminal 100 may include a microphone 120 capable of receiving the user's speech as a voice signal.
  • the user terminal 100 includes a speech input system and can receive the user's speech as a voice signal through the speech input system.
  • the display 140 may display an image or video, and/or an execution screen of an application.
  • display 140 may display a graphical user interface (GUI) of an application.
  • GUI graphical user interface
  • the display 140 may display a plurality of user interfaces for the plurality of applications in the form of at least one of a multi-window, an overlay, and a pop-up window.
  • the display 140 may display a user interface for performing the voice recognition function under the control of the processor 160.
  • the display 140 under the control of the processor 160 displays the user input converted into text data. You can.
  • the display 140 displays a user interface performed based on a sequence of states corresponding to the user input received from the intelligent server 200 under the control of the processor 160 and a window of the display 140. It can be displayed in .
  • the speaker 130 may output a voice signal.
  • the speaker 130 may output a voice signal generated inside the processor 160 to the outside.
  • memory 150 may store a plurality of application programs. A plurality of applications stored in the memory 150 may be selected, executed, and operated according to user input. The memory 150 may store a plurality of user interfaces corresponding to the plurality of application programs.
  • the memory 150 may store a plurality of applications 155-1 and 155-3.
  • a plurality of applications 155-1 and 155-3 stored in the memory 150 may be selected, executed, and operated according to user input.
  • the memory 150 may store an intelligent application (eg, a voice recognition application) linked to the intelligent server 200.
  • the application linked to the intelligent server 200 can receive and process the user's utterance as a voice signal.
  • an application linked to the intelligent server 200 may be operated by a specific input input through the user terminal 100 (e.g., input through a hardware key, input through a touch screen, or specific voice input). You can.
  • the processor 160 controls the overall operation of the processor 160 and signal flow between internal components of the processor 160, performs data processing, and supplies power to the components from a battery. You can control it.
  • the processor 160 may control the user terminal 100 to receive user input.
  • the processor 160 may control the display 140 to display an image.
  • the processor 160 can control the speaker 130 to output a voice signal.
  • the processor 160 can control the memory 150 to load or store necessary information.
  • the processor 160 may run the intelligent server 200 by executing instructions stored in the memory 150.
  • modules mentioned in one embodiment of the present invention may be implemented as hardware or software.
  • operations performed by the intelligent server 200 may be understood as operations performed by the processor 160.
  • the processor 160 may display a user interface according to application execution on the display 140. For example, when a plurality of applications are executed, the processor 160 may display a plurality of user interfaces for the plurality of applications on the display 140 in the form of at least one of a multi-window, an overlay, and a pop-up window.
  • the processor 160 may receive user input to perform a task.
  • the user input may be an input for performing a task using a specific application through a voice recognition function.
  • the intelligent server 200 may generate a command to operate an application based on a voice signal received as a user input.
  • the user input may be a user input for performing a task using applications (single application or multiple applications) displayed on the display 140, or a user input for performing a task using an application different from the application displayed on the display. may include.
  • the intelligent server 200 may include a wake up recognition module that recognizes a user's call.
  • the wake-up recognition module can recognize the user's wake-up command through a voice recognition module, and when receiving the wake-up command, can activate the service server 300 to receive user input.
  • the wake-up recognition module of the intelligent server 200 may be implemented in a low-power processor (eg, a processor included in an audio codec).
  • the intelligent server 200 may be activated according to user input through a hardware key. When the intelligent server 200 is activated, an intelligent application (eg, a voice recognition application) linked to the intelligent server 200 may be executed.
  • an intelligent application eg, a voice recognition application
  • the intelligent server 200 may include a voice recognition module for executing user input.
  • the voice recognition module can recognize user input to execute an action in an application.
  • the voice recognition module may use limited user (voice) input to execute operations such as the wake-up command in the applications 155-1 and 155-3 (e.g., "click" to execute a shooting operation when a camera application is running). utterances such as " can be recognized.
  • the voice recognition module that recognizes user input by assisting the intelligent server 200 can, for example, recognize user commands that can be processed within the processor 160 and quickly process them.
  • a voice recognition module for executing user input of the intelligent server 200 may be implemented in an application processor.
  • the voice recognition module of the intelligent server 200 may recognize user input using an algorithm for voice recognition.
  • the algorithm used to recognize the voice may be, for example, at least one of a hidden markov model (HMM) algorithm, an artificial neural network (ANN) algorithm, or a dynamic time warping (DTW) algorithm.
  • HMM hidden markov model
  • ANN artificial neural network
  • DTW dynamic time warping
  • the intelligent server 200 may convert the user's voice input into text data. According to one embodiment, the intelligent server 200 may transmit the user's voice to the intelligent server 470 and receive converted text data. Accordingly, the intelligent server 200 can display the text data on the display 140.
  • the intelligent server 200 may include an automatic speech recognition module 221, a natural language understanding module 223, a planner module 225, a natural language generation module 227, and a text-to-speech conversion module 229. You can.
  • the intelligent server 200 connects the application 525 (e.g., the first application 155-1 and the second application 155-3 in FIG. 4) to the application 525 (e.g., 155). You can request context information indicating the current status of -1, 155-3).
  • the natural language understanding module 223 may receive the context information from the application 525 (eg, 155-1 and 155-3) and transmit it to the intelligent server 200.
  • the natural language understanding module 223 may receive a plurality of context information through the application 525 (eg, 155-1 and 155-3).
  • the context information may be information about the most recently executed application 525 (eg, 155-1, 155-3).
  • the context information may be information about the current state within the application 525 (e.g., 155-1, 155-3) (e.g., when viewing a photo in a gallery, information about the photo). .
  • the natural language understanding module 223 receives context information indicating the current state of the user terminal 100 from the application 525 (e.g., 155-1, 155-3) as well as the device platform. can receive.
  • the context information may include general context information, user context information, or device context information.
  • General context information may include general information about the user terminal 100.
  • General context information can be confirmed through internal algorithms by receiving data through the sensor hub of the device platform.
  • the general context information may include information about current space and time.
  • the information about the current time and space may include, for example, information about the current time or the current location of the user terminal 100.
  • the current time can be confirmed through the time on the user terminal 100, and information about the current location can be confirmed through a global positioning system (GPS).
  • general context information may include information about physical movement.
  • Information about physical movement may include, for example, information about walking, running, or driving. Physical movement information can be confirmed through a motion sensor. Information about driving can be checked not only through the motion sensor, but also by detecting the Bluetooth connection in the vehicle to check boarding and parking.
  • general context information may include user activity information.
  • User activity information may include, for example, information about commuting, shopping, and travel. User activity information can be confirmed using information about the location registered by the user or application in the database.
  • the user context information may include information about the user.
  • the user context information may include information about the user's emotional state.
  • the information about the emotional state may include, for example, information about the user's happiness, sadness, and anger.
  • the user context information may include information about the user's current state.
  • the information about the current state may include, for example, information about interests and intentions (eg, shopping).
  • the device context information may include information about the state of the user terminal 100.
  • the device context information may include information about the pass rule executed by the natural language generation module 227.
  • the device information may include information about the battery. Information about the battery can be confirmed, for example, through the charging and discharging status of the battery.
  • the device information may include information about connected devices and networks. Information about the connected device can be confirmed, for example, through a communication interface to which the device is connected.
  • the automatic voice recognition module 221 may convert user input (eg, utterance) received from the user terminal 100 into text data.
  • the automatic voice recognition module 221 can transmit the text data to the natural language understanding module 223.
  • the natural language understanding module 223 may perform syntactic analysis and semantic analysis to determine the user's intention for the user input.
  • the natural language understanding module 223 may analyze the user input to obtain the domain, intent, and slot (e.g., parameter) necessary to express the intent. .
  • the natural language understanding module 223 can determine the user's intention by matching the domain, intent, and slot to each case using matching rules included in the rule-based algorithm.
  • the planner module 225 may generate (or select) a pass rule using the user's intention identified from the natural language understanding module 223.
  • the pass rule may include multiple operations for one application or may include multiple operations for multiple applications.
  • the pass rule may include an execution order according to the intention of the user input.
  • the natural language generation module 227 may change designated information into text form.
  • the text form may be in the form of natural language speech.
  • the designated information may include information for additional input and information guiding completion of an operation.
  • the information changed into text form may be transmitted to the user terminal 100 and displayed on the display 140, or may be transmitted to the text-to-speech conversion module 229 and changed into voice form.
  • the text-to-speech conversion module 229 can change information in text form into information in voice form.
  • the text-to-speech conversion module 229 may receive information in the form of text from the natural language generation module 227, change the information in the form of text into information in the form of voice, and transmit the information to the user terminal 100.
  • the user terminal 100 may output the information in the form of voice to the speaker 130.
  • the natural language understanding module 223 can determine the user's intention using matching rules divided into domain, intention, and slot.
  • the natural language understanding module 223 uses linguistic features (e.g., grammatical elements) of morphemes and phrases to understand the meaning of words extracted from user input, and matches the meaning of the identified words to rules to determine the user's intention. You can.
  • the natural language understanding module 223 can determine the user's intention by calculating how many words extracted from the user input are included using information about the rules included in each domain and intention.
  • the natural language understanding module 223 may learn the user's utterance based on rule-based natural language understanding or deep natural language understanding. For example, when receiving the utterance “Find a photo of Hawaii” from the user, the natural language understanding module 223 may perform a tagging operation with Domain: Gallery, Intent: Find photo (gallery_rule2), Slot: Hawaii photo (location@searchviewresult). You can. The natural language understanding module 223 may search for related pass rules in the pass rule database, add Hawaii to the location parameter corresponding to searchviewresult, and transmit the corresponding pass rule to the user terminal 100.
  • the natural language understanding module 223 can process changes in speech by forming concepts through learning. Accordingly, when using deep natural language understanding, it may be possible to process the content uttered by the user even if there is no rule that accurately maps it.
  • the natural language understanding module 223 when using rule-based natural language understanding, inputs utterances corresponding to each rule, determines whether the user utterance matches the corresponding utterances, determines the intent, and determines the intent. You can obtain the correct pass rules.
  • the natural language understanding module 223 may perform a matching operation until the user's speech exactly matches the stored speech patterns.
  • the user utterance is likely to be related to applications running on the user terminal 100.
  • the natural language understanding module 223 may perform an operation of matching the speech pattern related to the domain displayed on the display based on the window context information received from the user terminal 100.
  • the window context information may include priority information for an application.
  • the natural language understanding module 223 may give the highest priority to the application displayed in the activation window of the display.
  • the natural language understanding module 223 may give priority to applications displayed in a window executed with a voice recognition function.
  • the natural language understanding module 223 may give priority to the application displayed in the most recently executed window. If the natural language understanding module 223 determines that the corresponding utterance matches multiple utterance patterns, priority may be given to the utterance pattern belonging to the domain displayed in the windows of the display.
  • the natural language understanding module 223 controls the interpretation to be an utterance pattern belonging to the domain displayed in the windows of the display. can do.
  • Figure 2 is a diagram showing how relationship information between concepts and operations is stored in a database, according to various embodiments.
  • the capsule database (e.g., capsule database 230) of the intelligent server may store a plurality of capsules in the form of a CAN (concept action network) 400.
  • 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 CAN may represent an organic relationship between an action and a concept that defines the parameters necessary to perform the action.
  • the capsule database may store a plurality of capsules (eg, Capsule A (401), Capsule B (402)) corresponding to each of a plurality of domains (eg, applications).
  • one capsule eg, Capsule A (401)
  • one capsule is connected to at least one service provider (e.g., CP 1 (403), CP 2 (404), CP 3 (405), or CP 4 (406)) to perform the functions of the domain associated with the capsule. can be responded to.
  • one capsule may include at least one operation 410 and at least one concept 420 for performing a designated function.
  • a natural language platform may generate a plan for performing a task corresponding to a received voice input using a capsule stored in a capsule database.
  • the planner module of the natural language platform e.g., the planner module 225 in FIG. 1 can create a plan using the capsule stored in the capsule database.
  • the operations 4011 of Capsule A 401 , 4013) and concepts 4012 and 4014, and the operation 4041 and concepts 4042 of Capsule B 402 can be used to create a plan 407.
  • Figure 3 is a diagram illustrating a screen in which a user terminal processes voice input received through an intelligent app according to various embodiments.
  • the user terminal 100 may run an intelligent app to process user input through an intelligent server (eg, the intelligent server 200 in FIG. 1).
  • an intelligent server eg, the intelligent server 200 in FIG. 1.
  • the user terminal 100 processes the voice input.
  • a designated voice input e.g., wake up! or receives an input through a hardware key (e.g., a dedicated hardware key)
  • the user terminal 100 processes the voice input.
  • You can run intelligent apps for example, the user terminal 100 may run an intelligent app while executing a schedule app.
  • the user terminal 100 may display an object (e.g., an icon) 311 corresponding to an intelligent app on a display (e.g., the display 140 of FIG. 1).
  • the user terminal 100 may receive voice input through a user's utterance.
  • the user terminal 100 may receive a voice input saying “Tell me this week’s schedule!”
  • the user terminal 100 may display a user interface (UI) 313 (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 100 may display a result corresponding to the received voice input on the display 140.
  • the user terminal 100 may receive a plan corresponding to the received user input and display 'this week's schedule' on the display 140 according to the plan.
  • Figure 4 shows the configuration of an electronic device 500 according to an embodiment.
  • the electronic device 500 (e.g., the electronic device 501 of FIG. 5) includes a microphone 450 (e.g., the input module 550 of FIG. 5) and a speaker 460 (e.g., the electronic device 501 of FIG. 5). It may include an audio output module 555), a processor 430 (e.g., processor 520 of FIG. 5), and a memory 440 (e.g., memory 530 of FIG. 5).
  • the microphone 450 is configured to receive sound from the outside and generate a signal corresponding to the input sound. Specifically, the microphone 450 may receive a user's voice as input and generate a user voice signal corresponding to the user's voice.
  • the microphone 450 may receive noise generated around the electronic device 500 and generate a signal corresponding to the input noise.
  • the microphone 450 includes a microphone that collects analog sound (user voice or ambient noise), an amplifier circuit that amplifies the collected user voice, and an A/D conversion circuit that samples the amplified user voice and converts it into a digital signal. It may include various components such as a filter circuit that removes noise components from the digital signal.
  • a configuration for receiving sound may be implemented as a microphone, but this is only an example and may be implemented as an input terminal capable of receiving a sound signal.
  • the speaker 460 is configured to output various notification sounds or voice messages as well as various audio data on which various processing tasks such as decoding or amplification have been performed by the processor 430.
  • the speaker 460 can output response information to the user's voice as a voice message in natural language.
  • the speaker 460 may output the summarized response information as a voice message in natural language.
  • a configuration for outputting audio may be implemented as a speaker, but this is only an example and may be implemented as an output terminal capable of outputting audio data.
  • the processor 430 is electrically connected to the memory 440 and can control the overall operation and functions of the electronic device 500.
  • the processor 430 can control hardware or software components connected to the processor 430 by running an operating system or application program (e.g., program 540 in FIG. 5), and perform various data processing and calculations. can be performed.
  • the processor 430 loads and processes commands or data received from at least one of the other components into volatile memory (e.g., volatile memory 532 of FIG. 5) and stores various data in non-volatile memory (e.g., It can be stored in the non-volatile memory 534 of FIG. 5).
  • the processor 430 is a dedicated processor (e.g., embedded processor) or a general-purpose processor (e.g., CPU (Central)) capable of performing the corresponding operations by executing one or more software programs stored in a memory device. Processing Unit) or application processor (AP).
  • a dedicated processor e.g., embedded processor
  • a general-purpose processor e.g., CPU (Central)
  • CPU Central
  • AP application processor
  • the processor 430 may be implemented as a digital signal processor (DSP), a microprocessor, or a time controller (TCON) that processes digital signals. However, it is not limited to this, and includes a central processing unit (CPU), micro controller unit (MCU), micro processing unit (MPU), controller, application processor (AP), GPU. It may include one or more of a graphics processing unit (graphics processing unit), a communication processor (CP), or an ARP processor (address resolution protocol processor), or may be defined by those terms. Additionally, the processor 430 may be implemented as a system on chip (SoC) with a built-in processing algorithm, large scale integration (LSI), or may be implemented in the form of a field programmable gate array (FPGA).
  • SoC system on chip
  • LSI large scale integration
  • FPGA field programmable gate array
  • the processor 430 may detect the user's voice uttered through the microphone 450. Specifically, the processor 430 may receive a signal for the user's voice input through the microphone 450 and detect the user's voice.
  • the speaker 460 may be controlled to perform voice recognition on the user's voice and output information corresponding to the voice recognition result.
  • information corresponding to the voice recognition result may mean response information to a query included in the user's voice. That is, if the user's voice includes a request for specific information, the information corresponding to the voice recognition result may mean response information to the specific information included in the user's voice.
  • the processor 430 can detect noise around the electronic device 500 in a series of processes that receive the user's voice, perform voice recognition on the user's voice, and output information corresponding to the voice recognition result.
  • the processor 430 can check noise around the electronic device 500 using the microphone 450.
  • the processor 430 may receive a sound signal generated around the electronic device 500 through the microphone 450 and check noise in the received sound signal.
  • the memory 440 is a component for storing various programs and data necessary for the operation of the electronic device 500.
  • the memory 440 is implemented as an internal memory of ROM (e.g., electrically erasable programmable readonly memory (EEPROM)) or RAM included in the processor 430. ) and may be implemented in a separate memory.
  • the memory 440 may be implemented as a memory embedded in the electronic device 500 or as a memory detachable from the electronic device 500 depending on the data storage purpose. For example, in the case of data for driving the electronic device 500, it is stored in the memory embedded in the electronic device 500, and in the case of data for the expansion function of the electronic device 500, it is detachable from the electronic device 500. It can be stored in available memory.
  • the memory 440 may include an NLG abstraction module (not shown) that summarizes response information generated as a result of user voice recognition generated through a natural language generator (NLG) module.
  • the NLG abstraction module extracts keywords from response information generated through the NLG module of the conversation system and can generate summary information by summarizing the response information based on the extracted keywords.
  • domain refers to a field related to user voice or response information to user voice. For example, if a user utters ‘How is the weather today?’, the domain for the user’s uttered voice may be ‘weather’.
  • the memory 440 may store an artificial intelligence model that has been trained to output user reaction information according to the type of noise. At this time, the artificial intelligence model can be retrained using information on the type of noise generated while driving the electronic device 500 and the user's reaction to the noise.
  • the type of noise and the user's reaction information according to the type of noise may be stored.
  • user reaction information regarding voice recognition results output when noise is generated may be stored in the memory 440 according to the type of noise.
  • the memory 440 contains a 'voice recognition result output step.
  • User reaction information such as ‘vacuum cleaner sound’ and ‘sound amplification’ may be stored.
  • natural language understanding may be implemented with a variety of algorithms, including rule-based or statistical-based. If the processor 430 needs to process commands that do not apply to the rules or models of the algorithm used or that require separate processing, the processor 430 may recognize and process the commands separately before processing the natural language understanding operation. For example, in the case of a user-specified command (quick command), the processor 430 recognizes it through a sentence match (e.g., exact matching) in a designated speech processing unit (not shown), and when recognized, sequentially executes the commands set by the user. It can be done with A user-specified command (quick command) is a command created with a name specified by the user and may refer to a command that cannot be processed in natural language understanding operations.
  • a user-specified command is a command created with a name specified by the user and may refer to a command that cannot be processed in natural language understanding operations.
  • the processor 430 is a command that can be recognized in a natural language understanding operation, but can sequentially perform commands set by the user even when temporarily designated to perform another function.
  • the processor 430 does not recognize the common command in all domains and designate an operation, but uses a designated speech processing unit (not shown) to command the common command. can be processed.
  • the designated speech processing unit may be processed as one domain depending on implementation.
  • one domain may be selected with priority over other domains.
  • the designated speech processing unit performs domain classification on one input command, and when it is processed as one domain, it can preferentially select the intent corresponding to that domain.
  • the processor 430 may perform a function in response to a user request and then convert a message to be delivered to the user into sound.
  • the processor 430 may use a text to speech (TTS) function.
  • TTS text to speech
  • the processor 430 may generate speech based on the TTS model.
  • the TTS model may be determined differently depending on the speech synthesis algorithm used (e.g., parametric speech synthesis, unit concatenation speech synthesis, neural network speech synthesis).
  • the processor 430 may obtain instructions related to functions that can be performed on the electronic device 500 from the memory 440.
  • Commands related to functions may include, for example, volume.
  • the processor 430 may check at least one function related to the volume, create a list, and display it to the user.
  • the processor 430 may display a list containing functions related to volume on a display (e.g., the display module 560 of FIG. 5) or provide the list to the user using the speaker 460.
  • At least one function related to volume may include, for example, a function to increase or decrease the volume or a function to show the current volume setting.
  • the term volume is only an example, and commands related to the function are not limited to this.
  • At least one function related to volume is only an example, and the related function is not limited to this.
  • the processor 430 may provide the user with a list including screenshot capture, photo taking, and photo taking actions after the flash is terminated in response to the user's utterance expression 'take a picture'.
  • the processor 430 creates a list including the operation of operating the air conditioner, the operation of stopping the operation of the air conditioner, the operation of lowering or raising the temperature of the air conditioner, and the operation of searching the price of the air conditioner in response to the user speech expression 'air conditioner'. It can be provided to the user.
  • the processor 430 may provide the user with a list including an operation to execute an application related to ordering a specific product and an operation to search the price of a specific product in response to the user speech expression 'order'.
  • User speech expressions and functions corresponding to user speech expressions are not limited to this.
  • the electronic device 500 of this document can identify utterances containing commands related to functions in the user's voice and store them in the memory 440.
  • the processor 430 can learn the user's utterance stored in the memory 440 using a learning model, and store either a function related to the utterance or an utterance expression for each function in the memory 440. While learning, the processor 430 may change the ranking of actions displayed on the list based on the user's frequency of selecting functions corresponding to user speech expressions. Alternatively, while learning, the processor 430 may automatically perform the most frequently selected operation based on the user's selection frequency for the function corresponding to the user's speech expression.
  • the processor 440 may retrieve data related to learning (eg, capsule training data) from the memory 440 based on instructions related to functions that can be performed on the electronic device 500.
  • Capsule training data may refer to data learned on a capsule.
  • a capsule can refer to a group of neurons that represent an object or a parameter of a particular type, such as an object. Alternatively, a capsule may refer to a form in which multiple neurons are grouped into one group.
