WO2024085592A1 - 전자 장치 및 전자 장치의 음성 어시스턴트 서비스 제공 방법 - Google Patents

전자 장치 및 전자 장치의 음성 어시스턴트 서비스 제공 방법 Download PDF

Info

Publication number
WO2024085592A1
WO2024085592A1 PCT/KR2023/016022 KR2023016022W WO2024085592A1 WO 2024085592 A1 WO2024085592 A1 WO 2024085592A1 KR 2023016022 W KR2023016022 W KR 2023016022W WO 2024085592 A1 WO2024085592 A1 WO 2024085592A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
information
utterance
electronic device
history
Prior art date
Application number
PCT/KR2023/016022
Other languages
English (en)
French (fr)
Inventor
전현주
오현석
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 KR1020220171982A external-priority patent/KR20240054836A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2024085592A1 publication Critical patent/WO2024085592A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/06—Systems determining the position data of a target
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • 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

  • Embodiments disclosed in this document relate to technology for providing voice assistance services.
  • voice assistance services that can provide intuitive interfaces between electronic devices have recently been developed.
  • the voice assistance service can perform natural language processing on the user's utterance to infer the user's intention and control the control device based on the inferred user's intention.
  • Various embodiments of the present disclosure include electronic devices and methods that can increase the accuracy, performance, and efficiency of a voice assistant service based on previous user utterances and context information related to previous user utterances when consecutive user utterances are input. We would like to provide.
  • An electronic device includes a communication circuit, a memory, and a processor, wherein the processor receives a voice input corresponding to a user's utterance from a first external device through the communication circuit, From the voice input, a session corresponding to the user utterance, a user intent, and information related to at least one second external device related to an operation corresponding to the user intention are recognized, and a pre-stored user utterance is recognized. Update at least one of the user intent and information related to the at least one second external device based on context information related to the history, and update at least one of the user intent and information related to the at least one second external device. It may be configured to generate a command for executing the operation and update the context information based on the session, the user intention, and information related to the at least one second external device.
  • a method includes the operation of receiving a voice input corresponding to a user utterance from a first external device, a session corresponding to the user utterance from the voice input, and user intention. (intent), and an operation of recognizing information related to at least one second external device related to an operation corresponding to the user intention, based on context information related to a pre-stored user speech history, the user intention, and the at least one updating at least one of the information related to the second external device, generating a command for executing the operation based on the user intention and the information related to the at least one second external device, and the session, It may include updating the context information based on the user intention and information related to the at least one second external device.
  • the storage medium when executed by a processor of an electronic device, allows the electronic device to receive a voice input corresponding to a user's utterance from a first external device through the communication circuit, From the voice input, a session corresponding to the user utterance, a user intent, and information related to at least one second external device related to an operation corresponding to the user intention are recognized, and a pre-stored user utterance is recognized. Update at least one of the user intent and information related to the at least one second external device based on context information related to the history, and update at least one of the user intent and information related to the at least one second external device.
  • a program (or instructions) for generating instructions for executing the operation and updating the context information based on information related to the session, the user intent, and the at least one second external device may be stored. You can.
  • the accuracy, performance, and efficiency of the voice assistant service can be increased based on the previous user utterance and context information related to the previous user utterance.
  • FIG. 1 shows a block diagram of a system providing a voice assistant service.
  • FIG. 2 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 3 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 4 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 5 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 6 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 7 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 8 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 9 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 10 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • Figure 11 is a block diagram of an electronic device according to an embodiment.
  • Figure 12 is a flowchart of a method of providing a voice assistant service by an electronic device according to an embodiment.
  • Figure 13 is a flowchart of a method of providing a voice assistant service by an electronic device according to an embodiment.
  • FIG. 14 illustrates an electronic device in a network environment according to various embodiments.
  • Figure 15 is a block diagram showing an integrated intelligence system according to an embodiment.
  • Figure 16 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • FIG. 17 is a diagram illustrating a user terminal displaying a screen for processing voice input received through an intelligent app, according to an embodiment.
  • FIG. 1 shows a block diagram of a system providing a voice assistant service.
  • the voice assistant system includes an electronic device 110 (e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17), a voice assistant server 120 (e.g., Figure 11) electronic device 1100, server 1408 of FIG. 14, or intelligent server 1600 of FIG. 15) and IoT server 130 (e.g., server 1408 of FIG. 14 or service server 1700 of FIG. 15) ) may include.
  • an electronic device 110 e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17
  • a voice assistant server 120 e.g., Figure 11
  • IoT server 130 e.g., server 1408 of FIG. 14 or service server 1700 of FIG. 15
  • IoT server 130 e.g., server 1408 of FIG. 14 or service server 1700 of FIG. 15
  • the electronic device 110 may include a client module 111 (eg, client module 1531 in FIG. 15).
  • the client module 111 may provide a voice recognition service for the user's 105 utterance.
  • the client module 111 can obtain natural language input. Natural language input may include text input and/or voice input (e.g., user speech).
  • the client module 111 may receive voice input (or voice signal) (eg, user speech) through an input device (eg, microphone) (not shown) of the electronic device 110.
  • the client module 111 may determine the start of a conversation (or session) based on the natural language input being obtained.
  • the client module 111 may determine the start of a conversation based on the specified natural language input (eg, wake-up utterance) being obtained.
  • the client module 111 may determine the end of the conversation based on natural language input not being obtained for a specified period of time.
  • the client module 111 may determine the end of the conversation based on obtaining a natural language input requesting the end of the conversation.
  • a voice session hereinafter referred to as a 'session'.
  • a 'session' For example, consecutive user utterances starting from the first user utterance can become one conversation, and the conversation can be organized on a session basis.
  • the client module 111 may transmit voice input to the voice assistant server 120.
  • the client module 111 may receive a result corresponding to the voice input from the voice assistant server 120.
  • the client module 111 may notify the voice assistant server 120 of the start of a conversation.
  • the client module 111 may notify the voice assistant server 120 of the end of the conversation.
  • the client module 111 uses the communication circuit of the electronic device 110 (e.g., the communication module 1490 in FIG. 14 or the communication interface 1590 in FIG. 15) to communicate with an external device (e.g., a voice assistant server). (120)) and can transmit and receive data and/or information.
  • the client module 111 may provide information indicating results to the user.
  • the client module 111 may provide information indicating the results visually or audibly to the user.
  • the client module 111 outputs a result through a speaker of the electronic device 110 (e.g., the audio output module 1455 of FIG. 14 or the speaker 1555 of FIG. 15), or the electronic device 110 )
  • the result can be output through a display (e.g., the display module 1460 of FIG. 14 or the display 1560 of FIG. 15).
  • the configuration of the electronic device 110 is not limited to that shown in FIG. 1, and includes at least one configuration (e.g., the electronic device 1401 in FIG. 14 or the user terminal 1501 in FIG. 15). At least one of the configuration) may further be included.
  • the voice assistant server 120 includes an automatic speech recognition (ASR) module 121 (e.g., the automatic speech recognition module 1621 of FIG. 15), natural language understanding, NLU) module 122 (e.g., natural language understanding module 1623 in FIG. 15), execution module 123 (e.g., execution engine 1640 in FIG. 15), context manager module 124 ), a device search engine module 125, and a text-to-speech (TTS) module 126 (e.g., the text-to-speech module 1629 in FIG. 15).
  • ASR automatic speech recognition
  • NLU natural language understanding
  • NLU natural language understanding module
  • execution module 123 e.g., execution engine 1640 in FIG. 15
  • context manager module 124 e.g., context manager module 124
  • TTS text-to-speech
  • the ASR module 121 may convert voice input received from the electronic device 110 into text data.
  • the natural language understanding module 122 may identify the user's intent (or user intention) using text data of voice input.
  • the execution module 123 may execute a task according to the user's intent and calculate a result. For example, if the user's intent is to control IoT (internet of things) devices, the execution module 123 sends a command (e.g., execution request) for controlling IoT devices to the IoT server 130. Can be sent. For example, if the user's intent is to check the current time, the execution module 123 may execute an instruction to identify the current time. The execution module 123 may receive a result (eg, an execution response) of an IoT device performing an operation from the IoT server 130.
  • a result eg, an execution response
  • the execution module 123 may provide the electronic device 110 with feedback according to the voice input (eg, feedback corresponding to the execution response). For example, the execution module 123 may generate information in text format for feedback. The execution module 123 may generate information in text format to indicate the calculated results. For example, if the user's intention is to control an IoT device, the calculated result may be a control result of the IoT device. For another example, if the user's intention is to check the current time, the calculated result may be the current time.
  • the execution module 123 may receive information on a device (hereinafter referred to as an 'execution device' term) to perform an operation corresponding to the updated user intent and/or user utterance through the context manager 124. .
  • the execution module 123 may obtain information related to user utterance (e.g., user intent, execution device information, session information, timestamp information, and/or location information) from the context manager 124. .
  • the execution module 123 may transmit a request for the execution device to execute an operation corresponding to the user utterance to the IoT server 130 based on information related to the user utterance.
  • the execution module 123 may determine a voice command based on information related to the user's utterance and transmit an execution request including the voice command to the IoT server 130.
  • the execution module 123 may receive an execution response to the execution request from the IoT server 130.
  • the execution response may include information about the result of the IoT device (execution device) managed by the IoT server 130 performing at least some of the operations corresponding to the user utterance according to the execution request.
  • the execution module 123 is a device (e.g., an execution device) to perform an operation corresponding to a user intent based on information received from the context manager 124 and/or the device search engine 125. If it is not possible to accurately specify, the electronic device 110 can be output a message (e.g., a prompt message) urging additional user utterance to specify a device to perform an operation corresponding to the user intent. there is.
  • the context manager 124 may receive information related to user utterances (e.g., user intent, execution device information, session information, timestamp information, and/or location information) from the execution module 123. You can.
  • the context manager 124 may receive information about at least one IoT device from the device search module.
  • the context manager 124 may transmit information related to the user utterance to the device search module and receive information on the IoT device discovered based on the information related to the user utterance from the device search module.
  • the context manager 124 configures at least one IoT device ( For example, information related to at least one execution device that will perform an operation corresponding to the user's intention may be updated, and the updated information may be provided to the execution module 123.
  • context information may include information related to previous user utterances (e.g., session information, execution device information, intent information, timestamp information, and/or location information).
  • the context manager 124 receives information on a plurality of candidate IoT devices and/or candidate intents that will perform an operation corresponding to the user intent from the device search engine 125, the context manager 124 performs an operation based on the context information.
  • the context manager 124 may provide information and/or intent of at least one specific IoT device to the execution module 123.
  • the context manager 124 may receive an execution response (e.g., a result of performing an operation corresponding to a user intent) from the execution module 123 and update context information based on this.
  • the context manager 124 may store user utterance history (e.g., session, execution device, intent, timestamp, and/or location information related to the user utterance) in context information.
  • the device search engine 125 may search for a device that will perform an operation corresponding to a user utterance based on information on the IoT device obtained from the IoT server 130. For example, the device search engine 125 may perform actions corresponding to user utterances based on information related to the user utterances (e.g., user intent, execution device information, session information, timestamp information, and/or location information). An intent may be retrieved that corresponds to at least one IoT device to perform and/or a function that the IoT device can execute. For example, the device search engine 125 searches for information on at least one candidate IoT device and/or information on at least one candidate intent to perform an operation corresponding to the user intent, and sends the search results to the context manager 124. ) can be provided.
  • information related to the user utterances e.g., user intent, execution device information, session information, timestamp information, and/or location information.
  • An intent may be retrieved that corresponds to at least one Io
  • the text-to-speech conversion module 126 can change information in text form into information in voice form.
  • the text-to-speech conversion module 126 may provide information in the form of voice to the electronic device 110.
  • the IoT server 130 may include a voice intent handler 131.
  • the IoT server 130 may be connected to at least one IoT device and control the operation and/or state of the IoT device.
  • the voice intent handler 131 identifies an IoT device to be controlled among a plurality of IoT devices based on an intent identified according to a voice input (e.g., user utterance), and controls the identified IoT device. It can be controlled based on intent.
  • the voice intent handler 131 may perform an operation corresponding to an execution request received from the execution module 123.
  • the voice intent handler 131 can control an IoT device corresponding to an execution request to perform an operation corresponding to a user utterance.
  • the voice intent handler 131 can recognize the result of controlling the IoT device (e.g., the result of the IoT device performing an action corresponding to the user's utterance) and provide an execution response to the execution module 123 based on this. there is. According to one embodiment, the voice intent handler 131 may provide information on IoT devices managed by the IoT server 130 to the device search module.
  • FIG. 2 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • Figure 2 shows a case where there is no pre-stored context information (for example, when there is no user utterance history in the content information).
  • an electronic device e.g., voice assistant server 120 of FIG. 1, electronic device 1100 of FIG. 11, server 1408 of FIG. 14, or intelligent server 1600 of FIG. 15
  • a voice input corresponding to the first user utterance e.g., “Raise the air conditioner temperature”
  • an external device e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17. You can.
  • the electronic device can recognize the session (session Id), execution device (device), intent (intent), timestamp, and location related to the first user's utterance.
  • the electronic device may recognize session 1, air conditioner, temperature-increase, 1657099624, and 37.258 and 127.059, respectively.
  • the timestamp may indicate the time of the user's utterance
  • the location may indicate the location where the user's utterance was received (eg, the location of the receiving device that received the user's utterance).
  • Execution device may represent a specific execution device itself, or may represent a type of execution device.
  • the timestamp may contain a unix timestamp value.
  • the Unix timestamp value is a method of tracking time in total seconds, and may be a value representing the time starting from 00:00 on January 1, 1970, universal time coordinated (UTC).
  • Unix timestamp values are measured by substantially the same standard everywhere, so they can have time values that do not change depending on location. Locations may include latitude and longitude values.
  • the electronic device may determine a voice command based on information related to the user's utterance recognized by analyzing the voice input. The electronic device may attempt to update the voice command determined by analyzing the voice input based on the previously stored context information 290. For example, the electronic device may attempt to update at least some of the information related to the first user's utterance based on the pre-stored context information 290.
  • the electronic device may check context information 290 related to previous user utterance history.
  • the context information 290 may include the history of previous user utterances (e.g., session information (session Id) 291, execution device information (device Id) 293, and intent information related to previous user utterances. (295), timestamp information (timestamp) (297), and/or location information (geo) (299)).
  • the electronic device may determine whether there is a previous user utterance history in the context information 290. Since FIG. 2 shows a case where there is no previous user utterance history in the context information 290, the electronic device can recognize that there is no previous user utterance belonging to the same session in the context information 290.
  • the electronic device may perform operation 205 when there is no previous user utterance history in the context information 290.
  • the case where the context information 290 contains a previous user utterance history will be described in detail below in FIG. 4 .
  • the electronic device may determine a final voice command. For example, the electronic device may not update the voice command it determines based on the initial voice input. For example, the electronic device may maintain session information (session 1), execution device (air conditioner), and intent (temrature-increase) information related to the first user utterance recognized by 201.
  • session information session 1
  • execution device air conditioner
  • intent template-increase
  • the electronic device may transmit a voice command determined based on information related to the first user's utterance to an IoT server (e.g., voice intent handler (VIH)) (e.g., IoT server 130 in FIG. 1). .
  • Voice commands may include session, execution device, and/or intent information.
  • the IoT server may control at least one IoT device based on a voice command received from the electronic device.
  • an IoT server can control an execution device (e.g., an air conditioner) to execute an action (e.g., increase temperature) corresponding to an intent (temperature-increase).
  • At least some of the operations of FIG. 2 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 3 to 9, 12, or 13
  • the order of at least some operations may be changed.
  • FIG. 3 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • Figure 3 shows an operation of updating context information.
  • the electronic device receives context information ( 250), you can try updating.
  • the electronic device may recognize information (session, execution device, intent, timestamp, and/or location information) 391 related to a user utterance (e.g., a first user utterance).
  • the electronic device may recognize session 1, air conditioner, temperature-increase, 1657099624, 37.258, 127.059.
  • the electronic device may update context information 250 (eg, context database).
  • the electronic device may store information (i.e., user utterance history) 391 related to the user utterance recognized in operation 301 in the context information 250.
  • the electronic device may include a session identification number (e.g. 1), an execution device identification number (e.g. an air conditioner's identification number 12345678), an intent (e.g. temperature-increase), a timestamp (e.g. 1657099624), and a location. (Example: 37.258, 127.059) can be stored in the context information 250.
  • the electronic device may recognize that the update of the context information 250 has been completed (successfully) and end the update of the context information 250.
  • At least some of the operations of FIG. 3 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 2, 4 to 9, 12, or 13
  • the order of at least some operations may be changed.
  • FIG. 4 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • Figure 4 shows a case where context information includes a previous user utterance history belonging to the same session as the current user utterance.
  • context information includes a previous user utterance history belonging to the same session as the current user utterance.
  • an electronic device corresponds to the current first user utterance (e.g., “Turn on the air conditioner and air purifier”) from the first external device (e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17).
  • Voice input can be received.
  • the electronic device may recognize the session (session Id), execution device (device), and intent (intent) related to the first user's utterance based on the voice input.
  • the electronic device may recognize session 1, air conditioner, and purify-on respectively.
  • the electronic device may analyze voice input and determine a voice command based on the recognized information.
  • the electronic device may attempt to update the voice command determined by analyzing the voice input based on the previously stored context information 450.
  • the electronic device may determine whether there is a previous user utterance history (eg, a second user utterance history 491) belonging to the same session as the first user utterance in the context information 450.
  • Context information 450 may include previous user utterance history (e.g., session information 451, execution device information 453, and intent 455 related to previous user utterance).
  • context information 450 may include a history 491 of previous second user utterances.
  • the second user speech history 491 may be the second user speech history 491 belonging to the same session as the session (session 1) of the current first user speech.
  • the electronic device may perform operation 403 when there is a previous user utterance history belonging to the same session as the first user utterance.
  • the electronic device may search for an external device (eg, IoT device) corresponding to the execution device and intent information obtained by analyzing the voice input.
  • search results may include device identification information and intent information.
  • the electronic device may search for external devices corresponding to air conditioners and purify-on.
  • the electronic device may contain information related to a second external device (e.g., home air conditioner) (DeviceId: 12345678, intent: purify-on) and information related to a third external device (e.g., living room air conditioner) (DeviceId: 11111111, Search results containing intent: purify-on) can be recognized.
  • a second external device e.g., home air conditioner
  • a third external device e.g., living room air conditioner
  • the electronic device may include an identification number 12345678 of a second external device (e.g., a master bedroom air conditioner) capable of executing an operation corresponding to the intent (purify-on), and an identification of a third external device (e.g., a living room air conditioner).
  • the number 11111111 can be recognized.
  • the electronic device determines the similarity between the intent of the first user utterance and the intent of the function supported by the external device and searches for a device that is not the same as the intent of the user utterance but has a similar intent. You can.
  • the electronic device may perform the same or similar function even if the intent of the external device is not the same as 'purify-on'. If you have an intent (e.g. mode-setValue-purify), you can obtain information about the external device as a search result.
  • an intent e.g. mode-setValue-purify
  • the electronic device may determine whether execution device information included in the context information 450 exists in the search result in operation 403. For example, the electronic device may determine whether execution device information included in the history of the second user's utterance exists in the search result. For example, the electronic device performs operation 405 when the execution device information included in the context information 450 does not exist in the search results, and the electronic device performs operation 405 when the execution device information included in the context information 450 does not exist in the search results. If present, operation 406 can be performed.
  • the electronic device may not update information related to the first user utterance in response to recognizing that information for updating information related to the first user utterance is not retrieved.
  • the electronic device may update information related to the first user's utterance based on the context information 450.
  • the electronic device may provide information on a specific external device (e.g., : Information of a third external device) can be selected.
  • the electronic device may determine a voice command based on information related to the updated first user utterance.
  • the electronic device may determine the execution device (Device Id) associated with the first user utterance for determining the voice command as 12345678, which is execution device information included in the context information 450.
  • the electronic device may determine that the intention of the first user's utterance corresponds to “Turn on the air conditioner in the home room,” based on the context information 450.
  • the electronic device may determine a voice command based on the determined execution device information (e.g., 12345678) and intent (e.g., purify-on) and transmit the voice command to the IoT server.
  • At least some of the operations of FIG. 4 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 2 to 3, 5 to 9, 12, or 13
  • the order of at least some operations may be changed.
  • the electronic device determines a voice command based on the context information 450. By updating information related to the utterance, a voice command corresponding to the current user utterance can be determined without requesting additional user utterance. Accordingly, the electronic device can determine an execution device that matches the user's intention and control the execution device to execute an operation corresponding to the user's intention without additional user utterance.
  • FIG. 5 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • Figure 5 shows a case where the context information contains a previous user utterance history belonging to the same session as the current user utterance, but is not a user utterance history for a device that matches the device search result.
  • content that overlaps with the description of FIGS. 2 to 4 will be briefly described or omitted.
  • an electronic device receives a voice input corresponding to the first user utterance (e.g., “Turn on the air purifier”) from a first external device (e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17). You can receive it.
  • the electronic device may recognize the session (session Id), execution device (device), and intent (intent) related to the first user's utterance based on the voice input. For example, the electronic device may recognize session 1, air purifier, and purify-on, respectively.
  • the electronic device may analyze voice input and determine a voice command based on the recognized information.
  • the electronic device may attempt to update the voice command determined by analyzing the voice input based on the previously stored context information 550.
  • Context information 550 may include previous user utterance history (e.g., session information 551, execution device information 553, and intent 555 related to previous user utterance).
  • context information 550 may include a second user speech history 591 and a third user speech history 592 before the first user speech.
  • the second user speech history 591 and the third user speech history 592 may be the history of user speech belonging to the same session as the first user speech.
  • the electronic device may perform operation 503 when there is a previous user utterance history belonging to the same session as the current first user utterance.
  • the electronic device may search for an external device (eg, IoT device) corresponding to the execution device and intent information obtained by analyzing the voice input.
  • the search result may include identification information and intent information of the external device.
  • the electronic device may search for external devices corresponding to an air purifier and purify-on.
  • the electronic device may generate search results (DeviceId: 22222222, intent: purify-on) and information related to a third external device (DeviceId: 33333333, intent: purify-on). search result) can be recognized.
  • the electronic device may include an identification number 22222222 of a second external device (a first air purifier) capable of executing an operation corresponding to an intent (purify-on), and an identification of a third external device (a second air purifier).
  • the number 33333333 can be recognized.
  • the electronic device may determine whether execution device information included in the context information 550 exists in the search result in operation 503. For example, the electronic device performs operation 505 when the execution device information included in the context information 550 does not exist in the search results, and the electronic device performs operation 505 when the execution device information included in the context information 550 does not exist in the search results. If present, operation 506 can be performed.
  • the electronic device may not update information related to the first user utterance in response to recognizing that information for updating information related to the first user utterance is not retrieved.
  • the electronic device may maintain search results recognized in operation 503 (e.g., SessionId: 1, DeviceId: 22222222, 33333333, intent: purify-on).
  • the electronic device e.g., execution module
  • the search result may include information about a second external device (e.g., home air purifier) corresponding to DeviceId: 22222222 and a third external device (e.g., living room air purifier) corresponding to DeviceId: 33333333.
  • the electronic device sends a natural language message to the user to confirm which execution device the user intends to use among the second external device and the third external device (e.g., “There are two air purifiers. Which one is the master bedroom air purifier or the living room air purifier?”) Shall we run it on the device?”) and control the natural language message to be output through the first external device.
  • the electronic device may specify an external device that matches the user's intent among the second and third external devices based on voice input corresponding to an additional user utterance obtained in response to a natural language message. For example, when a second external device is specified as an execution device, the electronic device determines a voice command based on the information and intent of the specific execution device, and sends the determined voice command to the IoT server (e.g., the IoT server in FIG. 1). 130)).
  • the IoT server e.g., the IoT server in FIG. 1). 130
  • the electronic device may update information related to the first user's utterance based on the context information 550.
  • operation 506 may correspond to operation 406 in FIG. 4.
  • At least some of the operations of FIG. 5 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 2 to 4, 6 to 9, 12, or 13
  • the order of at least some operations may be changed.
  • the electronic device first recognizes the user. Voice commands generated based on information related to utterances (e.g., information recognized from 501 actions) are not transmitted to the IoT server, but rather prompt additional user utterances and update information based on additional user utterances (e.g., execution device). You can create voice commands based on specific information (specific information) and transmit voice commands to the IoT server.
  • the IoT server e.g., voice intent handler
  • the IoT server can control the execution device based on the received voice command without separately performing an operation to search and/or specify the execution device corresponding to the voice command.
  • an execution device that first meets the user's intention in the electronic device and intents can be specified to improve the performance and efficiency of the voice assistant service.
  • FIG. 6 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • Figure 6 shows a case where the context information includes a previous user utterance history belonging to the same session as the current user utterance, and the execution device information and intent corresponding to the search result are included in the last user utterance history.
  • the context information includes a previous user utterance history belonging to the same session as the current user utterance
  • the execution device information and intent corresponding to the search result are included in the last user utterance history.
  • an electronic device e.g., voice assistant server 120 of FIG. 1, electronic device 1100 of FIG. 11, server 1408 of FIG. 14, or intelligent server 1600 of FIG. 15
  • receives a voice input corresponding to the first user utterance e.g., “Turn on the air conditioner”
  • the first external device e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17.
  • the electronic device may recognize the session (session Id), execution device (device), and intent (intent) related to the first user's utterance based on the voice input.
  • the electronic device can recognize session 1, air conditioner, and deviceState-increase, respectively.
  • the electronic device may analyze voice input and determine a voice command based on the recognized information.
  • the electronic device may attempt to update the voice command determined by analyzing the voice input based on the previously stored context information 650. For example, the electronic device may attempt to update at least some of the information related to the first user's utterance recognized based on the voice input.
  • the electronic device may determine whether there is a previous user utterance history belonging to the same session as the current first user utterance in the context information 650.
  • Context information 650 may include previous user utterance history (e.g., session information 651, execution device information 653, and intent 655 related to previous user utterance).
  • the context information 650 may include a second user speech history 691, a third user speech history 692, and a fourth user speech history 693 before the first user speech.
  • the second to fourth user speech histories may be the history of user speech belonging to the same session as the first user speech.
  • the electronic device may perform operation 603 when there is a previous user utterance history belonging to the same session as the current first user utterance.
  • the electronic device may search for an external device (eg, IoT device) corresponding to the execution device and intent information obtained by analyzing the voice input.
  • the search result may include identification information and intent information of the external device.
  • the electronic device can search for external devices that correspond to air conditioners and deviceState-increase.
  • the electronic device may include first information (e.g., DeviceId: 12345678, intent: temperature-increase) related to a second external device (e.g., home air conditioner) and second information (e.g., DeviceId: Search results containing 12345678, intent: windStrength-increase) can be recognized.
  • temperature-increase may be an intent that represents an action to increase the temperature
  • windStrength-increase may be an intent that represents an action to increase the wind strength.
  • the electronic device may recognize intents (temperature-increase and windStrength-increase) corresponding to the intent (deviceState-increase) of the current first user utterance with respect to the second external device.
  • the electronic device is an execution device associated with the user speech history (e.g., the fourth user speech history 693) last stored (i.e., most recently uttered) in the context information 650 in the search result in operation 603. You can determine whether information and intent exist.
  • the electronic device performs operation 607 when there is execution device information and an intent corresponding to the last user utterance history of the context information 650 in the search results, and executes operation 607 and displays an intent corresponding to the last user utterance history of the context information 650 in the search results. If there is no execution device information and intent, operation 605 can be performed.
  • Figure 6 shows a case where the context information 650 includes a previous user utterance history belonging to the same session as the current user utterance, and the execution device information and intent corresponding to the search result are included in the last user utterance history. (corresponds to 604 Action-Yes).
  • the electronic device may determine whether execution device information included in the context information 650 exists in the search result in operation 603.
  • operation 605 may correspond to operation 504 of FIG. 5.
  • the electronic device may not update information related to the user utterance in response to recognizing that information for updating information related to the user utterance is not retrieved.
  • operation 606 may correspond to operation 505 of FIG. 5.
  • the electronic device selects the user utterance history (e.g., fourth user utterance history 693) last stored (i.e., most recently uttered) in the context information 650 as information for updating information related to the first user utterance. You can select execution device information and intents related to )).
  • the user utterance history e.g., fourth user utterance history 693
  • the context information 650 i.e., most recently uttered
  • the electronic device may update information related to the user's utterance based on the context information 650. For example, the electronic device may update information related to the first user's utterance based on execution device information and/or intent included in the fourth user's utterance history 693. For example, the electronic device updates the intent associated with the first user utterance with windStrength-increase, and/or executes device information associated with the first user utterance with identification information of a second external device (e.g., a home air conditioner). You can update with 12345678.
  • a second external device e.g., a home air conditioner
  • the electronic device may determine that the intention of the first user's utterance corresponds to “Turn up the air conditioner in the home room,” based on the context information 650.
  • the air conditioner electronic device may generate a voice command based on information related to the updated first user utterance and transmit the voice command to an IoT server (eg, IoT server 130 in FIG. 1).
  • At least some of the operations of FIG. 6 are omitted.
  • at least one other operation e.g., at least some of the operations of FIGS. 2 to 5, 7 to 9, 12, or 13
  • the order of at least some operations may be changed.
  • the electronic device updates at least one of the information (e.g., execution device information and/or intent) related to the unclear current user utterance based on context information 650 related to the previous user utterance history. And based on this, voice commands can be created.
  • the information e.g., execution device information and/or intent
  • FIG. 7 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • Figure 7 shows a case where the context information includes a previous user utterance history belonging to the same session as the current user utterance, and the execution device information and intent corresponding to the search result are not included in the last user utterance history.
  • the context information includes a previous user utterance history belonging to the same session as the current user utterance
  • the execution device information and intent corresponding to the search result are not included in the last user utterance history.
  • an electronic device e.g., voice assistant server 120 of FIG. 1, electronic device 1100 of FIG. 11, server 1408 of FIG. 14, or intelligent server 1600 of FIG. 15
  • receives a voice input corresponding to the first user utterance e.g., “Turn on the air conditioner”
  • the first external device e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17.
  • the electronic device may recognize the session (session Id), execution device (device), and intent (intent) related to the first user's utterance based on the voice input.
  • the electronic device can recognize session 1, air conditioner, and deviceState-increase, respectively.
  • the electronic device may attempt to update at least some of the information related to the first user's utterance recognized based on the voice input.
  • Context information 750 may include previous user utterance history (e.g., session information 751, execution device information 753, and intent 755 related to previous user utterance).
  • context information 750 may include a second user speech history 791 and a third user speech history 792 before the first user speech.
  • the second user speech history 791 and the third user speech history 792 may be the history of user speech belonging to the same session as the first user speech.
  • the electronic device may perform operation 703 when there is a previous user utterance history belonging to the same session as the current first user utterance.
  • the electronic device may search for an external device (eg, IoT device) corresponding to the execution device and intent information obtained by analyzing the voice input.
  • the search result may include identification information and intent information of the external device.
  • the electronic device can search for external devices that correspond to air conditioners and deviceState-increase.
  • the electronic device may include first information (e.g., DeviceId: 12345678, intent: temperature-increase) related to a second external device (e.g., home air conditioner) and second information (e.g., DeviceId: Search results containing 12345678, intent: windStrength-increase) can be recognized.
  • the electronic device may recognize intents (temperature-increase and windStrength-increase) corresponding to the intent (deviceState-increase) of the current first user utterance with respect to the second external device.
  • the electronic device includes an execution device associated with the user speech history (e.g., third user speech history 792) last stored (i.e., most recently uttered) in context information 750 in the search result in operation 703. You can determine whether information and intent exist.
  • the electronic device performs operation 707 when there is execution device information and an intent corresponding to the last user utterance history of the context information 750 in the search results, and a search result includes the last user utterance history of the context information 750. If there is no execution device information and intent, operation 705 can be performed.
  • the electronic device may determine whether execution device information included in the context information 750 exists in the search result in operation 703.
  • the electronic device may recognize that the second user speech history 791 and the third user speech history 792 included in the context information 750 are the same as the execution device information (e.g., deviceId) included in the search result.
  • operation 705 may correspond to operation 605.
  • the electronic device may not update information related to the user utterance in response to recognizing that information to update information related to the user utterance is not retrieved.
