KR102458343B1 - 음성 데이터를 송수신하는 디바이스 및 방법 - Google Patents

음성 데이터를 송수신하는 디바이스 및 방법 Download PDF

Info

Publication number
KR102458343B1
KR102458343B1 KR1020170148328A KR20170148328A KR102458343B1 KR 102458343 B1 KR102458343 B1 KR 102458343B1 KR 1020170148328 A KR1020170148328 A KR 1020170148328A KR 20170148328 A KR20170148328 A KR 20170148328A KR 102458343 B1 KR102458343 B1 KR 102458343B1
Authority
KR
South Korea
Prior art keywords
user
voice input
abnormal situation
input
recognition information
Prior art date
Application number
KR1020170148328A
Other languages
English (en)
Other versions
KR20180075376A (ko
Inventor
김재덕
박미정
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to US15/848,967 priority Critical patent/US10546578B2/en
Priority to CN201780084788.0A priority patent/CN110226202B/zh
Priority to PCT/KR2017/015178 priority patent/WO2018124620A1/en
Priority to EP17887809.6A priority patent/EP3545519B1/en
Publication of KR20180075376A publication Critical patent/KR20180075376A/ko
Priority to US16/719,002 priority patent/US11031000B2/en
Application granted granted Critical
Publication of KR102458343B1 publication Critical patent/KR102458343B1/ko

Links

Images

Classifications

    • 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
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • 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
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • 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
    • G10L2015/088—Word spotting
    • 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
    • G10L2015/223—Execution procedure of a spoken command
    • 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
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context

Landscapes

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

Abstract

본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다. 디바이스의 제 1 사용자에 의해 입력되는 음성 입력을 획득하는 단계; 획득된 음성 입력의 의미를 나타내는 인식 정보를 획득하는 단계; 획득된 음성 입력을 상대 디바이스에게 전송하는 단계; 상대 디바이스의 제 2 사용자가 전송된 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단하는 단계; 및 판단 결과에 기초하여, 획득된 인식 정보를 상대 디바이스에게 전송하는 단계를 포함하는, 디바이스가 상대 디바이스와 음성 데이터를 송수신하는 방법이 개시된다.