  • the processor 430 may request related data based on data related to learning being retrieved from the memory 440.
  • the processor 430 may classify functions that can be performed on the electronic device 500 based on instructions related to the functions that can be performed on the electronic device 500.
  • the processor 430 may classify functions that can be performed on the electronic device 500 by referring to speech expressions or parameters required to execute a specific function.
  • the speech expression required for a specific function may mean the entire statement for executing the function.
  • the speech expression required to increase the volume may mean ‘turn up volume.’
  • a parameter may refer to an expression related to a function to be executed.
  • the parameter may mean either a maximum, a minimum, or a volume level. Parameters are not limited to this and may vary depending on the command related to the function.
  • the processor 430 may classify functions and store speech expressions related to each function on the memory 440.
  • the processor 430 may use various classification criteria to classify functions.
  • various classification criteria include objects controlled in performing functions (e.g., display (e.g., display module 560 of FIG. 5), speaker 460, camera (e.g., camera module 580 of FIG. 5) )), may be determined differently depending on the application (e.g., the application 546 in Figure 5). This is only an example and may include any configuration of the electronic device 101 or any function that can be executed on the electronic device 101.
  • the processor 430 can determine speech expressions related to functions in the user's voice.
  • the processor 430 can classify functions and store related speech expressions on the memory 440.
  • the processor 430 can learn The model can be used to learn information about the function information and related speech expressions stored in the memory 440.
  • the processor 430 detects a speech expression related to a function in the user's voice, it executes the related function instead of asking a question again.
  • the processor 430 can increase the user experience by adaptively providing functions desired by the user in response to the user's speech expression through learning.
  • the processor 430 may search the memory 440 for information about links or deep links required for functions that can be performed on the electronic device 500.
  • a deep link may refer to a link that can reach a specific page.
  • the processor 430 can access the homepage of a specific application using a link, and can access the internal page of a specific application using a deep link.
  • the processor 430 may store information about links or deep links necessary to perform functions in the memory 440.
  • the processor 430 stores at least one of information about function classification, information about speech expressions corresponding to each function, or information about links or deep links required to perform the function. It can be saved in .
  • the processor 430 may create a list by integrating information about links or deep links required to perform a function and information about at least one function corresponding to a recognized speech expression.
  • the processor 430 may display the generated list to the user.
  • the processor 430 may provide information about the created list to the user through a voice message.
  • the processor 430 may recognize a user's voice or speech using the microphone 450.
  • the processor 430 may recognize commands related to functions that can be performed on the electronic device 500 from the user's voice.
  • the processor 430 may search for an instruction related to a function on the memory 440 based on the recognition of the instruction related to the function.
  • the processor 430 may request information about at least one function corresponding to the function-related instruction based on the function-related instruction being searched in the memory 440.
  • the processor 430 may receive information about at least one function corresponding to an instruction.
  • the processor 430 may create a list listing at least one function corresponding to an instruction.
  • the processor 430 when the command is “camera shooting,” the processor 430 performs at least one of execution of a camera application, zooming in on the camera, zooming out in the camera, executing a time-lapse function, panorama, night shooting, slow motion, or video shooting. You can create a list containing any one. Commands or functions corresponding to commands are only examples and may include any function that can be executed on the electronic device 101.
  • the processor 430 may display the generated list to the user. Alternatively, the processor 430 may provide information about the created list to the user through a voice message.
  • the processor 430 may execute a function based on user input (eg, touch input or voice input) for the generated list. Functions that the processor 430 can execute based on user input have been described previously.
  • the processor 430 may provide the user with a list including screenshot capture, photo taking, and photo taking actions after the flash is terminated in response to the user's utterance expression 'Take a picture'.
  • the processor 430 creates a list including the operation of operating the air conditioner, the operation of stopping the operation of the air conditioner, the operation of lowering or raising the temperature of the air conditioner, and the operation of searching the price of the air conditioner in response to the user speech expression 'air conditioner'. It can be provided to the user.
  • the processor 430 may provide the user with a list including an operation to execute an application related to ordering a specific product and an operation to search the price of a specific product in response to the user speech expression 'order'.
  • User speech expressions and functions corresponding to user speech expressions are not limited to this.
  • the processor 430 may re-question the user regarding the desired function in response to failing to retrieve an instruction related to the function on the memory 440.
  • the processor 430 may recognize instructions related to functions that are not stored in the memory 440 and store them in the memory 440 .
  • the processor 430 can use the learning model to learn commands related to newly stored functions and also learn functions or applications corresponding to the commands. When a command related to a newly stored function is recognized, the processor 430 may execute a function corresponding to the command or run an application corresponding to the command based on the learning result.
  • the processor 430 may recognize a user speech expression that is not stored in the memory 440 and store it in the memory 440 .
  • the processor 430 can use the learning model to learn the newly stored user speech expression and also learn functions or applications corresponding to the user speech expression. When a newly stored user speech expression is recognized, the processor 430 may execute a function corresponding to the user speech expression or run an application corresponding to the user speech expression based on the learning result.
  • FIG. 5 is a block diagram of an electronic device 501 in a network environment 500, according to various embodiments.
  • the electronic device 501 communicates with the electronic device 502 through a fifth network 598 (e.g., a short-range wireless communication network) or a second network 599. It is possible to communicate with at least one of the electronic device 504 or the server 508 through (e.g., a long-distance wireless communication network).
  • the electronic device 501 may communicate with the electronic device 504 through the server 508.
  • the electronic device 501 includes a processor 520, a memory 530, an input module 550, an audio output module 555, a display module 560, an audio module 570, and a sensor module ( 576), interface 577, connection terminal 578, haptic module 579, camera module 580, power management module 588, battery 589, communication module 590, subscriber identification module 596 , or may include an antenna module 597.
  • at least one of these components eg, the connection terminal 578) may be omitted, or one or more other components may be added to the electronic device 501.
  • some of these components e.g., sensor module 576, camera module 580, or antenna module 597) are integrated into one component (e.g., display module 560). It can be.
  • the processor 520 for example, executes software (e.g., program 540) to operate at least one other component (e.g., hardware or software component) of the electronic device 501 connected to the processor 520. 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 520 stores commands or data received from another component (e.g., sensor module 576 or communication module 590) in volatile memory 532. The commands or data stored in the volatile memory 532 can be processed, and the resulting data can be stored in the non-volatile memory 534.
  • software e.g., program 540
  • the processor 520 stores commands or data received from another component (e.g., sensor module 576 or communication module 590) in volatile memory 532.
  • the commands or data stored in the volatile memory 532 can be processed, and the resulting data can be stored in the non-volatile memory 534.
  • the processor 520 includes a main processor 525 (e.g., a central processing unit or an application processor) or an auxiliary processor 523 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 525 e.g., a central processing unit or an application processor
  • auxiliary processor 523 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 501 includes a main processor 525 and a auxiliary processor 523
  • the auxiliary processor 523 may be set to use less power than the main processor 525 or be specialized for a designated function. You can.
  • the auxiliary processor 523 may be implemented separately from the main processor 525 or as part of it.
  • the auxiliary processor 523 may, for example, act on behalf of the main processor 525 while the main processor 525 is in an inactive (e.g., sleep) state, or while the main processor 525 is in an active (e.g., application execution) state. ), together with the main processor 525, at least one of the components of the electronic device 501 (e.g., the display module 560, the sensor module 576, or the communication module 590) At least some of the functions or states related to can be controlled.
  • coprocessor 523 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 580 or communication module 590. there is.
  • the auxiliary processor 523 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 501 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 508).
  • 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 530 may store various data used by at least one component (eg, the processor 520 or the sensor module 576) of the electronic device 501. Data may include, for example, input data or output data for software (e.g., program 540) and instructions related thereto.
  • Memory 530 may include volatile memory 532 or non-volatile memory 534.
  • the program 540 may be stored as software in the memory 530 and may include, for example, an operating system 542, middleware 544, or application 546.
  • the input module 550 may receive commands or data to be used in a component of the electronic device 501 (e.g., the processor 520) from outside the electronic device 501 (e.g., a user).
  • the input module 550 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 555 may output sound signals to the outside of the electronic device 501.
  • the sound output module 555 may include, for example, a speaker or receiver. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 560 can visually provide information to the outside of the electronic device 501 (eg, a user).
  • the display module 560 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 560 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 570 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 570 acquires sound through the input module 550, the sound output module 555, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 501). Sound may be output through an electronic device 502 (e.g., speaker or headphone).
  • an electronic device 502 e.g., speaker or headphone
  • the sensor module 576 detects the operating state (e.g., power or temperature) of the electronic device 501 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 576 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 577 may support one or more designated protocols that can be used to connect the electronic device 501 directly or wirelessly with an external electronic device (eg, the electronic device 502).
  • the interface 577 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
  • the connection terminal 578 may include a connector through which the electronic device 501 can be physically connected to an external electronic device (eg, the electronic device 502).
  • the connection terminal 578 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 579 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 579 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 580 can capture still images and moving images.
  • the camera module 580 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 588 can manage power supplied to the electronic device 501.
  • the power management module 588 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 589 may supply power to at least one component of the electronic device 501.
  • the battery 589 may include, for example, a non-rechargeable 5th battery, a rechargeable secondary battery, or a fuel cell.
  • Communication module 590 provides a direct (e.g., wired) communication channel or wireless communication channel between electronic device 501 and an external electronic device (e.g., electronic device 502, electronic device 504, or server 508). It can support establishment and communication through established communication channels. Communication module 590 operates independently of processor 520 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 520 e.g., an application processor
  • the communication module 590 is a wireless communication module 592 (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 594 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 592 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 594 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a fifth network 598 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 599 (e.g., legacy It may communicate with an external electronic device 504 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 592 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 596 within a communication network such as the fifth network 598 or the second network 599.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 592 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 592 may support high frequency bands (e.g., mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 592 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive MIMO (multiple-input and multiple-output), and full-dimensional multiplexing. It can support technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module 592 may support various requirements specified in the electronic device 501, an external electronic device (e.g., electronic device 504), or a network system (e.g., second network 599).
  • the wireless communication module 592 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 564 dB or less) for realizing mmTC, or U-plane latency (e.g., 564 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 564 dB or less
  • U-plane latency e.g., 564 dB or less
  • the antenna module 597 may transmit or receive signals or power to or from the outside (e.g., an external electronic device).
  • the antenna module 597 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 597 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 fifth network 598 or the second network 599 is connected to the plurality of antennas by, for example, the communication module 590. can be selected. Signals or power may be transmitted or received between the communication module 590 and an external electronic device through the selected at least one antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 597.
  • RFIC radio frequency integrated circuit
  • antenna module 597 may form a mmWave antenna module.
  • a mmWave antenna module includes a printed circuit board, an RFIC disposed on or adjacent to a fifth 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 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 501 and the external electronic device 504 through the server 508 connected to the second network 599.
  • Each of the external electronic devices 502 or 504 may be of the same or different type as the electronic device 501.
  • all or part of the operations performed in the electronic device 501 may be executed in one or more of the external electronic devices 502, 504, or 508.
  • the electronic device 501 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 501.
  • the electronic device 501 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 501 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 504 may include an Internet of Things (IoT) device.
  • Server 508 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 504 or server 508 may be included in the second network 599.
  • the electronic device 501 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • Figure 6 is a flowchart showing a voice recognition method for an electronic device according to an embodiment.
  • the operations described with reference to FIG. 6 may be implemented based on instructions that can be stored in a computer recording medium or memory (eg, memory 440 in FIG. 4).
  • the illustrated methods 600 can be executed by the electronic device previously described with reference to FIGS. 1 to 5 (e.g., the electronic device 501 of FIG. 5), and technical features described previously will be omitted below. .
  • the order of each operation in FIG. 6 may be changed, some operations may be omitted, and some operations may be performed in parallel.
  • the processor uses an artificial intelligence learning model to create a word corresponding to at least one word among specific words stored in memory (e.g., memory 440 in FIG. 4). You can update features or links related to said features.
  • the processor 430 executes some of the functions related to the word corresponding to a specific function based on the user input, and converts the executed function and the expression related to the word corresponding to the specific function to the artificial intelligence learning model. It can be sent to .
  • the processor 430 when it detects a user's spoken voice, it may check at least one word corresponding to a specific function within the user's spoken voice.
  • the processor 430 can recognize instructions corresponding to execution of a specific function and execute the specific function. Users may not know the existence of commands (e.g., turn up the volume) that correspond to the execution of a specific function, or it may be difficult to know exactly what utterance expression is needed to execute a specific function. Users can say phrases or words that are relatively shorter than the commands needed to execute a specific function. At least one word corresponding to a specific function may mean a relatively short speech expression rather than a command corresponding to execution of the specific function.
  • At least one word corresponding to a specific function may include at least one of, for example, volume, photo, capture, or order.
  • the processor 430 may identify at least one function related to the volume, create a list, and display it to the user.
  • the processor 430 may display a list containing functions related to volume on a display (e.g., the display module 560 of FIG. 5) or provide the list to the user using the speaker 460.
  • At least one function related to volume may include, for example, a function to increase or decrease the volume or a function to show the current volume setting.
  • the term volume is only an example, and commands related to the function are not limited to this.
  • At least one function related to volume is only an example, and the related function is not limited to this.
  • the processor 430 may provide the user with a list including screenshot capture, photo taking, and photo taking actions after the flash is terminated in response to the user's utterance expression 'take a picture'.
  • the processor 430 creates a list including the operation of operating the air conditioner, the operation of stopping the operation of the air conditioner, the operation of lowering or raising the temperature of the air conditioner, and the operation of searching the price of the air conditioner in response to the user speech expression 'air conditioner'. It can be provided to the user.
  • the processor 430 may provide the user with a list including an operation to execute an application related to ordering a specific product and an operation to search the price of a specific product in response to the user speech expression 'order'.
  • User speech expressions and functions corresponding to user speech expressions are not limited to this.
  • the processor 430 may request information related to a word corresponding to a specific function from the memory 440.
  • the processor 430 may search for a word corresponding to a specific function in the memory 440 and obtain information related to the word corresponding to the specific function.
  • the processor 430 may learn information obtained using an artificial intelligence learning model and store speech expressions or at least one function related to a word corresponding to a specific function in the memory 440.
  • the processor 430 may classify functions that can be executed on the electronic device based on speech expressions or parameters required for a specific function.
  • the speech expression required for a specific function may mean the entire statement for executing the function.
  • a parameter may refer to an expression related to a function to be executed.
  • the speech expression required for a specific function may mean the entire statement for executing the function.
  • the speech expression required to increase the volume may mean 'turn up volume.
  • a parameter may refer to an expression related to a function to be executed.
  • the parameter may mean either a maximum, a minimum, or a volume level. Parameters are not limited to this and may vary depending on the command related to the function.
  • the processor 430 classifies the functions that can be executed in the electronic device 500 and stores the function information in the memory 440, while also storing the user's speech expression related to each function in the memory 440. It can be saved on the
  • the processor 430 may display functions related to the word corresponding to the specific function based on receiving information related to the word corresponding to the specific function.
  • the processor 430 when the processor 430 detects a user's voice through a microphone (e.g., microphone 450 in FIG. 4), the processor 430 generates a command related to a function that can be performed on the electronic device 500 within the user's voice. You can decide whether to include .
  • the processor 430 may check at least one function related to the command on the memory 440 based on the instruction being included, create a list of the at least one function, and provide the list to the user.
  • the electronic device 500 further includes a display (eg, the display module 560 of FIG. 5), and the processor 430 can display a list using the display 160.
  • the electronic device 500 further includes a speaker (e.g., speaker 460 in FIG. 4), and the processor 430 can generate the contents of the list as a voice message and transmit the voice message using the speaker 460. there is.
  • the processor 430 may create a list by integrating information about links or deep links required to perform a function and information about at least one function corresponding to a recognized speech expression.
  • the processor 430 may display the generated list to the user.
  • the processor 430 may provide information about the created list to the user through a voice message.
  • the processor 430 may receive information about at least one function corresponding to an instruction related to the function and create a list.
  • the processor 430 may display the generated list to the user.
  • the processor 430 may provide information about the created list to the user through a voice message.
  • the processor 430 may execute a function based on user input (eg, touch input or voice input) for the generated list.
  • the processor 430 may execute some of the functions associated with a word corresponding to a specific function based on the user input.
  • the processor 430 may learn information about function information and related speech expressions stored in the memory 440 using a learning model.
  • the processor 430 may execute related functions using function information stored in the memory 440 based on detecting the learned speech expression.
  • the electronic device 500 when the electronic device 500 detects a user's voice through the microphone 450, speaker 460, memory 440, and microphone 450 that receive ambient sounds, it responds to the user's voice. It may include a processor 430 that controls the speaker to perform voice recognition and output a response message corresponding to the voice recognition result.
  • the processor 430 updates the function or link related to the function corresponding to at least one word among the specific words stored in the memory 440 using an artificial intelligence learning model, and when detecting the user's spoken voice, the processor 430 updates the function or link related to the function corresponding to at least one word among the specific words stored in the memory 440.
  • the processor 430 executes some of the functions related to the word corresponding to the specific function based on the user input, and uses the executed function and the expression related to the word corresponding to the specific function to be used as an artificial intelligence learning model. It can be sent to .
  • the processor 430 requests a word corresponding to a specific function from the memory 440 at preset times, obtains information related to the word corresponding to the specific function, and uses an artificial intelligence learning model. By learning the acquired information, speech expressions or at least one function related to a word corresponding to a specific function can be stored in the memory.
  • a word corresponding to a specific function may include at least one of volume, photo, capture, or order.
  • the processor 430 may identify functions that can be executed in the electronic device 500 based on speech expressions or parameters required for a specific function.
  • the speech expression required for a specific function may mean the entire statement for executing the function.
  • a parameter may refer to an expression related to a function to be executed.
  • the processor 430 checks the functions that can be executed in the electronic device, stores the confirmed function information in the memory 440, and also stores the user's speech expression related to each function in the memory. You can do it.
  • the processor 430 may learn information about function information and related speech expressions stored in memory using a learning model.
  • the processor 430 may execute a related function using function information stored in memory based on detecting a learned speech expression.
  • the electronic device may include a microphone that receives ambient sounds, a memory, and a processor that performs voice recognition on the user's voice when the user's voice is detected through the microphone.
  • the processor requests information about instructions related to functions that can be performed on the electronic device at preset times in the memory, and obtains function information related to the instructions or speech expression information necessary to execute the function based on the information about the instructions. Based on information about the command, a plurality of functions that can be performed on the electronic device are classified by function, and the speech expressions necessary to perform each function and link data corresponding to each function can be stored in the memory. .
  • the processor when the processor detects a user's voice through a microphone, the processor determines whether the user's voice includes instructions related to functions that can be performed on the electronic device, and based on the instruction's inclusion, executes the instruction in the memory. You can check at least one function related to and make a list of at least one function and provide it to the user.
  • the processor may display a list using a display.
  • the processor may generate the contents of the list as a voice message and transmit the voice message using a speaker.
  • the voice recognition method of an electronic device includes the operation of updating a function or link related to a function corresponding to at least one word among specific words stored in the memory using an artificial intelligence learning model, and a user uttered voice.
  • the operation of identifying at least one word corresponding to a specific function within the user's speech the operation of retrieving information related to the word corresponding to the specific function in memory, based on receiving information related to the word corresponding to the specific function
  • This may include an operation of displaying functions related to a word corresponding to a specific function and an operation of executing some of the functions related to a word corresponding to a specific function based on user input for functions related to the displayed word.
  • the operation of executing some of the functions related to the word corresponding to the specific function based on the user input includes the operation of transmitting the executed function and the expression related to the word corresponding to the specific function to the artificial intelligence learning model. More may be included.
  • 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 536 or external memory 538) that can be read by a machine (e.g., electronic device 501). It may be implemented as software (e.g., program 540) including these.
  • a processor e.g., processor 520
  • a device e.g., electronic device 501
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and this term refers to cases where data is semi-permanently stored in the storage medium. There is no distinction between temporary storage cases.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or through an application store (e.g. Play StoreTM) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a machine-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play StoreTM
  • two user devices e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or plural entity, and some of the plurality of entities may be separately placed in other components. there is.
  • one or more of the components or operations described above may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components in the same or similar manner as those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, or omitted. Alternatively, one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