  • operation 706 may correspond to operation 606.
  • the electronic device selects the user utterance history (e.g., third user utterance history 792) last stored (i.e., most recently uttered) in the context information 750 as information for updating information related to the first user utterance. You can select execution device information and intents related to )).
  • operation 707 may correspond to operation 607.
  • the electronic device may update information related to the user's utterance based on the context information 750.
  • the context information 750 includes previous user utterance history (second user utterance history 791 and third user utterance history 792) belonging to the same session as the current first user utterance.
  • the execution device information and intent corresponding to the search result may not be included in the last user utterance history (corresponding to operation 704 - No and operation 705 - Yes).
  • the electronic device may update at least some of the information related to the first user's utterance.
  • the electronic device updates the execution device information (e.g., air conditioner) with the information of the execution device (e.g., 12345678) included in the context information 750, and the intent related to the first user utterance is the two retrieved intents.
  • the execution device information e.g., air conditioner
  • the information of the execution device e.g., 12345678 included in the context information 750
  • the intent related to the first user utterance is the two retrieved intents.
  • the electronic device may generate a voice command based on information related to the updated first user utterance.
  • the electronic device if the generated voice command is incomplete (for example, if the intent is not specified), the electronic device does not directly transmit the voice command to the IoT server, but sends a natural language message urging additional user utterance.
  • a natural language message can be generated and transmitted to a first external device to be output to the user. For example, if the voice command includes a first intent corresponding to an increase in temperature (temperature-increase) and a second intent corresponding to an increase in wind strength (windStrength-increase), the electronic device may send the first intent to the user. You can create a natural language message urging the user to select between the tent and the second intent (e.g., “Which should I increase the temperature or wind speed?”), and control the natural language message to be output through the first external device. there is.
  • a natural language message urging the user to select between the tent and the second intent (e.g., “Which should I increase the temperature or wind speed?”
  • the electronic device may specify the intent intended by the user among the first intent and the second intent based on voice input corresponding to an additional user utterance (e.g., “temperature”) obtained in response to the natural language message. .
  • the electronic device may update the voice command based on the specific intent and transmit the updated voice command to the IoT server. For example, if the first user utterance was “Turn up the air conditioner,” the electronic device determines the intent of the first user utterance to “Raise the air conditioner temperature” based on the context information 750 and additional user utterances (e.g., “temperature”). It is determined that it corresponds, and a corresponding voice command can be generated.
  • At least some of the operations of FIG. 7 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 2 to 6, 8 to 9, 12, or 13
  • the order of at least some operations may be changed.
  • the electronic device may update information related to the user's utterance for generating a voice command based on the context information 750. Additionally, the electronic device may prompt additional user utterances and update the voice command before transmitting the incomplete voice command to the IoT device if the voice command is incomplete (e.g., does not accurately specify the executing device and/or intent). You can.
  • FIG. 8 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • Figure 8 shows a case where context information includes a user utterance history that belongs to a different session from the current user utterance and is within a first designated time from the current user utterance.
  • context information includes a user utterance history that belongs to a different session from the current user utterance and is within a first designated time from the current user utterance.
  • an electronic device e.g., voice assistant server 120 of FIG. 1, electronic device 1100 of FIG. 11, server 1408 of FIG. 14, or intelligent server 1600 of FIG. 15
  • receives a voice input corresponding to the first user utterance e.g., “Turn on the air conditioner”
  • the first external device e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17.
  • the electronic device may recognize the session (session Id), execution device (device), intent, timestamp, and location (geo) related to the first user's utterance.
  • the electronic device can recognize session 2, air conditioner, deviceState-increase, 1657099864, (37.258, 127.058), respectively.
  • the electronic device may analyze voice input and determine a voice command based on the recognized information.
  • the electronic device may attempt to update the voice command determined by analyzing the voice input based on the previously stored context information 850. For example, the electronic device may attempt to update at least some of the information related to the first user's utterance recognized based on the voice input.
  • the electronic device may determine whether there is a previous user utterance history belonging to the same session as the current first user utterance in the context information 850.
  • Context information 850 may include previous user utterance history (e.g., session information 851, execution device information 853, intent 855, timestamp 857, and location information 859 related to previous user utterances). )) may be included.
  • context information 850 may not include a user utterance history belonging to the same session as the first user utterance.
  • the electronic device may perform operation 804 if there is a previous user utterance history belonging to the same session as the first user utterance, and may perform operation 803 if there is no previous user utterance history belonging to the same session.
  • the electronic device may determine whether the timestamp of the user utterance history included in the context information 850 is within a specified first time (eg, 3 minutes) of the timestamp of the first user utterance.
  • a specified first time eg, 3 minutes
  • the timestamp of the first user's utterance is 1657099864 (KST (Korea Standard Time) 9:31:04)
  • the timestamp of the second user's utterance history 891 is 1657099624 (KST 9:27:04).
  • the timestamp of the third user speech history 892 is 1657099713 (KST 9:28:33)
  • the timestamp of the fourth user speech history 893 is 1657099728 (KST 9:28:48).
  • the context information 850 includes the second user speech history 891, the third user speech history 892, and the fourth user speech history 893, and the timestamp of the third user speech history 892
  • the timestamp of the fourth user utterance history 893 may be within the first designated time period and the timestamp of the first user utterance.
  • the electronic device performs operation 804 if the timestamp of the user utterance history included in the context information 850 is within the timestamp of the first user utterance and the specified first time, and performs operation 807 if it is not within the first time. can do.
  • the electronic device may search for an external device (eg, IoT device) corresponding to the execution device and intent information obtained by analyzing the voice input.
  • the search result may include identification information and intent information of the external device.
  • the electronic device can search for external devices that correspond to air conditioners and deviceState-increase.
  • the electronic device may include first information (e.g., DeviceId: 12345678, intent: temperature-increase) related to a second external device (e.g., home air conditioner) and second information (e.g., DeviceId: Search results containing 12345678, intent: windStrength-increase) can be recognized.
  • temperature-increase may be an intent that represents an action to increase the temperature
  • windStrength-increase may be an intent that represents an action to increase the wind strength.
  • the electronic device may recognize intents (temperature-increase and windStrength-increase) corresponding to the intent (deviceState-increase) of the current first user utterance with respect to the second external device.
  • operation 804 may correspond to operation 603 in FIG. 6 or operation 703 in FIG. 7.
  • the electronic device includes an execution device associated with the user speech history (e.g., fourth user speech history 893) last stored (i.e., most recently uttered) in the context information 850 in the search result in operation 804. You can determine whether information and intent exist.
  • the electronic device performs operation 808 when there is execution device information and an intent corresponding to the last user utterance history of the context information 850 in the search results, and provides information corresponding to the last user utterance history of the context information 850 in the search results. If there is no execution device information and intent, operation 806 can be performed.
  • operation 805 may correspond to operation 604 in FIG. 6 or operation 704 in FIG. 7.
  • the electronic device may determine whether execution device information included in the context information 850 exists in the search result in operation 804.
  • the context information 850 compared to the search results in operation 806 (and/or operation 805) may include a third user utterance history ( 892) and the fourth user speech history 893.
  • the electronic device may update information related to the first user utterance without using the second user utterance history 891 having a timestamp outside the first specified time from the timestamp of the first user utterance.
  • operation 806 may correspond to operation 605 in FIG. 6 or operation 705 in FIG. 7.
  • operation 807 the electronic device may not update information related to the user utterance in response to recognizing that information for updating information related to the user utterance is not retrieved.
  • operation 807 may correspond to operation 606 in FIG. 6 or operation 706 in FIG. 7.
  • the electronic device selects the user utterance history (e.g., fourth user utterance history 893) last stored (i.e., most recently uttered) in the context information 850 as information for updating information related to the first user utterance. You can select execution device information and intents related to )).
  • operation 808 may correspond to operation 607 in FIG. 6 or operation 707 in FIG. 7.
  • the electronic device may update at least some of the information related to the user's utterance based on the context information 850. For example, the electronic device may update information related to the first user's utterance based on execution device information and/or intent included in the fourth user's utterance history 893. For example, the electronic device updates the intent associated with the first user utterance with windStrength-increase, and/or executes device information associated with the first user utterance with identification information of a second external device (e.g., a home air conditioner). You can update with 12345678.
  • a second external device e.g., a home air conditioner
  • the electronic device determines that the intention of the first user’s utterance is “Turn on the air conditioner in the master bedroom” based on the context information 850 (e.g., the fourth user’s utterance history 893). It can be decided that it corresponds to “Put it up.”
  • the air conditioner electronic device may generate a voice command based on information related to the updated first user utterance and transmit the voice command to the IoT server. For example, operation 809 may correspond to operation 608 in FIG. 6 or operation 708 in FIG. 7.
  • At least some of the operations of FIG. 8 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 2 to 7, 9, 12, or 13
  • the order of at least some operations may be changed.
  • the electronic device stores the user utterance history in the context information 850 at the time of the current user utterance even if the previous user utterance history included in the context information 850 does not belong to the same session as the current user utterance. If the user's utterance history is within the first designated time, at least some of the information related to the current user's utterance can be updated based on this, and a voice command to be transmitted to the IoT server can be generated based on the updated information.
  • FIG. 9 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 9 shows a case where the context information includes a user utterance history that belongs to a session different from the current user utterance and is uttered within a specified distance from the current user utterance location within a second designated time from the current user utterance point.
  • the context information includes a user utterance history that belongs to a session different from the current user utterance and is uttered within a specified distance from the current user utterance location within a second designated time from the current user utterance point.
  • an electronic device e.g., voice assistant server 120 of FIG. 1, electronic device 1100 of FIG. 11, server 1408 of FIG. 14, or intelligent server 1600 of FIG. 15
  • receives a voice input corresponding to the first user utterance e.g., “Turn on the air conditioner”
  • the first external device e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17.
  • the electronic device may recognize the session (session Id), execution device (device), intent, timestamp, and location (geo) related to the first user's utterance.
  • the electronic device can recognize session 2, air conditioner, deviceState-increase, 1657100204, (37.258, 127.056), respectively.
  • the electronic device may analyze voice input and determine a voice command based on the recognized information.
  • the electronic device may attempt to update the voice command determined by analyzing the voice input based on the previously stored context information 950.
  • the electronic device may attempt to update at least some of the information related to the first user's utterance recognized based on the voice input.
  • the electronic device may determine whether there is a previous user utterance history belonging to the same session as the current first user utterance in the context information 950. For example, the electronic device may determine whether the same session ID as the current first user utterance exists in the context information 950.
  • Context information 950 may include previous user utterance history (e.g., session information (e.g., session ID) 951, execution device information 953, intent 955, timestamp 957 related to previous user utterances. , and location information 959).
  • context information 950 may not include a user utterance history belonging to the same session as the first user utterance.
  • the electronic device may perform operation 905 if there is a previous user utterance history belonging to the same session as the first user utterance, and may perform operation 903 if there is no previous user utterance history belonging to the same session.
  • the electronic device may determine whether the timestamp of the user's utterance history included in the context information 950 is within the timestamp of the first user's utterance and a specified first time (T1) (eg, 3 minutes). For example, the electronic device may determine whether the time difference between the timestamp of the user's utterance history included in the context information 950 and the timestamp of the first user's utterance is within a specified first time (T1).
  • T1 eg, 3 minutes
  • the timestamp of the first user's utterance is 1657100204 (KST 9:36:44)
  • the timestamp of the second user's utterance history 991 is 1657099624 (KST 9:27:04)
  • the timestamp of the third user's utterance is 1657100204 (KST 9:36:44).
  • the timestamp of the user speech history 992 is 1657099713 (KST 9:28:33)
  • the timestamp of the fourth user speech history 993 is 1657099728 (KST 9:28:48).
  • the context information 950 includes the second user speech history 991, the third user speech history 992, and the fourth user speech history 993, but the timestamp of the second user speech history 991 .
  • the timestamp of the third user's speech history 992 and the timestamp of the fourth user's speech history 993 are not within the timestamp of the first user's speech and the designated first time (T1).
  • the electronic device performs operation 905 when the timestamp of the user utterance history included in the context information 950 is within the timestamp of the first user utterance and the specified first time (T1), and the time stamp is within the first time (T1).
  • operation 904 can be performed.
  • operation 903 may correspond to operation 803 in FIG. 8.
  • the electronic device determines that the timestamp of the user utterance history included in the context information 950 is within the timestamp of the first user utterance and a specified second time T2 (e.g., 10 minutes), and the time stamp of the user utterance history is It may be determined whether the location (geo) is within a specified distance (D) (e.g., 100 m) from the location of the first user's utterance.
  • D e.g. 100 m
  • the location of the user's utterance history may indicate latitude and longitude (e.g., (latitude, longitude)) indicating the location where the user's utterance occurred. Referring to FIG.
  • the timestamp of the second user utterance history 991, the timestamp of the third user utterance history 992, and the timestamp of the fourth user utterance history 993 are the timestamp of the first user utterance. It is assumed that it is within the specified first time (T1).
  • the location of the second user utterance history 991 is (37.258, 127.059), which deviates from a specified distance (e.g., 100 m) from the location of the first user utterance (37.258, 127.056), and the third user utterance history 992
  • the location of is (37.258, 127.057), which is within a specified distance (D) (e.g.
  • the electronic device may determine that the timestamp of the user utterance history included in the context information 950 is within the timestamp of the first user utterance and the specified second time (T2), and the location of the user utterance history is the time stamp of the first user utterance.
  • operation 905 is performed, and the timestamp of the user utterance history included in the context information 950 is not within the timestamp of the first user utterance and the specified second time (T2).
  • operation 908 may be performed.
  • the electronic device may search for an external device (eg, IoT device) corresponding to the execution device and intent information obtained by analyzing the voice input.
  • the search result may include identification information and intent information of the external device.
  • the electronic device can search for external devices that correspond to air conditioners and deviceState-increase.
  • the electronic device may include first information (e.g., DeviceId: 12345678, intent: temperature-increase) related to a second external device (e.g., stand-up air conditioner) and second information (e.g., DeviceId) related to the second external device. : 12345678, intent: windStrength-increase) can be recognized.
  • temperature-increase may be an intent that represents an action to increase the temperature
  • windStrength-increase may be an intent that represents an action to increase the wind strength.
  • the electronic device may recognize intents (temperature-increase and windStrength-increase) corresponding to the intent (deviceState-increase) of the current first user utterance with respect to the second external device.
  • operation 905 may correspond to operation 603 in FIG. 6, operation 703 in FIG. 7, or operation 804 in FIG. 8.
  • the electronic device includes an execution device associated with the user speech history (e.g., fourth user speech history 993) last stored (i.e., most recently uttered) in the context information 950 in the search result in operation 905. You can determine whether information and intent exist.
  • the electronic device performs operation 909 when there is execution device information and an intent corresponding to the last user utterance history of the context information 950 in the search results, and executes operation 909 and displays an intent corresponding to the last user utterance history of the context information 950 in the search results. If there is no execution device information and intent, operation 907 can be performed.
  • operation 906 may correspond to operation 604 in FIG. 6, operation 704 in FIG. 7, or operation 805 in FIG. 8.
  • the electronic device may determine whether execution device information included in the context information 950 exists in the search result in operation 905.
  • the context information 950 compared to the search results in operations 907 and/or 906 has a timestamp within a specified second time (T2) from the timestamp of the first user utterance, and It may be a third user speech history 992 and a fourth user speech history 993 that have location information within a designated distance (D) from the location.
  • the electronic device updates information related to a first user utterance, a second user utterance history 991 having a timestamp outside a specified second time (T2) from the timestamp of the first user utterance (and, User utterance history) uttered at a location that deviates from a designated distance (D) from the location of the first user utterance may not be used.
  • operation 907 may correspond to operation 605 in FIG. 6, operation 705 in FIG. 7, or operation 806 in FIG. 8.
  • operation 908 the electronic device may not update information related to the user utterance in response to recognizing that information to update information related to the user utterance is not retrieved.
  • operation 908 may correspond to operation 606 in FIG. 6, operation 706 in FIG. 7, or operation 807 in FIG. 8.
  • operation 909 the electronic device selects the user utterance history (e.g., fourth user utterance history 993) last stored (i.e., most recently uttered) in the context information 950 as information for updating information related to the first user utterance. You can select execution device information and intents related to )).
  • operation 909 may correspond to operation 607 in FIG. 6, operation 707 in FIG. 7, or operation 808 in FIG. 8.
  • the electronic device may update at least some of the information related to the user's utterance based on the context information 950. For example, the electronic device may update information related to the first user's utterance based on execution device information and/or intent included in the fourth user's utterance history 993. For example, the electronic device updates the intent associated with the first user utterance with windStrength-increase, and/or combines execution device information associated with the first user utterance with identification information of a second external device (e.g., stand-up air conditioner). You can update with 12345678.
  • a second external device e.g., stand-up air conditioner
  • the electronic device determines that the intention of the first user's utterance is “Wind of the stand-up air conditioner” based on the context information 950 (e.g., the fourth user's utterance history 993). It can be decided that it corresponds to “Raise the intensity.”
  • the air conditioner electronic device may generate a voice command based on information related to the updated first user utterance and transmit the voice command to the IoT server. For example, operation 910 may correspond to operation 608 in FIG. 6, operation 708 in FIG. 7, or operation 809 in FIG. 8.
  • At least some of the operations of FIG. 9 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 2 to 8, 12, or 13
  • the order of at least some operations may be changed.
  • the electronic device stores the user utterance history in the context information 950 at the time of the current user utterance even if the previous user utterance history included in the context information 950 does not belong to the same session as the current user utterance. If the user utterance history is within a second specified time and within a specified distance from the first user utterance location, at least some of the information related to the current user utterance is updated based on this, and IoT based on the updated information You can create voice commands to send to the server.
  • FIG. 10 is a diagram for explaining the operation of an electronic device according to an embodiment.
  • FIG. 10 shows a first device 1010 (e.g., the electronic device 1401 of FIG. 14 or the user terminal 1501 of FIGS. 15 to 17), a second device 1020, and a third device 1030.
  • a voice assistant service is provided in a multi-device environment (MDE 1000) including the fourth device 1040, the fifth device 1050, and the sixth device 1060.
  • MDE 1000 is not limited to what is shown in FIG. 10.
  • devices included in MDE 1000 may constitute at least a portion of a voice assistant system.
  • FIG. 10 shows a multi-device environment
  • the voice assistant system includes a voice assistant server (e.g., the voice assistant server 120 in FIG. 1, the electronic device 1100 in FIG. 11, the server 1408 in FIG. 14, or the intelligent
  • the server 1600 may further include an external device (eg, the electronic device 1401 of FIG. 14 or the user terminal 1501 of FIGS. 15 to 17).
  • the first device 1010, the second device 1020, and the third device 1030 are devices supporting a voice assistant function (e.g., in response to receiving a user utterance from a user) The description will be made assuming that it is a device capable of activating a voice assistant service, but it is not limited to this.
  • the first device 1010 e.g., a mobile terminal
  • the second device 1020 to the fifth device 1050 are all of the same or different types that are fixed at a designated location. This will be explained assuming that it is an IoT device.
  • an IoT device includes two types of air conditioners (e.g., a stand-up air conditioner and a wall-mounted air conditioner), and a user uses the first device in a first place (e.g., living room) at a first time (e.g., 12 noon). Assume that the first user inputs the utterance “Raise the air conditioner temperature” at (1010). In response to incomplete (or ambiguous) user utterances, the voice assistant system may output a message urging additional user utterances, such as “I have two air conditioners.” For example, the electronic device may recognize device information, intent, and/or parameter information corresponding to the first user utterance.
  • a first place e.g., living room
  • a first time e.g., 12 noon
  • the voice assistant system may output a message urging additional user utterances, such as “I have two air conditioners.”
  • the electronic device may recognize device information, intent, and/or parameter information corresponding to the first user utterance.
  • the electronic device may recognize the first user utterance as an incomplete (or ambiguous) user utterance.
  • the voice assistant system determines the temperature of the stand-up air conditioner. can be raised, and a natural language response (“I will raise the temperature of the stand-up air conditioner”) indicating the action to be performed can be output.
  • a user inputs an ambiguous (incomplete) new user utterance (eg, a third user utterance) in the same session after the previous user utterance.
  • an ambiguous (incomplete) new user utterance eg, a third user utterance
  • the voice assistant system may generate information related to previous user utterances in the same session based on context information related to the previously input user utterance history. You can check if this exists.
  • the voice assistant system can lower the temperature of the stand-up air conditioner based on the previous user utterance history in the same session included in the context information.
  • the voice assistant system may specify a stand-up air conditioner as a device (e.g., an execution device) to execute an action corresponding to a user utterance without receiving additional user utterances based on context information related to previous user utterance history.
  • the voice assistant system e.g., the first device 1010
  • a new user utterance e.g., a fourth user utterance
  • a first place e.g., living room
  • a second time e.g., 12:01 p.m.
  • the user may input the fourth user's utterance, “Raise the wind speed,” into the second device 1020 at a first location at a second time.
  • the voice assistant system determines the user utterance history within a specified first time (e.g., 3 minutes) from the fourth user utterance in a different session. You can check if it exists. For example, when recognizing a user utterance that was within a specified first time (e.g., 3 minutes) from the time of the fourth user utterance, the voice assistant system executes the execution device (execution device) without additional user utterance based on information related to the recognized user utterance Example: Stand-type air conditioner) can be specified. For example, a voice assistant system can output a natural language response (“I will increase the fan speed of the stand-up air conditioner”) to a user intent and a specific execution device.
  • a natural language response (“I will increase the fan speed of the stand-up air conditioner”) to a user intent and a specific execution device.
  • a user inputs a new user utterance within a specified second time (eg, 10 minutes) and within a specified distance (eg, 100 m) in a different session after the previous user utterance.
  • a new user utterance e.g., 5th user utterance
  • a third time e.g., 12:05 p.m.
  • a user may input a fifth user's utterance, “Raise the wind speed,” into the third device 1030 at a first location at a third time.
  • the voice assistant system Based on the context information, if there is no previous user utterance history in the same session as the fifth user utterance and no user utterance history within the first designated time, the voice assistant system generates a second specified time (e.g., from the point of the fifth user utterance in a different session) : You can check whether there is a history of user utterance within a specified distance (e.g., 100 m) from the location of the 5th user utterance within 10 minutes. For example, when recognizing a user utterance that occurred within a specified distance within a specified second time (e.g., 10 minutes) from the time of the fifth user utterance, the voice assistant system generates an additional user utterance based on information related to the recognized user utterance.
  • a specified distance e.g. 100 m
  • a voice assistant system can output a natural language response (“I will increase the fan speed of the stand-up air conditioner”) to a user intent and a specific execution device.
  • a user inputs a new user utterance within a specified distance (eg, 100 m) after a specified second time (eg, 10 minutes) has elapsed in a different session after the previous user utterance.
  • a specified distance e.g. 100 m
  • a specified second time e.g. 10 minutes
  • a user inputs a new user utterance (e.g., 6th user utterance) into the second device 1020 in a first place (e.g., living room) at a fourth time (e.g., 12:20 p.m.)
  • the user may input the sixth user's utterance, “Raise the wind speed,” into the second device 1020 at the first location at the fourth time.
  • the sixth user utterance is a user utterance after a specified second time (eg, 10 minutes) has elapsed from the time (eg, 12:05) of the previous user utterance (eg, 5th user utterance). If the sixth user's utterance is recognized beyond a second designated time (eg, 10 minutes) from the time of the fifth user's utterance, the voice assistant system may not retrieve context information. In response to the sixth user's utterance, the voice assistant system may output a natural language message (e.g., “I have 3 devices. A stand-up air conditioner, a wall-mounted air conditioner, and an air purifier”) prompting the user to make additional user utterances.
  • a natural language message e.g., “I have 3 devices.
  • the voice assistant system specifies the user intent and execution device based at least in part on the seventh user utterance and provides them to the user. I can tell you. For example, a voice assistant system can output a natural language message such as “I will increase the wind speed of the air purifier.”
  • the voice assistant system may provide a voice assistant service based on user intent and execution device information determined based on context information.
  • the user inputs a new user utterance from a location outside a specified distance (eg, 100 m) within a second designated time (eg, 10 minutes) in a different session.
  • the user sends a new user utterance (e.g., the 8th user utterance) to the first device 1010 at a second place (e.g., in the user's car) at the fifth time (e.g., 12:07 p.m.).
  • the user may input the eighth user's utterance, “Raise the wind speed,” into the first device 1010 at the second location at the fifth time.
  • the 8th user utterance is the previous user utterance (e.g., the 5th user utterance) within a specified second time (e.g., 10 minutes) from the time (e.g., 12:05) of the previous user utterance (e.g., the 5th user utterance). It may be input to the first device 1010 at a location that is a specified distance (e.g., 100 m) away from the ignition location. For example, if the eighth utterance is recognized at a location that is a specified distance away from the location of the fifth user's utterance, the voice assistant system may not retrieve context information.
  • a specified distance e.g. 100 m
  • the voice assistant system may respond to the 8th user's utterance and output a natural language message (e.g., “I have 3 devices. A stand-up air conditioner, a wall-mounted air conditioner, and an air purifier”) urging the user to make additional user utterances. Thereafter, when the user enters an additional 9th user utterance (e.g., “air purifier”) in response to the natural language message, the voice assistant system specifies the user intent and execution device based at least in part on the 9th user utterance and provides them to the user. I can tell you. For example, a voice assistant system can output a natural language message such as “I will increase the wind speed of the air purifier.”
  • a natural language message such as “I will increase the wind speed of the air purifier.”
  • the user inputs a new user utterance from a location outside a specified distance (eg, 100 m) within a first designated time (eg, 3 minutes) in a different session.
  • a first designated time eg, 3 minutes
  • the user sends a new user utterance (e.g., the 10th user utterance) to the first device 1010 at a second place (e.g., in the user's car) at the sixth time (e.g., 12:09 p.m.).
  • the user may input the tenth user's utterance, “Let the wind blow down,” into the first device 1010 at a second place (e.g., in the user's car) at the sixth time.
  • the 10th user utterance is the previous user utterance (e.g., the 8th user utterance) within a specified first time (e.g., 3 minutes) from the time (e.g., 12:07) of the previous user utterance (e.g., the 8th user utterance). It may be input to the first device 1010 at a location that deviates from the designated distance (e.g., 100 m) from the ignition location.
  • the designated distance e.g. 100 m
  • the voice assistant system may not output a natural language message urging the user to make an additional user utterance based on the context information.
  • the voice assistant system can specify the user intent and execution device based on the recognized user utterance history and inform the user of this. For example, a voice assistant system can output a natural language message such as “I will turn down the air purifier’s wind speed.”
  • the voice assistant system may provide a voice assistant service based on user intent and execution device information determined based on context information.
  • the voice assistant system is configured to include a history of previous user utterances in the same session, history of previous user utterances input within a first specified time in a different session, and/or inputs within a first distance within a specified second time in a different session. If there is context information including the previous user utterance history, the user intent and/or execution device can be determined without additional user utterance based on the user utterance history included in the context information, and the voice assistant service can be provided based on this. You can.
  • Figure 11 is a block diagram of an electronic device according to an embodiment.
  • an electronic device 1100 may include a communication circuit 1110, a memory 1120, and a processor 1130.
  • the communication circuit 1110 may transmit and receive information and/or data with an external device.
  • the communication circuit 1110 may transmit a voice corresponding to a user utterance from a first external device (e.g., a mobile terminal) (e.g., the electronic device 1401 of FIG. 14 or the user terminal 1501 of FIGS. 15 to 17). Input can be received.
  • the communication circuit 1110 may transmit a message prompting the user to speak (or a command to prompt the user to speak) to the first external device.
  • the communication circuit 1110 may transmit a voice command generated based on information related to the user's utterance to a second external device (eg, IoT server) (eg, IoT server 130 in FIG. 1).
  • the communication circuit 1110 may transmit an execution request to the IoT server and receive an execution response from the IoT server.
  • the communication circuit 1110 may receive information about at least one IoT device managed by the IoT server from the IoT server.
  • the memory 1120 may store instructions that control the operation of the electronic device when executed by the processor 1130.
  • Memory 1120 may store information and/or data related to the operation of the electronic device.
  • memory 1120 may store context information related to user speech history.
  • Context information may include user utterance history (e.g., session information, execution device information, intent, timestamp, and/or location information related to the user utterance).
  • the processor 1130 may receive a voice input corresponding to a user's utterance from a first external device.
  • a user utterance may include a call word to activate a voice assistant system (voice assistant function).
  • a user utterance may be a follow-up utterance to an existing session, or it may be an utterance that starts a new session.
  • the processor 1130 may recognize information related to a session corresponding to a user utterance, user intent, and at least one second external device (eg, IoT device) related to an operation corresponding to the user intent from the voice input. For example, processor 1130 may store session identifying information (e.g., session ID), executing device information (e.g., device ID and/or device type), intent, timestamp, and/or user utterance associated with the user utterance. The received location (e.g., the location of the first external device) can be recognized.
  • session identifying information e.g., session ID
  • executing device information e.g., device ID and/or device type
  • intent e.g., device ID and/or device type
  • intent e.g., timestamp
  • user utterance e.g., the location of the first external device
  • the processor 1130 may update at least one of user intention and information related to at least one second external device based on context information related to a pre-stored user speech history.
  • the user utterance history may include session information for each user utterance, user intent information, execution device information, time information, and/or location information.
  • the processor 1130 may determine whether there is at least one user utterance history corresponding to the same session as the user utterance in the context information based on the recognized session information.
  • the processor 1130 may update at least one of user intention and information related to at least one second external device based on at least one user speech history corresponding to the same session as the user speech. For example, the processor 1130 recognizes a user utterance history including execution device information matching information related to at least one second external device among at least one user utterance history corresponding to the same session as the user utterance, and , Information related to at least one second external device may be updated based on execution device information included in the recognized user utterance history.
  • the processor 1130 is configured to generate at least one second external device. Information related to your device may not be updated.
  • the processor 1130 may include executing device information corresponding to information related to at least one second external device among at least one user utterance history corresponding to the same session as the user utterance and related to the user intention recognized from the user utterance.
  • User utterance history including user intent information can be recognized, and user intent related to the user utterance can be updated based on the user intent information included in the recognized user utterance history.
  • the processor 1130 may update the user intention based on the last stored user utterance history among at least one user utterance history belonging to the same session as the user utterance included in the context information.
  • the processor 1130 if there is no user utterance history belonging to the same session as the user utterance in the context information, the processor 1130 includes a time stamp belonging to a different session from the user utterance but within a specified first time from the user utterance time.
  • User utterance history can be recognized.
  • the processor 1130 may update information related to the user utterance (eg, at least one of user intention and information related to at least one second external device) based on the recognized user utterance history.
  • the processor 1130 stores a user utterance different from the user utterance.
  • a user utterance history that belongs to a session but has a timestamp within a specified second time from the user utterance point and location information within a specified distance from the user utterance location can be recognized.
  • the processor 1130 may update information related to the user utterance (e.g., at least one of user intention and information related to at least one second external device) based on the recognized user utterance history.
  • the processor 1130 records user utterance history within the recognized context information (e.g., user utterance history belonging to the same session as the user utterance, belonging to a different session than the user utterance but the timing of the user utterance (e.g., timestamp) a user utterance history with a timestamp within a first specified time from, and/or belonging to a different session than the user utterance but from the location of the user utterance with a timestamp within a second specified time from the point in time (e.g., timestamp) of the user utterance. It can be determined whether the user utterance history (with location information within a specified distance) is suitable for updating information related to the user utterance.
  • the timing of the user utterance e.g., timestamp
  • the processor 1130 corresponds to device information and/or intent related to a user utterance based on information on a second external device (e.g., IoT device) received from a third external device (e.g., IoT server). You can search for information on the device being used.
  • the processor 1130 may compare the search results and the user utterance history within the recognized context information to determine whether the user utterance history is suitable for updating information related to the user utterance.
  • the processor 1130 uses the user utterance history in the recognized context information It can be determined whether an execution device and/or intent related to a user's utterance can be specified from a plurality of candidate data. If the user utterance history within the recognized context information is suitable for updating information related to the user utterance, the processor 1130 provides information related to the user utterance (e.g., user intent and/or information related to at least one second external device). For example, execution device information) can be updated.
  • execution device information can be updated.