일 실시예에 따르면, 전자 장치는 주변 소리를 수신하는 마이크, 스피커, 메모리 및 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 응답 메시지를 출력하도록 스피커를 제어하는 프로세서를 포함할 수 있다. 프로세서는 인공지능 학습 모델을 이용하여 메모리 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 기능과 관련된 링크를 업데이트하고,사용자 발화 음성을 감지하면 사용자 발화 음성 내에서 특정 기능에 대응하는 적어도 하나의 단어를 확인하고, 메모리 상에서 특정 기능에 대응하는 단어와 관련된 정보를 검색하고, 특정 기능에 대응하는 단어와 관련된 정보를 수신함에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들을 표시하고, 표시된 단어와 관련된 기능들에 대한 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행할 수 있다.

Description

음성인식 장치 및 음성인식 장치의 동작방법
본 문서는 음성 인식이 가능한 전자 장치 및 음성 인식 장치의 동작 방법에 관한 것이다. 본 문서는 인공지능 모델을 이용하여 시스템 내 학습 데이터 분석을 진행하고, 사용자 음성에 대응하여 해당 시스템 내에서 제공해 줄 수 있는 기능들을 제시하는 전자 장치의 동작 방법에 관한 것이다.
최근 음성 인식 기술이 발전함에 따라 음성 입력 장치(예컨대, 마이크)를 구비하는 다양한 전자 장치에서 음성 인식 기능이 구현될 수 있다. 예컨대, 음성 인식 기능을 통해 전자 장치는 사용자가 발화한 음성을 인식할 수 있으며, 발화한 음성에 기반하여 특정 기능을 실행할 수 있다. 이러한 음성 인식 기능은 최근 전자 장치에서 물리적 입력을 대체하고, 음성으로 전자 장치를 제어하기 위해 점점 보편화되고 있다.
지능형 에이전트(intelligent agent)를 사용하여 전자 장치를 활용하는 서비스가 대중화되어 가고 있다. 지능형 에이전트는 전자 장치에 기능적으로 연결된 여러 외부 장치들을 제어하여 사용자에게 통합적인 기능을 제공할 수 있다. 전자 장치가 음성 기반 지능형 에이전트 서비스를 제공함으로써, 전자 장치의 사용자는 음성을 이용하여 전자 장치의 다양한 기능을 실행할 수 있다.
사용자의 생활 환경에서 사용하는 장치들을 유무선 네트워크로 연결해 정보를 공유하는 사물 인터넷이 적용되기 시작하면서, 텔레비전 또는 냉장고와 같은 다양한 전자 장치를 이용하여 네트워크로 연결된 다른 외부 장치들에 대한 음성 인식을 수행할 수 있는 환경이 갖추어 지고 있다.
음성 인식 서비스는 원하는 기능에 대한 발화를 정확하게 표현해야 해당 기능을 인식하고 수행할 수 있다. 사용자는 사용하고자 하는 음성 인식 서비스가 제공하는 기능들을 미리 숙지해야 하고, 어떻게 발화를 해야 하는지 미리 확인을 해야 하는 불편함을 가질 수 있다.
대부분의 사용자는 사용 중인 전자 장치의 음성 인식 서비스의 모든 기능들을 상세하게 알지 못할 수 있다. 이로 인해 사용자는 음성 인식 시스템이 요구하는 정확한 표현을 발화하기 어려운 한계가 있다. 또한, 전자 장치는 사용자가 어떤 기능 수행을 위해 단문이나 짧은 단어만을 발화하는 경우, 사용자가 원하는 기능을 인식하지 못하고 재질문할 수 있다. 이 경우, 사용자는 어떤 표현으로 발화를 해야 자신이 원하는 기능을 실행할 수 있을지 모르기 때문에 정확한 후속 발화 명령을 하기 어려울 수 있다.
일 실시예에 따르면, 전자 장치는 주변 소리를 수신하는 마이크, 스피커, 메모리 및 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 응답 메시지를 출력하도록 스피커를 제어하는 프로세서를 포함할 수 있다. 프로세서는 인공지능 학습 모델을 이용하여 메모리 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 기능과 관련된 링크를 업데이트하고, 사용자 발화 음성을 감지하면 사용자 발화 음성 내에서 특정 기능에 대응하는 적어도 하나의 단어를 확인하고, 메모리 상에서 특정 기능에 대응하는 단어와 관련된 정보를 검색하고, 특정 기능에 대응하는 단어와 관련된 정보를 수신함에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들을 표시하고, 표시된 단어와 관련된 기능들에 대한 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행할 수 있다.
일 실시예에 따르면, 전자 장치는 주변 소리를 수신하는 마이크, 메모리 및 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하는 프로세서를 포함할 수 있다. 프로세서는 메모리 상에서 사전에 설정된 시간마다 전자 장치 상에서 수행될 수 있는 기능과 관련된 명령어에 대한 정보를 요청하고, 명령어에 대한 정보에 기반하여 명령어와 관련된 기능 정보 또는 기능을 실행하는데 필요한 발화 표현 정보를 획득하고, 명령어에 대한 정보에 기반하여 전자 장치 상에서 수행될 수 있는 복수의 기능들을 기능 별로 분류하고, 각 기능을 수행하기 위해 필요한 발화 표현 및 각 기능에 대응하는 링크 데이터를 메모리 상에 저장시킬 수 있다.
일 실시예에 따르면, 전자 장치의 음성 인식 방법은 인공지능 학습 모델을 이용하여 메모리 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 기능과 관련된 링크를 업데이트하는 동작, 사용자 발화 음성을 감지하면 사용자 발화 음성 내에서 특정 기능에 대응하는 적어도 하나의 단어를 확인하는 동작, 메모리 상에서 특정 기능에 대응하는 단어와 관련된 정보를 검색하는 동작, 특정 기능에 대응하는 단어와 관련된 정보를 수신함에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들을 표시하는 동작 및 표시된 단어와 관련된 기능들에 대한 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하는 동작을 포함할 수 있다.
다양한 실시예에 따르면, 전자 장치는 사용자가 전자 장치 상에서 수행하기를 원하는 기능에 대해 단문이나 짧은 단어만을 발화하는 경우 인식된 단문이나 짧은 단어에 기반하여 제공 가능한 기능들을 자동으로 구성할 수 있다.
다양한 실시예에 따르면, 전자 장치는 사용자 음성에 기반하여 제공 가능한 기능들을 자동으로 구성하고, 사용자에게 제공 가능한 기능들에 대한 정보를 제공할 수 있다.
도 1은 일 실시 예에 따른 통합 지능(integrated intelligence)(AI) 시스템을 나타낸 블록도이다.
도 2는 일 실시 예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 3은 일 실시예에 따라, 지능형 어플리케이션을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 4는 일 실시예에 따른 전자 장치의 구성을 나타낸 것이다.
도 5는 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 6은 일 실시예에 따른 전자 장치의 음성 인식 방법을 나타낸 흐름도이다.
이하에서는 도면을 참조하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면의 설명과 관련하여, 동일하거나 유사한 구성요소에 대해서는 동일하거나 유사한 참조 부호가 사용될 수 있다. 또한, 도면 및 관련된 설명에서는, 잘 알려진 기능 및 구성에 대한 설명이 명확성과 간결성을 위해 생략될 수 있다.
도 1은 일 실시 예에 따른 통합 지능화(integrated intelligence) 시스템을 나타낸 블록도이다.
도 1을 참조하면, 일 실시 예의 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 및 서비스 서버(300)를 포함할 수 있다.
일 실시 예의 사용자 단말(100)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 통신 인터페이스(110), 마이크(120), 스피커(130), 디스플레이(140), 메모리(150), 및 프로세서(160)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예에 따르면, 통신 인터페이스(110)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예에 따르면, 마이크(120)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시 예에 따르면, 스피커(130)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예에 따르면, 디스플레이(140)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예에 따르면, 디스플레이(140)는 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시예의 디스플레이(140)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시예의 디스플레이(140)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시예의 디스플레이(140)는 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이(140)는 디스플레이(140) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.
일 실시 예에 따르면, 메모리(150)는 클라이언트 모듈(151), SDK(software development kit)(153), 및 복수의 앱들(155)을 저장할 수 있다. 상기 클라이언트 모듈(151), 및 SDK(153)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램(solution program))를 구성할 수 있다. 또한, 클라이언트 모듈(151) 또는 SDK(153)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예에 따르면, 메모리(150)에 저장된 상기 복수의 앱들(155)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(155)은 제1 앱(155_1), 제2 앱(155_3) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(155) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 복수의 앱(155)은, 알람 앱, 메시지 앱, 및 스케줄 앱 중 적어도 하나를 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(155)은 프로세서(160)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예에 따르면, 프로세서(160)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(160)는 통신 인터페이스(110), 마이크(120), 스피커(130), 디스플레이(140), 및 메모리(150)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예에 따르면, 프로세서(160)는 또한 상기 메모리(150)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(160)는 클라이언트 모듈(151) 또는 SDK(153) 중 적어도 하나를 실행하여, 사용자 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(160)는, 예를 들어, SDK(153)를 통해 복수의 앱(155)들의 동작을 제어할 수 있다. 클라이언트 모듈(151) 또는 SDK(153)의 동작으로 설명된 이하의 동작은 프로세서(160)의 실행에 의한 동작일 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(151)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 마이크(120)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 생성할 수 있다. 또는, 클라이언트 모듈(151)은 디스플레이(140)를 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(151)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 사용자 단말(100)에 포함된 입력 모듈 또는 사용자 단말(100)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 클라이언트 모듈(151)은 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 수신된 사용자 입력과 함께, 사용자 단말(100)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(151)은 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(151)은 상기 수신된 결과를 디스플레이(140)에 표시할 수 있다. 또한, 클라이언트 모듈(151)은 상기 수신된 결과를 스피커(130)를 통해 오디오로 출력할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(151)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(151)은 플랜에 따라 앱의 복수의 동작들을 실행한 결과를 디스플레이(140)에 표시할 수 있다. 예를 들어, 클라이언트 모듈(151)은 복수의 동작들의 실행 결과를 순차적으로 디스플레이에 표시할 수 있고, 스피커(130)를 통해 오디오를 출력할 수 있다. 다른 예를 들어, 사용자 단말(100)은 복수들의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있으며, 스피커(130)를 통해 오디오를 출력할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(151)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 상기 결과를 산출하기 위해 필요한 정보는, 예를 들어, 전자 장치(100)의 상태 정보일 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(151)은 플랜에 따라 복수의 동작들을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 통해 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(151)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(151)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(151)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)는 통신 망을 통해 사용자 단말(100)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공 지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network)(FNN)), 순환 신경망(recurrent neural network)(RNN))일 수도 있다. 또는, 전술한 것의 조합 또는 이와 상이한 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜들 중 적어도 플랜을 선택할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)는 생성된 플랜에 따라 산출된 결과를 사용자 단말(100)로 송신하거나, 생성된 플랜을 사용자 단말(100)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따라 산출된 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(200)는 프론트 엔드(front end)(210), 자연어 플랫폼(natual language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 및 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.
일 실시 예에 따르면, 프론트 엔드(210)는 사용자 단말(100)로부터 수신된 사용자 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 사용자 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227), 및 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)를 포함할 수 있다.
일 실시 예에 따르면, 자동 음성 인식 모듈(221)은 사용자 단말(100)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 텍스트 데이터 형태의 사용자 입력에 대하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 자연어 이해 모듈(223)은 사용자 발화에 대응되는 의도 정보(intent information)를 획득할 수 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있다. 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다.
일 실시 예에 따르면, 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인들을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인들 각각에 포함된 복수의 동작들을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작들을 실행하는데 필요한 파라미터나, 상기 복수의 동작들의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터 및 상기 결과 값은 지정된 형식(또는, 클래스)과 관련된 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작들, 및 복수의 컨셉들을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작들, 및 상기 복수의 컨셉들 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉들에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작들의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작들의 실행들에 필요한 파라미터, 및 복수의 동작들의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작들의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)는 복수의 동작들, 및 복수의 컨셉들 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 온톨로지(ontology)는 모든 개체(entity)들 간의 관계를 '주어(subject), 서술어(predicate), 목적어(object)' 형태로 정의할 수 있음을 나타낸다. 온톨로지(ontology)는 전자 장치가 모든 개체들 관의 관계를 정의하여 모든 개체의 의미를 이해할 수 있음을 의미할 수 있다.
상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예에 따르면, 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 캡슐 데이터베이스(230)는 복수의 도메인들에 대응되는 복수의 컨셉들과 동작들의 관계에 대한 정보를 저장할 수 있다. 예를 들어, 캡슐 데이터베이스(230)는 플랜의 복수의 동작 오브젝트(action object 또는, 동작 정보)들 및 컨셉 오브젝트(concept object 또는 컨셉 정보)들을 포함하는 복수의 캡슐들을 저장할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 상기 복수의 캡슐들을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐들은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
일 실시 예에 따르면, 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 사용자 입력에 대응되는 복수의 플랜들이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자 단말(100)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다.
일 실시 예에 따르면, 캡슐 데이터베이스(230)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다.
일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자 단말(100) 내에도 구현될 수 있다. 다시 말해, 사용자 단말(100)은 음성 입력에 대응되는 동작을 결정하기 위한 정보를 저장하는 캡슐 데이터베이스(230)를 포함할 수 있다.
일 실시 예에 따르면, 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 일 실시 예에 따르면, 엔드 유저 인터페이스(250)는 산출된 결과를 사용자 단말(100)로 송신할 수 있다. 이에 따라, 사용자 단말(100)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예에 따르면, 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시 예에 따르면, 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시 예에 따르면, 분석 플랫폼(280)을 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예에 따르면, 서비스 서버(300)는 사용자 단말(100)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 예를 들어, 서비스 서버(300)는 서로 다른 제3 자에 의해 운영되는 제1 서비스 서버(301), 제2 서비스 서버(303), 및 제3 서비스 서버(305)를 포함할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 수신된 사용자 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)에 제공할 수 있다. 상기 제공된 정보는, 예를 들어, 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(200)에 제공할 수 있다.
상기에 기술된 통합 지능화 시스템(10)에서, 상기 사용자 단말(100)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에 따르면, 상기 사용자 단말(100)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(100)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)이 지능형 서버(200) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(120)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(110)를 이용하여 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)는 사용자 단말(100)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 동작들, 및 상기 복수의 동작들과 관련된 복수의 컨셉들을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작들의 실행에 입력되는 파라미터나, 복수의 동작들의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작들, 및 복수의 컨셉들 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(100)은, 통신 인터페이스(110)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(100)은 상기 스피커(130)를 이용하여 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(140)를 이용하여 사용자 단말(100) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
일 실시예에 따르면, 프로세서(160)는 하우징을 더 포함할 수 있고, 상기 프로세서(160)의 구성들은 상기 하우징의 내부에 안착되거나 하우징 상에(on the housing) 위치할 수 있다.
일 실시예에 따르면, 프로세서(160)는 내부에 저장된 어플리케이션(application)(또는, 어플리케이션 프로그램(application program)(예컨대, 알람 어플리케이션, 메시지 어플리케이션, 사진(갤러리) 어플리케이션)을 통해 사용자에게 필요한 서비스를 제공할 수 있다. 예컨대, 프로세서(160)는 내부에 저장된 지능형 어플리케이션(또는, 음성 인식 어플리케이션)을 통해 다른 어플리케이션을 실행하고 동작을 시키기 위한 사용자 입력을 수신할 수 있다. 사용자 입력은, 물리적 버튼, 터치 패드, 음성 입력, 원격 입력을 통해 수신될 수 있다.
일 실시예에 따르면, 프로세서(160)는 사용자의 발화를 사용자 입력으로 수신할 수 있다. 프로세서(160)는 사용자의 발화를 수신하고, 상기 사용자의 발화에 기초하여 어플리케이션을 동작시키는 명령을 생성할 수 있다. 이에 따라, 프로세서(160)는 상기 명령을 이용하여 상기 어플리케이션을 동작시킬 수 있다.
일 실시예에 따르면, 지능형 서버(200)는 통신망을 통해 사용자 입력(voice input)을 수신하여 텍스트 데이터(text data)로 변경할 수 있다. 다른 실시예에서는, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 패스 룰(path rule)을 생성(또는, 선택)할 수 있다. 상기 패스 룰은 어플리케이션의 기능을 수행하기 위한 동작(action)(또는, 오퍼레이션(operation))에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함할 수 있다. 또한, 상기 패스 룰은 상기 어플리케이션의 상기 동작의 순서를 포함할 수 있다. 프로세서(160)는 상기 패 룰을 수신하고, 상기 패스 룰에 따라 어플리케이션을 선택하고, 상기 선택된 어플리케이션에서 상기 패스 룰에 포함된 동작을 실행시킬 수 있다.
예컨대, 프로세서(160)는 상기 동작을 실행하고, 동작을 실행한 프로세서(160)의 상태에 대응되는 화면을 디스플레이(140)에 표시할 수 있다. 다른 예를 들어, 프로세서(160)는 상기 동작을 실행하고, 동작을 수행한 결과를 디스플레이(140)에 표시하지 않을 수 있다. 프로세서(160)는, 예를 들어, 복수의 동작들을 실행하고, 상기 복수의 동작들의 일부 결과만을 디스플레이(140)에 표시할 수 있다. 프로세서(160)는, 예를 들어, 마지막 순서의 동작을 실행한 결과만을 디스플레이(140)에 표시할 수 있다. 또 다른 예를 들어, 프로세서(160)는 사용자의 입력을 수신하여 상기 동작을 실행한 결과를 디스플레이(140)에 표시할 수 있다.
일 실시예에 따르면, 서비스 서버(300)는 사용자 정보가 저장된 데이터베이스(database)를 포함할 수 있다. 예컨대, 서비스 서버(300)는 프로세서(160)로부터 사용자 정보(예: 컨텍스트 정보, 어플리케이션 실행)를 수신하여 상기 데이터베이스에 저장할 수 있다. 지능형 서버(200)는 통신망을 통해 서비스 서버(300)로부터 상기 사용자 정보를 수신하여 사용자 입력에 대한 패스 룰을 생성하는 경우에 이용할 수 있다. 일 실시예에 따르면, 프로세서(160)는 통신망을 통해 서비스 서버(300)로부터 사용자 정보를 수신하여 데이터베이스를 관리하기 위한 정보로 이용할 수 있다.
일 실시예에 따르면, 서비스 서버(300)는 프로세서(160) 내에 기능 혹은 어플리케이션의 소개, 또는 제공될 기능에 대한 정보가 저장된 데이터베이스를 포함할 수 있다. 예컨대, 서비스 서버(300)는 서비스 서버(300)로부터 프로세서(160)의 사용자 정보를 수신하여 사용자가 사용할 수 있는 기능에 대한 데이터베이스를 포함할 수 있다. 프로세서(160)는 통신망을 통해 서비스 서버(300)로부터 상기 제공될 기능에 대한 정보를 수신하여 사용자에게 정보를 제공할 수 있다.
일 실시 예에 따른, 사용자 단말(100)은 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 사용자 단말(100)은 연결된 외부 장치(예: 키보드, 헤드셋)로부터 사용자 입력을 수신할 수 있다. 다른 예를 들어, 사용자 단말(100)은 디스플레이(140)와 결합된 터치 스크린(예: 터치 스크린 디스플레이)을 포함할 수 있다. 또 다른 예를 들어, 사용자 단말(100)은 프로세서(160)(또는, 사용자 단말(100)의 하우징)에 위치한 하드웨어 키(또는, 물리적 키)를 포함할 수 있다.
일 실시예에 따르면, 사용자 단말(100)은 사용자의 발화를 음성 신호로 수신할 수 있는 마이크(120)를 포함할 수 있다. 예를 들어, 사용자 단말(100)은 발화 입력 시스템(speech input system)을 포함하고, 상기 발화 입력 시스템을 통해 사용자의 발화를 음성 신호로 수신할 수 있다.
일 실시예에 따른, 디스플레이(140)는 이미지나 비디오, 및/또는 어플리케이션의 실행 화면을 표시할 수 있다. 예를 들어, 디스플레이(140)는 어플리케이션의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시예에 따르면, 디스플레이(140)는 복수의 어플리케이션들이 실행되는 경우 상기 복수의 어플리케이션들에 대한 복수의 사용자 인터페이스들을 멀티윈도우, 오버레이, 팝업창 중 적어도 하나의 형태로 표시할 수 있다.
일 실시예에 따르면, 음성 인식 기능을 수행하기 위한 입력이 감지되면, 프로세서(160)의 제어 하에 디스플레이(140)는 상기 음성 인식 기능을 수행하기 위한 사용자 인터페이스를 표시할 수 있다.
일 실시예에 따르면, 상기 음성 인식 기능을 수행하기 위한 사용자 인터페이스에서 태스크를 수행하기 위한 사용자 입력이 수신되면, 프로세서(160)의 제어 하에 디스플레이(140)는 텍스트 데이터로 변환된 사용자 입력을 표시할 수 있다.
일 실시예에 따르면, 디스플레이(140)는 프로세서(160)의 제어 하에 지능형 서버(200)로부터 수신한 사용자 입력에 대응하는 스테이트의 시퀀스에 기초하여 수행된 사용자 인터페이스를 결정된 상기 디스플레이(140)의 윈도우에 표시할 수 있다.
일 실시예에 따르면, 스피커(130)는 음성 신호를 출력할 수 있다. 예를 들어, 스피커(130)는 프로세서(160) 내부에서 생성된 음성 신호를 외부로 출력할 수 있다.
일 실시예에 따르면, 메모리(150) 는 복수의 어플리케이션 프로그램들을 저장할 수 있다. 메모리(150)에 저장된 복수의 어플리케이션들은 사용자 입력에 따라 선택되어 실행되고 동작할 수 있다. 메모리(150)는 상기 복수의 어플리케이션 프로그램들에 대응하는 복수의 사용자 인터페이스들을 저장할 수 있다.
일 실시예에 따르면, 메모리(150)는 복수의 어플리케이션(155-1, 155-3)들을 저장할 수 있다. 메모리(150)에 저장된 복수의 어플리케이션(155-1, 155-3)들은 사용자 입력에 따라 선택되어 실행되고 동작할 수 있다.
일 실시 예에 따르면, 메모리(150)는 지능형 서버(200)와 연동된 지능형 어플리케이션(예컨대, 음성 인식 어플리케이션)을 저장할 수 있다. 지능형 서버(200)와 연동된 어플리케이션은 사용자의 발화를 음성 신호로 수신하여 처리할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)와 연동된 어플리케이션은 사용자 단말(100)을 통해 입력되는 특정 입력(예컨대, 하드웨어 키를 통한 입력, 터치스크린을 통한 입력, 특정 음성 입력)에 의해 동작될 수 있다.
일 실시예에 따르면, 프로세서(160)는 프로세서(160)의 전반적인 동작 및 프로세서(160)의 내부 구성들 간의 신호 흐름을 제어하고, 데이터 처리를 수행하고, 배터리에서 상기 구성들로의 전원 공급을 제어할 수 있다. 예컨대, 프로세서(160)는 사용자 단말(100)을 제어하여 사용자 입력을 수신할 수 있다. 프로세서(160)는 디스플레이(140)를 제어하여 이미지를 표시할 수 있다. 프로세서(160)는 스피커(130)를 제어하여 음성 신호를 출력할 수 있다. 프로세서(160)는 메모리(150)를 제어하여 필요한 정보를 불러오거나 저장할 수 있다.
일 실시예에서, 프로세서(160)는 메모리(150)에 저장된 명령어들을 실행하여 지능형 서버(200)를 구동시킬 수 있다. 본 발명의 일 실시예에서 언급되는 여러 모듈들은 하드웨어로 구현될 수도 있고, 소프트웨어로 구현될 수도 있다. 일 실시예에서 지능형 서버(200)에 의해 수행되는 동작은 프로세서(160)에 의해 수행되는 동작으로 이해될 수 있다.
일 실시예에 따르면, 프로세서(160)는 디스플레이(140)에 어플리케이션 실행에 따른 사용자 인터페이스를 표시할 수 있다. 예컨대, 프로세서(160)는 복수의 어플리케이션들이 실행되는 경우 상기 복수의 어플리케이션들에 대한 복수의 사용자 인터페이스들을 멀티윈도우, 오버레이, 팝업창 중 적어도 하나의 형태로 디스플레이(140)에 표시할 수 있다.
일 실시예에 따르면, 프로세서(160)는 태스크를 수행하기 위한 사용자 입력을 수신할 수 있다. 예컨대, 상기 사용자 입력은 음성 인식 기능을 통해 특정 어플리케이션을 이용하여 태스크를 수행하기 위한 입력일 수 있다. 일 실시예에 따르면, 지능형 서버(200)는 사용자 입력으로 수신된 음성 신호에 기초하여 어플리케이션을 동작시키는 명령을 생성할 수 있다. 예컨대, 상기 사용자 입력은 디스플레이(140)에 표시된 어플리케이션(단일 어플리케이션 또는 복수의 어플리케이션)들을 이용하여 태스크를 수행하기 위한 사용자 입력, 상기 디스플레이에 표시된 어플리케이션과 상이한 어플리케이션을 이용하여 태스크를 수행하기 위한 사용자 입력을 포함할 수 있다.
일 실시예에 따르면, 지능형 서버(200)는 사용자의 호출을 인식하는 웨이크 업(wake up) 인식 모듈을 포함할 수 있다. 상기 웨이크 업 인식 모듈은 음성 인식 모듈을 통해 사용자의 웨이크 업 명령을 인식할 수 있고, 상기 웨이크 업 명령을 수신한 경우 사용자 입력을 수신하기 위해 서비스 서버(300)를 활성화시킬 수 있다. 일 실시예에 따르면, 지능형 서버(200)의 웨이크 업 인식 모듈은 저전력 프로세서(예컨대, 오디오 코덱에 포함된 프로세서)에 구현될 수 있다. 일 실시예에 따르면, 지능형 서버(200)는 하드웨어 키를 통한 사용자 입력에 따라 활성화될 수 있다. 지능형 서버(200)가 활성화되는 경우, 상기 지능형 서버(200)와 연동된 지능형 어플리케이션(예컨대, 음성 인식 어플리케이션)이 실행될 수 있다.
일 실시예에 따르면, 지능형 서버(200)는 사용자 입력을 실행하기 위한 음성 인식 모듈을 포함할 수 있다. 상기 음성 인식 모듈은 어플리케이션에서 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예컨대, 상기 음성 인식 모듈은 어플리케이션(155-1, 155-3)에서 상기 웨이크 업 명령과 같은 동작을 실행하는 제한된 사용자 (음성) 입력(예컨대, 카메라 어플리케이션이 실행 중일 때 촬영 동작을 실행시키는 "찰칵"과 같은 발화)을 인식할 수 있다. 상기 지능형 서버(200)를 보조하여 사용자 입력을 인식하는 음성 인식 모듈은, 예를 들어, 프로세서(160) 내에서 처리할 수 있는 사용자 명령을 인식하여 빠르게 처리할 수 있다. 일 실시예에 따르면, 지능형 서버(200)의 사용자 입력을 실행하기 위한 음성 인식 모듈은 어플리케이션 프로세서에서 구현될 수 있다.
일 실시예에 따르면, 지능형 서버(200)의 음성 인식 모듈(웨이크 업 모듈의 음성 인식 모듈을 포함)은 음성을 인식하기 위한 알고리즘을 이용하여 사용자 입력을 인식할 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model) 알고리즘, ANN(artificial neural network) 알고리즘 또는 DTW(dynamic time warping) 알고리즘 중 적어도 하나일 수 있다.
일 실시예에 따르면, 지능형 서버(200)는 사용자의 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시예에 따르면, 지능형 서버(200)는 사용자의 음성을 지능형 서버로(470)로 전달하여, 변환된 텍스트 데이터를 수신할 수 있다. 이에 따라, 지능형 서버(200)는 상기 텍스트 데이터를 디스플레이(140)에 표시할 수 있다.
일 실시예에 따르면, 지능형 서버(200)는 자동 음성 인식 모듈(221), 자연어 이해 모듈(223), 플래너 모듈(225), 자연어 생성 모듈(227) 및 텍스트 음성 변환 모듈(229)을 포함할 수 있다.
일 실시예에 따르면, 지능형 서버(200)는 어플리케이션(525)(예컨대, 도 4의 제1 어플리케이션(155-1), 제2 어플리케이션(155-3))에 상기 어플리케이션(525) (예컨대, 155-1, 155-3)의 현재 상태를 나타내는 컨텍스트 정보를 요청할 수 있다. 일 실시예에 따르면, 자연어 이해 모듈(223)은 어플리케이션(525)(예컨대, 155-1, 155-3)으로부터 상기 컨텍스트 정보를 수신하여 지능형 서버(200)로 송신할 수 있다.
일 실시예에 따르면, 자연어 이해 모듈(223)은 어플리케이션(525)(예컨대, 155-1, 155-3)을 통해 복수의 컨텍스트 정보들을 수신할 수 있다. 예를 들어, 상기 컨텍스트 정보는 가장 최근 실행된 어플리케이션(525)(예컨대, 155-1, 155-3)에 대한 정보일 수 있다. 다른 예를 들어, 상기 컨텍스트 정보는 어플리케이션(525)(예컨대, 155-1, 155-3) 내의 현재 상태에 대한 정보(예컨대, 갤러리에서 사진을 보고 있는 경우, 해당 사진에 대한 정보)일 수 있다.
일 실시예에 따르면, 자연어 이해 모듈(223)은 어플리케이션(525)(예컨대, 155-1, 155-3)뿐만 아니라, 디바이스 플랫폼(device platform)으로부터 사용자 단말(100)의 현재 상태를 나타내는 컨텍스트 정보를 수신할 수 있다. 상기 컨텍스트 정보는 일반적 컨텍스트 정보, 사용자 컨텍스트 정보, 또는 장치 컨텍스트 정보를 포함할 수 있다.
일반적 컨텍스트 정보는 사용자 단말(100)의 일반적인 정보를 포함할 수 있다. 일반적 컨텍스트 정보는 디바이스 플랫폼의 센서 허브를 통해 데이터를 받아서 내부 알고리즘을 통해 확인될 수 있다. 예를 들어, 상기 일반적 컨텍스트 정보는 현재 시공간에 대한 정보를 포함할 수 있다. 상기 현재 시공간에 대한 정보는, 예를 들어, 현재 시간 또는 사용자 단말(100)의 현재 위치에 대한 정보를 포함할 수 있다. 상기 현재 시간은 사용자 단말(100) 상에서의 시간을 통해 확인될 수 있고, 상기 현재 위치에 대한 정보는 GPS(global positioning system)를 통해 확인될 수 있다. 예를 들어, 일반적 컨텍스트 정보는 물리적 움직임에 대한 정보를 포함할 수 있다. 물리적 움직임에 대한 정보는, 예를 들어, 걷기, 뛰기, 운전 중 에 대한 정보를 포함할 수 있다. 물리적 움직임 정보는 모션 센서(motion sensor)를 통해 확인될 수 있다. 운전 중에 대한 정보는 모션 센서를 통해 운행을 확인할 수 있을 뿐만 아니라, 차량 내의 블루투스 연결을 감지하여 탑승 및 주차를 확인할 수 있다. 또 다른 예를 들어, 일반적 컨텍스트 정보는 사용자 활동 정보를 포함할 수 있다. 사용자 활동 정보는, 예를 들어, 출퇴근, 쇼핑, 여행에 대한 정보를 포함할 수 있다. 사용자 활동 정보는 사용자 또는 어플리케이션이 데이터베이스에 등록한 장소에 대한 정보를 이용하여 확인될 수 있다.
상기 사용자 컨텍스트 정보는 사용자에 대한 정보를 포함할 수 있다. 예를 들어, 상기 사용자 컨텍스트 정보는 사용자의 감정적 상태에 대한 정보를 포함할 수 있다. 상기 감정적 상태에 대한 정보는, 예를 들어, 사용자의 행복, 슬픔, 화남에 대한 정보를 포함할 수 있다. 다른 예를 들어, 상기 사용자 컨텍스트 정보는 사용자의 현재 상태에 대한 정보를 포함할 수 있다. 상기 현재 상태에 대한 정보는, 예를 들어, 관심, 의도(예컨대, 쇼핑)에 대한 정보를 포함할 수 있다.
상기 장치 컨텍스트 정보는 사용자 단말(100)의 상태에 대한 정보를 포함할 수 있다. 예를 들어, 상기 장치 컨텍스트 정보는 자연어 생성 모듈(227)이 실행한 패스 룰에 대한 정보를 포함할 수 있다. 다른 예를 들어, 상기 디바이스 정보는 배터리에 대한 정보를 포함할 수 있다. 상기 배터리에 대한 정보는, 예를 들어, 상기 배터리의 충전 및 방전 상태를 통해 확인될 수 있다. 또 다른 예를 들어, 상기 디바이스 정보는 연결된 장치 및 네트워크에 대한 정보를 포함할 수 있다. 상기 연결된 장치에 대한 정보는, 예를 들어, 상기 장치가 연결된 통신 인터페이스를 통해 확인될 수 있다.
일 실시예에 따르면, 자동 음성 인식 모듈(221)은 사용자 단말(100)로부터 수신된 사용자 입력(예컨대, 발화(utterance))을 텍스트 데이터로 변환할 수 있다. 자동 음성 인식 모듈(221)은 상기 텍스트 데이터를 자연어 이해 모듈(223)로 전달할 수 있다.
일 실시예에 따르면, 자연어 이해 모듈(223)은 문법적 분석(syntactic analyze) 및 의미적 분석(semantic analyze)을 수행하여 사용자 입력에 대한 사용자 의도를 파악할 수 있다. 자연어 이해 모듈(223)은 사용자 입력을 분석하여 상기 사용자 입력이 어느 도메인(domain), 의도(intent) 및 상기 의도를 표현하는데 필요한 슬롯(slot)(예컨대, 파라미터(parameter))를 획득할 수 있다. 예컨대, 자연어 이해 모듈(223)은 규칙 기반 알고리즘에 포함된 매칭 규칙을 이용하여 도메인, 의도, 및 슬롯을 각각의 케이스에 매칭시켜 사용자의 의도를 파악할 수 있다.