  • the processor 1130 may generate instructions for executing an operation based on user intent and information related to at least one second external device. For example, the processor 1130 may generate a voice command based on user intent and information related to a second external device (e.g., execution device information) and transmit the voice command to a third external device (e.g., IoT server). You can.
  • the third external device may be a device that manages at least one second external device.
  • the processor 1130 may receive information about the result of a second external device (eg, execution device) corresponding to a user utterance performing an operation corresponding to the user intent from a third external device.
  • the processor 1130 If the processor 1130 generates an incomplete (unclear) voice command (e.g., does not specify user intent and/or an execution device that executes an action corresponding to the user intent), the processor 1130 sends the voice command to a third external party. Before transmitting to the device, a natural language message urging additional user utterance may be generated, and the natural language message may be provided to the user through a first external device. For example, when processor 1130 obtains a voice input corresponding to an additional user utterance, the processor 1130 may update the voice command based on the additional user utterance. For example, processor 1130 may update the voice command based on additional user utterances to clearly specify user intent and/or an execution device to perform an action corresponding to the user intent.
  • Processor 1130 may update context information based on information related to the session, user intent, and at least one second external device. For example, the processor 1130 may update context information based on information related to a user utterance and/or information about the result of performing an operation corresponding to a user intent received from a third external device. For example, the processor 1130 may store user utterance history (e.g., session, execution device, intent, timestamp, and/or location information related to the user utterance) in context information.
  • user utterance history e.g., session, execution device, intent, timestamp, and/or location information related to the user utterance
  • the electronic device updates execution device information and/or user intent related to an incomplete or unclear user utterance based on context information related to a pre-stored user utterance history to update the execution device and user intent related to the user utterance.
  • the accuracy, recognition rate, and/or efficiency of the voice recognition assistant service can be relatively increased and user convenience can be improved.
  • An electronic device may include a communication circuit, a memory, and a processor.
  • the processor may be set to receive a voice input corresponding to a user's utterance from a first external device through the communication circuit.
  • the processor includes, from the voice input, a session corresponding to the user utterance, a user intent, and at least one second external device associated with an operation corresponding to the user intent. It can be set to recognize related information.
  • the processor may be set to update at least one of the user intention and information related to the at least one second external device based on context information related to a pre-stored user speech history.
  • the processor may be set to generate a command for executing the operation based on the user intention and information related to the at least one second external device.
  • the processor may be configured to update the context information based on information related to the session, the user intention, and the at least one second external device.
  • the user utterance history may include at least one of session information for each user utterance, user intent information, execution device information, time information, and location information.
  • the processor may be set to determine whether there is at least one user utterance history corresponding to the same session as the user utterance in the context information, based on the recognized session information.
  • the processor may be set to update at least one of the user intention and information related to the at least one second external device based at least in part on the determination.
  • the processor when there is at least one user speech history corresponding to the same session, selects information related to the at least one second external device from the at least one user speech history corresponding to the same session. It can be set to recognize the user's speech history including execution device information matching the .
  • the processor may be set to update information related to the at least one second external device based on the matching execution device information included in the recognized user speech history.
  • the processor when there is no user speech history including execution device information matching information related to the at least one second external device among the at least one user speech history corresponding to the same session, Information related to the at least one second external device may be set not to be updated.
  • the processor selects information related to the at least one second external device from the at least one user speech history corresponding to the same session. It may be set to recognize a user utterance history including execution device information corresponding to and user intention information related to the user intention.
  • the processor may be set to update the user intent based on the user intent information included in the recognized user utterance history.
  • the processor may be set to update the user intention when the recognized user speech history is the last stored user speech history among the at least one user speech history.
  • the processor may be set not to update the user intention if the recognized user speech history is not the last stored user speech history among the at least one user speech history.
  • the processor when there is no user speech history corresponding to the same session, the processor provides time information corresponding to a specified first time from the time of the user speech, based on time information included in the user speech history. It can be set to recognize the user's speech history including.
  • the processor may be set to update the user intention or information related to the at least one second external device based on a user utterance history including corresponding time information within the specified first time. You can.
  • the processor when there is no user speech history including time information falling within a designated first time from the user utterance point, time information corresponding to a designated second time from the user utterance point and the user It can be set to recognize the user's utterance history including location information corresponding to a specified distance from the location of the utterance.
  • the processor updates the user intention or information related to the at least one second external device based on a user utterance history including corresponding time information and the location information within a specified second time. It can be set to do so.
  • the processor may be set to transmit the command to the at least one second external device or a third external device connected to the at least one second external device.
  • the processor does not specify the operation or an execution device for executing the operation based on information related to the user intention and at least one second external device related to the operation corresponding to the user intention. If this is not possible, it may be set to generate a message urging additional user utterance to specify the operation or the execution device.
  • Figure 12 is a flowchart of a method of providing a voice assistant service by an electronic device according to an embodiment.
  • each operation may be performed sequentially, but is not necessarily performed sequentially.
  • the order of each operation may be changed, and at least two operations may be performed in parallel.
  • operations 1205 to 1255 are performed by an electronic device (e.g., the voice assistant server 120 of FIG. 1, the electronic device 1100 of FIG. 11, the server 1408 of FIG. 14, or the intelligent server of FIG. 15). It may be understood that it is performed in a processor (eg, processor 1130 of FIG. 11) (1600).
  • a processor e.g, processor 1130 of FIG. 11 (1600).
  • an electronic device e.g., voice assistant server 120 of FIG. 1, electronic device 1100 of FIG. 11, server 1408 of FIG. 14, or intelligent server 1600 of FIG. 15
  • an electronic device can start a voice session.
  • the electronic device may recognize a new speech input.
  • the electronic device may receive a voice input corresponding to a new first user utterance from a first external device (e.g., the electronic device 1401 in Figure 14 or the user terminal 1501 in Figures 15 to 17).
  • the first user utterance may be an utterance that indicates the start of a conversation with the voice assistant system.
  • the first user utterance may include a call word to activate the voice assistant system (voice assistant function).
  • operation 1205 may be performed together with operation 1210.
  • the electronic device may recognize the start of a new voice session as a new first user utterance is input after the end of the previous voice session.
  • the electronic device may extract speech information.
  • the electronic device may receive information related to the first user utterance (e.g., session, execution device, intent, timestamp, and/or location information associated with the first user utterance) from a voice input corresponding to the first user utterance. can be extracted.
  • the electronic device may recognize device information, intent, and/or parameters corresponding to the first user utterance.
  • Device information recognized (extracted) from an operation may be information indicating a specific device (e.g., device ID) or information indicating the type of device (e.g., type of IoT device).
  • the electronic device may determine whether session information identical to the first user utterance exists in a context database (context DB) related to a pre-stored user utterance history.
  • the context database may include a history of user utterances prior to a new user utterance (eg, the first user utterance).
  • user utterance history may include session, execution device, intent, timestamp, and/or location information associated with previous user utterances.
  • the electronic device performs operation 1230 when a user utterance history belonging to the same session as the first user utterance exists in the context DB (operation 1220 - Yes), and if a user utterance history belonging to the same session as the second user utterance exists in the context DB, the electronic device performs operation 1230. If there is none (1220 operation - No), 1225 operation can be performed.
  • the electronic device may determine whether information that satisfies the specified time and/or location conditions exists in the context DB. According to one embodiment, the electronic device may determine whether there is a user utterance history in the context DB having a timestamp of the first user utterance and a timestamp within a specified first time (eg, 3 minutes). For example, the electronic device performs operation 1130 when there is a timestamp of the first user utterance in the context DB and a history of user utterances with a timestamp within the specified first time (operation 1225 - Yes) and sends the first user utterance to the context DB.
  • a specified first time eg, 3 minutes
  • operation 1135 can be performed.
  • the electronic device stores in the context DB a timestamp within a specified second time (e.g., 10 minutes) and a timestamp of the first user utterance and a specified distance (e.g., 100 m) from the location of the first user utterance. It can be determined whether there is a user utterance history with location information.
  • the electronic device may determine whether information in the context DB is suitable for a new utterance (eg, the first user's utterance). For example, the electronic device may determine whether the user utterance history in the context DB is appropriate information for updating information (eg, execution device information and/or intent) related to the first user utterance. For example, the electronic device may retrieve device information related to the first user's utterance and/or information on the device corresponding to the intent based on the information extracted in operation 1215.
  • information in the context DB is suitable for a new utterance (eg, the first user's utterance). For example, the electronic device may determine whether the user utterance history in the context DB is appropriate information for updating information (eg, execution device information and/or intent) related to the first user utterance. For example, the electronic device may retrieve device information related to the first user's utterance and/or information on the device corresponding to the intent based on the information extracted in operation 1215.
  • the electronic device corresponds to device information and/or intent related to the first user utterance based on information of a third external device (e.g., IoT device) received from a second external device (e.g., IoT server).
  • Information on the device (hereinafter referred to as 'search results') can be obtained.
  • the electronic device may compare the search result with the information in the context DB recognized in operation 1220 or 1225 to determine whether the information in the context DB is suitable for updating information related to the first user's utterance.
  • a search result includes a plurality of candidate data (e.g., a plurality of execution device candidate information and/or a plurality of intent candidates)
  • the electronic device searches the plurality of candidate data using information in the context DB. It may be determined whether the execution device and/or intent related to the first user's utterance can be specified. For example, the electronic device performs operation 1235 when the information in the context DB is suitable for the first user utterance (operation 1230 - Yes), and when the information in the context DB is not suitable for the first user utterance (operation 1230 - No) ) You can omit operation 1235 and perform operation 1240.
  • a search result includes a plurality of candidate data (e.g., a plurality of execution device candidate information and/or a plurality of intent candidates)
  • the electronic device searches the plurality of candidate data using information in the context DB. It may be determined whether the execution device and/or intent related to the first user's utterance can be specified. For example, the electronic
  • the electronic device may update speech information.
  • the electronic device may update information related to the first user's utterance based on at least some of the information included in the context DB.
  • the electronic device may update the execution device and/or intent related to the first user utterance based on the user utterance history included in the context DB.
  • the electronic device may search for an execution device and control the execution device to execute at least some of the operations corresponding to the first user utterance.
  • the electronic device may generate a voice command to be transmitted to a second external device (eg, IoT server) based on information related to the first user's utterance.
  • a voice command may include at least execution device information and/or intent.
  • the electronic device may transmit an execution request including a voice command to the second external device.
  • the second external device may control a third external device (e.g., IoT device) designated as an execution device managed by the second external device to execute an operation corresponding to the intent.
  • the electronic device may receive an execution response (e.g., a result of executing an operation corresponding to the execution request) from the second external device.
  • the electronic device may update the context DB.
  • the electronic device may store information related to the first user's utterance in the context DB.
  • the electronic device may store session, execution device, intent, timestamp, and/or location information related to the first user utterance in the context DB as the first user utterance history.
  • the electronic device may recognize whether additional speech is input. For example, when the electronic device receives a voice input corresponding to an additional utterance (e.g., a second user utterance) from the first external device (operation 1250 - Yes), it performs operation 1215 on the voice input corresponding to the additional utterance. You can. If the electronic device does not receive a voice input corresponding to an additional utterance for more than a specified time (operation 1250 - No), operation 1255 may be performed.
  • an additional utterance e.g., a second user utterance
  • operation 1255 may be performed.
  • the electronic device may recognize the end of the voice session. For example, the electronic device may terminate a voice session when no additional utterances are input continuously for more than a specified time from the last user utterance (eg, the first user utterance).
  • At least some of the operations of FIG. 12 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 2 to 9 or FIG. 13
  • the order of at least some of the operations may be changed.
  • the electronic device updates information related to incomplete or unclear user utterances based on a context DB related to pre-stored user utterance history and specifies the execution device and intent related to the user utterance, thereby providing a voice recognition assistant service. It can increase accuracy, recognition rate, and/or efficiency and increase user convenience.
  • Figure 13 is a flowchart of a method of providing a voice assistant service by an electronic device according to an embodiment.
  • each operation may be performed sequentially, but is not necessarily performed sequentially.
  • the order of each operation may be changed, and at least two operations may be performed in parallel.
  • operations 1310 to 1320 are performed by an electronic device (e.g., the voice assistant server 120 of FIG. 1, the electronic device 1100 of FIG. 11, the server 1408 of FIG. 14, or the intelligent server of FIG. 15). It may be understood that it is performed in a processor (eg, processor 1130 of FIG. 11) (1600).
  • a processor e.g, processor 1130 of FIG. 11 (1600).
  • an electronic device may receive a voice input corresponding to the user's utterance from a first external device (e.g., the electronic device 1401 of FIG. 14 or the user terminal 1501 of FIGS. 15 to 17).
  • a user utterance may include a call word to activate a voice assistant system (voice assistant function).
  • a user utterance may be a follow-up utterance to an existing session, or it may be an utterance that starts a new session.
  • the electronic device receives a session corresponding to the user utterance, a user intention, and at least one second external device (e.g., an IoT device) associated with an operation corresponding to the user intention, from the voice input.
  • a session corresponding to the user utterance e.g., a user intention
  • at least one second external device e.g., an IoT device
  • Relevant information can be recognized.
  • the electronic device may store session identifying information (e.g., session ID), executing device information (e.g., device ID and/or device type), intent, timestamp, and/or information associated with the user utterance.
  • the location e.g., the location of the first external device
  • the electronic device may update at least one of user intention and information related to at least one second external device based on context information related to a pre-stored user utterance history.
  • the user utterance history may include session information for each user utterance, user intent information, execution device information, time information, and/or location information.
  • the electronic device may determine whether there is at least one user utterance history corresponding to the same session as the user utterance in the context information.
  • the electronic device may update at least one of user intent and information related to at least one second external device based on at least one user utterance history corresponding to the same session as the user utterance. For example, the electronic device recognizes a user utterance history including execution device information matching information related to at least one second external device among at least one user utterance history corresponding to the same session as the user utterance, and recognizes Information related to at least one second external device may be updated based on execution device information included in one user's speech history.
  • the electronic device engages with at least one second external device. Relevant information may not be updated.
  • the electronic device may display execution device information corresponding to information related to at least one second external device among at least one user utterance history corresponding to the same session as the user utterance, and user intention related to the user intention recognized from the user utterance.
  • User utterance history including information can be recognized, and user intent related to the user utterance can be updated based on user intention information included in the recognized user utterance history.
  • the electronic device may update the user intention based on the last stored user utterance history among at least one user utterance history belonging to the same session as the user utterance included in the context information.
  • the electronic device when there is no user utterance history belonging to the same session as the user utterance in the context information, the electronic device records a user utterance that belongs to a different session from the user utterance but has a timestamp within a specified first time from the time of the user utterance. History can be recognized. For example, the electronic device may update information related to the user's utterance (e.g., at least one of user intention and information related to at least one second external device) based on the recognized user's utterance history.
  • information related to the user's utterance e.g., at least one of user intention and information related to at least one second external device
  • the electronic device if the context information does not include a user utterance history belonging to the same session as the user utterance and a user utterance history with a timestamp within a specified first time from the user utterance, the electronic device records the user utterance in a session different from the user utterance. However, it is possible to recognize a user utterance history that has a timestamp within a specified second time from the user's utterance point and location information within a specified distance from the user's utterance location. The electronic device may update information related to the user's utterance (e.g., at least one of user intention and information related to at least one second external device) based on the recognized user's utterance history.
  • information related to the user's utterance e.g., at least one of user intention and information related to at least one second external device
  • the electronic device records the user utterance history within the recognized context information (e.g., a user utterance history belonging to the same session as the user utterance, a user utterance history belonging to a different session than the user utterance, but from the point of time of the user utterance (e.g., timestamp)).
  • the recognized context information e.g., a user utterance history belonging to the same session as the user utterance, a user utterance history belonging to a different session than the user utterance, but from the point of time of the user utterance (e.g., timestamp)).
  • the electronic device corresponds to device information and/or intent related to the user's utterance based on information of a second external device (e.g., IoT device) received from a third external device (e.g., IoT server). You can search information.
  • a second external device e.g., IoT device
  • a third external device e.g., IoT server
  • the electronic device may compare the search results and the user utterance history within the recognized context information to determine whether the user utterance history is suitable for updating information related to the user utterance. For example, if the search result includes a plurality of candidate data (e.g., a plurality of execution device candidate information and/or a plurality of intent candidates), the electronic device uses the user utterance history in the recognized context information to generate a plurality of candidate data. It can be determined whether the execution device and/or intent related to the user's utterance can be specified from the candidate data.
  • a plurality of candidate data e.g., a plurality of execution device candidate information and/or a plurality of intent candidates
  • the electronic device may update information related to the user utterance (e.g., user intent and/or information related to at least one second external device (e.g. For example, executable device information) can be updated.
  • information related to the user utterance e.g., user intent and/or information related to at least one second external device (e.g. For example, executable device information) can be updated.
  • the electronic device may generate a command to execute an operation based on user intention and information related to at least one second external device.
  • the electronic device may generate a voice command based on user intent and information related to the second external device (e.g., execution device information) and transmit the voice command to a third external device (e.g., IoT server).
  • the third external device may be a device that manages at least one second external device.
  • the electronic device may receive information about the result of a second external device (e.g., execution device) corresponding to a user utterance performing an operation corresponding to the user intent from a third external device.
  • the electronic device If the electronic device generates an incomplete (unclear) voice command (e.g., fails to specify the user's intention and/or the execution device that executes the action corresponding to the user's intention), the electronic device transmits the voice command to a third external device. Before transmission, a natural language message urging additional user utterance may be generated, and the natural language message may be provided to the user through a first external device. For example, when the electronic device obtains a voice input corresponding to an additional user utterance, it may update the voice command based on the additional user utterance. For example, the electronic device may update the voice command based on additional user utterances to clearly specify the user intent and/or the executing device that executes the action corresponding to the user intent.
  • the electronic device may update context information based on information related to the session, user intent, and at least one second external device.
  • the electronic device may update context information based on information related to user utterance and/or information about the result of performing an operation corresponding to a user intent received from a third external device.
  • the electronic device may store user utterance history (e.g., session, execution device, intent, timestamp, and/or location information related to the user utterance) in context information.
  • At least some of the operations of FIG. 13 are omitted.
  • at least one other operation eg, at least some of the operations of FIGS. 2 to 9 or FIG. 12
  • the order of at least some of the operations may be changed.
  • the electronic device updates execution device information and/or user intent related to an incomplete or unclear user utterance based on context information related to a pre-stored user utterance history to update the execution device and user intent related to the user utterance.
  • the accuracy, recognition rate, and/or efficiency of the voice recognition assistant service can be relatively increased and user convenience can be improved.
  • a method of providing a voice assistant service by an electronic device may include receiving a voice input corresponding to a user utterance from a first external device.
  • the method includes, from the voice input, a session corresponding to the user utterance, a user intent, and at least one second external device associated with an operation corresponding to the user intent. It may include an operation to recognize related information.
  • the method may include updating at least one of the user intention and information related to the at least one second external device based on context information related to a pre-stored user utterance history. there is.
  • the method may include generating a command for executing the operation based on the user intention and information related to the at least one second external device.
  • the method may include updating the context information based on information related to the session, the user intention, and the at least one second external device.
  • the user utterance history may include at least one of session information for each user utterance, user intent information, execution device information, time information, and location information.
  • the operation of updating at least one of the user intention and the information related to the at least one second external device is based on the recognized session information and includes the context information in the same session as the user utterance.
  • the operation of updating at least one of the user intention and the information related to the at least one second external device is performed in the same session when there is at least one user utterance history corresponding to the same session.
  • the method may include updating information related to the at least one second external device based on execution device information.
  • the method includes, when there is no user speech history including execution device information matching information related to the at least one second external device among the at least one user speech history corresponding to the same session, Information related to the at least one second external device may not be updated.
  • the operation of determining whether there is a user speech history includes, when there is at least one user speech history corresponding to the same session, at least one of the at least one user speech history corresponding to the same session. It may include an operation of recognizing a user speech history including execution device information corresponding to information related to the second external device and user intention information related to the user intention.
  • the operation of updating at least one of the user intention and information related to the at least one second external device determines the user intention based on the user intention information included in the recognized user utterance history.
  • the method when there is no user speech history corresponding to the same session, based on time information included in the user speech history, time information corresponding to a specified first time from the time of the user speech
  • the method when there is no user utterance history including time information falling within a first designated time from the user utterance point, time information corresponding to a designated second time from the user utterance point and the user
  • An operation of recognizing a user utterance history including location information corresponding to a specified distance from the location of the utterance, and based on the user utterance history including the location information and corresponding time information within a specified second time, the user intention or It may include updating information related to the at least one second external device.
  • the method does not specify the operation or an execution device for executing the operation based on information related to the user intention and at least one second external device related to the operation corresponding to the user intention. If this is not possible, the operation may include generating a message urging additional user utterance to specify the operation or the execution device.
  • FIG. 14 is a block diagram of an electronic device 1401 in a network environment 1400, according to various embodiments.
  • the electronic device 1401 communicates with the electronic device 1402 through a first network 1498 (e.g., a short-range wireless communication network) or a second network 1499. It is possible to communicate with at least one of the electronic device 1404 or the server 1408 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 1401 may communicate with the electronic device 1404 through the server 1408.
  • a first network 1498 e.g., a short-range wireless communication network
  • a second network 1499 e.g., a second network 1499.
  • the electronic device 1401 may communicate with the electronic device 1404 through the server 1408.
  • the electronic device 1401 includes a processor 1420, a memory 1430, an input module 1450, an audio output module 1455, a display module 1460, an audio module 1470, and a sensor module ( 1476), interface (1477), connection terminal (1478), haptic module (1479), camera module (1480), power management module (1488), battery (1489), communication module (1490), subscriber identification module (1496) , or may include an antenna module 1497.
  • at least one of these components eg, the connection terminal 1478
  • some of these components e.g., sensor module 1476, camera module 1480, or antenna module 1497) are integrated into one component (e.g., display module 1460). It can be.
  • the processor 1420 executes software (e.g., program 1440) to operate at least one other component (e.g., hardware or software component) of the electronic device 1401 connected to the processor 1420. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of the data processing or computation, the processor 1420 stores instructions or data received from another component (e.g., the sensor module 1476 or the communication module 1490) in the volatile memory 1432. The commands or data stored in the volatile memory 1432 can be processed, and the resulting data can be stored in the non-volatile memory 1434.
  • software e.g., program 1440
  • the processor 1420 stores instructions or data received from another component (e.g., the sensor module 1476 or the communication module 1490) in the volatile memory 1432.
  • the commands or data stored in the volatile memory 1432 can be processed, and the resulting data can be stored in the non-volatile memory 1434.
  • the processor 1420 may include a main processor 1421 (e.g., a central processing unit or an application processor) or an auxiliary processor 1423 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 1421 e.g., a central processing unit or an application processor
  • auxiliary processor 1423 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 1401 includes a main processor 1421 and a auxiliary processor 1423
  • the auxiliary processor 1423 may be set to use lower power than the main processor 1421 or be specialized for a designated function. You can.
  • the auxiliary processor 1423 may be implemented separately from the main processor 1421 or as part of it.
  • the auxiliary processor 1423 may, for example, act on behalf of the main processor 1421 while the main processor 1421 is in an inactive (e.g., sleep) state, or while the main processor 1421 is in an active (e.g., application execution) state. ), together with the main processor 1421, at least one of the components of the electronic device 1401 (e.g., the display module 1460, the sensor module 1476, or the communication module 1490) At least some of the functions or states related to can be controlled.
  • coprocessor 1423 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 1480 or communication module 1490. there is.
  • the auxiliary processor 1423 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 1401 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 1408).
  • 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 1430 may store various data used by at least one component (eg, the processor 1420 or the sensor module 1476) of the electronic device 1401. Data may include, for example, input data or output data for software (e.g., program 1440) and instructions related thereto.
  • Memory 1430 may include volatile memory 1432 or non-volatile memory 1434.
  • the program 1440 may be stored as software in the memory 1430 and may include, for example, an operating system 1442, middleware 1444, or an application 1446.
  • the input module 1450 may receive commands or data to be used in a component of the electronic device 1401 (e.g., the processor 1420) from outside the electronic device 1401 (e.g., a user).
  • the input module 1450 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 1455 may output sound signals to the outside of the electronic device 1401.
  • the sound output module 1455 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 1460 can visually provide information to the outside of the electronic device 1401 (eg, a user).
  • the display module 1460 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 1460 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 1470 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 1470 acquires sound through the input module 1450, the sound output module 1455, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 1401). Sound may be output through an electronic device 1402 (e.g., speaker or headphone).
  • an electronic device 1402 e.g., speaker or headphone
  • the sensor module 1476 detects the operating state (e.g., power or temperature) of the electronic device 1401 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 1476 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 1477 may support one or more designated protocols that can be used to connect the electronic device 1401 directly or wirelessly with an external electronic device (eg, the electronic device 1402).
  • the interface 1477 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card
  • connection terminal 1478 may include a connector through which the electronic device 1401 can be physically connected to an external electronic device (eg, the electronic device 1402).
  • the connection terminal 1478 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 1479 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 1479 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 1480 can capture still images and moving images.
  • the camera module 1480 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 1488 can manage power supplied to the electronic device 1401. According to one embodiment, the power management module 1488 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 1489 may supply power to at least one component of the electronic device 1401.
  • the battery 1489 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 1490 provides a direct (e.g., wired) communication channel or a wireless communication channel between the electronic device 1401 and an external electronic device (e.g., the electronic device 1402, the electronic device 1404, or the server 1408). It can support establishment and communication through established communication channels.
  • the communication module 1490 operates independently of the processor 1420 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • the communication module 1490 may be a wireless communication module 1492 (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 1494 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 1492 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
  • a wired communication module 1494 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 1498 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 1499 (e.g., legacy It may communicate with an external electronic device 1404 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 1492 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 1496 to communicate within a communication network, such as the first network 1498 or the second network 1499.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 1492 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 1492 may support high frequency bands (e.g., mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 1492 uses various technologies to secure performance in high frequency bands, such as 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 1492 may support various requirements specified in the electronic device 1401, an external electronic device (e.g., electronic device 1404), or a network system (e.g., second network 1499).
  • the wireless communication module 1492 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 1497 may transmit or receive signals or power to or from the outside (e.g., an external electronic device).
  • the antenna module 1497 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 1497 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for the communication method used in the communication network, such as the first network 1498 or the second network 1499, is connected to the plurality of antennas by, for example, the communication module 1490. can be selected. Signals or power may be transmitted or received between the communication module 1490 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 1497.
  • RFIC radio frequency integrated circuit
  • antenna module 1497 may form a mmWave antenna module.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of
  • peripheral devices e.g., bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 1401 and the external electronic device 1404 through the server 1408 connected to the second network 1499.
  • Each of the external electronic devices 1402 or 104 may be of the same or different type as the electronic device 1401.
  • all or part of the operations performed in the electronic device 1401 may be executed in one or more of the external electronic devices 1402, 104, or 108.
  • the electronic device 1401 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 1401.
  • the electronic device 1401 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 1401 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 1404 may include an Internet of Things (IoT) device.
  • Server 1408 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 1404 or server 1408 may be included in the second network 1499.
  • the electronic device 1401 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 15 is a block diagram showing an integrated intelligence system according to an embodiment.
  • the integrated intelligence system of one embodiment may include a user terminal 1501, an intelligent server 1600, and a service server 1700.
  • the user terminal 1501 may be a terminal device (or electronic device) capable of connecting to the Internet, for example, a mobile phone, a smartphone, or a personal digital assistant (PDA). It may be a digital assistant, a laptop computer, a television (TV), a white appliance, a wearable device, a head mounted device (HMD), or a smart speaker.
  • a terminal device or electronic device capable of connecting to the Internet
  • PDA personal digital assistant
  • TV television
  • white appliance a white appliance
  • HMD head mounted device
  • smart speaker a smart speaker
  • the user terminal 1501 may include a communication interface 1590, a microphone 1570, a speaker 1555, a display 1560, a memory 1530, and/or a processor 1520. there is.
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 1590 may be connected to an external device and configured to transmit and receive data.
  • the microphone 1570 e.g., the audio module 1470 in FIG. 14
  • the speaker 1555 e.g., the sound output module 1455 of FIG. 14
  • Display 1560 may be configured to display images or video.
  • the display 1560 in one embodiment may also display a graphic user interface (GUI) of an app (or application program) that is being executed.
  • GUI graphic user interface
  • Display 1560 in one embodiment may be configured to display images or video.
  • the display 1560 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 1560 in one embodiment may receive a touch input through a touch sensor.
  • the display 1560 may receive text input through a touch sensor in the on-screen keyboard area displayed within the display 1560.
  • the memory 1530 may store a client module 1531, a software development kit (SDK) 1533, and a plurality of applications.
  • the client module 1531 and SDK 1533 may form a framework (or solution program) for performing general functions. Additionally, the client module 1531 or SDK 1533 may configure a framework for processing user input (eg, voice input, text input, touch input).
  • the plurality of applications may be programs for performing designated functions.
  • the plurality of applications may include a first app 1535a and/or a second app 1535b.
  • each of the plurality of applications may include a plurality of operations to perform a designated function.
  • the applications may include an alarm app, a messaging app, and/or a schedule app.
  • a plurality of applications are executed by the processor 1520 to sequentially execute at least some of the plurality of operations.
  • the processor 1520 in one embodiment may control the overall operation of the user terminal 1501.
  • the processor 1520 may be electrically connected to the communication interface 1590, the microphone 1570, the speaker 1555, and the display 1560 to perform a designated operation.
  • processor 1520 may include at least one processor.
  • the processor 1520 of one embodiment may also execute a program stored in the memory 1530 to perform a designated function.
  • the processor 1520 may execute at least one of the client module 1531 or the SDK 1533 and perform the following operations to process user input.
  • the processor 1520 may control the operation of multiple applications through, for example, the SDK 1533.
  • the following operations described as operations of the client module 1531 or SDK 1533 may be operations performed by execution of the processor 1520.
  • the client module 1531 in one embodiment may receive user input. For example, the client module 1531 may generate a voice signal corresponding to a user utterance detected through the microphone 1570. Alternatively, the client module 1531 may receive a touch input detected through the display 1560. Alternatively, the client module 1531 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 1501 or an input module connected to the user terminal 1501 can be received. The client module 1531 may transmit the received user input to the intelligent server 1600. The client module 1531 may transmit status information of the user terminal 1501 to the intelligent server 1600 along with the received user input. The status information may be, for example, execution status information of an app.
  • the client module 1531 of one embodiment may receive a result corresponding to the received user input from the intelligent server 1600.
  • the client module 1531 may receive a result corresponding to the received user input from the intelligent server 1600.
  • the client module 1531 may display the received result on the display 1560. Additionally, the client module 1531 may output the received result as audio through the speaker 1555.
  • the client module 1531 of one embodiment may receive a plan corresponding to the received user input.
  • the client module 1531 can display the results of executing a plurality of operations of the app according to the plan on the display 1560.
  • the client module 1531 can sequentially display execution results of a plurality of operations on a display and output audio through the speaker 1555.
  • the user terminal 1501 may display only some results of executing a plurality of operations (e.g., the result of the last operation) and output audio through the speaker 1555.
  • the client module 1531 may receive a request from the intelligent server 1600 to obtain information necessary to calculate a result corresponding to the voice input.
  • Information needed to calculate the result may be, for example, status information of the user terminal 1501.
  • the client module 1531 may transmit the necessary information to the intelligent server 1600 in response to the request.
  • the client module 1531 in one embodiment may transmit information as a result of executing a plurality of operations according to the plan to the intelligent server 1600.
  • the intelligent server 1600 can use the result information to confirm that the received user input has been processed correctly.
  • the client module 1531 in one embodiment may include a voice recognition module. According to one embodiment, the client module 1531 can recognize voice input that performs a limited function through the voice recognition module. For example, the client module 1531 may execute an intelligent app for processing voice input by performing an organic action in response to a designated voice input (e.g., wake up!).
  • a voice recognition module e.g., a voice recognition module
  • the client module 1531 may execute an intelligent app for processing voice input by performing an organic action in response to a designated voice input (e.g., wake up!).
  • the intelligent server 1600 of one embodiment receives information related to the user voice input from the user terminal 1501 through the network 1599 (e.g., the first network 1498 and/or the second network 1499 in FIG. 14). You can receive it. According to one embodiment, the intelligent server 1600 may change data related to the received voice input into text data. According to one embodiment, the intelligent server 1600 may generate at least one plan to perform a task corresponding to the user's voice input based on the text data.
  • the plan may be generated by an artificial intelligence (AI) system.
  • An artificial intelligence system may be a rule-based system, a neural network-based system (e.g., a feedforward neural network (FNN)), and/or a recurrent neural network. network(RNN))). Alternatively, it may be a combination of the above or a different artificial intelligence system.
  • a plan may be selected from a set of predefined plans or may be generated in real time in response to a user request. For example, an artificial intelligence system can select at least one plan from a plurality of predefined plans.
  • the intelligent server 1600 of one embodiment may transmit a result according to the generated plan to the user terminal 1501 or transmit the generated plan to the user terminal 1501.
  • the user terminal 1501 may display results according to the plan on the display.
  • the user terminal 1501 may display the results of executing an operation according to the plan on the display.
  • the intelligent server 1600 of one embodiment includes a front end 1610, a natural language platform 1620, a capsule database 1630, an execution engine 1640, It may include an end user interface (1650), a management platform (1660), a big data platform (1670), or an analytic platform (1680).
  • the front end 1610 of one embodiment may receive a user input received by the user terminal 1501 from the user terminal 1501.
  • the front end 1610 may transmit a response corresponding to the user input to the user terminal 1501.
  • the natural language platform 1620 includes an automatic speech recognition module (ASR module) 1621, a natural language understanding module (NLU module) 1623, and a planner module ( It may include a planner module (1625), a natural language generator module (NLG module) (1627), and/or a text to speech module (TTS module) (1629).
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • TTS module text to speech module
  • the automatic voice recognition module 1621 of one embodiment may convert voice input received from the user terminal 1501 into text data.
  • the natural language understanding module 1623 in one embodiment can determine the user's intention using text data of voice input. For example, the natural language understanding module 1623 may determine the user's intention by performing syntactic analysis and/or semantic analysis on user input in the form of text data.
  • the natural language understanding module 1623 in one embodiment uses linguistic features (e.g., grammatical elements) of morphemes or phrases to determine the meaning of words extracted from user input, and matches the meaning of the identified word to the user's intent. You can determine your intention.
  • the natural language understanding module 1623 can acquire intent information corresponding to the user's utterance.
  • Intention information may be information representing the user's intention determined by interpreting text data.
  • Intent information may include information indicating an action or function that the user wants to perform using the device.
  • the planner module 1625 in one embodiment may generate a plan using the intent and parameters determined by the natural language understanding module 1623. According to one embodiment, the planner module 1625 may determine a plurality of domains required to perform the task based on the determined intention. The planner module 1625 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 1625 may determine parameters required to execute the determined plurality of operations or result values output by executing the plurality of operations. The parameters and the result values may be defined as concepts of a specified type (or class). Accordingly, the plan may include a plurality of operations and/or a plurality of concepts determined by the user's intention.
  • the planner module 1625 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 1625 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 1625 may determine the execution order of a plurality of operations based on parameters required for execution of the plurality of operations and results output by executing the plurality of operations. Accordingly, the planner module 1625 may generate a plan that includes association information (eg, ontology) between a plurality of operations and a plurality of concepts. The planner module 1625 can create a plan using information stored in the capsule database 1630, which stores a set of relationships between concepts and operations.
  • association information eg, ontology
  • the natural language generation module 1627 in one embodiment can 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 1629 in one embodiment can change information in text form into information in voice form.
  • the user terminal 1501 may include an automatic speech recognition module and/or a natural language understanding module. After the user terminal 1501 recognizes the user's voice command, it can transmit text information corresponding to the recognized voice command to the intelligent server 1600.
  • the user terminal 1501 may include a text-to-speech module. The user terminal 1501 may receive text information from the intelligent server 1600 and output the received text information as voice.
  • the capsule database 1630 may store information about the relationship between a plurality of concepts and operations corresponding to a plurality of domains.
  • a capsule may include a plurality of action objects (or action information) and/or concept objects (or concept information) included in the plan.
  • the capsule database 1630 may store a plurality of capsules in the form of CAN (concept action network).
  • a plurality of capsules may be stored in a function registry included in the capsule database 1630.
  • the capsule database 1630 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 1630 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 1630 may include a layout registry that stores layout information of information output through the user terminal 1501.
  • the capsule database 1630 may include a vocabulary registry where vocabulary information included in capsule information is stored.
  • the capsule database 1630 may include a dialogue registry in which information about dialogue (or interaction) with a user is stored.
  • the capsule database 1630 can update stored objects through a developer tool.
  • the developer tool may include, for example, a function editor for updating operation objects or concept objects.
  • the developer tool may include a vocabulary editor for updating the vocabulary.
  • the developer tool may include a strategy editor that creates and registers a strategy for determining the plan.
  • the developer tool may include a dialogue editor that creates a dialogue with the user.
  • the developer tool may include a follow up editor that can edit follow-up utterances to activate follow-up goals and provide hints. The subsequent goal may be determined based on currently set goals, user preferences, or environmental conditions.
  • the capsule database 1630 may also be implemented within the user terminal 1501.
  • the execution engine 1640 of one embodiment may calculate a result using the generated plan.
  • the end user interface 1650 may transmit the calculated result to the user terminal 1501. Accordingly, the user terminal 1501 can receive the result and provide the received result to the user.
  • the management platform 1660 of one embodiment can manage information used in the intelligent server 1600.
  • the big data platform 1670 in one embodiment may collect user data.
  • the analysis platform 1680 of one embodiment may manage quality of service (QoS) of the intelligent server 1600. For example, analytics platform 1680 may manage the components and processing speed (or efficiency) of intelligent server 1600.
  • QoS quality of service
  • the service server 1700 in one embodiment may provide a designated service (eg, food ordering or hotel reservation) to the user terminal 1501.
  • the service server 1700 may be a server operated by a third party.
  • the service server 1700 in one embodiment may provide the intelligent server 1600 with information for creating a plan corresponding to the received user input. The provided information may be stored in the capsule database 1630. Additionally, the service server 1700 may provide result information according to the plan to the intelligent server 1600.
  • the service server 1700 may communicate with the intelligent server 1600 and/or the user terminal 1501 through the network 1599.
  • the service server 1700 can communicate with the intelligent server 1600 through a separate connection.
  • the service server 1700 is shown as one server, but the embodiments of this document are not limited thereto. At least one of the services 1701, 1702, and 1703 of the service server 1700 may be implemented as a separate server.
  • the user terminal 1501 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 1501 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app). In this case, for example, the user terminal 1501 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 1501 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 1501 may run an app corresponding to a received voice input and perform a designated operation through the executed app.
  • the user terminal 1501 when the user terminal 1501 provides a service together with the intelligent server 1600 and/or the service server 1700, the user terminal 1501 uses the microphone 1570 to It is possible to detect an utterance and generate a signal (or voice data) corresponding to the detected user utterance.
  • the user terminal 1501 may transmit the voice data to the intelligent server 1600 using the communication interface 1590.
  • the intelligent server 1600 In response to a voice input received from the user terminal 1501, the intelligent server 1600 according to one embodiment provides a plan for performing a task corresponding to the voice input, or an operation according to the plan. can produce results.
  • the plan may include a plurality of operations for performing a task corresponding to a user's voice input and/or a plurality of concepts related to the plurality of operations.
  • the concept may define parameters input to the execution of the plurality of operations or result values output by the execution of the plurality of operations.
  • the plan may include association information between a plurality of operations and/or a plurality of concepts.
  • the user terminal 1501 in one embodiment may receive the response using the communication interface 1590.
  • the user terminal 1501 outputs a voice signal generated inside the user terminal 1501 to the outside using the speaker 1555, or outputs an image generated inside the user terminal 1501 to the outside using the display 1560. It can be output as .
  • Figure 16 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • the capsule database (e.g., capsule database 1630 of FIG. 15) of the intelligent server may store a plurality of capsules in CAN (concept action network) format.
  • the capsule database may store operations for processing tasks corresponding to the user's voice input, and parameters necessary for the operations in CAN (concept action network) format.
  • the 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 (capsule A 1631, capsule B 1634) corresponding to each of a plurality of domains (eg, applications).
  • one capsule e.g., capsule A 1631
  • one domain e.g., location (geo), application
  • one capsule contains at least one capsule of a service provider (e.g., CP 1 (1632), CP 2 (1633), CP3 (1635), and/or CP4 (1636) to perform functions for the domain associated with the capsule. ))
  • CP 1 (1632), CP 2 (1633), CP3 (1635), and/or CP4 (1636) can correspond.
  • one capsule may include at least one operation 1630a and at least one concept 1630b for performing a designated function.
  • the natural language platform may generate a plan for performing a task corresponding to the received voice input using the capsule stored in the capsule database 1630.
  • the planner module of the natural language platform e.g., planner module 1625 in FIG. 15
  • create a plan 1637 using the operations 1631a, 1632a and concepts 1631b, 1632b of capsule A (16310) and the operations 1634a and concept 1634b of capsule B (1634). can do.
  • Figure 17 is a diagram illustrating a screen on which a user terminal processes voice input received through an intelligent app according to an embodiment.
  • the user terminal 1501 may run an intelligent app to process user input through an intelligent server (e.g., the intelligent server 1600 in FIG. 15).
  • an intelligent server e.g., the intelligent server 1600 in FIG. 15.
  • the user terminal 1501 recognizes a designated voice input (eg, wake up!) or receives an input through a hardware key (eg, a dedicated hardware key). , can run intelligent apps to process voice input. For example, the user terminal 1501 may run an intelligent app while executing a schedule app. According to one embodiment, the user terminal 1501 may display an object (e.g., an icon) 1711 corresponding to an intelligent app on a display (e.g., the display 1560 of FIG. 15). According to one embodiment, the user terminal 1501 may receive voice input from a user's utterance.
  • a designated voice input eg, wake up! or receives an input through a hardware key (eg, a dedicated hardware key).
  • a hardware key eg, a dedicated hardware key
  • the user terminal 1501 may run an intelligent app while executing a schedule app.
  • the user terminal 1501 may display an object (e.g., an icon) 1711 corresponding to an intelligent app on a display (e.g., the display
  • the user terminal 1501 may receive a voice input saying “Tell me this week’s schedule!”
  • the user terminal 1501 may display a user interface (UI) 1513 (e.g., input window) of an intelligent app displaying text data of a received voice input on the display 1560.
  • UI user interface
  • the user terminal 1501 may display a result corresponding to the received voice input on the display 1560.
  • the user terminal 1501 may receive a plan corresponding to the received user input and display 'this week's schedule' on the display 1560 according to the plan.
  • Electronic devices may be of various types.
  • Electronic devices may include, for example, portable communication devices (e.g., smartphones), computer devices, portable multimedia devices, portable medical devices, cameras, wearable devices, or home appliances.
  • Electronic devices according to embodiments of this document are not limited to the above-described devices.
  • first, second, or first or second may be used simply to distinguish one component from another, and to refer to those components 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.”
  • 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 1436 or external memory 1438) that can be read by a machine (e.g., electronic device 1401). It may be implemented as software (e.g., program 1440) including these.
  • a processor e.g., processor 1420
  • a device e.g., electronic device 1401
  • 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). This term refers to cases where data is stored semi-permanently in the storage medium. There is no distinction between temporary storage cases.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or through an application store (e.g. Play StoreTM) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a machine-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play StoreTM
  • two user devices e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or plural entity, and some of the plurality of entities may be separately placed in other components. there is.
  • one or more of the components or operations described above may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, or omitted. Alternatively, one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 통신 회로, 메모리, 및 프로세서를 포함하고, 상기 프로세서는, 상기 통신 회로를 통하여 제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신하고, 상기 음성 입력으로부터, 상기 사용자 발화에 대응하는 세션(session), 사용자 의도(intent), 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 인식하고, 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하고, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 상기 동작을 실행하기 위한 명령어를 생성하고, 상기 세션, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여, 상기 컨텍스트 정보를 업데이트하도록 설정될 수 있다. 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

전자 장치 및 전자 장치의 음성 어시스턴트 서비스 제공 방법
본 문서에서 개시되는 실시 예들은, 음성 어시스턴스 서비스를 제공하는 기술과 관련된다.
최근 들어, 음성 인식 기술이 발전함에 따라 마이크를 포함하는 다양한 전자 장치에서 음성 인식 기능이 구현될 수 있다. 예를 들어, 최근에는 전자 장치들 사이의 직관적인 인터페이스를 제공할 수 있는 음성 어시스턴스 서비스가 개발되고 있다. 음성 어시스턴스 서비스는 사용자의 발화(utterance)에 대한 자연 언어 처리를 수행하여 사용자의 의도를 추론하고, 추론된 사용자의 의도를 기초로 하여 제어 장치가 제어되도록 처리할 수 있다.
음성 어시스턴트 서비스를 제공함에 있어서, 연속하여 사용자 발화가 입력되는 경우, 이전의 사용자 발화와 연계하여 기능을 수행하거나, 이전의 사용자 발화를 이용하여 새로운 발화에 대한 음성 어시스턴트 서비스를 제공하는데 어려움이 있다.
본 개시의 다양한 실시예들은, 연속되는 사용자 발화가 입력되는 경우, 이전 사용자 발화 및 이전 사용자 발화와 관련된 컨텍스트 정보를 기반으로 음성 어시스턴트 서비스의 정확도, 성능, 및 효율성을 증가시킬 수 있는 전자 장치 및 방법을 제공하고자 한다.
본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 통신 회로, 메모리, 및 프로세서를 포함하고, 상기 프로세서는, 상기 통신 회로를 통하여 제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신하고, 상기 음성 입력으로부터, 상기 사용자 발화에 대응하는 세션(session), 사용자 의도(intent), 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 인식하고, 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하고, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 상기 동작을 실행하기 위한 명령어를 생성하고, 상기 세션, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여, 상기 컨텍스트 정보를 업데이트하도록 설정될 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 방법은, 제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신하는 동작, 상기 음성 입력으로부터, 상기 사용자 발화에 대응하는 세션(session), 사용자 의도(intent), 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 인식하는 동작, 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 상기 동작을 실행하기 위한 명령어를 생성하는 동작, 및 상기 세션, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여, 상기 컨텍스트 정보를 업데이트하는 동작을 포함할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 저장 매체는, 전자 장치의 프로세서에 의해 실행 시, 상기 전자 장치가 상기 통신 회로를 통하여 제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신하고, 상기 음성 입력으로부터, 상기 사용자 발화에 대응하는 세션(session), 사용자 의도(intent), 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 인식하고, 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하고, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 상기 동작을 실행하기 위한 명령어를 생성하고, 상기 세션, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여, 상기 컨텍스트 정보를 업데이트하도록 하는 프로그램(또는, 인스트럭션들)을 저장할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 연속되는 사용자 발화가 입력되는 경우, 이전 사용자 발화 및 이전 사용자 발화와 관련된 컨텍스트 정보를 기반으로 음성 어시스턴트 서비스의 정확도, 성능, 및 효율성을 증가시킬 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 음성 어시스턴트 서비스를 제공하는 시스템 블록도를 나타낸다.
도 2는 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 전자 장치의 블록도이다.
도 12는 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스 제공 방법의 흐름도이다.
도 13은 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스 제공 방법의 흐름도이다.
도 14은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치를 나타낸다.
도 15은 일 실시예에 따른 통합 지능(integrated intelligence) 시스템을 나타낸 블록도이다.
도 16는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 17는 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시한 도면이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
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 음성 어시스턴트 서비스를 제공하는 시스템 블록도를 나타낸다.
일 실시예에 따르면, 음성 어시스턴트 시스템은 전자 장치(110)(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501)), 음성 어시스턴트 서버(120)(예: 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600)) 및 IoT 서버(130)(예: 도 14의 서버(1408) 또는 도 15의 서비스 서버(1700))를 포함할 수 있다.
일 실시예에 따르면, 전자 장치(110)는, 클라이언트 모듈(111)(예: 도 15의 클라이언트 모듈(1531))을 포함할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(111)은 사용자(105)의 발화에 대한 음성 인식 서비스를 제공할 수 있다. 클라이언트 모듈(111)은 자연어 입력을 획득할 수 있다. 자연어 입력은 텍스트 입력 및/또는 음성 입력(예: 사용자 발화)을 포함할 수 있다. 예를 들어, 클라이언트 모듈(111)은 전자 장치(110)의 입력 장치(예: 마이크)(미도시)를 통해 음성 입력(또는, 음성 신호)(예: 사용자 발화)을 수신할 수 있다. 클라이언트 모듈(111)은 자연어 입력이 획득됨에 기초하여, 대화(conversation)(또는, 세션)의 시작을 결정할 수 있다. 클라이언트 모듈(111)은 지정된 자연어 입력(예: 웨이크업 발화)이 획득됨에 기초하여, 대화의 시작을 결정할 수 있다. 클라이언트 모듈(111)은 자연어 입력이 지정된 시간 동안 획득되지 않음에 기초하여, 대화의 종료를 결정할 수 있다. 클라이언트 모듈(111)은 대화의 종료를 요청하는 자연어 입력이 획득됨에 기초하여, 대화의 종료를 결정할 수 있다. 일 실시 예에서, 대화의 시작부터 대화의 종료까지는 음성 세션(이하, '세션'으로 참조됨)으로 지칭될 수 있다. 예를 들어, 첫 사용자 발화로부터 시작된 연속된 사용자 발화들이 하나의 대화가 될 수 있고, 대화는 세션 단위로 구성될 수 있다.
클라이언트 모듈(111)은 음성 입력을 음성 어시스턴트 서버(120)로 송신할 수 있다. 클라이언트 모듈(111)은 음성 입력에 대응하는 결과를 음성 어시스턴트 서버(120)로부터 수신할 수 있다. 클라이언트 모듈(111)은 음성 어시스턴트 서버(120)에 대화의 시작을 알릴 수 있다. 클라이언트 모듈(111)은 음성 어시스턴트 서버(120)에 대화의 종료를 알릴 수 있다. 예를 들어, 클라이언트 모듈(111)은 전자 장치(110)의 통신 회로(예: 도 14의 통신 모듈(1490) 또는 도 15의 통신 인터페이스(1590))를 이용하여 외부 장치(예: 음성 어시스턴트 서버(120))와 데이터 및/또는 정보를 송수신할 수 있다.
클라이언트 모듈(111)은 결과를 나타내는 정보를 사용자에게 제공할 수 있다. 예를 들어, 클라이언트 모듈(111)은 시각적 또는 청각적으로 결과를 나타내는 정보를 사용자에게 제공할 수 있다. 예를 들어, 클라이언트 모듈(111)은 전자 장치(110)의 스피커(예: 도 14의 음향 출력 모듈(1455) 또는 도 15의 스피커(1555))를 통해 결과를 출력하거나, 또는 전자 장치(110)의 디스플레이(예: 도 14의 디스플레이 모듈(1460) 또는 도 15의 디스플레이(1560))를 통해 결과를 출력할 수 있다.
일 실시예에 따르면, 전자 장치(110)의 구성은 도 1에 도시된 바에 한정되지 않으며, 적어도 하나의 구성(예: 도 14의 전자 장치(1401) 또는 도 15의 사용자 단말(1501))의 구성 중 적어도 하나)를 더 포함할 수 있다.
일 실시예에 따르면, 음성 어시스턴트 서버(120)는, 자동 음성 인식(auto speech recognition, ASR) 모듈(121)(예: 도 15의 자동 음성 인식 모듈(1621)), 자연어 이해(natural language understanding, NLU) 모듈(122)(예: 도 15의 자연어 이해 모듈(1623)), 실행(executor) 모듈(123)(예: 도15의 실행 엔진(1640)), 컨텍스트 매니저(context manager) 모듈(124), 장치 검색 엔진(device search engine) 모듈(125), 텍스트 음성 변환(text to speech, TTS) 모듈(126)(예: 도 15의 텍스트 음성 변환 모듈(1629))을 포함할 수 있다.
일 실시예에 따르면, ASR 모듈(121)은 전자 장치(110)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다.
일 실시예에 따르면, 자연어 이해 모듈(122)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 인텐트(intent)(또는, 사용자 의도)를 파악할 수 있다.
일 실시예에 따르면, 실행 모듈(123)은 사용자의 인텐트에 따른 태스크를 실행하여 결과를 산출할 수 있다. 예를 들어, 사용자의 인텐트가 IoT(internet of things) 장치들의 제어인 경우, 실행 모듈(123)은 IoT 장치들을 제어하기 위한 명령(command)(예: 실행 요청)을 IoT 서버(130)로 송신할 수 있다. 예를 들어, 사용자의 인텐트가 현재 시간의 확인인 경우, 실행 모듈(123)은 현재 시간을 식별하기 위한 명령어(instruction)를 실행할 수 있다. 실행 모듈(123)은 IoT 서버(130)로부터 IoT 장치가 동작을 수행한 결과(예: 실행 응답)을 수신할 수 있다.
실행 모듈(123)은 전자 장치(110)에게 음성 입력에 따른 피드백(예: 실행 응답에 대응하는 피드백)을 제공할 수 있다. 예를 들어, 실행 모듈(123)은 피드백을 위한 텍스트 형태의 정보를 생성할 수 있다. 실행 모듈(123)은 산출된 결과를 나타내기 위한 텍스트 형태의 정보를 생성할 수 있다. 예를 들어, 사용자의 의도가 IoT 장치의 제어인 경우, 산출된 결과는 IoT 장치의 제어 결과일 수 있다. 다른 예를 들어, 사용자의 의도가 현재 시간의 확인인 경우, 산출된 결과는 현재 시간일 수 있다.
실행 모듈(123)은 컨텍스트 매니저(124)를 통하여 업데이트된 사용자 인텐트 및/또는 사용자 발화에 대응하는 동작을 수행할 장치(이하, '실행 장치' 용어로 참조됨)의 정보를 수신할 수 있다. 예를 들어, 실행 모듈(123)은 컨텍스트 매니저(124)로부터 사용자 발화와 관련된 정보(예: 사용자 인텐트, 실행 장치 정보, 세션 정보, 타임스탬프 정보, 및/또는 위치 정보)를 획득할 수 있다. 실행 모듈(123)은 사용자 발화와 관련된 정보를 기반으로 IoT 서버(130)에 실행 장치가 사용자 발화에 대응하는 동작을 실행하도록 하는 요청을 전송할 수 있다. 예를 들어, 실행 모듈(123)은 사용자 발화와 관련된 정보를 기반으로 음성 명령을 결정하고, 음성 명령을 포함하는 실행 요청을 IoT 서버(130)에 전송할 수 있다. 실행 모듈(123)은 IoT 서버(130)로부터 실행 요청에 대한 실행 응답을 수신할 수 있다. 실행 응답은 실행 요청에 따라 IoT 서버(130)가 관리하는 IoT 장치(실행 장치)가 사용자 발화에 대응하는 동작 중 적어도 일부를 수행한 결과에 대한 정보를 포함할 수 있다. 일 실시예에 따르면, 실행 모듈(123)은 컨텍스트 매니저(124) 및/또는 장치 검색 엔진(125)으로부터 수신한 정보에 기반하여 사용자 인텐트에 대응하는 동작을 수행할 장치(예: 실행 장치)를 정확히 특정할 수 없는 경우, 전자 장치(110)에 사용자 인텐트에 대응하는 동작을 수행할 장치를 특정하기 위한 추가적인 사용자 발화를 촉구하는 메시지(예: 프롬프트(prompt) 메시지)를 출력하도록 할 수 있다.
일 실시예에 따르면, 컨텍스트 매니저(124)는 실행 모듈(123)로부터 사용자 발화와 관련된 정보(예: 사용자 인텐트, 실행 장치 정보, 세션 정보, 타임스탬프 정보, 및/또는 위치 정보)를 수신할 수 있다. 컨텍스트 매니저(124)는 장치 검색 모듈로부터 적어도 하나의 IoT 장치의 정보를 수신할 수 있다. 예를 들어, 컨텍스트 매니저(124)는 장치 검색 모듈에 사용자 발화와 관련된 정보를 전달하고, 장치 검색 모듈로부터 사용자 발화와 관련된 정보에 기반하여 검색된 IoT 장치의 정보를 수신할 수 있다. 컨텍스트 매니저(124)는 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보(본 명세서에서, '컨텍스트 데이터베이스'라는 용어로 참조됨)를 기반으로 사용자 의도 및 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 IoT 장치(예를 들어, 사용자 의도에 대응하는 동작을 수행할 적어도 하나이 실행 장치)와 관련된 정보를 업데이트하고, 업데이트된 정보를 실행 모듈(123)에 제공할 수 있다. 예를 들어, 컨텍스트 정보는 이전 사용자 발화와 관련된 정보(예: 세션 정보, 실행 장치 정보, 인텐트 정보, 타임스탬프 정보, 및/또는 위치 정보)를 포함할 수 있다. 예를 들어, 컨텍스트 매니저(124)는 장치 검색 엔진(125)으로부터 사용자 의도에 대응하는 동작을 수행할 복수의 후보 IoT 장치들의 정보 및/또는 후보 인텐트들의 정보를 수신한 경우, 컨텍스트 정보를 기반으로 사용자 의도에 대응하는 동작을 수행할 적어도 하나의 IoT 장치(즉, 실행 장치) 및/또는 인텐트를 특정할 수 있다. 컨텍스트 매니저(124)는 특정한 적어도 하나의 IoT 장치의 정보 및/또는 인텐트를 실행 모듈(123)에 제공할 수 있다.
일 실시예에 따르면, 컨텍스트 매니저(124)는 실행 모듈(123)로부터 실행 응답(예: 사용자 인텐트에 대응하는 동작을 수행한 결과)를 수신하고, 이를 기반으로 컨텍스트 정보를 업데이트할 수 있다. 예를 들어, 컨텍스트 매니저(124)는 사용자 발화 이력(예: 사용자 발화와 관련된 세션, 실행 장치, 인텐트, 타임스탬프, 및/또는 위치 정보)을 컨텍스트 정보에 저장할 수 있다.
일 실시예에 따르면, 장치 검색 엔진(125)은 IoT 서버(130)로부터 획득한 IoT 장치의 정보를 기반으로 사용자 발화에 대응하는 동작을 수행할 장치를 검색할 수 있다. 예를 들어, 장치 검색 엔진(125)은 사용자 발화와 관련된 정보(예: 사용자 인텐트, 실행 장치 정보, 세션 정보, 타임스탬프 정보, 및/또는 위치 정보)를 기반으로 사용자 발화에 대응하는 동작을 수행할 적어도 하나의 IoT 장치 및/또는 IoT 장치가 실행 가능한 기능에 대응하는 인텐트를 검색할 수 있다. 예를 들어, 장치 검색 엔진(125)은 사용자 의도에 대응하는 동작을 수행할 적어도 하나의 후보 IoT 장치의 정보 및/또는 적어도 하나의 후보 인텐트의 정보를 검색하고, 검색 결과를 컨텍스트 매니저(124)에 제공할 수 있다.
일 실시예에 따르면, 텍스트 음성 변환 모듈(126)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(126)은 음성 형태의 정보를 전자 장치(110)에게 제공할 수 있다.
일 실시예에 따르면, IoT 서버(130)는 음성 인텐트 핸들러(131)를 포함할 수 있다. IoT 서버(130)는 적어도 하나의 IoT 장치와 연결되어, IoT 장치의 동작 및/또는 상태를 제어할 수 있다. 일 실시예에 따르면, 음성 인텐트 핸들러(131)는 음성 입력(예: 사용자 발화)에 따라 식별되는 인텐트에 기초하여 복수의 IoT 장치들 중 제어할 IoT 장치를 식별하고, 식별된 IoT 장치를 인텐트에 기초하여 제어할 수 있다. 예를 들어, 음성 인텐트 핸들러(131)는 실행 모듈(123)로부터 수신한 실행 요청에 대응하는 동작을 수행할 수 있다. 예를 들어, 음성 인텐트 핸들러(131)는 실행 요청에 대응하는 IoT 장치가 사용자 발화에 대응하는 동작을 수행하도록 제어할 수 있다.
음성 인텐트 핸들러(131)는 IoT 장치를 제어한 결과(예: IoT 장치가 사용자 발화에 대응하는 동작을 수행한 결과)를 인식하고, 이를 기반으로 실행 모듈(123)에 실행 응답을 제공할 수 있다. 일 실시예에 따르면, 음성 인텐트 핸들러(131)는 장치 검색 모듈에 IoT 서버(130)가 관리하는 IoT 장치들의 정보를 제공할 수 있다.
도 2는 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 도 2는 기 저장된 컨텍스트 정보가 없는 경우(예를 들어, 컨텐스트 정보 내에 사용자 발화 이력이 없는 경우)를 나타낸다.
일 실시예에 따르면, 201 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 제1 사용자 발화(예: “에어컨 온도 올려줘”)에 대응하는 음성 입력을 수신할 수 있다. 전자 장치는 음성 입력을 기반으로, 제1 사용자 발화와 관련된 세션(session Id), 실행 장치(device), 인텐트(intent), 타임스탬프, 위치를 인식할 수 있다. 예를 들어, 전자 장치는 1번 세션, 에어컨, temperature-increase, 1657099624, 및 37.258, 127.059를 각각 인식할 수 있다. 예를 들어, 타임스탬프는 사용자 발화 시각을 나타내고, 위치는 사용자 발화가 수신된 위치(예를 들어, 사용자 발화를 수신한 수신 장치의 위치)를 나타낼 수 있다. 실행 장치(device)는 특정 실행 장치 자체를 나타내거나, 실행 장치의 종류를 나타낼 수 있다. 예를 들어, 타임스탬프는 유닉스(unix) 타임스탬프 값을 포함할 수 있다. 유닉스 타임스탬프 값은 시간을 총 초 단위로 추적하는 방법으로, 1970년 1월 1일 0시 협성 세계시(universal time coordinated, UTC)로부터 시작되는 시간을 나타내는 값일 수 있다. 유닉스 타임스탬프 값은 어느 곳이든지 실질적으로 동일한 기준으로 측정되어 위치에 따라 변경되지 않는 시간 값을 가질 수 있다. 위치는 위도 및 경도 값을 포함할 수 있다. 예를 들어, 전자 장치는 음성 입력을 분석하여 인식한 사용자 발화와 관련된 정보를 기반으로 음성 명령(voice command)을 결정할 수 있다. 전자 장치는 기 저장된 컨텍스트 정보(290)를 기반으로 음성 입력을 분석하여 결정한 음성 명령의 업데이트를 시도할 수 있다. 예를 들어, 전자 장치는 기 저장된 컨텍스트 정보(290)를 기반으로 제1 사용자 발화와 관련된 정보 중 적어도 일부의 업데이트를 시도할 수 있다.
203 동작에서, 전자 장치는 이전 사용자 발화 이력과 관련된 컨텍스트 정보(290)를 확인할 수 있다. 예를 들어, 컨텍스트 정보(290)는 이전 사용자 발화의 이력(예: 이전 사용자 발화와 관련된 세션 정보(session Id)(291), 실행 장치 정보(device Id)(293), 인텐트 정보(intent)(295), 타임스탬프 정보(timestamp)(297), 및/또는 위치 정보(geo)(299))를 포함할 수 있다. 전자 장치는 컨텍스트 정보(290)에 이전 사용자 발화 이력이 있는지 판단할 수 있다. 도 2는, 컨텍스트 정보(290)에 이전 사용자 발화 이력이 없는 경우를 나타내기 때문에, 전자 장치는 컨텍스트 정보(290)에 동일한 세션에 속하는 이전 사용자 발화가 없음을 인식할 수 있다. 전자 장치는 컨텍스트 정보(290)에 이전 사용자 발화 이력이 없는 경우 205 동작을 수행할 수 있다. 컨텍스트 정보(290)에 이전 사용자 발화 이력이 있는 경우에 대해서는 도 4 이하에서 구체적으로 설명한다.
205 동작에서, 컨텍스트 정보(290)에 사용자 발화 이력이 없음을 인식함(not found)에 응답하여, 전자 장치는 최종적인 음성 명령을 결정할 수 있다. 예를 들어, 전자 장치는 최초 음성 입력을 기반으로 결정한 음성 명령을 업데이트하지 않을 수 있다. 예를 들어, 전자 장치는 201에서 인식한 제1 사용자 발화와 관련된 세션 정보(1번 세션), 실행 장치(에어컨), 및 인텐트(temrature-increase) 정보를 유지할 수 있다.