일 실시예에 따르면, 플래너 모듈(225)은 자연어 이해 모듈(223)로부터 파악된 사용자의 의도를 이용하여 패스 룰을 생성(또는, 선택)할 수 있다. 상기 패스 룰은 하나의 어플리케이션에 대한 복수의 동작들을 포함하거나, 복수의 어플리케이션에 대한 복수의 동작들을 포함할 수 있다. 패스 룰은 사용자 입력의 의도에 따른 실행 순서를 포함할 수 있다.
일 실시예에 따르면, 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태는 자연어 발화의 형태일 수 있다. 예컨대, 상기 지정된 정보는 추가 입력을 위한 정보, 동작 완료를 안내하는 정보를 포함할 수 있다. 상기 텍스트 형태로 변경된 정보는 사용자 단말(100)로 송신되어 디스플레이(140)에 표시되거나, 텍스트 음성 변환 모듈(229)로 송신되어 음성 형태로 변경될 수 있다.
일 실시예에 따르면, 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(229)은 자연어 생성 모듈(227)로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 사용자 단말(100)로 송신할 수 있다. 사용자 단말(100)는 상기 음성 형태의 정보를 스피커(130)로 출력할 수 있다.
일 실시예에 따르면, 자연어 이해 모듈(223)은 도메인, 의도, 및 슬롯으로 나누어진 매칭 규칙을 이용하여 사용자의 의도를 파악할 수 있다. 자연어 이해 모듈(223)은 형태소, 구의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 룰에 매칭시켜 사용자의 의도를 파악할 수 있다. 예컨대, 자연어 이해 모듈(223)은 각각의 도메인 및 의도에 포함된 룰들에 대한 정보를 이용하여, 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는지를 계산하여 사용자 의도를 파악할 수 있다.
일 실시예에 따르면, 자연어 이해 모듈(223)은 룰 기반의 자연어 이해 또는 딥(deep) 자연어 이해를 기반으로 사용자의 발화를 학습할 수 있다. 예컨대, 사용자로부터 발화 "하와이 사진 찾아줘"를 수신한 경우, 자연어 이해 모듈(223)은 도메인: 갤러리, 의도: 사진 찾기(gallery_rule2), 슬롯: 하와이 사진(location@searchviewresult)으로 태깅 동작을 수행할 수 있다. 자연어 이해 모듈(223)은 관련된 패스 룰을 패스 룰 데이터베이스에서 검색하여 searchviewresult에 해당하는 위치 파라미터(location parameter)에 하와이를 추가하고, 해당 패스 룰을 사용자 단말(100)에 송신할 수 있다.
일 실시예에 따르면, 딥 자연어 이해를 이용하는 경우 자연어 이해 모듈(223)은 학습을 통해 개념을 형성함으로써 발화의 변화를 처리할 수 있다. 이에 따라, 딥 자연어 이해를 이용하는 경우 사용자가 발화한 내용이 정확하게 매핑되는 룰이 없을 경우에도 처리 가능할 수 있다.
일 실시예에 따르면, 룰 기반 자연어 이해를 이용하는 경우, 자연어 이해 모듈(223)은 각 룰에 해당하는 발화들을 입력하고 사용자 발화 와 상기 해당하는 발화들이 매칭되는지 결정하여 의도를 결정하고, 해당 의도에 맞는 패스 룰을 획득할 수 있다. 자연어 이해 모듈(223)은 사용자 발화를 저장한 발화 패턴들에 정확히 일치할 때까지 매칭하는 동작을 수행할 수 있다.
일 실시예에 따르면, 사용자 발화(입력)는 사용자 단말(100)에서 실행 중인 어플리케이션들과 연관되어 있을 가능성이 높다. 이에 기초하여 자연어 이해 모듈(223)은 상기 사용자 단말(100)로부터 수신한 윈도우 컨텍스트 정보에 기초하여 디스플레이에 표시된 도메인과 관련된 발화 패턴부터 매칭하는 동작을 수행할 수 있다.
일 실시예에 따르면, 상기 윈도우 컨텍스트 정보는 어플리케이션에 대한 우선순위 정보를 포함할 수 있다. 예컨대, 자연어 이해 모듈(223)은 디스플레이의 활성화 윈도우에 표시된 어플리케이션에 가장 높은 우선순위를 부여할 수 있다. 자연어 이해 모듈(223)은 음성 인식 기능으로 실행된 윈도우에 표시된 어플리케이션에 우선순위를 부여할 수 있다. 자연어 이해 모듈(223)은 가장 최근에 실행된 윈도우에 표시된 어플리케이션에 우선순위를 부여할 수 있다. 자연어 이해 모듈(223)은, 해당 발화가 다수의 발화 패턴과 매칭된다고 판단한 경우, 디스플레이의 윈도우들에 표시된 도메인에 속한 발화 패턴에 우선순위를 부여할 수 있다.
일 실시예에 따르면, 딥 자연어 이해를 이용하는 경우 발화된 문장에서 다수의 의도와 연관이 있다고 판단되면, 자연어 이해 모듈(223)은 디스플레이의 윈도우들에 표시된 도메인에 속한 발화 패턴으로 해석할 수 있도록 제어할 수 있다.
도 2는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(예: 도 1의 지능형 서버(200))의 캡슐 데이터베이스(예: 캡슐 데이터베이스(230))는 CAN(concept action network)(400) 형태로 복수의 캡슐들을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다. 상기 CAN은 동작(action)과 상기 동작을 수행하는데 필요한 파라미터(parameter)를 정의한 컨셉(concept) 사이의 유기적인 관계를 나타낸 것일 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션)들 각각에 대응되는 복수의 캡슐(예: Capsule A(401), Capsule B(402))들을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: Capsule A(401))은 하나의 도메인(예: 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐은 캡슐과 관련된 도메인의 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(403), CP 2 (404), CP 3(405), 또는 CP 4(406))에 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼((예: 도 1의 자연어 플랫폼(220))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈((예: 도 1의 플래너 모듈(225)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, Capsule A (401) 의 동작들(4011, 4013)과 컨셉들(4012, 4014) 및 Capsule B(402)의 동작(4041)과 컨셉들(4042)을 이용하여 플랜(407)을 생성할 수 있다.
도 3는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(100)은 지능형 서버(예: 도 1의 지능형 서버(200))를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 310 화면에서, 사용자 단말(100)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(100)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이(예: 도 1의 디스플레이(140))에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(100)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 320 화면에서, 사용자 단말(100)은 수신된 음성 입력에 대응되는 결과를 디스플레이(140)에 표시할 수 있다. 예를 들어, 사용자 단말(100)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이(140)에 표시할 수 있다.
도 4는 일 실시예에 따른 전자 장치(500)의 구성을 나타낸 것이다.
일 실시예에서, 전자 장치(500)(예: 도 5의 전자 장치(501))는 마이크(450) (예: 도 5의 입력 모듈(550)), 스피커(460)(예: 도 5의 음향 출력 모듈(555)), 프로세서(430)(예: 도 5의 프로세서(520)) 및 메모리(440)(예: 도 5의 메모리(530))를 포함할 수 있다.
일 실시예에서, 마이크(450)는 외부로부터 사운드를 입력받고, 입력된 사운드에 대응하는 신호를 생성하기 위한 구성이다. 구체적으로, 마이크(450)는 사용자 음성을 입력 받아, 사용자 음성에 대응하는 사용자 음성 신호를 생성할 수 있다.
또한, 마이크(450)는 전자 장치(500) 주변에서 발생하는 소음을 입력받고, 입력된 소음에 대응되는 신호를 생성할 수도 있다. 마이크(450)는 아날로그 형태의 사운드(사용자 음성 또는 주변 소음)를 수집하는 마이크, 수집된 사용자 음성을 증폭하는 앰프 회로, 증폭된 사용자 음성을 샘플링하여 디지털 신호로 변환하는 A/D 변환회로, 변환된 디지털 신호로부터 노이즈 성분을 제거하는 필터 회로와 같은 다양한 구성을 포함할 수 있다.
한편, 사운드를 입력받기 위한 구성은 마이크로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 사운드 신호를 수신할 수 있는 입력 단자로 구현될 수 있다
일 실시예에서, 스피커(460)는 프로세서(430)에 의해 디코딩이나 증폭과 같은 다양한 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다.
특히, 스피커(460)는 사용자 음성에 대한 응답 정보를 자연어 형태의 음성 메시지로 출력할 수 있다. 또는, 전자 장치(500)가 주변 소음을 감지하여 사용자 음성에 대한 응답 정보를 요약한 경우, 스피커(460)는 요약된 응답 정보를 자연어 형태의 음성 메시지로 출력할 수 있다.
한편, 오디오를 출력하기 위한 구성은 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.
일 실시예에서, 프로세서(430)는 메모리(440)와 전기적으로 연결되어 전자 장치(500)의 전반적인 동작 및 기능을 제어할 수 있다. 예를 들어, 프로세서(430)는 운영 체제 또는 응용 프로그램(예: 도 5의 프로그램(540))을 구동하여 프로세서(430)에 연결된 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 또한, 프로세서(430)는 다른 구성요소들 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리(예: 도 5의 휘발성 메모리(532))에 로드하여 처리하고, 다양한 데이터를 비휘발성 메모리(예: 도 5의 비휘발성 메모리(534))에 저장할 수 있다.
이를 위해, 프로세서(430)는 해당 동작을 수행하기 위한 전용 프로세서(예, 임베디드 프로세서) 또는 메모리 디바이스에 저장된 하나 이상의 소프트웨어 프로그램을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU (Central Processing Unit) 또는 어플리케이션 프로세서 (application processor (AP))로 구현될 수 있다.
본 개시에서, 프로세서(430)는 디지털 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP)), 마이크로프로세서(microprocessor), TCON(time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(micro controller unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), GPU(graphics processing unit) 또는 커뮤니케이션 프로세서(communication processor(CP)), ARP 프로세서(address resolution protocol processor) 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(430)는 프로세싱 알고리즘이 내장된 SoC(system on chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(field programmable gate array) 형태로 구현될 수도 있다.
일 실시예에서, 프로세서(430)는 마이크(450)를 통하여 사용자가 발화한 사용자 음성을 감지할 수 있다. 구체적으로, 프로세서(430)는 마이크(450)를 통하여 입력된 사용자 음성에 대한 신호를 수신하여, 사용자 음성을 감지할 수 있다.
일 실시예에서, 사용자 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 정보를 출력하도록 스피커(460)를 제어할 수 있다. 본 개시에서 음성 인식 결과에 대응되는 정보는, 사용자 음성에 포함된 질의에 대한 응답정보를 의미할 수 있다. 즉, 사용자 음성이 특정 정보에 대한 요청을 포함하는 경우, 음성 인식 결과에 대응되는 정보는 사용자 음성에 포함된 특정 정보에 대한 응답 정보를 의미할 수 있다
한편, 프로세서(430)는 사용자 음성을 수신하고 사용자 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 정보를 출력하는 일련의 과정에서 전자 장치(500) 주변의 소음을 감지할 수 있다
구체적으로, 프로세서(430)는 마이크(450)를 이용하여 전자 장치(500) 주변의 소음을 확인할 수 있다. 프로세서(430)는 마이크(450)를 통하여 전자 장치(500) 주변에서 발생된 소리 신호를 수신하고, 수신된 소리 신호에서 소음을 확인할 수 있다.
일 실시예에서, 메모리(440)는 전자 장치(500)의 동작에 필요한 각종 프로그램 및 데이터를 저장하기 위한 구성요소이다.
일 실시예에서, 메모리(440)는 프로세서(430)에 포함된 롬(ROM)(예를 들어, EEPROM(electrically erasable programmable readonly memory)), 램(RAM)의 내부 메모리로 구현되거나, 프로세서(430)와 별도의 메모리로 구현될 수도 있다. 이 경우, 메모리(440)는 데이터 저장 용도에 따라 전자 장치(500)에 임베디드된 메모리 형태로 구현되거나, 전자 장치(500)에 탈부착이 가능한 메모리 형태로 구현될 수도 있다. 예를 들어, 전자 장치(500)의 구동을 위한 데이터의 경우 전자 장치(500)에 임베디드된 메모리에 저장되고, 전자 장치(500)의 확장 기능을 위한 데이터의경우 전자 장치(500)에 탈부착이 가능한 메모리에 저장될 수 있다.
일 실시예에서, 메모리(440)는 NLG(natural language generator) 모듈을 통하여 생성된 사용자 음성 인식 결과 생성된 응답 정보를 요약하는 NLG abstraction모듈(미도시)을 포함할 수 있다. NLG abstraction 모듈(미도시)은 대화시스템의 NLG 모듈을 통하여 생성된 응답 정보에서 키워드를 추출하고, 추출된 키워드를 기초로 응답 정보를 요약하여 요약 정보를 생성할 수 있다.
이를 위하여, 메모리(440)에는 도메인별 키워드 정보가 기저장되어 있을 수 있을 수 있다. 본 개시에서 도메인은 사용자 음성 또는 사용자 음성에 대한 응답 정보와 관련된 분야를 의미한다. 가령, 사용자가 '오늘 날씨는 어때?'라고 발화한 경우 사용자 발화 음성에 대한 도메인은 '날씨'가 될 수 있다.
일 실시예에서, 메모리(440)는 소음의 종류에 따라 사용자의 반응 정보를 출력하도록 학습된 인공지능 모델이 저장되어 있을 수 있다. 이때, 인공지능 모델을 전자 장치(500)를 구동하면서 발생되는 소음의 종류 및 소음에 대한 사용자의 반응 정보를 이용하여 재학습할 수 있다.
또는, 다른 일 실시 예에 따라 소음의 종류 및 소음의 종류에 따른 사용자의 반응 정보가 저장될 수 있다. 구체적으로, 메모리(440)에는 소음이 발생될 때 출력되는 음성 인식 결과에 대한 사용자 반응 정보가 소음의 종류에 따라 저장될 수 있다. 가령, 음성 인식 결과를 제공하는 과정에서 청소기 소리와 같은 외부 장치의 소음이 발생하였을 때 사용자가 음성 인식 결과를 요약하기 보다는 음성 정보의 소리를 증폭하였다면, 메모리(440)에는 '음성 인식 결과 출력 단계-청소기 소리-소리 증폭'과 같은 사용자 반응 정보가 저장될 수 있다.
일 실시예에서, 자연어 이해 동작(natural language understanding, NLU)은 규칙기반 또는 통계기반을 포함한 다양한 방식의 알고리듬(algorithm)으로 구현될 수 있다. 프로세서(430)는 사용된 알고리듬의 규칙 또는 모델에 적용되지 않거나 별도의 처리를 요구하는 명령 처리가 필요한 경우, 상기 명령들을 자연어 이해 동작 처리 전에 별도로 인식하여 미리 처리하도록 할 수 있다. 예를 들어, 프로세서(430)는 사용자 지정 명령어 (quick command)의 경우, 지정발화 처리부(미도시)에서 문장 매치 (예: exact matching)을 통해 인식하고, 인식되었을 경우 사용자가 설정해둔 명령들을 순차적으로 수행할 수 있다. 사용자 지정 명령어 (quick command)는 사용자가 지정한 명칭으로 생성된 명령으로서 자연어 이해 동작에서는 처리할 수 없는 명령을 의미할 수 있다. 프로세서(430)는 자연어 이해 동작 에서 인식될 수 있는 명령이지만, 다른 기능을 수행하도록 임시적으로 지정하고 싶은 경우에도 사용자가 설정해둔 명령들을 순차적으로 수행할 수 있다. 또 다른 예로, 프로세서(430)는 전체 도메인에 걸쳐 공통적으로 처리하고 싶은 공통 명령의 경우, 모든 도메인에서 상기 공통 명령을 인식하고 동작을 지정하는 것이 아니라 지정발화 처리부(미도시)를 이용하여 공통 명령을 처리할 수 있다.
일 실시예에서, 지정발화 처리부(미도시)는 구현에 따라 하나의 도메인으로 처리될 수도 있다. 지정발화 처리부가 하나의 도메인으로 처리되는 경우, 하나의 도메인이 다른 도메인보다 우선순위를 갖고 선택될 수 있다. 지정발화 처리부는 하나의 입력 명령에서 도메인 분류(domain classification) 수행하고, 하나의 도메인으로 처리되는 경우 해당 도메인에 해당하는 의도(intent)를 우선적으로 선택할 수 있다.
일 실시예에서, 프로세서(430)는 사용자 요청에 대한 기능을 수행한 후, 사용자에게 전달할 메시지를 소리로 변환할 수 있다. 프로세서(430)는 TTS (text to speech) 기능을 이용할 수 있다. 프로세서(430)는 TTS 모델에 기반하여 음성을 생성할 수 있다. TTS 모델은 사용되는 음성 합성 알고리듬(예: 파라미터 음성합성, 유닛접합 음성합성, 신경망 음성합성)에 따라 다르게 결정될 수 있다.
일 실시예에서, 프로세서(430)는 메모리(440) 상에서 전자 장치(500) 상에서 수행될 수 있는 기능과 관련된 명령어를 획득할 수 있다. 기능과 관련된 명령어는 예를 들어, 볼륨(volume)을 포함할 수 있다. 프로세서(430)는 볼륨과 관련된 적어도 하나의 기능을 확인하고, 리스트로 만들어 사용자에게 표시할 수 있다. 프로세서(430)는 볼륨과 관련된 기능이 포함된 리스트를 디스플레이(예: 도 5의 디스플레이 모듈(560)) 상에 표시하거나 또는 스피커(460)를 이용하여 사용자에게 제공할 수 있다. 볼륨과 관련된 적어도 하나의 기능은 예를 들어, 볼륨을 높이거나 낮추는 기능 또는 현재 볼륨 설정을 보여주는 기능을 포함할 수 있다. 볼륨(volume)이라는 용어는 일 예시일 뿐 기능과 관련된 명령어는 이것으로 한정되는 것은 아니다. 볼륨과 관련된 적어도 하나의 기능은 일 예시일 뿐, 관련된 기능은 이것으로 한정되는 것은 아니다.
예를 들어, 프로세서(430)는 '찍어줘'라는 사용자 발화 표현에 대응하여 스크린샷 캡처(capture), 사진 촬영 및 플래시 종료 후 사진 촬영 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 프로세서(430)는 '에어컨'이라는 사용자 발화 표현에 대응하여 에어컨을 작동시키는 동작, 에어컨의 작동을 중단시키는 동작, 에어컨의 온도를 내리거나 올리는 동작 및 에어컨의 가격을 검색하는 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 프로세서(430)는 '주문(order)'이라는 사용자 발화 표현에 대응하여 특정 제품의 주문과 관련된 어플리케이션의 실행 동작 및 특정 제품의 가격을 검색하는 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 사용자 발화 표현 및 사용자 발화 표현에 대응하는 기능들은 이것으로 한정되는 것은 아니다.
또한, 본 문서의 전자 장치(500)는 사용자의 음성에서 기능과 관련된 명령어를 포함하는 발화를 확인하고, 메모리(440) 상에 저장시킬 수 있다. 프로세서(430)는 학습 모델을 이용하여 메모리(440) 상에 저장된 사용자의 발화를 학습하고, 발화와 관련된 기능 또는 기능 별 발화 표현을 중 어느 하나를 메모리(440) 상에 저장시킬 수 있다. 프로세서(430)는 학습을 진행하면서, 사용자 발화 표현에 대응하는 기능에 대한 사용자의 선택 빈도에 기반하여 리스트 상에서 표시되는 동작의 순위를 바꿔서 표시할 수 있다. 또는 프로세서(430)는 학습을 진행하면서, 사용자 발화 표현에 대응하는 기능에 대한 사용자의 선택 빈도에 기반하여 가장 선택 빈도가 높은 동작을 자동으로 수행할 수 있다.