전자 장치는 제1 사용자 발화와 관련된 정보를 기반으로 결정한 음성 명령을 IoT 서버(예: 음성 인텐트 핸들러(voice intent handler, VIH))(예: 도 1의 IoT 서버(130))로 전송할 수 있다. 음성 명령은 세션, 실행 장치, 및/또는 인텐트 정보를 포함할 수 있다. IoT 서버는 전자 장치로부터 수신한 음성 명령에 기반하여 적어도 하나의 IoT 장치를 제어할 수 있다. 예를 들어, IoT 서버는 실행 장치(예: 에어컨)가 인텐트(temperature-increase)에 대응하는 동작(예: 온도 상승)을 실행하도록 제어할 수 있다.
일 실시예에 따르면, 도 2의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 3 내지 도 9, 도 12, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
도 3은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 도 3은 컨텍스트 정보를 업데이트하는 동작을 나타낸다.
301 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 컨텍스트 정보(250)의 업데이트를 시도할 수 있다. 예를 들어, 전자 장치는 사용자 발화(예: 제1 사용자 발화)와 관련된 정보(세션, 실행 장치, 인텐트, 타임스탬프, 및/또는 위치 정보)(391)를 인식할 수 있다. 예를 들어, 전자 장치는 1번 세션, 에어컨, temperature-increase, 1657099624, 37.258, 127.059를 인식할 수 있다.
303 동작에서, 전자 장치는 컨텍스트 정보(250)(예: 컨텍스트 데이터베이스)를 업데이트할 수 있다. 예를 들어, 전자 장치는 컨텍스트 정보(250)에 301 동작에서 인식한 사용자 발화와 관련된 정보(즉, 사용자 발화 이력)(391)를 저장할 수 있다. 예를 들어, 전자 장치는 세션 식별 번호(예: 1), 실행 장치 식별 번호(예: 에어컨의 식별번호 12345678), 인텐트(예: temperature-increase), 타임스탬프(예: 1657099624), 및 위치(예: 37.258, 127.059)를 컨텍스트 정보(250)에 저장할 수 있다.
305 동작에서, 전자 장치는 컨텍스트 정보(250)의 업데이트가 완료(성공)하였음을 인식하고, 컨텍스트 정보(250)의 업데이트를 종료할 수 있다.
일 실시예에 따르면, 도 3의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2, 도 4 내지 도 9, 도 12, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
도 4는 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 도 4는 컨텍스트 정보에 현재의 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는 경우를 나타낸다. 이하에서, 도 2 또는 도 3의 설명과 중복되는 내용은 간략히 설명하거나 생략한다.
일 실시예에 따르면, 401 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 제1 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 현재의 제1 사용자 발화(예: “에어컨 공기청정 켜줘”)에 대응하는 음성 입력을 수신할 수 있다. 전자 장치는 음성 입력을 기반으로, 제1 사용자 발화와 관련된 세션(session Id), 실행 장치(device), 및 인텐트(intent)를 인식할 수 있다. 예를 들어, 전자 장치는 1번 세션, 에어컨, purify-on을 각각 인식할 수 있다. 전자 장치는 음성 입력을 분석하여 인식한 정보를 기반으로 음성 명령(voice command)를 결정할 수 있다. 전자 장치는 기 저장된 컨텍스트 정보(450)를 기반으로 음성 입력을 분석하여 결정한 음성 명령의 업데이트를 시도할 수 있다.
402 동작에서, 전자 장치는 컨텍스트 정보(450)에 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력(예: 제2 사용자 발화 이력(491))이 있는지 판단할 수 있다. 컨텍스트 정보(450)는 이전 사용자 발화 이력(예를 들어, 이전 사용자 발화와 관련된 세션 정보(451), 실행 장치 정보(453), 및 인텐트(455))을 포함할 수 있다. 도 4를 참조하면, 컨텍스트 정보(450)는 이전의 제2 사용자 발화의 이력(491)을 포함할 수 있다. 예를 들어, 제2 사용자 발화 이력(491)은 현재의 제1 사용자 발화의 세션(1번 세션)과 동일한 세션에 속하는 제2 사용자 발화의 이력(491)일 수 있다. 전자 장치는, 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는 경우 403 동작을 수행할 수 있다.
403 동작에서, 전자 장치는 음성 입력을 분석하여 획득한 실행 장치 및 인텐트 정보에 대응되는 외부 장치(예: IoT 장치)를 검색할 수 있다. 예를 들어, 검색 결과는 장치의 식별 정보 및 인텐트 정보를 포함할 수 있다. 예를 들어, 전자 장치는 에어컨 및 purify-on(공기청정 on)에 대응하는 외부 장치들을 검색할 수 있다. 예를 들어, 전자 장치는 제2 외부 장치(예: 안방 에어컨)와 관련된 정보(DeviceId: 12345678, intent: purify-on) 및 제3 외부 장치(예: 거실 에어컨)와 관련된 정보(DeviceId: 11111111, intent: purify-on)를 포함하는 검색 결과(search result)를 인식할 수 있다. 예를 들어, 전자 장치는 인텐트(purify-on)에 대응하는 동작을 실행할 수 있는 제2 외부 장치(예: 안방 에어컨)의 식별 번호 12345678, 및 제3 외부 장치(예: 거실 에어컨)의 식별 번호 11111111를 인식할 수 있다. 일 실시예에 따르면, 전자 장치는 제1 사용자 발화의 인텐트와 외부 장치에서 지원하는 기능의 인텐트의 유사도를 판단하여, 사용자 발화의 인텐트와 동일하지 않으나 유사한 인텐트를 가지는 장치를 검색할 수 있다. 예를 들어, 제1 사용자 발화의 인텐트가 purify-on(공기청정 on)인 경우, 전자 장치는, 외부 장치의 인텐트가 동일하게 'purify-on'이 아니더라도, 외부 장치가 동일 또는 유사한 기능의 인텐트(예: mode-setValue-purify)를 가지는 경우 해당 외부 장치의 정보를 검색 결과로 획득할 수 있다.
404 동작에서, 전자 장치는 403 동작에서의 검색 결과에 컨텍스트 정보(450)에 포함된 실행 장치 정보가 존재하는지 판단할 수 있다. 예를 들어, 전자 장치는 검색 결과에 제2 사용자 발화의 이력에 포함된 실행 장치 정보가 존재하는지 판단할 수 있다. 예를 들어, 전자 장치는 검색 결과에 컨텍스트 정보(450)에 포함된 실행 장치 정보가 존재하지 않는 경우 405 동작을 수행하고, 전자 장치는 검색 결과에 컨텍스트 정보(450)에 포함된 실행 장치 정보가 존재하는 경우 406 동작을 수행할 수 있다.
405 동작에서, 전자 장치는 제1 사용자 발화와 관련된 정보를 업데이트하기 위한 정보가 검색되지 않음을 인식함에 응답하여, 제1 사용자 발화와 관련된 정보를 업데이트하지 않을 수 있다.
406 동작에서, 전자 장치는 컨텍스트 정보(450)를 기반으로 제1 사용자 발화와 관련된 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 컨텍스트 정보(450)에 포함된 동일한 실행 장치 정보(Device Id)에 대한 외부 장치(예: 제3 외부 장치)의 정보를 기반으로 검색 결과 중 특정 외부 장치의 정보(예: 제3 외부 장치의 정보)를 선별할 수 있다. 예를 들어, 전자 장치는 전자 장치는 업데이트된 제1 사용자 발화와 관련된 정보를 기반으로 음성 명령을 결정할 수 있다. 예를 들어, 전자 장치는 음성 명령을 결정하기 위한 제1 사용자 발화와 관련된 실행 장치(Device Id)를 컨텍스트 정보(450)에 포함된 실행 장치 정보인 12345678으로 결정할 수 있다. 예를 들어, 제1 사용자 발화가 “에어컨 공기청정 켜줘”였다면, 전자 장치는 컨텍스트 정보(450)를 기반으로 제1 사용자 발화의 의도가 “안방 에어컨 공기 청정 켜줘”에 대응되는 것으로 결정할 수 있다. 전자 장치는 결정된 실행 장치 정보(예: 12345678) 및 인텐트(예: purify-on)을 기반으로 음성 명령을 결정하고, 음성 명령을 IoT 서버에 전송할 수 있다.
일 실시예에 따르면, 도 4의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2 내지 3, 도 5 내지 도 9, 도 12, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
일 실시예에 따르면, 전자 장치는 컨텍스트 정보(450)에 현재의 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력(491)이 있는 경우, 컨텍스트 정보(450)를 기반으로 음성 명령을 결정하기 위한 사용자 발화와 관련된 정보를 업데이트함으로써, 추가적인 사용자 발화의 요청 없이도 현재 사용자 발화에 대응하는 음성 명령을 결정할 수 있다. 따라서, 전자 장치는 추가적인 사용자 발화 없이도 사용자의 의도에 부합하는 실행 장치를 결정하고, 실행 장치가 사용자 의도에 대응하는 동작을 실행하도록 제어할 수 있다.
도 5는 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 도 5는 컨텍스트 정보에 현재의 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있으나, 장치 검색 결과와 일치하는 장치에 대한 사용자 발화 이력이 아닌 경우를 나타낸다. 이하에서, 도 2 내지 도 4의 설명과 중복되는 내용은 간략히 설명하거나 생략한다.
일 실시예에 따르면, 501 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 제1 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 제1 사용자 발화(예: “공기청정기 켜줘”)에 대응하는 음성 입력을 수신할 수 있다. 전자 장치는 음성 입력을 기반으로, 제1 사용자 발화와 관련된 세션(session Id), 실행 장치(device), 및 인텐트(intent)를 인식할 수 있다. 예를 들어, 전자 장치는 1번 세션, 공기청정기, purify-on을 각각 인식할 수 있다. 전자 장치는 음성 입력을 분석하여 인식한 정보를 기반으로 음성 명령(voice command)를 결정할 수 있다. 전자 장치는 기 저장된 컨텍스트 정보(550)를 기반으로 음성 입력을 분석하여 결정한 음성 명령의 업데이트를 시도할 수 있다.
502 동작에서, 전자 장치는 컨텍스트 정보(550)에 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는지 판단할 수 있다. 컨텍스트 정보(550)는 이전 사용자 발화 이력(예를 들어, 이전 사용자 발화와 관련된 세션 정보(551), 실행 장치 정보(553), 및 인텐트(555))을 포함할 수 있다. 도 5를 참조하면, 컨텍스트 정보(550)는 제1 사용자 발화 이전의 제2 사용자 발화 이력(591) 및 제3 사용자 발화 이력(592)을 포함할 수 있다. 예를 들어, 제2 사용자 발화 이력(591) 및 제3 사용자 발화 이력(592)은 제1 사용자 발화와 동일한 세션에 속하는 사용자 발화의 이력일 수 있다. 전자 장치는, 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는 경우 503 동작을 수행할 수 있다.
503 동작에서, 전자 장치는 음성 입력을 분석하여 획득한 실행 장치 및 인텐트 정보에 대응되는 외부 장치(예: IoT 장치)를 검색할 수 있다. 예를 들어, 검색 결과는 외부 장치의 식별 정보 및 인텐트 정보를 포함할 수 있다. 예를 들어, 전자 장치는 공기청정기 및 purify-on(공기청정 on)에 대응하는 외부 장치들을 검색할 수 있다. 예를 들어, 전자 장치는 제2 외부 장치와 관련된 정보(DeviceId: 22222222, intent: purify-on) 및 제3 외부 장치와 관련된 정보(DeviceId: 33333333, intent: purify-on)를 포함하는 검색 결과(search result)를 인식할 수 있다. 예를 들어, 전자 장치는 인텐트(purify-on)에 대응하는 동작을 실행할 수 있는 제2 외부 장치(제1 공기청정기)의 식별 번호 22222222, 및 제3 외부 장치(제2 공기청정기)의 식별 번호 33333333을 인식할 수 있다.
504 동작에서, 전자 장치는 503 동작에서의 검색 결과에 컨텍스트 정보(550)에 포함된 실행 장치 정보가 존재하는지 판단할 수 있다. 예를 들어, 전자 장치는 검색 결과에 컨텍스트 정보(550)에 포함된 실행 장치 정보가 존재하지 않는 경우 505 동작을 수행하고, 전자 장치는 검색 결과에 컨텍스트 정보(550)에 포함된 실행 장치 정보가 존재하는 경우 506 동작을 수행할 수 있다.
505 동작에서, 전자 장치는 제1 사용자 발화와 관련된 정보를 업데이트하기 위한 정보가 검색되지 않음을 인식함에 응답하여, 제1 사용자 발화와 관련된 정보를 업데이트하지 않을 수 있다. 예를 들어, 전자 장치는 503 동작에서 인식한 검색 결과(예: SessionId: 1, DeviceId: 22222222, 33333333, intent: purify-on)를 유지할 수 있다. 전자 장치(예: 실행 모듈)는 검색 결과를 기반으로 추가적인 사용자 발화를 촉구하는 자연어 메시지를 생성하고, 자연어 메시지를 제1 외부 장치에 전송하여 사용자에게 출력하도록 할 수 있다. 예를 들어, 검색 결과는 DeviceId: 22222222에 해당하는 제2 외부 장치(예: 안방 공기청정기) 및 DeviceId: 33333333에 해당하는 제3 외부 장치(예: 거실 공기청정기)의 정보를 포함할 수 있다. 전자 장치는 사용자에게 제2 외부 장치 및 제3 외부 장치 중에서 사용자가 의도하는 실행 장치가 무엇인지를 확인하기 위한 자연어 메시지(예: “공기청정기가 2대 있네요. 안방 공기청정기, 거실 공기청정기 중 어느 장치에서 실행할까요?”)를 생성하고, 제1 외부 장치를 통하여 상기 자연어 메시지를 출력되도록 제어할 수 있다. 전자 장치는 자연어 메시지에 응답하여 획득된 추가적인 사용자 발화에 대응하는 음성 입력에 기반하여 제2 외부 장치 및 제3 외부 장치 중에서 사용자 의도에 부합하는 외부 장치를 특정할 수 있다. 예를 들어, 제2 외부 장치를 실행 장치로 특정한 경우, 전자 장치는 특정한 실행 장치의 정보 및 인텐트를 기반으로 음성 명령을 결정하고, 결정한 음성 명령을 IoT 서버(예: 도 1의 IoT 서버(130))에 전송할 수 있다.
506 동작에서, 전자 장치는 컨텍스트 정보(550)를 기반으로 제1 사용자 발화와 관련된 정보를 업데이트할 수 있다. 예를 들어, 506 동작은 도 4의 406 동작에 대응될 수 있다.
일 실시예에 따르면, 도 5의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2 내지 4, 도 6 내지 도 9, 도 12, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
일 실시예에 따르면, 전자 장치는 컨텍스트 정보(550)에 현재의 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있으나 장치 검색 결과와 일치하는 장치에 대한 사용자 발화 이력이 아닌 경우, 최초 인식한 사용자 발화와 관련된 정보(예: 501 동작에서 인식한 정보)를 기반으로 생성한 음성 명령을 IoT 서버로 전송하지 않고, 추가적인 사용자 발화를 촉구하고, 추가적인 사용자 발화를 기반으로 업데이트한 정보(예: 실행 장치를 특정한 정보)를 기반으로 음성 명령을 생성하고 IoT 서버에 음성 명령을 전송할 수 있다. 따라서, IoT 서버(예: 음성 인텐트 핸들러)는 음성 명령에 대응하는 실행 장치를 검색 및/또는 특정하는 동작을 별도로 수행하지 않고, 수신한 음성 명령에 기반하여 실행 장치를 제어할 수 있다. 본 발명의 일 실시예에 따르면, 불특정(불명료)한 음성 명령을 IoT 서버에 전송하고, IoT 서버로부터 추가적인 사용자 발화의 요청을 수신하는 동작이 발생하기 전에 전자 장치에서 먼저 사용자 의도에 부합하는 실행 장치 및 인텐트를 특정하여 음성 어시스턴트 서비스의 성능 및 효율을 높일 수 있다.
도 6은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 도 6은 컨텍스트 정보에 현재의 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있고, 검색 결과에 대응하는 실행 장치 정보 및 인텐트가 마지막 사용자 발화 이력에 포함된 경우를 나타낸다. 이하에서, 도 2 내지 도 5의 설명과 중복되는 내용은 간략히 설명하거나 생략한다.
일 실시예에 따르면, 601 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 제1 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 제1 사용자 발화(예: “에어컨 올려줘”)에 대응하는 음성 입력을 수신할 수 있다. 전자 장치는 음성 입력을 기반으로, 제1 사용자 발화와 관련된 세션(session Id), 실행 장치(device), 및 인텐트(intent)를 인식할 수 있다. 예를 들어, 전자 장치는 1번 세션, 에어컨, deviceState-increase를 각각 인식할 수 있다. 전자 장치는 음성 입력을 분석하여 인식한 정보를 기반으로 음성 명령(voice command)를 결정할 수 있다. 전자 장치는 기 저장된 컨텍스트 정보(650)를 기반으로 음성 입력을 분석하여 결정한 음성 명령의 업데이트를 시도할 수 있다. 예를 들어, 전자 장치는 음성 입력을 기반으로 인식한 제1 사용자 발화와 관련된 정보 중 적어도 일부의 업데이트를 시도할 수 있다.
602 동작에서, 전자 장치는 컨텍스트 정보(650)에 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는지 판단할 수 있다. 컨텍스트 정보(650)는 이전 사용자 발화 이력(예를 들어, 이전 사용자 발화와 관련된 세션 정보(651), 실행 장치 정보(653), 및 인텐트(655))을 포함할 수 있다. 도 6을 참조하면, 컨텍스트 정보(650)는 제1 사용자 발화 이전의 제2 사용자 발화 이력(691), 제3 사용자 발화 이력(692), 및 제4 사용자 발화 이력(693)을 포함할 수 있다. 예를 들어, 제2 내지 제4 사용자 발화 이력은 제1 사용자 발화와 동일한 세션에 속하는 사용자 발화의 이력일 수 있다. 전자 장치는, 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는 경우 603 동작을 수행할 수 있다.
603 동작에서, 전자 장치는 음성 입력을 분석하여 획득한 실행 장치 및 인텐트 정보에 대응되는 외부 장치(예: IoT 장치)를 검색할 수 있다. 예를 들어, 검색 결과는 외부 장치의 식별 정보 및 인텐트 정보를 포함할 수 있다. 예를 들어, 전자 장치는 에어컨 및 deviceState-increase(장치 상태 상승)에 대응하는 외부 장치들을 검색할 수 있다. 예를 들어, 전자 장치는 제2 외부 장치(예: 안방 에어컨)와 관련된 제1 정보(예: DeviceId: 12345678, intent: temperature-increase) 및 제2 외부 장치와 관련된 제2 정보(예: DeviceId: 12345678, intent: windStrength-increase)를 포함하는 검색 결과를 인식할 수 있다. 예를 들어, temperature-increase는 온도를 상승시키는 동작을 나타내는 인텐트이고, windStrength-increase는 바람 세기를 상승시키는 동작을 나타내는 인텐트일 수 있다. 예를 들어, 전자 장치는 제2 외부 장치에 대하여, 현재의 제1 사용자 발화의 인텐트(deviceState-increase)에 대응하는 인텐트들(temperature-increase 및 windStrength-increase)을 인식할 수 있다.
604 동작에서, 전자 장치는 603 동작에서의 검색 결과에 컨텍스트 정보(650)에 마지막으로 저장된(즉, 가장 늦게 발화된) 사용자 발화 이력(예: 제4 사용자 발화 이력(693))과 관련된 실행 장치 정보 및 인텐트가 존재하는지 판단할 수 있다. 전자 장치는 검색 결과에 컨텍스트 정보(650)의 마지막 사용자 발화 이력에 대응하는 실행 장치 정보 및 인텐트가 있는 경우 607 동작을 수행하고, 검색 결과에 컨텍스트 정보(650)의 마지막 사용자 발화 이력에 대응하는 실행 장치 정보 및 인텐트가 없는 경우 605 동작을 수행할 수 있다. 예를 들어, 도 6은 컨텍스트 정보(650)에 현재의 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있고, 검색 결과에 대응하는 실행 장치 정보 및 인텐트가 마지막 사용자 발화 이력에 포함된 경우일 수 있다(604 동작-Yes에 해당함).
605 동작에서, 전자 장치는 603 동작에서의 검색 결과에 컨텍스트 정보(650)에 포함된 실행 장치 정보가 존재하는지 판단할 수 있다. 예를 들어, 605 동작은 도 5의 504 동작에 대응될 수 있다.
606 동작에서, 전자 장치는 사용자 발화와 관련된 정보를 업데이트하기 위한 정보가 검색되지 않음을 인식함에 응답하여, 사용자 발화와 관련된 정보를 업데이트하지 않을 수 있다. 예를 들어, 606 동작은 도 5의 505 동작에 대응될 수 있다.
607 동작에서, 전자 장치는 제1 사용자 발화와 관련된 정보를 업데이트하기 위한 정보로서 컨텍스트 정보(650)에 마지막으로 저장된(즉, 가장 늦게 발화된) 사용자 발화 이력(예: 제4 사용자 발화 이력(693))과 관련된 실행 장치 정보 및 인텐트를 선택할 수 있다.
608 동작에서, 전자 장치는 컨텍스트 정보(650)를 기반으로 사용자 발화와 관련된 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 제4 사용자 발화 이력(693)에 포함된 실행 장치 정보 및/또는 인텐트를 기반으로 제1 사용자 발화와 관련된 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화와 관련된 인텐트를 windStrength-increase로 업데이트하고, 및/또는 제1 사용자 발화와 관련된 실행 장치 정보를 제2 외부 장치(예: 안방 에어컨)의 식별 정보인 12345678로 업데이트할 수 있다. 예를 들어, 제1 사용자 발화가 “에어컨 올려줘”였다면, 전자 장치는 컨텍스트 정보(650)를 기반으로 제1 사용자 발화의 의도가 “안방 에어컨 바람 세기 올려줘”에 대응되는 것으로 결정할 수 있다. 에어컨 전자 장치는 업데이트된 제1 사용자 발화와 관련된 정보를 기반으로 음성 명령을 생성하고, 음성 명령을 IoT 서버(예: 도 1의 IoT 서버(130))에 전송할 수 있다.
일 실시예에 따르면, 도 6의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2 내지 5, 도 7 내지 도 9, 도 12, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
일 실시예에 따르면, 전자 장치는 이전 사용자 발화 이력과 관련된 컨텍스트 정보(650)를 기반으로, 불명료한 현재의 사용자 발화와 관련된 정보 중 적어도 하나(예: 실행 장치 정보 및/또는 인텐트)를 업데이트하고, 이를 기반으로 음성 명령을 생성할 수 있다.
도 7은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 도 7은 컨텍스트 정보에 현재의 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있고, 검색 결과에 대응하는 실행 장치 정보 및 인텐트가 마지막 사용자 발화 이력에 포함되지 않은 경우를 나타낸다. 이하에서, 도 2 내지 도 6의 설명과 중복되는 내용은 간략히 설명하거나 생략한다.
일 실시예에 따르면, 701 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 제1 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 제1 사용자 발화(예: “에어컨 올려줘”)에 대응하는 음성 입력을 수신할 수 있다. 전자 장치는 음성 입력을 기반으로, 제1 사용자 발화와 관련된 세션(session Id), 실행 장치(device), 및 인텐트(intent)를 인식할 수 있다. 예를 들어, 전자 장치는 1번 세션, 에어컨, deviceState-increase를 각각 인식할 수 있다. 전자 장치는 음성 입력을 기반으로 인식한 제1 사용자 발화와 관련된 정보 중 적어도 일부의 업데이트를 시도할 수 있다.
702 동작에서, 전자 장치는 컨텍스트 정보(750)에 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는지 판단할 수 있다. 컨텍스트 정보(750)는 이전 사용자 발화 이력(예를 들어, 이전 사용자 발화와 관련된 세션 정보(751), 실행 장치 정보(753), 및 인텐트(755))을 포함할 수 있다. 도 7를 참조하면, 컨텍스트 정보(750)는 제1 사용자 발화 이전의 제2 사용자 발화 이력(791) 및 제3 사용자 발화 이력(792)을 포함할 수 있다. 예를 들어, 제2 사용자 발화 이력(791) 및 제3 사용자 발화 이력(792)은 제1 사용자 발화와 동일한 세션에 속하는 사용자 발화의 이력일 수 있다. 전자 장치는, 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는 경우 703 동작을 수행할 수 있다.
703 동작에서, 전자 장치는 음성 입력을 분석하여 획득한 실행 장치 및 인텐트 정보에 대응되는 외부 장치(예: IoT 장치)를 검색할 수 있다. 예를 들어, 검색 결과는 외부 장치의 식별 정보 및 인텐트 정보를 포함할 수 있다. 예를 들어, 전자 장치는 에어컨 및 deviceState-increase(장치 상태 상승)에 대응하는 외부 장치들을 검색할 수 있다. 예를 들어, 전자 장치는 제2 외부 장치(예: 안방 에어컨)와 관련된 제1 정보(예: DeviceId: 12345678, intent: temperature-increase) 및 제2 외부 장치와 관련된 제2 정보(예: DeviceId: 12345678, intent: windStrength-increase)를 포함하는 검색 결과를 인식할 수 있다. 예를 들어, 전자 장치는 제2 외부 장치에 대하여, 현재의 제1 사용자 발화의 인텐트(deviceState-increase)에 대응하는 인텐트들(temperature-increase 및 windStrength-increase)를 인식할 수 있다.
704 동작에서, 전자 장치는 703 동작에서의 검색 결과에 컨텍스트 정보(750)에 마지막으로 저장된(즉, 가장 늦게 발화된) 사용자 발화 이력(예: 제3 사용자 발화 이력(792))과 관련된 실행 장치 정보 및 인텐트가 존재하는지 판단할 수 있다. 전자 장치는 검색 결과에 컨텍스트 정보(750)의 마지막 사용자 발화 이력에 대응하는 실행 장치 정보 및 인텐트가 있는 경우 707 동작을 수행하고, 검색 결과에 컨텍스트 정보(750)의 마지막 사용자 발화 이력에 대응하는 실행 장치 정보 및 인텐트가 없는 경우 705 동작을 수행할 수 있다.
705 동작에서, 전자 장치는 703 동작에서의 검색 결과에 컨텍스트 정보(750)에 포함된 실행 장치 정보가 존재하는지 판단할 수 있다. 전자 장치는 컨텍스트 정보(750)에 포함된 제2 사용자 발화 이력(791) 및 제3 사용자 발화 이력(792)이 검색 결과에 포함된 실행 장치 정보(예: deviceId)와 동일함을 인식할 수 있다. 예를 들어, 705 동작은 605 동작에 대응될 수 있다.
706 동작에서, 전자 장치는 사용자 발화와 관련된 정보를 업데이트하기 위한 정보가 검색되지 않음을 인식함에 응답하여, 사용자 발화와 관련된 정보를 업데이트하지 않을 수 있다. 예를 들어, 706 동작은 606 동작에 대응될 수 있다.
707 동작에서, 전자 장치는 제1 사용자 발화와 관련된 정보를 업데이트하기 위한 정보로서 컨텍스트 정보(750)에 마지막으로 저장된(즉, 가장 늦게 발화된) 사용자 발화 이력(예: 제3 사용자 발화 이력(792))과 관련된 실행 장치 정보 및 인텐트를 선택할 수 있다. 예를 들어, 707 동작은 607 동작에 대응될 수 있다.
708 동작에서, 전자 장치는 컨텍스트 정보(750)를 기반으로 사용자 발화와 관련된 정보를 업데이트할 수 있다. 예를 들어, 도 7의 경우, 컨텍스트 정보(750)에 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력(제2 사용자 발화 이력(791) 및 제3 사용자 발화 이력(792))이 있고, 검색 결과에 대응하는 실행 장치 정보 및 인텐트가 마지막 사용자 발화 이력에 포함되지 않을 수 있다(704 동작-No 및 705 동작-Yes에 해당함). 전자 장치는 검색 결과에 컨텍스트 정보(750)에 포함된 실행 장치 정보(예: deviceId)가 포함된 것을 인식함에 응답하여, 제1 사용자 발화와 관련된 정보 중 적어도 일부를 업데이트할 수 있다. 예를 들어, 전자 장치는 실행 장치 정보(예: 에어컨)를 컨텍스트 정보(750)에 포함된 실행 장치의 정보(예: 12345678)로 업데이트하고, 제1 사용자 발화와 관련된 인텐트는 검색된 2개의 인텐트(예: temperature-increase, windStrength-increase)로 유지할 수 있다. 전자 장치는 업데이트된 제1 사용자 발화와 관련된 정보에 기반하여 음성 명령을 생성할 수 있다. 일 실시예에 따르면, 전자 장치는 생성한 음성 명령이 불완전한 경우(예를 들어, 인텐트를 특정하지 못한 경우), 음성 명령을 IoT 서버로 바로 전송하지 않고, 추가적인 사용자 발화를 촉구하는 자연어 메시지를 생성하고, 자연어 메시지를 제1 외부 장치에 전송하여 사용자에게 출력하도록 할 수 있다. 예를 들어, 음성 명령이 온도 증가에 대응하는 제1 인텐트(temperature-increase) 및 바람세기 증가에 대응하는 제2 인텐트(windStrength-increase)를 포함하는 경우, 전자 장치는 사용자에게 제1 인텐트 및 제2 인텐트 중에서 사용자의 선택을 촉구하는 자연어 메시지(예: “온도, 바람 세기 중 어느 것을 올릴까요?”)를 생성하고, 제1 외부 장치를 통하여 상기 자연어 메시지가 출력되도록 제어할 수 있다. 전자 장치는, 자연어 메시지에 응답하여 획득된 추가적인 사용자 발화(예: “온도”)에 대응하는 음성 입력에 기반하여 제1 인텐트 및 제2 인텐트 중에서 사용자가 의도하는 인텐트를 특정할 수 있다. 예를 들어, 제1 인텐트를 특정한 경우, 전자 장치는 특정한 인텐트를 기반으로 음성 명령을 업데이트하고, 업데이트한 음성 명령을 IoT 서버에 전송할 수 있다. 예를 들어, 제1 사용자 발화가 “에어컨 올려줘”였다면, 전자 장치는 컨텍스트 정보(750) 및 추가적인 사용자 발화(예: “온도”)를 기반으로 제1 사용자 발화의 의도가 “에어컨 온도 올려줘”에 대응되는 것으로 결정하고, 대응되는 음성 명령을 생성할 수 있다.
일 실시예에 따르면, 도 7의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2 내지 6, 도 8 내지 도 9, 도 12, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
일 실시예에 따르면, 전자 장치는 지정된 조건을 만족 시 컨텍스트 정보(750)를 기반으로 음성 명령을 생성하기 위한 사용자 발화와 관련된 정보를 업데이트할 수 있다. 또한, 전자 장치는 음성 명령이 불완전한 경우(예를 들어, 실행 장치 및/또는 인텐트를 정확히 특정하지 못하는 경우) IoT 장치에 불완전한 음성 명령을 전송하기 전에 추가적인 사용자 발화를 촉구하고 음성 명령을 업데이트할 수 있다.
도 8은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 도 8은 컨텍스트 정보에 현재의 사용자 발화와 상이한 세션에 속하고 현재의 사용자 발화 시점으로부터 제1 지정된 시간 이내인 사용자 발화 이력이 있는 경우를 나타낸다. 이하에서, 도 2 내지 도 7의 설명과 중복되는 내용은 간략히 설명하거나 생략한다.
일 실시예에 따르면, 801 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 제1 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 제1 사용자 발화(예: “에어컨 올려줘”)에 대응하는 음성 입력을 수신할 수 있다. 전자 장치는 음성 입력을 기반으로, 제1 사용자 발화와 관련된 세션(session Id), 실행 장치(device), 인텐트(intent), 타임스탬프(timestamp), 및 위치(geo)를 인식할 수 있다. 예를 들어, 전자 장치는 2번 세션, 에어컨, deviceState-increase, 1657099864, (37.258, 127.058)을 각각 인식할 수 있다. 전자 장치는 음성 입력을 분석하여 인식한 정보를 기반으로 음성 명령(voice command)를 결정할 수 있다. 전자 장치는 기 저장된 컨텍스트 정보(850)를 기반으로 음성 입력을 분석하여 결정한 음성 명령의 업데이트를 시도할 수 있다. 예를 들어, 전자 장치는 음성 입력을 기반으로 인식한 제1 사용자 발화와 관련된 정보 중 적어도 일부의 업데이트를 시도할 수 있다.