일 실시예에서, 프로세서(440)는 전자 장치(500) 상에서 수행될 수 있는 기능과 관련된 명령어를 기반으로 메모리(440) 상에서 학습과 관련된 데이터(예: capsule training data)를 검색할 수 있다. 캡슐 트레이닝 데이터(capsule training data)는 캡슐(capsule) 상에서 학습된 데이터를 의미할 수 있다. 캡슐(capsule)은 객체나 객체와 같은 특정 유형의 매개 변수를 나타내는 뉴런 그룹을 의미할 수 있다. 또는 캡슐은 다수의 뉴런을 하나의 그룹으로 묶어 놓은 형태를 의미할 수 있다. 프로세서(430)는 메모리(440) 상에서 학습과 관련된 데이터가 검색됨에 기반하여 관련 데이터를 요청할 수 있다.
일 실시예에서, 프로세서(430)는 전자 장치(500) 상에서 수행될 수 있는 기능과 관련된 명령어를 기반으로 전자 장치(500) 상에서 수행될 수 있는 기능들을 분류할 수 있다. 프로세서(430)는 특정 기능을 실행하기 위해 필요한 발화 표현 또는 파라미터(parameter)를 참고하여 전자 장치(500) 상에서 수행될 수 있는 기능들을 분류할 수 있다. 특정 기능을 위해 필요한 발화 표현은 기능 실행을 위한 명령문 전체를 의미할 수 있다. 예를 들어, 볼륨 상승을 위해 필요한 발화 표현은 '볼륨 키워줘(turn up volume)'을 의미할 수 있다. 파라미터(parameter)는 실행하는 기능과 관련된 표현을 의미할 수 있다. 예를 들어, 볼륨과 관련된 표현에서, 파라미터는 최대(max), 최소(min) 또는 볼륨 수준(volume level) 중 어느 하나를 의미할 수 있다. 파라미터는 이것으로 제한되는 것은 아니며, 기능과 관련된 명령어에 따라 달라질 수 있다.
일 실시예에서, 프로세서(430)는 기능들을 분류하면서 각 기능과 관련된 발화 표현도 함께 메모리(440)상에 저장할 수 있다. 프로세서(430)는 기능들을 분류하는데 있어 다양한 분류 기준을 이용할 수 있다. 일 예시에 따르면, 다양한 분류 기준은 기능들이 수행됨에 있어 제어되는 대상(예: 디스플레이(예: 도 5의 디스플레이 모듈(560)), 스피커(460), 카메라(예: 도 5의 카메라 모듈(580)), 어플리케이션(예: 도 5의 어플리케이션(546))에 따라 다르게 결정될 수 있다. 이는 일 예시일 뿐 전자 장치(101)의 구성 또는 전자 장치(101) 상에서 실행될 수 있는 기능이라면 무엇이든 포함될 수 있다. 프로세서(430)는 사용자의 음성에서 기능과 관련된 발화 표현을 결정할 수 있다. 프로세서(430)는 기능을 분류하면서 관련된 발화 표현을 메모리(440)상에 저장할 수 있다. 프로세서(430)는 학습 모델을 이용하여 메모리(440)상에 저장된 기능 정보 및 관련된 발화 표현에 대한 정보를 학습할 수 있다. 프로세서(430)는 사용자 음성에서 기능과 관련된 발화 표현을 감지하면 재질문 대신 관련 기능을 실행시킬 수 있다. 프로세서(430)는 학습을 통해 사용자의 발화 표현에 대응하여 적응적으로 사용자가 원하는 기능을 제공하여 사용자 경험을 증가시킬 수 있다.
일 실시예에서, 프로세서(430)는 전자 장치(500) 상에서 수행될 수 있는 기능을 위해 필요한 링크 또는 딥링크(deeplink)에 대한 정보를 메모리(440)상에서 검색할 수 있다. 딥링크(deeplink)는 특정 페이지에 도달할 수 있는 링크를 의미할 수 있다. 프로세서(430)는 링크(link)를 이용하여 특정 어플리케이션의 홈페이지로 접속할 수 있고, 딥링크(deeplink)를 이용하여 특정 어플리케이션의 내부 페이지로 접속할 수 있다. 일 실시예에서, 프로세서(430)는 메모리(440)상에 기능 수행에 필요한 링크 또는 딥링크(deeplink)에 대한 정보를 저장시킬 수 있다. 일 실시예에서, 프로세서(430)는 기능 분류에 대한 정보, 각 기능에 대응되는 발화 표현에 대한 정보 또는 기능 수행에 필요한 링크 또는 딥링크(deeplink)에 대한 정보 중 적어도 하나를 메모리(440)상에 저장할 수 있다.
일 실시예에서, 프로세서(430)는 기능 수행에 필요한 링크 또는 딥링크(deeplink)에 대한 정보 및 인식된 발화 표현에 대응하는 적어도 하나의 기능에 대한 정보를 통합하여 리스트를 만들 수 있다. 프로세서(430)는 생성된 리스트를 사용자에게 표시할 수 있다. 또는 프로세서(430)는 생성된 리스트에 대한 정보를 음성 메시지를 통해 사용자에게 제공할 수 있다.
일 실시예에서, 프로세서(430)는 마이크(450)를 이용하여 사용자 음성 또는 발화를 인식할 수 있다. 프로세서(430)는 사용자 음성에서 전자 장치(500) 상에서 수행될 수 있는 기능과 관련된 명령어를 인식할 수 있다. 프로세서(430)는 기능과 관련된 명령어가 인식됨에 기반하여 메모리(440)상에서, 기능과 관련된 명령어를 검색할 수 있다. 프로세서(430)는 메모리(440)상에서 기능과 관련된 명령어가 검색됨에 기반하여 기능과 관련된 명령어에 대응하는 적어도 하나의 기능에 대한 정보를 요청할 수 있다. 프로세서(430)는 명령어에 대응하는 적어도 하나의 기능에 대한 정보를 수신할 수 있다. 프로세서(430)는 명령어에 대응하는 적어도 하나의 기능이 기재된 리스트를 만들 수 있다. 예를 들어, 프로세서(430)는 명령어가 "카메라 촬영"인 경우, 카메라 어플리케이션의 실행, 카메라의 줌 확대, 카메라의 줌 축소, 타임랩스 기능 실행, 파노라마, 야간 촬영, 슬로우 모션 또는 동영상 촬영 중 적어도 어느 하나를 포함하는 리스트를 생성할 수 있다. 명령어나 명령어에 대응하는 기능들은 일 예시일 뿐 전자 장치(101)상에서 실행될 수 있는 기능이라면 무엇이든 포함될 수 있다. 프로세서(430)는 생성된 리스트를 사용자에게 표시할 수 있다. 또는 프로세서(430)는 생성된 리스트에 대한 정보를 음성 메시지를 통해 사용자에게 제공할 수 있다. 프로세서(430)는 생성된 리스트에 대한 사용자 입력(예: 터치 입력 또는 음성 입력)에 기반하여 기능을 실행시킬 수 있다. 프로세서(430)가 사용자 입력에 기반하여 실행할 수 있는 기능은 앞서 설명된 바 있다. 예를 들어, 프로세서(430)는 '찍어줘'라는 사용자 발화 표현에 대응하여 스크린샷 캡처(capture), 사진 촬영 및 플래시 종료 후 사진 촬영 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 프로세서(430)는 '에어컨'이라는 사용자 발화 표현에 대응하여 에어컨을 작동시키는 동작, 에어컨의 작동을 중단시키는 동작, 에어컨의 온도를 내리거나 올리는 동작 및 에어컨의 가격을 검색하는 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 프로세서(430)는 '주문(order)'이라는 사용자 발화 표현에 대응하여 특정 제품의 주문과 관련된 어플리케이션의 실행 동작 및 특정 제품의 가격을 검색하는 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 사용자 발화 표현 및 사용자 발화 표현에 대응하는 기능들은 이것으로 한정되는 것은 아니다.
일 실시예에서, 프로세서(430)는 메모리(440)상에서, 기능과 관련된 명령어를 검색하지 못함에 대응하여 사용자에게 원하는 기능과 관련하여 재질문할 수 있다.
일 실시예에서, 프로세서(430)는 메모리(440) 상에 저장되어 있지 않은 기능과 관련된 명령어를 인식하고, 메모리(440) 상에 저장시킬 수 있다. 프로세서(430)는 학습 모델을 이용하여 새롭게 저장된 기능과 관련된 명령어에 대한 학습을 진행하고, 명령어에 대응되는 기능이나 어플리케이션을 함께 학습할 수 있다. 프로세서(430)는 새롭게 저장된 기능과 관련된 명령어가 인식되면 학습 결과에 기반하여 명령어에 대응되는 기능을 실행시키거나 명령어에 대응하는 어플리케이션을 실행시킬 수 있다. 일 실시예에서, 프로세서(430)는 메모리(440) 상에 저장되어 있지 않은 사용자 발화 표현을 인식하고, 메모리(440) 상에 저장시킬 수 있다. 프로세서(430)는 학습 모델을 이용하여 새롭게 저장된 사용자 발화 표현에 대한 학습을 진행하고, 사용자 발화 표현에 대응하는 기능이나 어플리케이션을 함께 학습할 수 있다. 프로세서(430)는 새롭게 저장된 사용자 발화 표현이 인식되면 학습 결과에 기반하여 사용자 발화 표현에 대응되는 기능을 실행시키거나 사용자 발화 표현에 대응하는 어플리케이션을 실행시킬 수 있다.
도 5는, 다양한 실시예들에 따른, 네트워크 환경(500) 내의 전자 장치(501)의 블록도이다. 도 5를 참조하면, 네트워크 환경(500)에서 전자 장치(501)는 제 5 네트워크(598)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(502)와 통신하거나, 또는 제 2 네트워크(599)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(504) 또는 서버(508) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(501)는 서버(508)를 통하여 전자 장치(504)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(501)는 프로세서(520), 메모리(530), 입력 모듈(550), 음향 출력 모듈(555), 디스플레이 모듈(560), 오디오 모듈(570), 센서 모듈(576), 인터페이스(577), 연결 단자(578), 햅틱 모듈(579), 카메라 모듈(580), 전력 관리 모듈(588), 배터리(589), 통신 모듈(590), 가입자 식별 모듈(596), 또는 안테나 모듈(597)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(501)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(578))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(576), 카메라 모듈(580), 또는 안테나 모듈(597))은 하나의 구성요소(예: 디스플레이 모듈(560))로 통합될 수 있다.
프로세서(520)는, 예를 들면, 소프트웨어(예: 프로그램(540))를 실행하여 프로세서(520)에 연결된 전자 장치(501)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(520)는 다른 구성요소(예: 센서 모듈(576) 또는 통신 모듈(590))로부터 수신된 명령 또는 데이터를 휘발성 메모리(532)에 저장하고, 휘발성 메모리(532)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(534)에 저장할 수 있다. 일실시예에 따르면, 프로세서(520)는 메인 프로세서(525)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(523)(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(501)가 메인 프로세서(525) 및 보조 프로세서(523)를 포함하는 경우, 보조 프로세서(523)는 메인 프로세서(525)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(523)는 메인 프로세서(525)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(523)는, 예를 들면, 메인 프로세서(525)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(525)를 대신하여, 또는 메인 프로세서(525)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(525)와 함께, 전자 장치(501)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(560), 센서 모듈(576), 또는 통신 모듈(590))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(523)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(580) 또는 통신 모듈(590))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(523)(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(501) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(508))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(530)는, 전자 장치(501)의 적어도 하나의 구성요소(예: 프로세서(520) 또는 센서 모듈(576))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(540)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(530)는, 휘발성 메모리(532) 또는 비휘발성 메모리(534)를 포함할 수 있다.
프로그램(540)은 메모리(530)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(542), 미들 웨어(544) 또는 어플리케이션(546)을 포함할 수 있다.
입력 모듈(550)은, 전자 장치(501)의 구성요소(예: 프로세서(520))에 사용될 명령 또는 데이터를 전자 장치(501)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(550)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(555)은 음향 신호를 전자 장치(501)의 외부로 출력할 수 있다. 음향 출력 모듈(555)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(560)은 전자 장치(501)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(560)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(560)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(570)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(570)은, 입력 모듈(550)을 통해 소리를 획득하거나, 음향 출력 모듈(555), 또는 전자 장치(501)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(502))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(576)은 전자 장치(501)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(576)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(577)는 전자 장치(501)가 외부 전자 장치(예: 전자 장치(502))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(577)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(578)는, 그를 통해서 전자 장치(501)가 외부 전자 장치(예: 전자 장치(502))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(578)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(579)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(579)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(580)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(580)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(588)은 전자 장치(501)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(588)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(589)는 전자 장치(501)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(589)는, 예를 들면, 재충전 불가능한 5차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(590)은 전자 장치(501)와 외부 전자 장치(예: 전자 장치(502), 전자 장치(504), 또는 서버(508)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(590)은 프로세서(520)(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(590)은 무선 통신 모듈(592)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(594)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 5 네트워크(598)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(599)(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(504)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(592)은 가입자 식별 모듈(596)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 5 네트워크(598) 또는 제 2 네트워크(599)와 같은 통신 네트워크 내에서 전자 장치(501)를 확인 또는 인증할 수 있다.
무선 통신 모듈(592)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(592)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(592)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(592)은 전자 장치(501), 외부 전자 장치(예: 전자 장치(504)) 또는 네트워크 시스템(예: 제 2 네트워크(599))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(592)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 564dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 5ms 이하)를 지원할 수 있다.
안테나 모듈(597)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(597)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(597)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 5 네트워크(598) 또는 제 2 네트워크(599)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(590)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(590)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(597)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(597)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 5 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(599)에 연결된 서버(508)를 통해서 전자 장치(501)와 외부의 전자 장치(504)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(502, 또는 504) 각각은 전자 장치(501)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(501)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(502, 504, 또는 508) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(501)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(501)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(501)로 전달할 수 있다. 전자 장치(501)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(501)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(504)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(508)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(504) 또는 서버(508)는 제 2 네트워크(599) 내에 포함될 수 있다. 전자 장치(501)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 6은 일 실시예에 따른 전자 장치의 음성 인식 방법을 흐름도로 나타낸 것이다.