802 동작에서, 전자 장치는 컨텍스트 정보(850)에 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는지 판단할 수 있다. 컨텍스트 정보(850)는 이전 사용자 발화 이력(예를 들어, 이전 사용자 발화와 관련된 세션 정보(851), 실행 장치 정보(853), 인텐트(855), 타임스탬프(857), 및 위치 정보(859))을 포함할 수 있다. 도 8을 참조하면, 컨텍스트 정보(850)는 제1 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력을 포함하지 않을 수 있다. 전자 장치는, 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는 경우 804 동작을 수행하고, 동일한 세션에 속하는 이전 사용자 발화 이력이 없는 경우 803 동작을 수행할 수 있다.
803 동작에서, 전자 장치는 컨텍스트 정보(850)에 포함된 사용자 발화 이력의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제1 시간(예: 3분) 이내인지 판단할 수 있다. 도 8을 참조하면, 제1 사용자 발화의 타임스탬프는 1657099864(KST(Korea Standard Time) 9:31:04)이고, 제2 사용자 발화 이력(891)의 타임스탬프는 1657099624(KST 9:27:04)이고, 제3 사용자 발화 이력(892)의 타임스탬프는 1657099713(KST 9:28:33)이고, 제4 사용자 발화 이력(893)의 타임스탬프는 1657099728 (KST 9:28:48)이다. 즉, 컨텍스트 정보(850)는 제2 사용자 발화 이력(891), 제3 사용자 발화 이력(892), 및 제4 사용자 발화 이력(893)을 포함하고, 제3 사용자 발화 이력(892)의 타임스탬프와 제4 사용자 발화 이력(893)의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제1 시간 이내일 수 있다. 전자 장치는 컨텍스트 정보(850)에 포함된 사용자 발화 이력의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제1 시간 이내인 경우 804 동작을 수행하고, 제1 시간 이내가 아닌 경우 807 동작을 수행할 수 있다.
804 동작에서, 전자 장치는 음성 입력을 분석하여 획득한 실행 장치 및 인텐트 정보에 대응되는 외부 장치(예: IoT 장치)를 검색할 수 있다. 예를 들어, 검색 결과는 외부 장치의 식별 정보 및 인텐트 정보를 포함할 수 있다. 예를 들어, 전자 장치는 에어컨 및 deviceState-increase(장치 상태 상승)에 대응하는 외부 장치들을 검색할 수 있다. 예를 들어, 전자 장치는 제2 외부 장치(예: 안방 에어컨)와 관련된 제1 정보(예: DeviceId: 12345678, intent: temperature-increase) 및 제2 외부 장치와 관련된 제2 정보(예: DeviceId: 12345678, intent: windStrength-increase)를 포함하는 검색 결과를 인식할 수 있다. 예를 들어, temperature-increase는 온도를 상승시키는 동작을 나타내는 인텐트이고, windStrength-increase는 바람 세기를 상승시키는 동작을 나타내는 인텐트일 수 있다. 예를 들어, 전자 장치는 제2 외부 장치에 대하여, 현재의 제1 사용자 발화의 인텐트(deviceState-increase)에 대응하는 인텐트들(temperature-increase 및 windStrength-increase)를 인식할 수 있다. 예를 들어, 804 동작은 도 6의 603 또는 도 7의 703 동작에 대응될 수 있다.
805 동작에서, 전자 장치는 804 동작에서의 검색 결과에 컨텍스트 정보(850)에 마지막으로 저장된(즉, 가장 늦게 발화된) 사용자 발화 이력(예: 제4 사용자 발화 이력(893))과 관련된 실행 장치 정보 및 인텐트가 존재하는지 판단할 수 있다. 전자 장치는 검색 결과에 컨텍스트 정보(850)의 마지막 사용자 발화 이력에 대응하는 실행 장치 정보 및 인텐트가 있는 경우 808 동작을 수행하고, 검색 결과에 컨텍스트 정보(850)의 마지막 사용자 발화 이력에 대응하는 실행 장치 정보 및 인텐트가 없는 경우 806 동작을 수행할 수 있다. 예를 들어, 805 동작은 도 6의 604 동작 또는 도 7의 704 동작에 대응될 수 있다.
806 동작에서, 전자 장치는 804 동작에서의 검색 결과에 컨텍스트 정보(850)에 포함된 실행 장치 정보가 존재하는지 판단할 수 있다. 예를 들어, 806 동작(및/또는, 805 동작)에서 검색 결과와 비교하는 컨텍스트 정보(850)는 제1 사용자 발화의 타임스탬프로부터 지정된 제1 시간 이내의 타임스탬프를 가지는 제3 사용자 발화 이력(892) 및 제4 사용자 발화 이력(893)일 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화와 관련된 정보를 업데이트하는데, 제1 사용자 발화의 타임스탬프로부터 지정된 제1 시간을 벗어나는 타임스탬프를 가지는 제2 사용자 발화 이력(891)을 이용하지 않을 수 있다. 예를 들어, 806 동작은 도 6의 605 동작 또는 도 7의 705 동작에 대응될 수 있다.
807 동작에서, 전자 장치는 사용자 발화와 관련된 정보를 업데이트하기 위한 정보가 검색되지 않음을 인식함에 응답하여, 사용자 발화와 관련된 정보를 업데이트하지 않을 수 있다. 예를 들어, 807 동작은 도 6의 606 동작 또는 도 7의 706 동작에 대응될 수 있다.
808 동작에서, 전자 장치는 제1 사용자 발화와 관련된 정보를 업데이트하기 위한 정보로서 컨텍스트 정보(850)에 마지막으로 저장된(즉, 가장 늦게 발화된) 사용자 발화 이력(예: 제4 사용자 발화 이력(893))과 관련된 실행 장치 정보 및 인텐트를 선택할 수 있다. 예를 들어, 808 동작은 도 6의 607 동작 또는 도 7의 707 동작에 대응될 수 있다.
809 동작에서, 전자 장치는 컨텍스트 정보(850)를 기반으로 사용자 발화와 관련된 정보 중 적어도 일부를 업데이트할 수 있다. 예를 들어, 전자 장치는 제4 사용자 발화 이력(893)에 포함된 실행 장치 정보 및/또는 인텐트를 기반으로 제1 사용자 발화와 관련된 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화와 관련된 인텐트를 windStrength-increase로 업데이트하고, 및/또는 제1 사용자 발화와 관련된 실행 장치 정보를 제2 외부 장치(예: 안방 에어컨)의 식별 정보인 12345678로 업데이트할 수 있다. 예를 들어, 제1 사용자 발화가 “에어컨 올려줘”였다면, 전자 장치는 컨텍스트 정보(850)(예: 제4 사용자 발화 이력(893))를 기반으로 제1 사용자 발화의 의도가 “안방 에어컨 바람 세기 올려줘”에 대응되는 것으로 결정할 수 있다. 에어컨 전자 장치는 업데이트된 제1 사용자 발화와 관련된 정보를 기반으로 음성 명령을 생성하고, 음성 명령을 IoT 서버에 전송할 수 있다. 예를 들어, 809 동작은 도 6의 608 동작 또는 도 7의 708 동작에 대응될 수 있다.
일 실시예에 따르면, 도 8의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2 내지 7, 도 9, 도 12, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
일 실시예에 따르면, 전자 장치는 컨텍스트 정보(850)에 포함된 이전 사용자 발화 이력이 현재의 사용자 발화와 동일한 세션에 속하지 않는 경우에도, 컨텍스트 정보(850) 내의 사용자 발화 이력이 현재의 사용자 발화 시점으로부터 제1 지정된 시간 이내의 사용자 발화 이력인 경우, 이를 기반으로 현재의 사용자 발화와 관련된 정보 중 적어도 일부를 업데이트하고, 업데이트된 정보를 기반으로 IoT 서버에 전송할 음성 명령을 생성할 수 있다.
도 9는 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 도 9는 컨텍스트 정보에 현재의 사용자 발화와 상이한 세션에 속하고 현재의 사용자 발화 시점으로부터 제2 지정된 시간 내에 현재의 사용자 발화 위치로부터 지정된 거리 내에서 발화된 사용자 발화 이력이 있는 경우를 나타낸다. 이하에서, 도 2 내지 도 8의 설명과 중복되는 내용은 간략히 설명하거나 생략한다.
일 실시예에 따르면, 901 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 제1 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 제1 사용자 발화(예: “에어컨 올려줘”)에 대응하는 음성 입력을 수신할 수 있다. 전자 장치는 음성 입력을 기반으로, 제1 사용자 발화와 관련된 세션(session Id), 실행 장치(device), 인텐트(intent), 타임스탬프(timestamp), 및 위치(geo)를 인식할 수 있다. 예를 들어, 전자 장치는 2번 세션, 에어컨, deviceState-increase, 1657100204, (37.258, 127.056)을 각각 인식할 수 있다. 전자 장치는 음성 입력을 분석하여 인식한 정보를 기반으로 음성 명령(voice command)를 결정할 수 있다. 전자 장치는 기 저장된 컨텍스트 정보(950)를 기반으로 음성 입력을 분석하여 결정한 음성 명령의 업데이트를 시도할 수 있다. 예를 들어, 전자 장치는 음성 입력을 기반으로 인식한 제1 사용자 발화와 관련된 정보 중 적어도 일부의 업데이트를 시도할 수 있다.
902 동작에서, 전자 장치는 컨텍스트 정보(950)에 현재의 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는지 판단할 수 있다. 예를 들어, 전자 장치는 컨텍스트 정보(950)에 현재의 제1 사용자 발화와 동일한 세션 ID가 존재하는지 판단할 수 있다. 컨텍스트 정보(950)는 이전 사용자 발화 이력(예를 들어, 이전 사용자 발화와 관련된 세션 정보(예: 세션 ID)(951), 실행 장치 정보(953), 인텐트(955), 타임스탬프(957), 및 위치 정보(959))을 포함할 수 있다. 도 9를 참조하면, 컨텍스트 정보(950)는 제1 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력을 포함하지 않을 수 있다. 전자 장치는, 제1 사용자 발화와 동일한 세션에 속하는 이전 사용자 발화 이력이 있는 경우 905 동작을 수행하고, 동일한 세션에 속하는 이전 사용자 발화 이력이 없는 경우 903 동작을 수행할 수 있다.
903 동작에서, 전자 장치는 컨텍스트 정보(950)에 포함된 사용자 발화 이력의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제1 시간(T1)(예: 3분) 이내인지 판단할 수 있다. 예를 들어, 전자 장치는 컨텍스트 정보(950)에 포함된 사용자 발화 이력의 타임스탬프와 제1 사용자 발화의 타임스탬프의 시간 차가 지정된 제1 시간(T1) 이내인지 판단할 수 있다. 도 9를 참조하면, 제1 사용자 발화의 타임스탬프는 1657100204(KST 9:36:44)이고, 제2 사용자 발화 이력(991)의 타임스탬프는 1657099624(KST 9:27:04)이고, 제3 사용자 발화 이력(992)의 타임스탬프는 1657099713(KST 9:28:33)이고, 제4 사용자 발화 이력(993)의 타임스탬프는 1657099728 (KST 9:28:48)이다. 즉, 컨텍스트 정보(950)는 제2 사용자 발화 이력(991), 제3 사용자 발화 이력(992), 및 제4 사용자 발화 이력(993)을 포함하나, 제2 사용자 발화 이력(991)의 타임스탬프, 제3 사용자 발화 이력(992)의 타임스탬프, 및 제4 사용자 발화 이력(993)의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제1 시간(T1) 이내가 아닌 경우를 가정한다. 전자 장치는 컨텍스트 정보(950)에 포함된 사용자 발화 이력의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제1 시간(T1) 이내인 경우 905 동작을 수행하고, 제1 시간(T1) 이내가 아닌 경우 904 동작을 수행할 수 있다. 예를 들어, 903 동작은 도 8의 803 동작에 대응될 수 있다.
904 동작에서, 전자 장치는 컨텍스트 정보(950)에 포함된 사용자 발화 이력의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제2 시간(T2)(예: 10분) 이내이고, 사용자 발화 이력의 위치(geo)가 제1 사용자 발화의 위치와 지정된 거리(D)(예: 100m) 이내인지 판단할 수 있다. 예를 들어, 사용자 발화 이력의 위치는 사용자 발화가 있었던 위치를 나타내는 위도 및 경도(예: (위도, 경도))를 나타낼 수 있다. 도 9를 참조하면, 제2 사용자 발화 이력(991)의 타임스탬프, 제3 사용자 발화 이력(992)의 타임스탬프, 및 제4 사용자 발화 이력(993)의 타임스탬프는 제1 사용자 발화의 타임스탬프와 지정된 제1 시간(T1) 이내임을 가정한다. 또한, 제2 사용자 발화 이력(991)의 위치는 (37.258, 127.059)로, 제1 사용자 발화의 위치(37.258, 127.056)로부터 지정된 거리(예: 100m)를 벗어나며, 제3 사용자 발화 이력(992)의 위치는 (37.258, 127.057)로 제1 사용자 발화의 위치(37.258, 127.056)로부터 지정된 거리(D)(예: 100m) 이내이며, 제4 사용자 발화 이력(993)의 위치는 (37.258, 127.057)이로 제1 사용자 발화의 위치(37.258, 127.056)로부터 지정된 거리(D)(예: 100m) 이내임을 가정한다. 예를 들어, 전자 장치는 컨텍스트 정보(950)에 포함된 사용자 발화 이력의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제2 시간(T2) 이내이고, 사용자 발화 이력의 위치가 제1 사용자 발화의 위치와 지정된 거리(D) 이내인 경우 905 동작을 수행하고, 컨텍스트 정보(950)에 포함된 사용자 발화 이력의 타임스탬프가 제1 사용자 발화의 타임스탬프와 지정된 제2 시간(T2) 이내가 아니거나 또는 사용자 발화 이력의 위치가 제1 사용자 발화의 위치와 지정된 거리(D) 이내가 아닌 경우 908 동작을 수행할 수 있다.
905 동작에서, 전자 장치는 음성 입력을 분석하여 획득한 실행 장치 및 인텐트 정보에 대응되는 외부 장치(예: IoT 장치)를 검색할 수 있다. 예를 들어, 검색 결과는 외부 장치의 식별 정보 및 인텐트 정보를 포함할 수 있다. 예를 들어, 전자 장치는 에어컨 및 deviceState-increase(장치 상태 상승)에 대응하는 외부 장치들을 검색할 수 있다. 예를 들어, 전자 장치는 제2 외부 장치(예: 스탠드형 에어컨)와 관련된 제1 정보(예: DeviceId: 12345678, intent: temperature-increase) 및 제2 외부 장치와 관련된 제2 정보(예: DeviceId: 12345678, intent: windStrength-increase)를 포함하는 검색 결과를 인식할 수 있다. 예를 들어, temperature-increase는 온도를 상승시키는 동작을 나타내는 인텐트이고, windStrength-increase는 바람 세기를 상승시키는 동작을 나타내는 인텐트일 수 있다. 예를 들어, 전자 장치는 제2 외부 장치에 대하여, 현재의 제1 사용자 발화의 인텐트(deviceState-increase)에 대응하는 인텐트들(temperature-increase 및 windStrength-increase)를 인식할 수 있다. 예를 들어, 905 동작은 도 6의 603, 도 7의 703 동작, 또는 도 8의 804 동작에 대응될 수 있다.
906 동작에서, 전자 장치는 905 동작에서의 검색 결과에 컨텍스트 정보(950)에 마지막으로 저장된(즉, 가장 늦게 발화된) 사용자 발화 이력(예: 제4 사용자 발화 이력(993))과 관련된 실행 장치 정보 및 인텐트가 존재하는지 판단할 수 있다. 전자 장치는 검색 결과에 컨텍스트 정보(950)의 마지막 사용자 발화 이력에 대응하는 실행 장치 정보 및 인텐트가 있는 경우 909 동작을 수행하고, 검색 결과에 컨텍스트 정보(950)의 마지막 사용자 발화 이력에 대응하는 실행 장치 정보 및 인텐트가 없는 경우 907 동작을 수행할 수 있다. 예를 들어, 906 동작은 도 6의 604 동작, 도 7의 704 동작, 또는 도 8의 805 동작에 대응될 수 있다.
907 동작에서, 전자 장치는 905 동작에서의 검색 결과에 컨텍스트 정보(950)에 포함된 실행 장치 정보가 존재하는지 판단할 수 있다. 예를 들어, 907 동작 및/또는 906 동작에서 검색 결과와 비교하는 컨텍스트 정보(950)는 제1 사용자 발화의 타임스탬프로부터 지정된 제2 시간(T2) 이내의 타임스탬프를 가지고, 제1 사용자 발화의 위치와 지정된 거리(D) 이내의 위치 정보를 가지는 제3 사용자 발화 이력(992) 및 제4 사용자 발화 이력(993)일 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화와 관련된 정보를 업데이트하는데, 제1 사용자 발화의 타임스탬프로부터 지정된 제2 시간(T2)을 벗어나는 타임스탬프를 가지는 제2 사용자 발화 이력(991)(및, 제1 사용자 발화의 위치로부터 지정된 거리(D)를 벗어나는 위치에서 발화된 사용자 발화 이력)을 이용하지 않을 수 있다. 예를 들어, 907 동작은 도 6의 605 동작, 도 7의 705 동작, 또는 도 8의 806 동작에 대응될 수 있다.
908 동작에서, 전자 장치는 사용자 발화와 관련된 정보를 업데이트하기 위한 정보가 검색되지 않음을 인식함에 응답하여, 사용자 발화와 관련된 정보를 업데이트하지 않을 수 있다. 예를 들어, 908 동작은 도 6의 606 동작, 도 7의 706 동작, 또는 도 8의 807 동작에 대응될 수 있다.
909 동작에서, 전자 장치는 제1 사용자 발화와 관련된 정보를 업데이트하기 위한 정보로서 컨텍스트 정보(950)에 마지막으로 저장된(즉, 가장 늦게 발화된) 사용자 발화 이력(예: 제4 사용자 발화 이력(993))과 관련된 실행 장치 정보 및 인텐트를 선택할 수 있다. 예를 들어, 909 동작은 도 6의 607 동작, 도 7의 707 동작, 또는 도 8의 808 동작에 대응될 수 있다.
910 동작에서, 전자 장치는 컨텍스트 정보(950)를 기반으로 사용자 발화와 관련된 정보 중 적어도 일부를 업데이트할 수 있다. 예를 들어, 전자 장치는 제4 사용자 발화 이력(993)에 포함된 실행 장치 정보 및/또는 인텐트를 기반으로 제1 사용자 발화와 관련된 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화와 관련된 인텐트를 windStrength-increase로 업데이트하고, 및/또는 제1 사용자 발화와 관련된 실행 장치 정보를 제2 외부 장치(예: 스탠드형 에어컨)의 식별 정보인 12345678로 업데이트할 수 있다. 예를 들어, 제1 사용자 발화가 “에어컨 올려줘”였다면, 전자 장치는 컨텍스트 정보(950)(예: 제4 사용자 발화 이력(993))를 기반으로 제1 사용자 발화의 의도가 “스탠드형 에어컨 바람 세기 올려줘”에 대응되는 것으로 결정할 수 있다. 에어컨 전자 장치는 업데이트된 제1 사용자 발화와 관련된 정보를 기반으로 음성 명령을 생성하고, 음성 명령을 IoT 서버에 전송할 수 있다. 예를 들어, 910 동작은 도 6의 608 동작, 도 7의 708 동작, 또는 도 8의 809 동작에 대응될 수 있다.
일 실시예에 따르면, 도 9의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2 내지 8, 도 12, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
일 실시예에 따르면, 전자 장치는 컨텍스트 정보(950)에 포함된 이전 사용자 발화 이력이 현재의 사용자 발화와 동일한 세션에 속하지 않는 경우에도, 컨텍스트 정보(950) 내의 사용자 발화 이력이 현재의 사용자 발화 시점으로부터 제2 지정된 시간 이내이고, 제1 사용자 발화 위치와 지정된 거리 이내에서 발화된 사용자 발화 이력인 경우, 이를 기반으로 현재의 사용자 발화와 관련된 정보 중 적어도 일부를 업데이트하고, 업데이트된 정보를 기반으로 IoT 서버에 전송할 음성 명령을 생성할 수 있다.
도 10은 일 실시예에 따른 전자 장치의 동작을 설명하기 위한 도면이다. 예를 들어, 도 10은 제1 장치(1010)(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501)), 제2 장치(1020), 제3 장치(1030), 제4 장치(1040), 제5 장치(1050), 및 제6 장치(1060)를 포함하는 멀티 디바이스 환경(multi device environment, MDE(1000))에서 음성 어시스턴트 서비스를 제공하는 경우를 나타내나, MDE(1000)가 도 10에 도시된 바에 한정되는 것은 아니다. 예를 들어, MDE(1000)에 포함된 장치들은 음성 어시스턴트 시스템의 적어도 일부를 구성할 수 있다. 음성 어시스턴트 시스템은 도 10에 도시된 장치들 외에 음성 어시스턴트 서버(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))를 더 포함할 수 있다. 예를 들어, 도 10에서는 제1 장치(1010), 제2 장치(1020), 및 제3 장치(1030)가 음성 어시스턴트 기능을 지원하는 장치(예를 들어, 사용자로부터 사용자 발화를 수신함에 응답하여 음성 어시스턴트 서비스를 활성화시킬 수 있는 장치)임을 가정하여 설명하나, 이에 한정되는 것은 아니다. 이하에서, 제1 장치(1010)(예: 모바일 단말)는 사용자에 의해 이동이 가능하며, 제2 장치(1020) 내지 제5 장치(1050)는 모두 지정된 위치에 고정된 상태인 동일 또는 상이한 종류의 IoT 장치인 것으로 가정하여 설명한다.
예를 들어, IoT 장치가 두 종류의 에어컨(예: 스탠드형 에어컨 및 벽걸이 에어컨)을 포함하고, 사용자가 제1 시각(예: 낮 12시)에 제1 장소(예: 거실)에서 제1 장치(1010)에 “에어컨 온도 올려”라는 제1 사용자 발화를 입력한 경우를 가정한다. 음성 어시스턴트 시스템은 불완전한(또는, 모호한) 사용자 발화에 대해 “에어컨이 두 대 있어요”라는 추가 사용자 발화를 촉구하는 메시지를 출력할 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화에 대응하는 장치 정보, 인텐트, 및/또는 파라미터 정보를 인식할 수 있다. 전자 장치는 제1 사용자 발화에 대응하는 장치 정보, 인텐트, 및/또는 파라미터 정보 중 적어도 일부를 인식할 수 없는 경우, 제1 사용자 발화를 불완전한(또는, 모호한) 사용자 발화로 인식할 수 있다. 사용자가 추가 사용자 발화를 촉구하는 메시지에 응답하여 “스탠드형 에이컨”이라는 추가 사용자 발화(예: 제2 사용자 발화)를 제1 장치(1010)에 입력한 경우, 음성 어시스턴트 시스템은 스탠드형 에어컨의 온도를 올릴 수 있고, 수행하는 동작을 알려주는 자연어 응답(“스탠드형 에어컨의 온도를 올릴게요”)을 출력할 수 있다.
제1 예시로, 이전 사용자 발화 이후에 사용자가 동일한 세션에서 모호한(불완전한) 새로운 사용자 발화(예: 제3 사용자 발화)를 입력한 경우를 가정한다. 예를 들어, 사용자가 “에어컨 낮춰”를 제1 장치(1010)에 입력한 경우, 음성 어시스턴트 시스템은 이전에 입력되었던 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로 동일한 세션에서의 이전 사용자 발화와 관련된 이력이 있는지 확인할 수 있다. 음성 어시스턴트 시스템은 컨텍스트 정보에 포함된 동일한 세션에서의 이전 사용자 발화 이력을 기반으로 스탠드형 에이컨의 온도를 낮출 수 있다. 예를 들어, 음성 어시스턴트 시스템은 이전 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로 추가 사용자 발화를 수신하지 않고 사용자 발화에 대응하는 동작을 실행할 장치(예: 실행 장치)를 스탠드형 에어컨으로 특정할 수 있다. 음성 어시스턴트 시스템(예: 제1 장치(1010))은 결정한 사용자 인텐트 및 특정한 실행 장치를 나타내는 자연어 응답(“스탠드형 에어컨의 온도를 올릴게요”)를 출력하고, 실행 장치의 동작을 제어할 수 있다.
제2 예시로, 이전 사용자 발화 이후에 사용자가 상이한 세션에서 지정된 제1 시간(예: 3분) 내에 새로운 사용자 발화를 입력한 경우를 가정한다. 예를 들어, 제2 시각(예: 낮 12시 1분)에 제1 장소(예: 거실)에서 제2 장치(1020)에 새로운 사용자 발화(예: 제4 사용자 발화)를 입력한 경우를 가정한다. 예를 들어, 사용자는 제2 시각에 제1 장소에서 제2 장치(1020)에 “바람 세기 올려”라는 제4 사용자 발화를 입력할 수 있다. 음성 어시스턴트 시스템은 컨텍스트 정보를 기반으로 제4 사용자 발화와 동일한 세션의 이전 사용자 발화 이력이 없는 경우, 상이한 세션에서 제4 사용자 발화 시점에서 지정된 제1 시간(예: 3분) 이내에 있었던 사용자 발화 이력이 있는지 확인할 수 있다. 예를 들어, 제4 사용자 발화 시점에서 지정된 제1 시간(예: 3분) 이내에 있었던 사용자 발화를 인식한 경우, 음성 어시스턴트 시스템은 인식한 사용자 발화와 관련된 정보를 기반으로 추가 사용자 발화 없이 실행 장치(예: 스탠드형 에어컨)를 특정할 수 있다. 예를 들어, 음성 어시스턴트 시스템은 사용자 인텐트 및 특정한 실행 장치에 대한 자연어 응답(“스탠드형 에어컨의 바람세기를 올릴게요”)를 출력할 수 있다.
제3 예시로, 이전 사용자 발화 이후에 사용자가 상이한 세션에서 지정된 제2 시간(예: 10분) 내, 지정된 거리(예: 100m) 이내에서 새로운 사용자 발화를 입력한 경우를 가정한다. 예를 들어, 제3 시각(예: 낮 12시 5분)에 제1 장소(예: 거실)에서 제3 장치(1030)에 새로운 사용자 발화(예: 제5 사용자 발화)를 입력된 경우를 가정한다. 예를 들어, 사용자는 제3 시각에 제1 장소에서 제3 장치(1030)에 “바람 세기 올려”라는 제5 사용자 발화를 입력할 수 있다. 음성 어시스턴트 시스템은 컨텍스트 정보를 기반으로 제5 사용자 발화와 동일한 세션의 이전 사용자 발화 이력 및 제1 지정된 시간 이내의 사용자 발화 이력이 없는 경우, 상이한 세션에서 제5 사용자 발화 시점에서 지정된 제2 시간(예: 10분) 이내에 제5 사용자 발화 장소로부터 지정된 거리(예: 100m) 이내에서 있었던 사용자 발화 이력이 있는지 확인할 수 있다. 예를 들어, 제5 사용자 발화 시점에서 지정된 제2 시간(예: 10분) 이내 지정된 거리 이내에서 있었던 사용자 발화를 인식한 경우, 음성 어시스턴트 시스템은 인식한 사용자 발화와 관련된 정보를 기반으로 추가 사용자 발화 없이 실행 장치(예: 스탠드형 에어컨)를 특정할 수 있다. 예를 들어, 음성 어시스턴트 시스템은 사용자 인텐트 및 특정한 실행 장치에 대한 자연어 응답(“스탠드형 에어컨의 바람세기를 올릴게요”)를 출력할 수 있다.
제4 예시로, 이전 사용자 발화 이후에 사용자가 상이한 세션에서 지정된 제2 시간(예: 10분) 경과 후, 지정된 거리(예: 100m) 이내에서 새로운 사용자 발화를 입력한 경우를 가정한다. 예를 들어, 사용자가 제4 시각(예: 낮 12시 20분)에 제1 장소(예: 거실)에서 제2 장치(1020)에 새로운 사용자 발화(예: 제6 사용자 발화)를 입력한 경우를 가정한다. 예를 들어, 사용자는 제4 시각에 제1 장소에서 제2 장치(1020)에 “바람 세기 올려”라는 제6 사용자 발화를 입력할 수 있다. 예를 들어, 제6 사용자 발화는 이전 사용자 발화(예: 제5 사용자 발화) 시각(예: 12시 5분)에서 지정된 제2 시간(예: 10분)이 경과한 이후의 사용자 발화이다. 제5 사용자 발화 시각에서 지정된 제2 시간(예: 10분)을 초과하여 제6 사용자 발화를 인식한 경우, 음성 어시스턴트 시스템은 컨텍스트 정보를 검색하지 않을 수 있다. 음성 어시스턴트 시스템은 제6 사용자 발화에 응답하여, 사용자의 추가적인 사용자 발화를 촉구하는 자연어 메시지(예: “디바이스가 3대 있어요. 스탠드형 에어컨, 벽걸이 에어컨, 공기청정기”)를 출력할 수 있다. 이후 사용자가 자연어 메시지에 응답하여 추가적인 제7 사용자 발화(예: “공기청정기”)를 입력하면, 음성 어시스턴트 시스템은 제7 사용자 발화에 적어도 일부 기반하여 사용자 인텐트 및 실행 장치를 특정하고 이를 사용자에게 알려줄 수 있다. 예를 들어, 음성 어시스턴트 시스템은 “공기청정기의 바람 세기를 올릴게요”라는 자연어 메시지를 출력할 수 있다. 음성 어시스턴트 시스템은 컨텍스트 정보를 기반으로 결정한 사용자 인텐트 및 실행 장치 정보에 기반하여 음성 어시스턴트 서비스를 제공할 수 있다.
제5 예시로, 이전 사용자 발화 이후에 사용자가 상이한 세션에서 지정된 제2 시간(예: 10분) 내에 지정된 거리(예: 100m)를 벗어나는 위치에서 새로운 사용자 발화를 입력한 경우를 가정한다. 예를 들어, 사용자가 제5 시각(예: 낮 12시 7분)에 제2 장소(예: 사용자의 차 안)에서 제1 장치(1010)에 새로운 사용자 발화(예: 제8 사용자 발화)를 입력한 경우를 가정한다. 예를 들어, 사용자는 제5 시각에 제2 장소에서 제1 장치(1010)에 “바람 세기 올려”라는 제8 사용자 발화를 입력할 수 있다. 예를 들어, 제8 사용자 발화는 이전 사용자 발화(예: 제5 사용자 발화) 시각(예: 12시 5분)에서 지정된 제2 시간(예: 10분) 이내에 이전 사용자 발화(예: 제5 사용자 발화) 위치에서 지정된 거리(예: 100m) 벗어나는 위치에서 제1 장치(1010)에 입력될 수 있다. 예를 들어, 제5 사용자 발화의 위치에서 지정된 거리를 벗어난 위치에서 제8 발화를 인식한 경우, 음성 어시스턴트 시스템은 컨텍스트 정보를 검색하지 않을 수 있다. 음성 어시스턴트 시스템은 제8 사용자 발화에 응답하여, 사용자의 추가적인 사용자 발화를 촉구하는 자연어 메시지(예: “디바이스가 3대 있어요. 스탠드형 에어컨, 벽걸이 에어컨, 공기청정기”)를 출력할 수 있다. 이후 사용자가 자연어 메시지에 응답하여 추가적인 제9 사용자 발화(예: “공기청정기”)를 입력하면, 음성 어시스턴트 시스템은 제9 사용자 발화에 적어도 일부 기반하여 사용자 인텐트 및 실행 장치를 특정하고 이를 사용자에게 알려줄 수 있다. 예를 들어, 음성 어시스턴트 시스템은 “공기청정기의 바람 세기를 올릴게요”라는 자연어 메시지를 출력할 수 있다.
제6 예시로, 이전 사용자 발화 이후에 사용자가 상이한 세션에서 지정된 제1 시간(예: 3분) 내에 지정된 거리(예: 100m)를 벗어나는 위치에서 새로운 사용자 발화를 입력한 경우를 가정한다. 예를 들어, 사용자가 제6 시각(예: 낮 12시 9분)에 제2 장소(예: 사용자의 차 안)에서 제1 장치(1010)에 새로운 사용자 발화(예: 제10 사용자 발화)를 입력한 경우를 가정한다. 예를 들어, 사용자는 제6 시각에 제2 장소(예: 사용자의 차 안)에서 제1 장치(1010)에 “바람 세기 내려”라는 제10 사용자 발화를 입력할 수 있다. 예를 들어, 제10 사용자 발화는 이전 사용자 발화(예: 제8 사용자 발화) 시각(예: 12시 7분)에서 지정된 제1 시간(예: 3분) 이내에 이전 사용자 발화(예: 제8 사용자 발화) 위치에서 지정된 거리(예: 100m)를 벗어나는 위치에서 제1 장치(1010)에 입력될 수 있다. 예를 들어, 제8 사용자 발화 시점으로부터 지정된 제1 시간 이내에 제10 사용자 발화를 인식한 경우, 음성 어시스턴트 시스템은 컨텍스트 정보를 기반으로 사용자의 추가적인 사용자 발화를 촉구하는 자연어 메시지를 출력하지 않을 수 있다. 음성 어시스턴트 시스템은 인식한 사용자 발화 이력에 기반하여 사용자 인텐트 및 실행 장치를 특정하고 이를 사용자에게 알려줄 수 있다. 예를 들어, 음성 어시스턴트 시스템은 “공기청정기의 바람 세기를 내릴게요”라는 자연어 메시지를 출력할 수 있다. 음성 어시스턴트 시스템은 컨텍스트 정보를 기반으로 결정한 사용자 인텐트 및 실행 장치 정보에 기반하여 음성 어시스턴트 서비스를 제공할 수 있다.
일 실시예에 따르면, 음성 어시스턴트 시스템은 동일한 세션의 이전 사용자 발화 이력, 상이한 세션에서 지정된 제1 시간 내에 입력된 이전 사용자 발화 이력, 및/또는 상이한 세션에서 지정된 제2 시간 내에 제1 거리 이내에서 입력된 이전 사용자 발화 이력을 포함하는 컨텍스트 정보가 있는 경우, 컨텍스트 정보에 포함된 사용자 발화 이력을 기반으로 추가적인 사용자 발화 없이 사용자 인텐트 및/또는 실행 장치를 결정하고, 이를 기반으로 음성 어시스턴트 서비스를 제공할 수 있다.
도 11은 일 실시예에 따른 전자 장치의 블록도이다.
일 실시예에 따르면, 전자 장치(1100)(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 통신 회로(1110), 메모리(1120), 및 프로세서(1130)를 포함할 수 있다.
일 실시예에 따르면, 통신 회로(1110)는 외부 장치와 정보 및/또는 데이터를 송수신할 수 있다. 예를 들어, 통신 회로(1110)는 제1 외부 장치(예: 모바일 단말)(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 사용자 발화에 대응하는 음성 입력을 수신할 수 있다. 통신 회로(1110)는 제1 외부 장치에 사용자 발화를 촉구하는 메시지(또는, 사용자 발화를 촉구하도록 하는 명령)를 전송할 수 있다. 통신 회로(1110)는 사용자 발화와 관련된 정보를 기반으로 생성된 음성 명령을 제2 외부 장치(예: IoT 서버)(예: 도 1의 IoT 서버(130))에 전송할 수 있다. 통신 회로(1110)는 IoT 서버에 실행 요청을 전송하고, IoT 서버로부터 실행 응답을 수신할 수 있다. 통신 회로(1110)는 IoT 서버로부터 IoT 서버가 관리하는 적어도 하나의 IoT 장치의 정보를 수신할 수 있다.
일 실시예에 따르면, 메모리(1120)는 프로세서(1130)에 의해 실행 시, 전자 장치의 동작을 제어하는 인스트럭션들을 저장할 수 있다. 메모리(1120)는 전자 장치의 동작과 관련된 정보 및/또는 데이터를 저장할 수 있다. 예를 들어, 메모리(1120)는 사용자 발화 이력과 관련된 컨텍스트 정보를 저장할 수 있다. 컨텍스트 정보는 사용자 발화 이력(예: 사용자 발화와 관련된 세션 정보, 실행 장치 정보, 인텐트, 타임스탬프, 및/또는 위치 정보)를 포함할 수 있다.
일 실시예에 따르면, 프로세서(1130)는 제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신할 수 있다. 예를 들어, 사용자 발화는 음성 어시스턴트 시스템(음성 어시스턴트 기능)을 활성화하기 위한 호출어를 포함할 수 있다. 예를 들어, 사용자 발화는 기존 세션의 후속 발화일 수 있고, 새로운 세션을 시작하는 발화일 수도 있다.
프로세서(1130)는, 음성 입력으로부터 사용자 발화에 대응하는 세션, 사용자 의도, 및 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치(예: IoT 장치)와 관련된 정보를 인식할 수 있다. 예를 들어, 프로세서(1130)는 사용자 발화와 관련된 세션 식별 정보(예: 세션 ID), 실행 장치 정보(예: 장치 ID 및/또는 장치 종류), 인텐트, 타임스탬프, 및/또는 사용자 발화가 수신된 위치(예: 제1 외부 장치의 위치)를 인식할 수 있다.
프로세서(1130)는 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트할 수 있다. 예를 들어, 사용자 발화 이력은 사용자 발화 별 세션 정보, 사용자 의도 정보, 실행 장치 정보, 시간 정보, 및/또는 위치 정보를 포함할 수 있다.
프로세서(1130)는 인식한 세션 정보를 기반으로 컨텍스트 정보에 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는지 여부를 판단할 수 있다. 프로세서(1130)는 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력에 기반하여, 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트할 수 있다. 예를 들어, 프로세서(1130)는 상기 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중에서 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력을 인식하고, 인식한 사용자 발화 이력에 포함된 실행 장치 정보를 기반으로 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트할 수 있다. 프로세서(1130)는, 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력이 없는 경우, 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하지 않을 수 있다. 예를 들어, 프로세서(1130)는 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 적어도 하나의 제2 외부 장치와 관련된 정보에 대응하는 실행 장치 정보 및 사용자 발화로부터 인식한 사용자 의도와 관련된 사용자 의도 정보를 포함하는 사용자 발화 이력을 인식하고, 인식한 사용자 발화 이력에 포함된 사용자 의도 정보에 기반하여 사용자 발화와 관련된 사용자 의도를 업데이트할 수 있다. 예를 들어, 프로세서(1130)는 컨텍스트 정보에 포함된, 사용자 발화와 동일한 세션에 속하는 적어도 하나의 사용자 발화 이력 중 마지막에 저장된 사용자 발화 이력에 기반하여 사용자 의도를 업데이트할 수 있다.
일 실시예에 따르면, 프로세서(1130)는 컨텍스트 정보에 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력이 없는 경우, 사용자 발화와 상이한 세션에 속하지만 사용자 발화 시점으로부터 지정된 제1 시간 이내의 타임스탬프를 가지는 사용자 발화 이력을 인식할 수 있다. 예를 들어, 프로세서(1130)는 인식한 사용자 발화 이력에 기반하여 사용자 발화와 관련된 정보(예: 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나)를 업데이트할 수 있다.
일 실시예에 따르면, 프로세서(1130)는 컨텍스트 정보에 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력 및 사용자 발화 시점으로부터 지정된 제1 시간 이내의 타임스탬프를 가지는 사용자 발화 이력이 없는 경우, 사용자 발화와 상이한 세션에 속하지만 사용자 발화 시점으로부터 지정된 제2 시간 이내의 타임스탬프를 가지고 사용자 발화 위치로부터 지정된 거리 이내의 위치 정보를 가지는 사용자 발화 이력을 인식할 수 있다. 프로세서(1130)는 인식한 사용자 발화 이력에 기반하여 사용자 발화와 관련된 정보(예: 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나)를 업데이트할 수 있다.
일 실시예에 따르면, 프로세서(1130)는 인식한 컨텍스트 정보 내의 사용자 발화 이력(예: 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력, 사용자 발화와 상이한 세션에 속하나 사용자 발화의 시점(예: 타임스탬프)로부터 제1 지정된 시간 이내의 타임스탬프를 가지는 사용자 발화 이력, 및/또는 사용자 발화와 상이한 세션에 속하나 사용자 발화의 시점(예: 타임스탬프)로부터 제2 지정된 시간 이내의 타임스탬프를 가지고 사용자 발화 위치로부터 지정된 거리 이내의 위치 정보를 가지는 사용자 발화 이력)이 사용자 발화와 관련된 정보를 업데이트하기에 적합한지 판단할 수 있다. 예를 들어, 프로세서(1130)는 제3 외부 장치(예: IoT 서버)로부터 수신한 제2 외부 장치(예: IoT 장치)의 정보를 기반으로 사용자 발화와 관련된 장치 정보 및/또는 인텐트와 대응되는 장치의 정보를 검색할 수 있다. 프로세서(1130)는 검색 결과와 인식한 컨텍스트 정보 내의 사용자 발화 이력을 비교하여, 사용자 발화 이력이 사용자 발화와 관련된 정보를 업데이트하기 적합한지 판단할 수 있다. 예를 들어, 검색 결과에 복수의 후보 데이터(예: 복수의 실행 장치 후보 정보 및/또는 복수의 인텐트 후보)들이 포함된 경우, 프로세서(1130)는 인식한 컨텍스트 정보 내의 사용자 발화 이력을 이용하여 복수의 후보 데이터들로부터 사용자 발화에 관련된 실행 장치 및/또는 인텐트를 특정할 수 있는지 판단할 수 있다. 프로세서(1130)는 인식한 컨텍스트 정보 내의 사용자 발화 이력이 사용자 발화와 관련된 정보를 업데이트하기에 적합한 경우, 사용자 발화와 관련된 정보(예: 사용자 의도 및/또는 적어도 하나의 제2 외부 장치와 관련된 정보(예를 들어, 실행 장치 정보)를 업데이트할 수 있다.
프로세서(1130)는 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 동작을 실행하기 위한 명령어를 생성할 수 있다. 예를 들어, 프로세서(1130)는 사용자 의도 및 제2 외부 장치와 관련된 정보(예: 실행 장치 정보)에 기반하여 음성 명령을 생성하고, 음성 명령을 제3 외부 장치(예: IoT 서버)에 전송할 수 있다. 예를 들어, 제3 외부 장치는 적어도 하나의 제2 외부 장치를 관리하는 장치일 수 있다. 예를 들어, 프로세서(1130)는 제3 외부 장치로부터 사용자 발화에 대응하는 제2 외부 장치(예: 실행 장치)가 사용자 인텐트에 대응하는 동작을 수행한 결과에 대한 정보를 수신할 수 있다.
프로세서(1130)는 불완전한(불명료한) 음성 명령을 생성한 경우(예를 들어, 사용자 의도 및/또는 사용자 의도에 대응하는 동작을 실행하는 실행 장치를 특정하지 못한 경우), 음성 명령을 제3 외부 장치에 전송하기 이전에 추가적인 사용자 발화를 촉구하는 자연어 메시지를 생성하고, 제1 외부 장치를 통해 자연어 메시지를 사용자에게 제공할 수 있다. 예를 들어, 프로세서(1130)는 추가적인 사용자 발화에 대응하는 음성 입력을 획득한 경우, 추가적인 사용자 발화에 기반하여 음성 명령을 업데이트할 수 있다. 예를 들어, 프로세서(1130)는 추가적인 사용자 발화에 기반하여 사용자 의도 및/또는 사용자 의도에 대응하는 동작을 실행하는 실행 장치를 명확하게 지정하도록 음성 명령을 업데이트할 수 있다.
프로세서(1130)는 세션, 사용자 의도, 및 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 컨텍스트 정보를 업데이트할 수 있다. 예를 들어, 프로세서(1130)는 사용자 발화와 관련된 정보 및/또는 제3 외부 장치로부터 수신한 사용자 인텐트에 대응하는 동작을 수행한 결과에 대한 정보를 기반으로 컨텍스트 정보를 업데이트할 수 있다. 예를 들어, 프로세서(1130)는 사용자 발화 이력(예: 사용자 발화와 관련된 세션, 실행 장치, 인텐트, 타임스탬프, 및/또는 위치 정보)를 컨텍스트 정보에 저장할 수 있다.
일 실시예에 따르면, 전자 장치는 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로 불완전 또는 불명료한 사용자 발화와 관련된 실행 장치 정보 및/또는 사용자 의도를 업데이트하여 사용자 발화와 관련된 실행 장치 및 사용자 의도를 특정함으로써, 음성 인식 어시스턴트 서비스의 정확도, 인식율, 및/또는 효율을 상대적으로 증가시키고 사용자의 편의성을 높일 수 있다.
일 실시예에 따른 전자 장치는, 통신 회로, 메모리, 및 프로세서를 포함할 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 통신 회로를 통하여 제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 음성 입력으로부터, 상기 사용자 발화에 대응하는 세션(session), 사용자 의도(intent), 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 인식하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 상기 동작을 실행하기 위한 명령어를 생성하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 세션, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여, 상기 컨텍스트 정보를 업데이트하도록 설정될 수 있다.
일 실시예에 따르면, 상기 사용자 발화 이력은, 사용자 발화 별 세션 정보, 사용자 의도 정보, 실행 장치 정보, 시간 정보, 및 위치 정보 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 인식한 세션 정보를 기반으로, 상기 컨텍스트 정보에 상기 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는지 여부를 판단하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 판단에 적어도 일부 기반하여, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는 경우, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중에서 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력을 인식하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 인식한 사용자 발화 이력에 포함된 상기 매칭되는 실행 장치 정보를 기반으로 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력이 없는 경우, 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하지 않도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는 경우, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 대응하는 실행 장치 정보 및 상기 사용자 의도와 관련된 사용자 의도 정보를 포함하는 사용자 발화 이력을 인식하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 인식한 사용자 발화 이력에 포함된 상기 사용자 의도 정보에 기반하여 상기 사용자 의도를 업데이트하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 인식한 사용자 발화 이력이 상기 적어도 하나의 사용자 발화 이력 중 마지막에 저장된 사용자 발화 이력인 경우, 상기 사용자 의도를 업데이트하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 인식한 사용자 발화 이력이 상기 적어도 하나의 사용자 발화 이력 중 마지막에 저장된 사용자 발화 이력이 아닌 경우, 상기 사용자 의도를 업데이트하지 않도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 동일한 세션에 해당하는 사용자 발화 이력이 없는 경우, 상기 사용자 발화 이력에 포함된 시간 정보를 기반으로, 상기 사용자 발화 시점으로부터 지정된 제1 시간 이내에 대응하는 시간 정보를 포함하는 사용자 발화 이력을 인식하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 지정된 제1 시간 이내에 대응하는 시간 정보를 포함하는 사용자 발화 이력을 기반으로, 상기 사용자 의도 또는 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 사용자 발화 시점으로부터 지정된 제1 시간 이내에 속하는 시간 정보를 포함하는 사용자 발화 이력이 없는 경우, 상기 사용자 발화 시점으로부터 지정된 제2 시간 이내에 대응하는 시간 정보 및 상기 사용자 발화의 위치로부터 지정된 거리 이내에 대응하는 위치 정보를 포함하는 사용자 발화 이력을 인식하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 지정된 제2 시간 이내에 대응하는 시간 정보 및 상기 위치 정보를 포함하는 사용자 발화 이력을 기반으로, 상기 사용자 의도 또는 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 명령어를 상기 적어도 하나의 제2 외부 장치 또는 상기 적어도 하나의 제2 외부 장치와 연결된 제3 외부 장치에 전송하도록 설정될 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 사용자 의도 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 기반으로 상기 동작 또는 상기 동작을 실행하기 위한 실행 장치를 특정하지 못한 경우, 상기 동작 또는 상기 실행 장치를 특정하기 위한 추가적인 사용자 발화를 촉구하는 메시지를 생성하도록 설정될 수 있다.
도 12는 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스 제공 방법의 흐름도이다.
이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
일 실시 예에 따르면, 1205 동작 내지 1255 동작은 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))의 프로세서(예: 도 11의 프로세서(1130))에서 수행되는 것으로 이해될 수 있다.
일 실시예에 따르면, 1205 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 음성 세션을 시작할 수 있다.
일 실시예에 따르면, 1210 동작에서, 전자 장치는 새로운 발화 입력을 인식할 수 있다. 예를 들어, 전자 장치는 제1 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 새로운 제1 사용자 발화에 대응하는 음성 입력을 수신할 수 있다. 예를 들어, 제1 사용자 발화는 음성 어시스턴트 시스템과의 대화(conversation)의 시작을 나타내는 발화일 수 있다. 예를 들어, 제1 사용자 발화는 음성 어시스턴트 시스템(음성 어시스턴트 기능)을 활성화하기 위한 호출어를 포함할 수 있다. 일 실시예에 따르면, 1205 동작은 1210 동작과 함께 이루어질 수 있다. 예를 들어, 전자 장치는 이전 음성 세션의 종료 이후 새로운 제1 사용자 발화가 입력됨에 따라 새로운 음성 세션의 시작을 인식할 수 있다.
일 실시예에 따르면, 1215 동작에서, 전자 장치는 발화 정보를 추출할 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화에 대응하는 음성 입력으로부터 제1 사용자 발화와 관련된 정보(예: 제1 사용자 발화와 관련된 세션, 실행 장치, 인텐트, 타임스탬프, 및/또는 위치 정보)를 추출할 수 있다. 전자 장치는 제1 사용자 발화에 대응하는 장치 정보, 인텐트, 및/또는 파라미터를 인식할 수 있다. 1215 동작에서 인식(추출)하는 장치 정보는 구체적인 장치를 지칭하는 정보(예: 장치 ID)일 수도 있고, 장치의 종류(예: IoT 장치의 종류)를 나타내는 정보일 수 있다.
일 실시예에 따르면, 1220 동작에서, 전자 장치는 기 저장된 사용자 발화 이력과 관련된 컨텍스트 데이터베이스(context database, context DB)에 제1 사용자 발화와 동일한 세션 정보가 존재하는지 판단할 수 있다. 예를 들어, 컨텍스트 데이터베이스는 새로운 사용자 발화(예: 제1 사용자 발화) 이전의 사용자 발화 이력을 포함할 수 있다. 예를 들어, 사용자 발화 이력은 이전 사용자 발화와 관련된 세션, 실행 장치, 인텐트, 타임스탬프, 및/또는 위치 정보를 포함할 수 있다. 전자 장치는 컨텍스트 DB에 제1 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력이 존재하는 경우(1220 동작 - Yes) 1230 동작을 수행하고, 컨텍스트 DB에 제2 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력이 없는 경우(1220 동작 - No) 1225 동작을 수행할 수 있다.
일 실시예에 따르면, 1225 동작에서, 전자 장치는 컨텍스트 DB에 지정된 시간 및/또는 장소 조건을 만족하는 정보가 존재하는지 판단할 수 있다. 일 실시예에 따르면, 전자 장치는 컨텍스트 DB에 제1 사용자 발화의 타임스탬프와 지정된 제1 시간(예: 3분) 이내의 타임스탬프를 가지는 사용자 발화 이력이 있는지 판단할 수 있다. 예를 들어, 전자 장치는 컨텍스트 DB에 제1 사용자 발화의 타임스탬프와 지정된 제1 시간 이내의 타임스탬프를 가지는 사용자 발화 이력이 있는 경우(1225 동작 - Yes) 1130 동작을 수행하고, 컨텍스트 DB에 제1 사용자 발화의 타임스탬프와 지정된 제1 시간 이내의 타임스탬프를 가지는 사용자 발화 이력이 없는 경우(1225 동작 - No) 1135 동작을 수행할 수 있다. 일 실시예에 따르면, 전자 장치는 컨텍스트 DB에 제1 사용자 발화의 타임스탬프와 지정된 제2 시간(예: 10분) 이내의 타임스탬프 및 제1 사용자 발화의 위치와 지정된 거리(예: 100m) 이내의 위치 정보를 가지는 사용자 발화 이력이 있는지 판단할 수 있다. 예를 들어, 전자 장치는 컨텍스트 DB에 제1 사용자 발화의 타임스탬프와 지정된 제2 시간 이내의 타임스탬프 및 제1 사용자 발화의 위치와 지정된 거리 이내의 위치 정보를 가지는 사용자 발화 이력이 있는 경우(1225 동작 - Yes) 1130 동작을 수행하고, 컨텍스트 DB에 제1 사용자 발화의 타임스탬프와 지정된 제2 시간 이내의 타임스탬프 및 제1 사용자 발화의 위치와 지정된 거리 이내의 위치 정보를 가지는 사용자 발화 이력이 없는 경우(1225 동작 - No) 1135 동작을 수행할 수 있다.
일 실시예에 따르면, 1230 동작에서, 전자 장치는 컨텍스트 DB 내의 정보가 새로운 발화(예: 제1 사용자 발화)에 적합한지 판단할 수 있다. 예를 들어, 전자 장치는 컨텍스트 DB 내의 사용자 발화 이력이 제1 사용자 발화와 관련된 정보(예: 실행 장치 정보 및/또는 인텐트)를 업데이트하기에 적절한 정보인지 판단할 수 있다. 예를 들어, 전자 장치는 1215 동작에서 추출한 정보를 기반으로 제1 사용자 발화와 관련된 장치 정보 및/또는 인텐트와 대응되는 장치의 정보를 검색할 수 있다. 예를 들어, 전자 장치는 제2 외부 장치(예: IoT 서버)로부터 수신한 제3 외부 장치(예: IoT 장치)의 정보를 기반으로 제1 사용자 발화와 관련된 장치 정보 및/또는 인텐트와 대응되는 장치의 정보(이하, '검색 결과'로 참조됨)를 획득할 수 있다. 전자 장치는 검색 결과와 1220 동작 또는 1225 동작에서 인식한 컨텍트스 DB 내의 정보를 비교하여, 컨텍스트 DB 내의 정보가 제1 사용자 발화와 관련된 정보를 업데이트하기 적합한지 판단할 수 있다. 예를 들어, 전자 장치는 검색 결과에 복수의 후보 데이터(예: 복수의 실행 장치 후보 정보 및/또는 복수의 인텐트 후보)들이 포함된 경우, 컨텍스트 DB 내의 정보를 이용하여 복수의 후보 데이터들로부터 제1 사용자 발화에 관련된 실행 장치 및/또는 인텐트를 특정할 수 있는지 판단할 수 있다. 예를 들어, 전자 장치는 컨텍스트 DB 내의 정보가 제1 사용자 발화에 적합한 경우(1230 동작 - Yes) 1235 동작을 수행하고, 컨텍스트 DB 내의 정보가 제1 사용자 발화에 적합하지 않은 경우(1230 동작 - No) 1235 동작을 생략하고 1240 동작을 수행할 수 있다.
일 실시예에 따르면, 1235 동작에서, 전자 장치는 발화 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 컨텍스트 DB를 포함된 정보 중 적어도 일부에 기반하여 제1 사용자 발화와 관련된 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 컨텍스트 DB에 포함된 사용자 발화 이력에 기반하여 제1 사용자 발화와 관련된 실행 장치 및/또는 인텐트를 업데이트할 수 있다.
일 실시예에 따르면, 1240 동작에서, 전자 장치는 실행 장치를 검색하고, 실행 장치가 제1 사용자 발화에 대응하는 동작 중 적어도 일부를 실행하도록 제어할 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화와 관련된 정보를 기반으로 제2 외부 장치(예: IoT 서버)에 전송할 음성 명령을 생성할 수 있다. 예를 들어, 음성 명령은 적어도 실행 장치 정보 및/또는 인텐트를 포함할 수 있다. 전자 장치는 제2 외부 장치에 음성 명령을 포함하는 실행 요청을 전송할 수 있다. 제2 외부 장치는 실행 요청에 응답하여 제2 외부 장치가 관리하는 실행 장치로 지정된 제3 외부 장치(예: IoT 장치)가 인텐트에 대응하는 동작을 실행하도록 제어할 수 있다. 전자 장치는 제2 외부 장치로부터 실행 응답(예: 실행 요청에 대응하는 동작을 실행한 결과)를 수신할 수 있다.
일 실시예에 따르면, 1245 동작에서, 전자 장치는 컨텍스트 DB를 업데이트할 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화와 관련된 정보를 컨텍스트 DB에 저장할 수 있다. 예를 들어, 전자 장치는 제1 사용자 발화와 관련된 세션, 실행 장치, 인텐트, 타임스탬프, 및/또는 위치 정보를 제1 사용자 발화 이력으로서 컨텍스트 DB에 저장할 수 있다.
일 실시예에 따르면, 1250 동작에서, 전자 장치는 추가 발화 입력 여부를 인식할 수 있다. 예를 들어, 전자 장치는 제1 외부 장치로부터 추가 발화(예: 제2 사용자 발화)에 대응하는 음성 입력을 수신(1250 동작 - Yes)하면 추가 발화에 대응하는 음성 입력에 대하여 1215 동작을 수행할 수 있다. 전자 장치는 지정된 시간 이상 추가 발화에 대응하는 음성 입력을 수신하지 않는 경우(1250 동작 - No) 1255 동작을 수행할 수 있다.
일 실시예에 따르면, 1255 동작에서, 전자 장치는 음성 세션의 종료를 인식할 수 있다. 예를 들어, 전자 장치는 마지막 사용자 발화(예: 제1 사용자 발화)로부터 지정된 시간 이상 연속되는 추가 발화가 입력되지 않는 경우 음성 세션을 종료할 수 있다.
일 실시예에 따르면, 도 12의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2 내지 9, 또는 도 13의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
일 실시예에 따르면, 전자 장치는 기 저장된 사용자 발화 이력과 관련된 컨텍스트 DB를 기반으로 불완전 또는 불명료한 사용자 발화와 관련된 정보를 업데이트하여 사용자 발화와 관련된 실행 장치 및 인텐트를 특정함으로써, 음성 인식 어시스턴트 서비스의 정확도, 인식율, 및/또는 효율을 증가시키고 사용자의 편의성을 높일 수 있다.
도 13은 일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스 제공 방법의 흐름도이다.
이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다.
일 실시 예에 따르면, 1310 동작 내지 1320 동작은 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))의 프로세서(예: 도 11의 프로세서(1130))에서 수행되는 것으로 이해될 수 있다.
일 실시예에 따르면, 1310 동작에서, 전자 장치(예: 도 1의 음성 어시스턴트 서버(120), 도 11의 전자 장치(1100), 도 14의 서버(1408), 또는 도 15의 지능형 서버(1600))는 제1 외부 장치(예: 도 14의 전자 장치(1401) 또는 도 15 내지 17의 사용자 단말(1501))로부터 사용자 발화에 대응하는 음성 입력을 수신할 수 있다. 예를 들어, 사용자 발화는 음성 어시스턴트 시스템(음성 어시스턴트 기능)을 활성화하기 위한 호출어를 포함할 수 있다. 예를 들어, 사용자 발화는 기존 세션의 후속 발화일 수 있고, 새로운 세션을 시작하는 발화일 수도 있다.
일 실시예에 따르면, 1320 동작에서, 전자 장치는 음성 입력으로부터, 사용자 발화에 대응하는 세션, 사용자 의도, 및 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치(예: IoT 장치)와 관련된 정보를 인식할 수 있다. 예를 들어, 전자 장치는 사용자 발화와 관련된 세션 식별 정보(예: 세션 ID), 실행 장치 정보(예: 장치 ID 및/또는 장치 종류), 인텐트, 타임스탬프, 및/또는 사용자 발화가 수신된 위치(예: 제1 외부 장치의 위치)를 인식할 수 있다.
일 실시예에 따르면, 1330 동작에서, 전자 장치는 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트할 수 있다. 예를 들어, 사용자 발화 이력은 사용자 발화 별 세션 정보, 사용자 의도 정보, 실행 장치 정보, 시간 정보, 및/또는 위치 정보를 포함할 수 있다.
전자 장치는 1320 동작에서 인식한 세션 정보를 기반으로, 상기 컨텍스트 정보에 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는지 여부를 판단할 수 있다. 전자 장치는 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력에 기반하여, 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트할 수 있다. 예를 들어, 전자 장치는 상기 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중에서 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력을 인식하고, 인식한 사용자 발화 이력에 포함된 실행 장치 정보를 기반으로 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트할 수 있다. 전자 장치는, 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력이 없는 경우, 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하지 않을 수 있다. 예를 들어, 전자 장치는 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 적어도 하나의 제2 외부 장치와 관련된 정보에 대응하는 실행 장치 정보 및 사용자 발화로부터 인식한 사용자 의도와 관련된 사용자 의도 정보를 포함하는 사용자 발화 이력을 인식하고, 인식한 사용자 발화 이력에 포함된 사용자 의도 정보에 기반하여 사용자 발화와 관련된 사용자 의도를 업데이트할 수 있다. 예를 들어, 전자 장치는 컨텍스트 정보에 포함된, 사용자 발화와 동일한 세션에 속하는 적어도 하나의 사용자 발화 이력 중 마지막에 저장된 사용자 발화 이력에 기반하여 사용자 의도를 업데이트할 수 있다.
일 실시예에 따르면, 전자 장치는 컨텍스트 정보에 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력이 없는 경우, 사용자 발화와 상이한 세션에 속하지만 사용자 발화 시점으로부터 지정된 제1 시간 이내의 타임스탬프를 가지는 사용자 발화 이력을 인식할 수 있다. 예를 들어, 전자 장치는 인식한 사용자 발화 이력에 기반하여 사용자 발화와 관련된 정보(예: 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나)를 업데이트할 수 있다.
일 실시예에 따르면, 전자 장치는 컨텍스트 정보에 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력 및 사용자 발화 시점으로부터 지정된 제1 시간 이내의 타임스탬프를 가지는 사용자 발화 이력이 없는 경우, 사용자 발화와 상이한 세션에 속하지만 사용자 발화 시점으로부터 지정된 제2 시간 이내의 타임스탬프를 가지고 사용자 발화 위치로부터 지정된 거리 이내의 위치 정보를 가지는 사용자 발화 이력을 인식할 수 있다. 전자 장치는 인식한 사용자 발화 이력에 기반하여 사용자 발화와 관련된 정보(예: 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나)를 업데이트할 수 있다.
일 실시예에 따르면, 전자 장치는 인식한 컨텍스트 정보 내의 사용자 발화 이력(예: 사용자 발화와 동일한 세션에 속하는 사용자 발화 이력, 사용자 발화와 상이한 세션에 속하나 사용자 발화의 시점(예: 타임스탬프)로부터 제1 지정된 시간 이내의 타임스탬프를 가지는 사용자 발화 이력, 및/또는 사용자 발화와 상이한 세션에 속하나 사용자 발화의 시점(예: 타임스탬프)로부터 제2 지정된 시간 이내의 타임스탬프를 가지고 사용자 발화 위치로부터 지정된 거리 이내의 위치 정보를 가지는 사용자 발화 이력)이 사용자 발화와 관련된 정보를 업데이트하기에 적합한지 판단할 수 있다. 예를 들어, 전자 장치는 제3 외부 장치(예: IoT 서버)로부터 수신한 제2 외부 장치(예: IoT 장치)의 정보를 기반으로 사용자 발화와 관련된 장치 정보 및/또는 인텐트와 대응되는 장치의 정보를 검색할 수 있다. 전자 장치는 검색 결과와 인식한 컨텍스트 정보 내의 사용자 발화 이력을 비교하여, 사용자 발화 이력이 사용자 발화와 관련된 정보를 업데이트하기 적합한지 판단할 수 있다. 예를 들어, 검색 결과에 복수의 후보 데이터(예: 복수의 실행 장치 후보 정보 및/또는 복수의 인텐트 후보)들이 포함된 경우, 전자 장치는 인식한 컨텍스트 정보 내의 사용자 발화 이력을 이용하여 복수의 후보 데이터들로부터 사용자 발화에 관련된 실행 장치 및/또는 인텐트를 특정할 수 있는지 판단할 수 있다. 전자 장치는 인식한 컨텍스트 정보 내의 사용자 발화 이력이 사용자 발화와 관련된 정보를 업데이트하기에 적합한 경우, 사용자 발화와 관련된 정보(예: 사용자 의도 및/또는 적어도 하나의 제2 외부 장치와 관련된 정보(예를 들어, 실행 장치 정보)를 업데이트할 수 있다.