도 6을 통하여 설명되는 동작들은 컴퓨터 기록 매체 또는 메모리(예: 도 4의 메모리(440))에 저장될 수 있는 인스트럭션들 을 기반으로 구현될 수 있다.
도시된 방법들(600)은 앞서 도 1 내지 도 5를 통해 설명한 전자 장치(예: 도 5의 전자 장치(501))에 의해 실행될 수 있으며, 앞서 설명한 바 있는 기술적 특징은 이하에서 생략하기로 한다. 도 6의 각 동작의 순서가 변경될 수 있으며, 일부 동작이 생략될 수도 있고, 일부 동작들이 병렬적으로 수행될 수도 있다.
동작 610에서, 프로세서(예: 도 4의 프로세서(430))는 인공지능 학습 모델을 이용하여 메모리(예: 도 4의 메모리(440)) 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 상기 기능과 관련된 링크를 업데이트할 수 있다.
일 실시예에서, 프로세서(430)는 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하고, 실행된 기능 및 특정 기능에 대응하는 단어와 관련된 표현을 상기 인공지능 학습 모델로 전송할 수 있다.
동작 620에서, 프로세서(430)는 사용자 발화 음성을 감지하면 사용자 발화 음성 내에서 특정 기능에 대응하는 적어도 하나의 단어를 확인할 수 있다. 프로세서(430)는 특정 기능의 실행에 대응하는 명령어를 인식하고, 특정 기능을 실행시킬 수 있다. 사용자는 특정 기능의 실행에 대응하는 명령어(예: 볼륨 올려줘)의 존재를 모르거나, 정확히 어떤 발화 표현을 해야 특정 기능의 실행시킬 수 있는지 알기 어려울 수 있다. 사용자는 특정 기능을 실행시키기 위해 필요한 명령어보다 상대적으로 짧은 문구나 단어를 말할 수 있다. 특정 기능에 대응하는 적어도 하나의 단어는 특정 기능의 실행에 대응하는 명령어보다는 상대적으로 짧은 발화 표현을 의미할 수 있다.
일 실시예에서, 특정 기능에 대응하는 적어도 하나의 단어는 예를 들어, 볼륨(volume), 사진(photo), 캡쳐(capture) 또는 주문(order) 중 적어도 어느 하나를 포함할 수 있다.
일 실시예에서, 프로세서(430)는 볼륨과 관련된 적어도 하나의 기능을 확인하고, 리스트로 만들어 사용자에게 표시할 수 있다. 프로세서(430)는 볼륨과 관련된 기능이 포함된 리스트를 디스플레이(예: 도 5의 디스플레이 모듈(560)) 상에 표시하거나 또는 스피커(460)를 이용하여 사용자에게 제공할 수 있다. 볼륨과 관련된 적어도 하나의 기능은 예를 들어, 볼륨을 높이거나 낮추는 기능 또는 현재 볼륨 설정을 보여주는 기능을 포함할 수 있다. 볼륨(volume)이라는 용어는 일 예시일 뿐 기능과 관련된 명령어는 이것으로 한정되는 것은 아니다. 볼륨과 관련된 적어도 하나의 기능은 일 예시일 뿐, 관련된 기능은 이것으로 한정되는 것은 아니다.
예를 들어, 프로세서(430)는 '찍어줘'라는 사용자 발화 표현에 대응하여 스크린샷 캡처(capture), 사진 촬영 및 플래시 종료 후 사진 촬영 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 프로세서(430)는 '에어컨'이라는 사용자 발화 표현에 대응하여 에어컨을 작동시키는 동작, 에어컨의 작동을 중단시키는 동작, 에어컨의 온도를 내리거나 올리는 동작 및 에어컨의 가격을 검색하는 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 프로세서(430)는 '주문(order)'이라는 사용자 발화 표현에 대응하여 특정 제품의 주문과 관련된 어플리케이션의 실행 동작 및 특정 제품의 가격을 검색하는 동작을 포함하는 리스트를 사용자에게 제공할 수 있다. 사용자 발화 표현 및 사용자 발화 표현에 대응하는 기능들은 이것으로 한정되는 것은 아니다.
동작 630에서, 프로세서(430)는 메모리(440) 상에서 특정 기능에 대응하는 단어와 관련된 정보를 요청할 수 있다. 일 실시예에서, 프로세서(430)는 메모리(440) 상에서 특정 기능에 대응하는 단어를 검색하고, 특정 기능에 대응하는 단어와 관련된 정보를 획득할 수 있다. 프로세서(430)는 인공지능 학습 모델을 이용하여 획득한 정보를 학습하여 특정 기능에 대응하는 단어와 관련된 발화 표현 또는 적어도 하나의 기능을 메모리(440) 상에 저장할 수 있다.
일 실시예에서, 프로세서(430)는 특정 기능을 위해 필요한 발화 표현 또는 파라미터에 기반하여 상기 전자 장치에서 실행할 수 있는 기능을 분류할 수 있다. 특정 기능을 위해 필요한 발화 표현은 기능 실행을 위한 명령문 전체를 의미할 수 있다. 파라미터는 실행하는 기능과 관련된 표현을 의미할 수 있다. 특정 기능을 위해 필요한 발화 표현은 기능 실행을 위한 명령문 전체를 의미할 수 있다. 예를 들어, 볼륨 상승을 위해 필요한 발화 표현은 '볼륨 키워줘(turn up volume)'를 의미할 수 있다. 파라미터(parameter)는 실행하는 기능과 관련된 표현을 의미할 수 있다. 예를 들어, 볼륨과 관련된 표현에서, 파라미터는 최대(max), 최소(min) 또는 볼륨 수준(volume level) 중 어느 하나를 의미할 수 있다. 파라미터는 이것으로 제한되는 것은 아니며, 기능과 관련된 명령어에 따라 달라질 수 있다.
일 실시예에서, 프로세서(430)는 전자 장치(500)에서 실행할 수 있는 기능을 분류하고, 기능 정보를 메모리(440) 상에 저장하면서, 각 기능과 관련된 사용자의 발화 표현도 함께 메모리(440) 상에 저장할 수 있다.
동작 640에서, 프로세서(430)는 특정 기능에 대응하는 단어와 관련된 정보를 수신함에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들을 표시할 수 있다.
일 실시예에서, 프로세서(430)는 마이크(예: 도 4의 마이크(450))를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성 내에서 전자 장치(500) 상에서 수행될 수 있는 기능과 관련된 명령어를 포함하는지 결정할 수 있다. 프로세서(430)는 명령어가 포함됨에 기반하여 메모리(440) 상에서, 명령어와 관련된 적어도 하나의 기능을 확인하고, 적어도 하나의 기능을 리스트로 만들어서 사용자에게 제공할 수 있다. 전자 장치(500)는 디스플레이(예: 도 5의 디스플레이 모듈(560))를 더 포함하며, 프로세서(430)는 디스플레이(160)를 이용하여 리스트를 표시할 수 있다. 전자 장치(500)는 스피커(예: 도 4의 스피커(460))를 더 포함하며, 프로세서(430)는 리스트의 내용을 음성 메시지로 생성하고, 스피커(460)를 이용하여 음성 메시지를 전달할 수 있다.
일 실시예에서, 프로세서(430)는 기능 수행에 필요한 링크 또는 딥링크(deeplink)에 대한 정보 및 인식된 발화 표현에 대응하는 적어도 하나의 기능에 대한 정보를 통합하여 리스트를 만들 수 있다. 프로세서(430)는 생성된 리스트를 사용자에게 표시할 수 있다. 또는 프로세서(430)는 생성된 리스트에 대한 정보를 음성 메시지를 통해 사용자에게 제공할 수 있다. 프로세서(430)는 기능과 관련된 명령어에 대응하는 적어도 하나의 기능에 대한 정보를 수신하고, 리스트를 만들 수 있다. 프로세서(430)는 생성된 리스트를 사용자에게 표시할 수 있다. 또는 프로세서(430)는 생성된 리스트에 대한 정보를 음성 메시지를 통해 사용자에게 제공할 수 있다. 프로세서(430)는 생성된 리스트에 대한 사용자 입력(예: 터치 입력 또는 음성 입력)에 기반하여 기능을 실행시킬 수 있다.
동작 650에서, 프로세서(430)는 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행할 수 있다.
일 실시예에서, 프로세서(430)는 학습 모델을 이용하여 메모리(440)에 저장된 기능 정보 및 관련된 발화 표현에 대한 정보를 학습할 수 있다. 프로세서(430)는 학습된 발화 표현을 감지함에 기반하여 메모리(440) 상에 저장된 기능 정보를 이용하여 관련 기능을 실행시킬 수 있다.
일 실시예에 따르면, 전자 장치(500)는 주변 소리를 수신하는 마이크(450), 스피커(460), 메모리(440) 및 마이크(450)를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 응답 메시지를 출력하도록 스피커를 제어하는 프로세서(430)를 포함할 수 있다. 프로세서(430)는 인공지능 학습 모델을 이용하여 메모리(440) 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 기능과 관련된 링크를 업데이트하고, 사용자 발화 음성을 감지하면 사용자 발화 음성 내에서 특정 기능에 대응하는 적어도 하나의 단어를 확인하고, 메모리(440) 상에서 특정 기능에 대응하는 단어와 관련된 정보를 검색하고, 특정 기능에 대응하는 단어와 관련된 정보를 수신함에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들을 표시하고, 표시된 단어와 관련된 기능들에 대한 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행할 수 있다.
일 실시예에 따르면, 프로세서(430)는 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하고, 실행된 기능 및 특정 기능에 대응하는 단어와 관련된 표현을 인공지능 학습 모델로 전송할 수 있다.
일 실시예에 따르면, 프로세서(430)는 기 설정된 시간마다 메모리(440) 상에서 특정 기능에 대응하는 단어를 요청하고, 특정 기능에 대응하는 단어와 관련된 정보를 획득하고,인공지능 학습 모델을 이용하여 획득한 정보를 학습하여 특정 기능에 대응하는 단어와 관련된 발화 표현 또는 적어도 하나의 기능을 메모리 상에 저장할 수 있다.
일 실시예에 따르면, 특정 기능에 대응하는 단어는 볼륨(volume), 사진(photo), 캡쳐(capture) 또는 주문(order) 중 적어도 어느 하나를 포함할 수 있다.
일 실시예에 따르면, 프로세서(430)는 특정 기능을 위해 필요한 발화 표현 또는 파라미터에 기반하여 전자 장치(500)에서 실행할 수 있는 기능을 확인할 수 있다. 특정 기능을 위해 필요한 발화 표현은 기능 실행을 위한 명령문 전체를 의미할 수 있다. 파라미터는 실행하는 기능과 관련된 표현을 의미할 수 있다.
일 실시예에 따르면, 프로세서(430)는 전자 장치에서 실행할 수 있는 기능을 확인하고, 확인된 기능 정보를 메모리(440) 상에 저장하면서,각 기능과 관련된 사용자의 발화 표현도 함께 메모리 상에 저장시킬 수 있다.
일 실시예에 따르면, 프로세서(430)는 학습 모델을 이용하여 메모리에 저장된 기능 정보 및 관련된 발화 표현에 대한 정보를 학습할 수 있다.
일 실시예에 따르면, 프로세서(430)는 학습된 발화 표현을 감지함에 기반하여 메모리 상에 저장된 기능 정보를 이용하여 관련 기능을 실행시킬 수 있다.
일 실시예에 따르면, 전자 장치는 주변 소리를 수신하는 마이크, 메모리 및 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성에 대한 음성 인식을 수행하는 프로세서를 포함할 수 있다. 프로세서는 메모리 상에서 사전에 설정된 시간마다 전자 장치 상에서 수행될 수 있는 기능과 관련된 명령어에 대한 정보를 요청하고, 명령어에 대한 정보에 기반하여 명령어와 관련된 기능 정보 또는 기능을 실행하는데 필요한 발화 표현 정보를 획득하고, 명령어에 대한 정보에 기반하여 전자 장치 상에서 수행될 수 있는 복수의 기능들을 기능 별로 분류하고, 각 기능을 수행하기 위해 필요한 발화 표현 및 각 기능에 대응하는 링크 데이터를 메모리 상에 저장시킬 수 있다.
일 실시예에 따르면, 프로세서는 마이크를 통하여 사용자 발화 음성을 감지하면, 사용자 발화 음성 내에서 전자 장치 상에서 수행될 수 있는 기능과 관련된 명령어를 포함하는지 결정하고, 명령어가 포함됨에 기반하여 메모리 상에서, 명령어와 관련된 적어도 하나의 기능을 확인하고,적어도 하나의 기능을 리스트로 만들어서 사용자에게 제공 할 수 있다.
일 실시예에 따르면, 프로세서는 디스플레이를 이용하여 리스트를 표시 할 수 있다.
일 실시예에 따르면, 프로세서는 리스트의 내용을 음성 메시지로 생성하고, 스피커를 이용하여 음성 메시지를 전달할 수 있다.
일 실시예에 따르면, 전자 장치의 음성 인식 방법은 인공지능 학습 모델을 이용하여 메모리 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 기능과 관련된 링크를 업데이트하는 동작, 사용자 발화 음성을 감지하면 사용자 발화 음성 내에서 특정 기능에 대응하는 적어도 하나의 단어를 확인하는 동작, 메모리 상에서 특정 기능에 대응하는 단어와 관련된 정보를 검색하는 동작, 특정 기능에 대응하는 단어와 관련된 정보를 수신함에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들을 표시하는 동작 및 표시된 단어와 관련된 기능들에 대한 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하는 동작을 포함할 수 있다.
일 실시예에서, 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하는 동작은 실행된 기능 및 특정 기능에 대응하는 단어와 관련된 표현을 인공지능 학습 모델로 전송하는 동작을 더 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(501)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(536) 또는 외장 메모리(538))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(540))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(501))의 프로세서(예: 프로세서(520))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    주변 소리를 수신하는 마이크;
    스피커;
    메모리;및
    상기 마이크를 통하여 사용자 발화 음성을 감지하면, 상기 사용자 발화 음성에 대한 음성 인식을 수행하여 음성 인식 결과에 대응되는 응답 메시지를 출력하도록 상기 스피커를 제어하는 프로세서를 포함하고,
    상기 프로세서는
    인공지능 학습 모델을 이용하여 상기 메모리 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 상기 기능과 관련된 링크를 업데이트하고,
    사용자 발화 음성을 감지하면 상기 사용자 발화 음성 내에서 특정 기능에 대응하는 적어도 하나의 단어를 확인하고,
    상기 메모리 상에서 특정 기능에 대응하는 단어와 관련된 정보를 검색하고,
    특정 기능에 대응하는 단어와 관련된 정보를 수신함에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들을 표시하고,
    상기 표시된 단어와 관련된 기능들에 대한 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하는 전자 장치.
  2. 제 1항에 있어서,
    상기 프로세서는
    사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하고,
    실행된 기능 및 특정 기능에 대응하는 단어와 관련된 표현을 상기 인공지능 학습 모델로 전송하는 전자 장치.
  3. 제 1항에 있어서,
    상기 프로세서는
    기 설정된 시간마다 상기 메모리 상에서 특정 기능에 대응하는 단어를 요청하고,
    특정 기능에 대응하는 단어와 관련된 정보를 획득하고,
    인공지능 학습 모델을 이용하여 획득한 정보를 학습하여 특정 기능에 대응하는 단어와 관련된 발화 표현 또는 적어도 하나의 기능을 상기 메모리 상에 저장하는 전자 장치.
  4. 제 3항에 있어서,
    상기 특정 기능에 대응하는 단어는
    볼륨(volume), 사진(photo), 캡쳐(capture) 또는 주문(order) 중 적어도 어느 하나를 포함하는 전자 장치.
  5. 제 1항에 있어서,
    상기 프로세서는
    특정 기능을 위해 필요한 발화 표현 또는 파라미터에 기반하여 상기 전자 장치에서 실행할 수 있는 기능을 확인하고,
    상기 특정 기능을 위해 필요한 발화 표현은
    기능 실행을 위한 명령문 전체를 의미하고,
    상기 파라미터는
    실행하는 기능과 관련된 표현을 의미하는 전자 장치.
  6. 제 5항에 있어서,
    상기 프로세서는
    상기 전자 장치에서 실행할 수 있는 기능을 확인하고, 확인된 기능 정보를 상기 메모리 상에 저장하면서,
    각 기능과 관련된 사용자의 발화 표현도 함께 상기 메모리 상에 저장하는 전자 장치.
  7. 제 6항에 있어서,
    상기 프로세서는
    학습 모델을 이용하여 상기 메모리에 저장된 기능 정보 및 관련된 발화 표현에 대한 정보를 학습하는 전자 장치.
  8. 제 7항에 있어서,
    상기 프로세서는
    학습된 발화 표현을 감지함에 기반하여 상기 메모리 상에 저장된 기능 정보를 이용하여 관련 기능을 실행시키는 전자 장치.
  9. 전자 장치에 있어서,
    주변 소리를 수신하는 마이크;
    메모리;및
    상기 마이크를 통하여 사용자 발화 음성을 감지하면, 상기 사용자 발화 음성에 대한 음성 인식을 수행하는 프로세서를 포함하고,
    상기 프로세서는
    상기 메모리 상에서 사전에 설정된 시간마다 상기 전자 장치 상에서 수행될 수 있는 기능과 관련된 명령어에 대한 정보를 요청하고,
    상기 명령어에 대한 정보에 기반하여 상기 명령어와 관련된 기능 정보 또는 상기 기능을 실행하는데 필요한 발화 표현 정보를 획득하고,
    상기 명령어에 대한 정보에 기반하여 상기 전자 장치 상에서 수행될 수 있는 복수의 기능들을 기능 별로 분류하고,
    각 기능을 수행하기 위해 필요한 발화 표현 및 각 기능에 대응하는 링크 데이터를 상기 메모리 상에 저장하는 전자 장치.
  10. 제 9항에 있어서,
    상기 프로세서는
    상기 마이크를 통하여 사용자 발화 음성을 감지하면,
    사용자 발화 음성 내에서 상기 전자 장치 상에서 수행될 수 있는 기능과 관련된 명령어를 포함하는지 결정하고,
    상기 명령어가 포함됨에 기반하여 상기 메모리 상에서, 상기 명령어와 관련된 적어도 하나의 기능을 확인하고,
    적어도 하나의 기능을 리스트로 만들어서 사용자에게 제공하는 전자 장치.
  11. 제 10항에 있어서,
    상기 전자 장치는 디스플레이를 더 포함하며,
    상기 프로세서는
    상기 디스플레이를 이용하여 상기 리스트를 표시하는 전자 장치.
  12. 제 10항에 있어서,
    상기 전자 장치는 스피커를 더 포함하며,
    상기 프로세서는
    상기 리스트의 내용을 음성 메시지로 생성하고, 상기 스피커를 이용하여 상기 음성 메시지를 전달하는 전자 장치.
  13. 전자 장치의 음성 인식 방법에 있어서,
    인공지능 학습 모델을 이용하여 메모리 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 상기 기능과 관련된 링크를 업데이트하는 동작;
    사용자 발화 음성을 감지하면 상기 사용자 발화 음성 내에서 특정 기능에 대응하는 적어도 하나의 단어를 확인하는 동작;
    상기 메모리 상에서 특정 기능에 대응하는 단어와 관련된 정보를 검색하는 동작;
    특정 기능에 대응하는 단어와 관련된 정보를 수신함에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들을 표시하는 동작;및
    상기 표시된 단어와 관련된 기능들에 대한 사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하는 동작을 포함하는 방법.
  14. 제 13항에 있어서,
    사용자 입력에 기반하여 특정 기능에 대응하는 단어와 관련된 기능들 중 일부를 실행하는 동작은
    실행된 기능 및 특정 기능에 대응하는 단어와 관련된 표현을 상기 인공지능 학습 모델로 전송하는 동작을 더 포함하는 방법.
  15. 제 13항에 있어서,
    인공지능 학습 모델을 이용하여 메모리 상에 저장된 특정 단어들 중 적어도 하나의 단어에 대응하는 기능 또는 상기 기능과 관련된 링크를 업데이트하는 동작은
    기 설정된 시간마다 상기 메모리 상에서 특정 기능에 대응하는 단어를 요청하는 동작;
    특정 기능에 대응하는 단어와 관련된 정보를 획득하는 동작
    인공지능 학습 모델을 이용하여 획득한 정보를 학습하여 특정 기능에 대응하는 단어와 관련된 발화 표현 또는 적어도 하나의 기능을 상기 메모리 상에 저장하는 동작을 더 포함하는 방법.
PCT/KR2023/014895 2022-09-30 2023-09-26 음성인식 장치 및 음성인식 장치의 동작방법 WO2024072036A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220125710 2022-09-30
KR10-2022-0125710 2022-09-30
KR10-2022-0138676 2022-10-25
KR1020220138676A KR20240045927A (ko) 2022-09-30 2022-10-25 음성인식 장치 및 음성인식 장치의 동작방법

Publications (1)

Publication Number Publication Date
WO2024072036A1 true WO2024072036A1 (ko) 2024-04-04

Family

ID=90478615

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/014895 WO2024072036A1 (ko) 2022-09-30 2023-09-26 음성인식 장치 및 음성인식 장치의 동작방법

Country Status (1)

Country Link
WO (1) WO2024072036A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160030199A (ko) * 2013-07-08 2016-03-16 퀄컴 인코포레이티드 음성 동작형 기능에 키워드 모델을 할당하기 위한 방법 및 장치
KR20180130421A (ko) * 2017-05-29 2018-12-07 (주)누리아이 독서 엔터테이닝 장치 및 이의 구동 방법
KR20210108557A (ko) * 2020-02-26 2021-09-03 주식회사 큐오 음성 인식률의 향상을 위한 음성 인식 지원 방법 및 시스템
KR20210153165A (ko) * 2019-05-09 2021-12-17 엘지전자 주식회사 음성 인식 기능을 제공하는 인공 지능 기기, 인공 지능 기기의 동작 방법
JP7038884B1 (ja) * 2021-10-06 2022-03-18 一郎 三木 ユーザアシストシステム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160030199A (ko) * 2013-07-08 2016-03-16 퀄컴 인코포레이티드 음성 동작형 기능에 키워드 모델을 할당하기 위한 방법 및 장치
KR20180130421A (ko) * 2017-05-29 2018-12-07 (주)누리아이 독서 엔터테이닝 장치 및 이의 구동 방법
KR20210153165A (ko) * 2019-05-09 2021-12-17 엘지전자 주식회사 음성 인식 기능을 제공하는 인공 지능 기기, 인공 지능 기기의 동작 방법
KR20210108557A (ko) * 2020-02-26 2021-09-03 주식회사 큐오 음성 인식률의 향상을 위한 음성 인식 지원 방법 및 시스템
JP7038884B1 (ja) * 2021-10-06 2022-03-18 一郎 三木 ユーザアシストシステム

Similar Documents

Publication Publication Date Title
WO2020040595A1 (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
WO2020101389A1 (ko) 음성 인식 기반 이미지를 표시하는 전자 장치
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022177164A1 (ko) 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법
WO2024072036A1 (ko) 음성인식 장치 및 음성인식 장치의 동작방법
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024106913A1 (ko) 발화를 처리하기 위한 전자 장치, 그 동작 방법 및 저장 매체
WO2024058524A1 (ko) 오거부 판단 방법 및 이를 수행하는 전자 장치
WO2024029851A1 (ko) 전자 장치 및 음성 인식 방법
WO2024029845A1 (ko) 전자 장치 및 이의 음성 인식 방법
WO2024080745A1 (ko) 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2024076214A1 (ko) 음성 인식을 수행하는 전자 장치와 이의 동작 방법
WO2024058597A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2023113404A1 (ko) 사용자 데이터를 이용한 음성 인식 서비스를 제공하는 전자 장치 및 이의 동작 방법
WO2022025448A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2023177051A1 (ko) 증강된 문장 후보에 기반하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024071921A1 (ko) 인공지능과 음성 인식을 기반으로 동작하는 전자 장치 및 이의 제어 방법
WO2024043670A1 (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2022182038A1 (ko) 음성 명령 처리 장치 및 방법
WO2023090667A1 (ko) 발화 기반 퀵 커맨드 재구성 방법 및 이를 위한 전자 장치
WO2024029875A1 (ko) 전자 장치, 지능형 서버, 및 화자 적응형 음성 인식 방법
WO2023177079A1 (ko) 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법

Legal Events

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

Ref document number: 23873147

Country of ref document: EP

Kind code of ref document: A1