일 실시예에 따르면, 1340 동작에서, 전자 장치는 사용자 의도 및 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 동작을 실행하기 위한 명령어를 생성할 수 있다. 예를 들어, 전자 장치는 사용자 의도 및 제2 외부 장치와 관련된 정보(예: 실행 장치 정보)에 기반하여 음성 명령을 생성하고, 음성 명령을 제3 외부 장치(예: IoT 서버)에 전송할 수 있다. 예를 들어, 제3 외부 장치는 적어도 하나의 제2 외부 장치를 관리하는 장치일 수 있다. 예를 들어, 전자 장치는 제3 외부 장치로부터 사용자 발화에 대응하는 제2 외부 장치(예: 실행 장치)가 사용자 인텐트에 대응하는 동작을 수행한 결과에 대한 정보를 수신할 수 있다.
전자 장치는 불완전한(불명료한) 음성 명령을 생성한 경우(예를 들어, 사용자 의도 및/또는 사용자 의도에 대응하는 동작을 실행하는 실행 장치를 특정하지 못한 경우), 음성 명령을 제3 외부 장치에 전송하기 이전에 추가적인 사용자 발화를 촉구하는 자연어 메시지를 생성하고, 제1 외부 장치를 통해 자연어 메시지를 사용자에게 제공할 수 있다. 예를 들어, 전자 장치는 추가적인 사용자 발화에 대응하는 음성 입력을 획득한 경우, 추가적인 사용자 발화에 기반하여 음성 명령을 업데이트할 수 있다. 예를 들어, 전자 장치는 추가적인 사용자 발화에 기반하여 사용자 의도 및/또는 사용자 의도에 대응하는 동작을 실행하는 실행 장치를 명확하게 지정하도록 음성 명령을 업데이트할 수 있다.
일 실시예에 따르면, 1350 동작에서, 전자 장치는 세션, 사용자 의도, 및 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 컨텍스트 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 사용자 발화와 관련된 정보 및/또는 제3 외부 장치로부터 수신한 사용자 인텐트에 대응하는 동작을 수행한 결과에 대한 정보를 기반으로 컨텍스트 정보를 업데이트할 수 있다. 예를 들어, 전자 장치는 사용자 발화 이력(예: 사용자 발화와 관련된 세션, 실행 장치, 인텐트, 타임스탬프, 및/또는 위치 정보)를 컨텍스트 정보에 저장할 수 있다.
일 실시예에 따르면, 도 13의 동작들 중 적어도 일부는 생략되거나. 또는 적어도 하나의 다른 동작(예: 도 2 내지 9, 또는 도 12의 동작 중 적어도 일부)가 추가될 수 있으며, 적어도 일부 동작의 순서가 변경될 수 있다.
일 실시예에 따르면, 전자 장치는 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로 불완전 또는 불명료한 사용자 발화와 관련된 실행 장치 정보 및/또는 사용자 의도를 업데이트하여 사용자 발화와 관련된 실행 장치 및 사용자 의도를 특정함으로써, 음성 인식 어시스턴트 서비스의 정확도, 인식율, 및/또는 효율을 상대적으로 증가시키고 사용자의 편의성을 높일 수 있다.
일 실시예에 따른 전자 장치의 음성 어시스턴트 서비스 제공 방법은, 제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 음성 입력으로부터, 상기 사용자 발화에 대응하는 세션(session), 사용자 의도(intent), 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 인식하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 상기 동작을 실행하기 위한 명령어를 생성하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 세션, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여, 상기 컨텍스트 정보를 업데이트하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 사용자 발화 이력은, 사용자 발화 별 세션 정보, 사용자 의도 정보, 실행 장치 정보, 시간 정보, 및 위치 정보 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작은, 상기 인식한 세션 정보를 기반으로, 상기 컨텍스트 정보에 상기 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는지 여부를 판단하는 동작, 및 상기 판단에 적어도 일부 기반하여, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작은, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는 경우, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중에서 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력을 인식하는 동작, 및 상기 인식한 사용자 발화 이력에 포함된 상기 매칭되는 실행 장치 정보를 기반으로 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력이 없는 경우, 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하지 않을 수 있다.
일 실시예에 따르면, 사용자 발화 이력이 있는지 여부를 판단하는 동작은, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는 경우, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 대응하는 실행 장치 정보 및 상기 사용자 의도와 관련된 사용자 의도 정보를 포함하는 사용자 발화 이력을 인식하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작은, 상기 인식한 사용자 발화 이력에 포함된 상기 사용자 의도 정보에 기반하여 상기 사용자 의도를 업데이트하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 동일한 세션에 해당하는 사용자 발화 이력이 없는 경우, 상기 사용자 발화 이력에 포함된 시간 정보를 기반으로, 상기 사용자 발화 시점으로부터 지정된 제1 시간 이내에 대응하는 시간 정보를 포함하는 사용자 발화 이력을 인식하는 동작, 및 상기 지정된 제1 시간 이내에 대응하는 시간 정보를 포함하는 사용자 발화 이력을 기반으로, 상기 사용자 의도 또는 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 사용자 발화 시점으로부터 지정된 제1 시간 이내에 속하는 시간 정보를 포함하는 사용자 발화 이력이 없는 경우, 상기 사용자 발화 시점으로부터 지정된 제2 시간 이내에 대응하는 시간 정보 및 상기 사용자 발화의 위치로부터 지정된 거리 이내에 대응하는 위치 정보를 포함하는 사용자 발화 이력을 인식하는 동작, 및 지정된 제2 시간 이내에 대응하는 시간 정보 및 상기 위치 정보를 포함하는 사용자 발화 이력을 기반으로, 상기 사용자 의도 또는 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은, 상기 사용자 의도 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 기반으로 상기 동작 또는 상기 동작을 실행하기 위한 실행 장치를 특정하지 못한 경우, 상기 동작 또는 상기 실행 장치를 특정하기 위한 추가적인 사용자 발화를 촉구하는 메시지를 생성하는 동작을 포함할 수 있다.
도 14은, 다양한 실시예들에 따른, 네트워크 환경(1400) 내의 전자 장치(1401)의 블록도이다. 도 14을 참조하면, 네트워크 환경(1400)에서 전자 장치(1401)는 제 1 네트워크(1498)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1402)와 통신하거나, 또는 제 2 네트워크(1499)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1404) 또는 서버(1408) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(1401)는 서버(1408)를 통하여 전자 장치(1404)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(1401)는 프로세서(1420), 메모리(1430), 입력 모듈(1450), 음향 출력 모듈(1455), 디스플레이 모듈(1460), 오디오 모듈(1470), 센서 모듈(1476), 인터페이스(1477), 연결 단자(1478), 햅틱 모듈(1479), 카메라 모듈(1480), 전력 관리 모듈(1488), 배터리(1489), 통신 모듈(1490), 가입자 식별 모듈(1496), 또는 안테나 모듈(1497)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1401)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1478))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1476), 카메라 모듈(1480), 또는 안테나 모듈(1497))은 하나의 구성요소(예: 디스플레이 모듈(1460))로 통합될 수 있다.
프로세서(1420)는, 예를 들면, 소프트웨어(예: 프로그램(1440))를 실행하여 프로세서(1420)에 연결된 전자 장치(1401)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1420)는 다른 구성요소(예: 센서 모듈(1476) 또는 통신 모듈(1490))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1432)에 저장하고, 휘발성 메모리(1432)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1434)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(1420)는 메인 프로세서(1421)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1423)(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(1401)가 메인 프로세서(1421) 및 보조 프로세서(1423)를 포함하는 경우, 보조 프로세서(1423)는 메인 프로세서(1421)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1423)는 메인 프로세서(1421)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(1423)는, 예를 들면, 메인 프로세서(1421)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1421)를 대신하여, 또는 메인 프로세서(1421)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1421)와 함께, 전자 장치(1401)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1460), 센서 모듈(1476), 또는 통신 모듈(1490))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(1423)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1480) 또는 통신 모듈(1490))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(1423)(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(1401) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1408))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(1430)는, 전자 장치(1401)의 적어도 하나의 구성요소(예: 프로세서(1420) 또는 센서 모듈(1476))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1440)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1430)는, 휘발성 메모리(1432) 또는 비휘발성 메모리(1434)를 포함할 수 있다.
프로그램(1440)은 메모리(1430)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1442), 미들 웨어(1444) 또는 어플리케이션(1446)을 포함할 수 있다.
입력 모듈(1450)은, 전자 장치(1401)의 구성요소(예: 프로세서(1420))에 사용될 명령 또는 데이터를 전자 장치(1401)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1450)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(1455)은 음향 신호를 전자 장치(1401)의 외부로 출력할 수 있다. 음향 출력 모듈(1455)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(1460)은 전자 장치(1401)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1460)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(1460)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(1470)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(1470)은, 입력 모듈(1450)을 통해 소리를 획득하거나, 음향 출력 모듈(1455), 또는 전자 장치(1401)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1402))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(1476)은 전자 장치(1401)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(1476)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(1477)는 전자 장치(1401)가 외부 전자 장치(예: 전자 장치(1402))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(1477)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(1478)는, 그를 통해서 전자 장치(1401)가 외부 전자 장치(예: 전자 장치(1402))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(1478)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1479)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(1479)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1480)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(1480)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(1488)은 전자 장치(1401)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(1488)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(1489)는 전자 장치(1401)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(1489)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(1490)은 전자 장치(1401)와 외부 전자 장치(예: 전자 장치(1402), 전자 장치(1404), 또는 서버(1408)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1490)은 프로세서(1420)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(1490)은 무선 통신 모듈(1492)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1494)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(1498)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(1499)(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(1404)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(1492)은 가입자 식별 모듈(1496)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(1498) 또는 제 2 네트워크(1499)와 같은 통신 네트워크 내에서 전자 장치(1401)를 확인 또는 인증할 수 있다.
무선 통신 모듈(1492)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(1492)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1492)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(1492)은 전자 장치(1401), 외부 전자 장치(예: 전자 장치(1404)) 또는 네트워크 시스템(예: 제 2 네트워크(1499))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(1492)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(1497)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(1497)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(1497)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(1498) 또는 제 2 네트워크(1499)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1490)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1490)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(1497)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(1497)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(1499)에 연결된 서버(1408)를 통해서 전자 장치(1401)와 외부의 전자 장치(1404)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1402, 또는 104) 각각은 전자 장치(1401)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(1401)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1402, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1401)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1401)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(1401)로 전달할 수 있다. 전자 장치(1401)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(1401)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(1404)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1408)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(1404) 또는 서버(1408)는 제 2 네트워크(1499) 내에 포함될 수 있다. 전자 장치(1401)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 15는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 15를 참조하면, 일 실시예의 통합 지능 시스템은 사용자 단말(1501), 지능형 서버(1600), 및 서비스 서버(1700)를 포함할 수 있다.
일 실시 예의 사용자 단말(1501)(예: 도 14의 전자 장치(1401))은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(1501)은 통신 인터페이스(1590), 마이크(1570), 스피커(1555), 디스플레이(1560), 메모리(1530), 및/또는 프로세서(1520)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
통신 인터페이스(1590)(예: 도 14의 통신 모듈(1490))는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 마이크(1570)(예: 도 14의 오디오 모듈(1470))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 스피커(1555)(예: 도 14의 음향 출력 모듈(1455))는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 디스플레이(1560)(예: 도 14의 디스플레이 모듈(1460))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(1560)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(1560)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시예의 디스플레이(1560)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(1560)는 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이(1560)는 디스플레이(1560) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.
일 실시 예의 메모리(1530)(예: 도 14의 메모리(1430))는 클라이언트 모듈(1531), SDK(software development kit)(1533), 및 복수의 어플리케이션들을 저장할 수 있다. 상기 클라이언트 모듈(1531), 및 SDK(1533)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(1531) 또는 SDK(1533)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.
상기 복수의 어플리케이션들(예: 1555a, 1555b)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 제1 앱(1535a), 및/또는 제2 앱(1535b)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 어플리케이션들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 프로세서(1520)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(1520)는 사용자 단말(1501)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(1520)는 통신 인터페이스(1590), 마이크(1570), 스피커(1555), 및 디스플레이(1560)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(1520)는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예의 프로세서(1520)는 또한 상기 메모리(1530)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(1520)는 클라이언트 모듈(1531) 또는 SDK(1533) 중 적어도 하나를 실행하여, 사용자 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(1520)는, 예를 들어, SDK(1533)를 통해 복수의 어플리케이션들의 동작을 제어할 수 있다. 클라이언트 모듈(1531) 또는 SDK(1533)의 동작으로 설명된 이하의 동작들은 프로세서(1520)의 실행에 의하여 수행되는 동작일 수 있다.
일 실시 예의 클라이언트 모듈(1531)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(1531)은 마이크(1570)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 생성할 수 있다. 또는, 클라이언트 모듈(1531)은 디스플레이(1560)를 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(1531)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 사용자 단말(1501)에 포함된 입력 모듈 또는 사용자 단말(1501)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 상기 클라이언트 모듈(1531)은 수신된 사용자 입력을 지능형 서버(1600)로 송신할 수 있다. 클라이언트 모듈(1531)은 수신된 사용자 입력과 함께, 사용자 단말(1501)의 상태 정보를 지능형 서버(1600)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(1531)은 수신된 사용자 입력에 대응되는 결과를 지능형 서버(1600)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(1531)은 지능형 서버(1600)에서 상기 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(1531)은 상기 수신된 결과를 디스플레이(1560)에 표시할 수 있다. 또한, 클라이언트 모듈(1531)은 상기 수신된 결과를 스피커(1555)를 통해 오디오로 출력할 수 있다.
일 실시 예의 클라이언트 모듈(1531)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(1531)은 플랜에 따라 앱의 복수의 동작들을 실행한 결과를 디스플레이(1560)에 표시할 수 있다. 클라이언트 모듈(1531)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있고 스피커(1555)를 통해 오디오를 출력할 수 있다. 사용자 단말(1501)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있으며, 스피커(1555)를 통해 오디오를 출력할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(1531)은 지능형 서버(1600)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 상기 결과를 산출하기 위해 필요한 정보는, 예를 들어, 사용자 단말(1501)의 상태 정보일 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1531)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(1600)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(1531)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(1600)로 송신할 수 있다. 지능형 서버(1600)는 상기 결과 정보를 이용하여 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(1531)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(1531)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(1531)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.
일 실시 예의 지능형 서버(1600)는 네트워크(1599)(예: 도 14의 제1 네트워크(1498) 및/또는 제2 네트워크(1499))을 통해 사용자 단말(1501)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(1600)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(1600)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 및/또는 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(1600)는 생성된 플랜에 따른 결과를 사용자 단말(1501)로 송신하거나, 생성된 플랜을 사용자 단말(1501)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(1501)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1501)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(1600)는 프론트 엔드(front end)(1610), 자연어 플랫폼(natural language platform)(1620), 캡슐 데이터베이스(capsule database)(1630), 실행 엔진(execution engine)(1640), 엔드 유저 인터페이스(end user interface)(1650), 매니지먼트 플랫폼(management platform)(1660), 빅 데이터 플랫폼(big data platform)(1670), 또는 분석 플랫폼(analytic platform)(1680)을 포함할 수 있다.
일 실시 예의 프론트 엔드(1610)는 사용자 단말(1501)에 의하여 수신된 사용자 입력을 사용자 단말(1501)로부터 수신할 수 있다. 프론트 엔드(1610)는 상기 사용자 입력에 대응되는 응답을 사용자 단말(1501)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1620)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(1621), 자연어 이해 모듈(natural language understanding module)(NLU module)(1623), 플래너 모듈(planner module)(1625), 자연어 생성 모듈(natural language generator module)(NLG module)(1627), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(1629)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(1621)은 사용자 단말(1501)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(1623)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(1623)은 텍스트 데이터 형태의 사용자 입력에 대하여 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(1623)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(1623)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 예의 플래너 모듈(1625)은 자연어 이해 모듈(1623)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1625)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인들을 결정할 수 있다. 플래너 모듈(1625)은 상기 의도에 기초하여 결정된 복수의 도메인들 각각에 포함된 복수의 동작들을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1625)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)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작들, 및/또는 복수의 컨셉들을 포함할 수 있다. 상기 플래너 모듈(1625)은 상기 복수의 동작들, 및 상기 복수의 컨셉들 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(1625)은 복수의 컨셉들에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작들의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(1625)은 복수의 동작들의 실행에 필요한 파라미터, 및 복수의 동작들의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작들의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(1625)는 복수의 동작들 및 복수의 컨셉들 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜를 생성할 수 있다. 상기 플래너 모듈(1625)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(1630)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(1627)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(1629)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1620)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(1501)에서도 구현가능 할 수 있다. 예를 들어, 사용자 단말(1501)이 자동 음성 인식 모듈 및/또는 자연어 이해 모듈을 포함할 수 있다. 사용자 단말(1501)이 사용자 음성 명령을 인식한 뒤, 인식된 음성 명령에 대응하는 텍스트 정보를 지능형 서버(1600)로 송신할 수 있다. 예를 들어, 사용자 단말(1501)이 텍스트 음성 변환 모듈을 포함할 수 있다. 사용자 단말(1501)이 지능형 서버(1600)로부터 텍스트 정보를 수신하고, 수신된 텍스트 정보를 음성으로 출력할 수 있다.
상기 캡슐 데이터베이스(1630)는 복수의 도메인들에 대응되는 복수의 컨셉들과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object)(또는 동작 정보)들 및/또는 컨셉 오브젝트(concept object)(또는 컨셉 정보)들을 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1630)는 CAN(concept action network)의 형태로 복수의 캡슐들을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐들은 캡슐 데이터베이스(1630)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(1630)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(1630)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(1630)는 사용자 단말(1501)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1630)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1630)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(1630)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(1630)가 사용자 단말(1501) 내에도 구현될 수 있다.
일 실시 예의 실행 엔진(1640)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(1650)는 산출된 결과를 사용자 단말(1501)로 송신할 수 있다. 이에 따라, 사용자 단말(1501)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(1660)은 지능형 서버(1600)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(1670)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(1680)을 지능형 서버(1600)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(1680)은 지능형 서버(1600)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(1700)는 사용자 단말(1501)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(1700)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(1700)는 수신된 사용자 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(1600)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(1630)에 저장될 수 있다. 또한, 서비스 서버(1700)는 플랜에 따른 결과 정보를 지능형 서버(1600)에 제공할 수 있다. 서비스 서버(1700)는 네트워크(1599)를 통하여 지능형 서버(1600) 및/또는 사용자 단말(1501)과 통신할 수 있다. 서비스 서버(1700)는 별도의 연결을 통하여 지능형 서버(1600)와 통신할 수 있다. 도 15에는 서비스 서버(1700)가 하나의 서버로 도시되어 있으나, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 서비스 서버(1700)의 각각의 서비스(1701, 1702, 및 1703)들 중 적어도 하나는 별도의 서버로 구현될 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(1501)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 사용자 단말(1501)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(1501)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(1501)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(1501)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(1501)이 지능형 서버(1600) 및/또는 서비스 서버(1700)와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말(1501)은, 상기 마이크(1570)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말(1501)은, 상기 음성 데이터를 통신 인터페이스(1590)를 이용하여 지능형 서버(1600)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(1600)는 사용자 단말(1501)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/또는 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/또는 복수의 컨셉들 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(1501)은, 통신 인터페이스(1590)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(1501)은 상기 스피커(1555)를 이용하여 사용자 단말(1501) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(1560)를 이용하여 사용자 단말(1501) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 16는 일 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(예: 15의 지능형 서버(1600))의 캡슐 데이터베이스(예: 도 15의 캡슐 데이터베이스(1630))는 CAN (concept action network) 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(캡슐A(1631), 캡슐B(1634))들을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: 캡슐A(1631))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자의 캡슐(예: CP 1(1632), CP 2 (1633), CP3 (1635), 및/또는 CP4 (1636))이 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(1630a) 및 적어도 하나 이상의 컨셉(1630b)을 포함할 수 있다.
상기, 자연어 플랫폼(예: 도 15의 자연어 플랫폼(1620))은 캡슐 데이터베이스(1630)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(예: 도 15의 플래너 모듈(1625))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(16310) 의 동작들(1631a, 1632a) 과 컨셉들(1631b, 1632b) 및 캡슐 B(1634)의 동작(1634a) 과 컨셉(1634b)를 이용하여 플랜(1637)을 생성할 수 있다.
도 17는 일 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(1501)은 지능형 서버(예: 도 15의 지능형 서버(1600))를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
*281일 실시 예에 따르면, 제1 화면(1710)에서, 사용자 단말(1501)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(1501)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(1501)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(1711)를 디스플레이(예: 도 15의 디스플레이(1560))에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(1501)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(1501)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(1501)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(1513)(예: 입력창)를 디스플레이(1560)에 표시할 수 있다.
일 실시 예에 따르면, 제2 화면(1715)에서, 사용자 단말(1501)은 수신된 음성 입력에 대응되는 결과를 디스플레이(1560)에 표시할 수 있다. 예를 들어, 사용자 단말(1501)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이(1560)에 표시할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(1401)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(1436) 또는 외장 메모리(1438))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(1440))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(1401))의 프로세서(예: 프로세서(1420))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    통신 회로;
    메모리; 및
    프로세서를 포함하고,
    상기 프로세서는,
    상기 통신 회로를 통하여 제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신하고,
    상기 음성 입력으로부터, 상기 사용자 발화에 대응하는 세션(session), 사용자 의도(intent), 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 인식하고,
    기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하고,
    상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 상기 동작을 실행하기 위한 명령어를 생성하고,
    상기 세션, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여, 상기 컨텍스트 정보를 업데이트하도록 설정된 전자 장치.
  2. 청구항 1에 있어서,
    상기 사용자 발화 이력은, 사용자 발화 별 세션 정보, 사용자 의도 정보, 실행 장치 정보, 시간 정보, 및 위치 정보 중 적어도 하나를 포함하는 전자 장치.
  3. 청구항 1에 있어서,
    상기 프로세서는,
    상기 인식한 세션 정보를 기반으로, 상기 컨텍스트 정보에 상기 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는지 여부를 판단하고,
    상기 판단에 적어도 일부 기반하여, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하도록 설정된 전자 장치.
  4. 청구항 3에 있어서,
    상기 프로세서는,
    상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는 경우, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중에서 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력을 인식하고,
    상기 인식한 사용자 발화 이력에 포함된 상기 매칭되는 실행 장치 정보를 기반으로 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하도록 설정된 전자 장치.
  5. 청구항 4에 있어서,
    상기 프로세서는,
    상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 매칭되는 실행 장치 정보를 포함하는 사용자 발화 이력이 없는 경우, 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하지 않도록 설정된 전자 장치.
  6. 청구항 3에 있어서,
    상기 프로세서는,
    상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는 경우, 상기 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력 중 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 대응하는 실행 장치 정보 및 상기 사용자 의도와 관련된 사용자 의도 정보를 포함하는 사용자 발화 이력을 인식하고,
    상기 인식한 사용자 발화 이력에 포함된 상기 사용자 의도 정보에 기반하여 상기 사용자 의도를 업데이트하도록 설정된 전자 장치.
  7. 청구항 6에 있어서,
    상기 프로세서는,
    상기 인식한 사용자 발화 이력이 상기 적어도 하나의 사용자 발화 이력 중 마지막에 저장된 사용자 발화 이력인 경우, 상기 사용자 의도를 업데이트하고,
    상기 인식한 사용자 발화 이력이 상기 적어도 하나의 사용자 발화 이력 중 마지막에 저장된 사용자 발화 이력이 아닌 경우, 상기 사용자 의도를 업데이트하지 않도록 설정된 전자 장치.
  8. 청구항 3에 있어서,
    상기 프로세서는,
    상기 동일한 세션에 해당하는 사용자 발화 이력이 없는 경우,
    상기 사용자 발화 이력에 포함된 시간 정보를 기반으로, 상기 사용자 발화 시점으로부터 지정된 제1 시간 이내에 대응하는 시간 정보를 포함하는 사용자 발화 이력을 인식하고,
    상기 지정된 제1 시간 이내에 대응하는 시간 정보를 포함하는 사용자 발화 이력을 기반으로, 상기 사용자 의도 또는 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하도록 설정된 전자 장치.
  9. 청구항 8에 있어서,
    상기 프로세서는,
    상기 사용자 발화 시점으로부터 지정된 제1 시간 이내에 속하는 시간 정보를 포함하는 사용자 발화 이력이 없는 경우, 상기 사용자 발화 시점으로부터 지정된 제2 시간 이내에 대응하는 시간 정보 및 상기 사용자 발화의 위치로부터 지정된 거리 이내에 대응하는 위치 정보를 포함하는 사용자 발화 이력을 인식하고,
    지정된 제2 시간 이내에 대응하는 시간 정보 및 상기 위치 정보를 포함하는 사용자 발화 이력을 기반으로, 상기 사용자 의도 또는 상기 적어도 하나의 제2 외부 장치와 관련된 정보를 업데이트하도록 설정된 전자 장치.
  10. 청구항 1에 있어서,
    상기 프로세서는,
    상기 명령어를 상기 적어도 하나의 제2 외부 장치 또는 상기 적어도 하나의 제2 외부 장치와 연결된 제3 외부 장치에 전송하도록 설정된 전자 장치.
  11. 청구항 1에 있어서,
    상기 프로세서는,
    상기 사용자 의도 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 기반으로 상기 동작 또는 상기 동작을 실행하기 위한 실행 장치를 특정하지 못한 경우, 상기 동작 또는 상기 실행 장치를 특정하기 위한 추가적인 사용자 발화를 촉구하는 메시지를 생성하도록 설정된 전자 장치.
  12. 전자 장치의 음성 어시스턴트 서비스 제공 방법에 있어서,
    제1 외부 장치로부터 사용자 발화에 대응하는 음성 입력을 수신하는 동작;
    상기 음성 입력으로부터, 상기 사용자 발화에 대응하는 세션(session), 사용자 의도(intent), 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 인식하는 동작;
    기 저장된 사용자 발화 이력과 관련된 컨텍스트 정보를 기반으로, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작;
    상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여 상기 동작을 실행하기 위한 명령어를 생성하는 동작; 및
    상기 세션, 상기 사용자 의도, 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보에 기반하여, 상기 컨텍스트 정보를 업데이트하는 동작을 포함하는 방법.
  13. 청구항 12에 있어서,
    상기 사용자 발화 이력은, 사용자 발화 별 세션 정보, 사용자 의도 정보, 실행 장치 정보, 시간 정보, 및 위치 정보 중 적어도 하나를 포함하는 방법.
  14. 청구항 12에 있어서,
    상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작은,
    상기 인식한 세션 정보를 기반으로, 상기 컨텍스트 정보에 상기 사용자 발화와 동일한 세션에 해당하는 적어도 하나의 사용자 발화 이력이 있는지 여부를 판단하는 동작; 및
    상기 판단에 적어도 일부 기반하여, 상기 사용자 의도 및 상기 적어도 하나의 제2 외부 장치와 관련된 정보 중 적어도 하나를 업데이트하는 동작을 포함하는 방법.
  15. 청구항 12에 있어서,
    상기 사용자 의도 및 상기 사용자 의도에 대응하는 동작과 관련된 적어도 하나의 제2 외부 장치와 관련된 정보를 기반으로 상기 동작 또는 상기 동작을 실행하기 위한 실행 장치를 특정하지 못한 경우, 상기 동작 또는 상기 실행 장치를 특정하기 위한 추가적인 사용자 발화를 촉구하는 메시지를 생성하는 동작을 더 포함하는 방법.
PCT/KR2023/016022 2022-10-19 2023-10-17 전자 장치 및 전자 장치의 음성 어시스턴트 서비스 제공 방법 WO2024085592A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2022-0134864 2022-10-19
KR20220134864 2022-10-19
KR1020220171982A KR20240054836A (ko) 2022-10-19 2022-12-09 전자 장치 및 전자 장치의 음성 어시스턴트 서비스 제공 방법
KR10-2022-0171982 2022-12-09

Publications (1)

Publication Number Publication Date
WO2024085592A1 true WO2024085592A1 (ko) 2024-04-25

Family

ID=90738200

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/016022 WO2024085592A1 (ko) 2022-10-19 2023-10-17 전자 장치 및 전자 장치의 음성 어시스턴트 서비스 제공 방법

Country Status (1)

Country Link
WO (1) WO2024085592A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102038809B1 (ko) * 2015-09-08 2019-10-30 애플 인크. 미디어 검색 및 재생을 위한 지능형 자동화 어시스턴트
KR20200106126A (ko) * 2019-02-28 2020-09-11 네이버 주식회사 대화 시스템에서의 의도 불분명 질의를 처리하는 방법 및 시스템
KR20210102032A (ko) * 2020-02-10 2021-08-19 삼성전자주식회사 음성 비서 서비스 제공 방법 및 장치
KR20210110650A (ko) * 2018-12-28 2021-09-08 구글 엘엘씨 선택된 제안에 따라 자동 어시스턴트에 음성 입력 보충하기
KR102346043B1 (ko) * 2014-12-05 2021-12-30 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 디지털 어시스턴트 알람 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102346043B1 (ko) * 2014-12-05 2021-12-30 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 디지털 어시스턴트 알람 시스템
KR102038809B1 (ko) * 2015-09-08 2019-10-30 애플 인크. 미디어 검색 및 재생을 위한 지능형 자동화 어시스턴트
KR20210110650A (ko) * 2018-12-28 2021-09-08 구글 엘엘씨 선택된 제안에 따라 자동 어시스턴트에 음성 입력 보충하기
KR20200106126A (ko) * 2019-02-28 2020-09-11 네이버 주식회사 대화 시스템에서의 의도 불분명 질의를 처리하는 방법 및 시스템
KR20210102032A (ko) * 2020-02-10 2021-08-19 삼성전자주식회사 음성 비서 서비스 제공 방법 및 장치

Similar Documents

Publication Publication Date Title
WO2021071115A1 (en) Electronic device for processing user utterance and method of operating same
WO2019182325A1 (ko) 전자 장치 및 전자 장치의 음성 인식 제어 방법
WO2019039834A1 (en) METHOD FOR PROCESSING VOICE DATA AND ELECTRONIC DEVICE SUPPORTING SAID METHOD
WO2021025350A1 (en) Electronic device managing plurality of intelligent agents and operation method thereof
WO2020032563A1 (en) System for processing user voice utterance and method for operating same
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2020167006A1 (en) Method of providing speech recognition service and electronic device for same
AU2019319322B2 (en) Electronic device for performing task including call in response to user utterance and operation method thereof
WO2019212213A1 (en) Electronic device and method of executing function of electronic device
WO2020050475A1 (ko) 전자 장치 및 단축 명령어에 대응하는 태스크 수행 방법
WO2020263016A1 (ko) 사용자 발화를 처리하는 전자 장치와 그 동작 방법
WO2019017665A1 (en) ELECTRONIC APPARATUS FOR PROCESSING A USER STATEMENT FOR CONTROLLING AN EXTERNAL ELECTRONIC APPARATUS AND METHOD FOR CONTROLLING THE APPARATUS
WO2019235878A1 (ko) 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치
WO2019039873A1 (ko) Tts 모델을 생성하는 시스템 및 전자 장치
WO2022177224A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022163963A1 (ko) 전자 장치 및 전자 장치의 단축 명령어 수행 방법
WO2024085592A1 (ko) 전자 장치 및 전자 장치의 음성 어시스턴트 서비스 제공 방법
WO2021085855A1 (ko) 다수의 사용자들이 참여하는 음성 에이전트 지원 방법 및 장치
WO2023080574A1 (ko) 음성 인식 서비스를 제공하는 전자 장치 및 이의 동작 방법
WO2024076139A1 (ko) 전자 장치 및 상기 전자 장치에서 사용자의 발화를 처리하는 방법
WO2024080729A1 (ko) 전자 장치 및 상기 전자 장치에서 위치 기반 컨텍스트를 이용하여 사용자의 발화를 처리하는 방법
WO2022186531A1 (ko) 전자 장치 및 전자 장치의 기기 연결 방법
WO2022177264A1 (ko) 전자 장치 및 전자 장치의 음성 인식 처리 방법
WO2024010284A1 (ko) 끝점 검출 시간 결정 방법 및 상기 방법을 수행하는 전자 장치
WO2023106649A1 (ko) 추천 명령어를 이용하여 음성 인식을 수행하는 전자 장치