Description

음성 데이터를 송수신하는 디바이스 및 방법{DEVICE AND METHOD FOR TRANSRECEIVING AUDIO DATA}
본 개시는 음성 데이터를 송수신하는 디바이스 및 방법에 관한 것으로서, 보다 상세하게는, 사용자의 음성 입력의 의미를 나타내는 인식 정보를 상대 디바이스에게 제공하는 디바이스 및 방법에 관한 것이다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
멀티 미디어 기술 및 네트워크 기술이 발전함에 따라, 사용자는 디바이스를 이용하여 다양한 서비스를 제공받을 수 있게 되었다. 특히, 음성 인식 기술이 발전함에 따라, 사용자는 디바이스에 음성을 입력하고, 디바이스는 사용자가 발화한 음성 입력을 텍스트로 변환할 수 있게 되었다.
하지만, 종래에는, 대화 시스템에 참여하는 사용자들마다, 국적, 발음 특색, 언어 사용 습관 등이 다르기 때문에, 다른 사용자가 발화한 음성을 이해하기 어려운 문제가 있었다. 또한, 디바이스가 다른 사용자가 발화한 음성을 나타내는 텍스트를 디스플레이 해준다고 하여도, 인공지능 음성 인식 모델이 다른 사용자가 발화한 음성의 의미를 나타내도록 정확하게 텍스트로 변환하기 어려운 문제가 있었다. 이에 따라, 사용자 별로 개인화된 인공지능 음성 인식 모델을 이용하여, 사용자의 음성 입력의 의미를 나타내는 인식 정보를 적절하게 제공할 수 있는 기술이 요구되고 있다.
일부 실시예는, 개인화된 인공지능 음성 인식 모델을 이용하여 보다 정확하게 다른 사용자가 사용자의 음성 입력을 이해하지 못하는 상황이 발생했는지 판단하여, 사용자의 음성 입력의 의미를 나타내는 인식 정보를 네트워크 오버헤드(network overhead)없이, 상대 디바이스에게 전송하는 디바이스 및 방법을 제공할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제 1 측면은, 디바이스의 제 1 사용자에 의해 입력되는 음성 입력을 획득하는 사용자 입력부; 획득된 음성 입력을 상대 디바이스에게 전송하는 통신부; 및 획득된 음성 입력의 의미를 나타내는 인식 정보를 획득하고, 상대 디바이스의 제 2 사용자가 전송된 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단하는 제어부;를 포함하고, 통신부는, 판단 결과에 기초하여, 획득된 인식 정보를 상대 디바이스에게 전송하는 디바이스를 제공할 수 있다.
또한, 본 개시의 제 2 측면은, 디바이스의 제 1 사용자에 의해 입력되는 음성 입력을 획득하는 단계; 획득된 음성 입력의 의미를 나타내는 인식 정보를 획득하는 단계; 획득된 음성 입력을 상대 디바이스에게 전송하는 단계; 대 디바이스의 제 2 사용자가 전송된 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단하는 단계; 및 판단 결과에 기초하여, 획득된 인식 정보를 상대 디바이스에게 전송하는 단계:를 포함하는, 디바이스가 상대 디바이스와 음성 데이터를 송수신하는 방법을 제공할 수 있다.
또한, 본 개시의 제 3 측면은, 제 2 측면의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
도 1은 일 실시예에 따른 디바이스가 상대 디바이스로부터의 음성 수신에 대한 알림 메시지를 제공하는 예시를 나타내는 도면이다.
도 2는 일 실시예에 따른, 디바이스가 상대 디바이스에게 인식 정보를 전송하는 방법을 나타내는 흐름도이다.
도 3은 일 실시예에 따른, 디바이스와 상대 디바이스 간의 데이터를 송수신하는 방법을 나타내는 흐름도이다.
도 4는 일 실시예에 따른 비정상 상황이 발생했음 판단하는 예시를 나타내는 도면이다.
도 5는 일 실시예에 따른 비정상 상황이 발생했음을 판단하는 예시를 나타내는 도면이다.
도 6은 일 실시예에 따른, 디바이스가 회의록을 생성하는 예시를 나타내는 도면이다.
도 7은 일 실시예에 따른, 사용자 별 회의록을 나타내는 도면이다.
도 8 및 도 9는 일부 실시예에 따른 디바이스를 나타내는 블록도이다.
도 10은 일 실시예에 따른 제어부를 나타내는 블록도이다.
도 11은 일 실시예에 따른 데이터 학습부를 나타내는 블록도이다.
도 12는 일 실시예에 따른 데이터 인식부를 나타내는 블록도이다.
도 13은 일 실시예에 따른 디바이스 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
또한, 본 명세서에서 사용되는 '제 1' 또는 '제 2' 등과 같이 서수를 포함하는 용어는 다양한 구성 원소들을 설명하는데 사용할 수 있지만, 상기 구성 원소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 원소를 다른 구성 원소로부터 구별하는 목적으로만 사용된다.
본 명세서에서, 사용자 입력은, 예를 들어, 터치 입력, 벤딩 입력, 음성 입력, 키 입력 및 다중(multimodal) 입력 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 일 실시예에 따른 디바이스가 상대 디바이스로부터의 음성 수신에 대한 알림 메시지를 제공하는 예시를 나타내는 도면이다.
도 1을 참조하면, 디바이스(1000)는 제 1 사용자(120)에 의해 입력되는 적어도 하나의 음성 입력을 획득할 수 있고, 상대 디바이스(2000)는 제 2 사용자(140)에 의해 입력되는 적어도 하나의 음성 입력을 획득할 수 있다. 디바이스(1000)는 획득된 제 1 사용자(120)의 적어도 하나의 음성 입력을 상대 디바이스(2000)에게 전송할 수 있고, 상대 디바이스(2000)는 획득된 제 2 사용자(140)의 적어도 하나의 음성 입력을 디바이스(1000)에게 전송할 수 있다. 예를 들어, 디바이스(1000)는 상대 디바이스(2000)로부터 “I told you not to do that.”이라는 제 2 사용자(140)의 음성 입력을 수신할 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터의 원격 회의를 위한 요청을 수신함으로써, 상대 디바이스(2000)와 음성 입력을 송수신할 수 있다. 예를 들어, 디바이스(1000)는 상대 디바이스(2000)와의 원격 회의를 위한 애플리케이션을 실행할 수 있으며, 실행된 애플리케이션을 통하여 상대 디바이스(2000)와 데이터를 송수신할 수 있다. 본 명세서에서, 애플리케이션은 특정한 업무를 수행하기 위해 고안된 일련의 컴퓨터 프로그램 집합을 말한다. 예를 들어, 디바이스(1000)는 통화 애플리케이션 또는 메신저 애플리케이션을 실행할 수 있다. 또한, 디바이스(1000)는 실행된 애플리케이션을 통하여 상대 디바이스(2000)와 음성 데이터 및 텍스트 데이터를 송수신할 수 있고, 이를 통해 제 1 사용자(120)는 제 2 사용자(140)와 대화할 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터 수신된 제 2 사용자의 음성 입력을 제 1 사용자가 이해하지 못하는 비정상 상황이 발생했는 지를 판단하여, 상대 디바이스(2000)로부터 제 2 사용자(140)의 음성 입력의 의미를 나타내는 인식 정보를 수신할 수 있다.
비정상 상황은, 상대방의 음성 입력의 의미를 이해하지 못한 경우, 상대방의 음성 입력의 의미를 잘못 이해한 경우, 및 상대방의 음성 입력을 듣지 못한 경우 등을 포함할 수 있다.
예를 들어, 제 1 사용자(120)는 “I told you not to do that.”이라는 제 2 사용자의 음성 입력을 알아듣지 못하여, “Pardon?”이라고 발화할 수 있다. 예를 들어, 디바이스(1000)는 수신된 제 2 사용자(140)의 음성 입력에 대해, “Pardon?”이라는 제 1 사용자(120)의 음성 입력을 획득할 수 있다. 또한, 예를 들어, 디바이스(1000)는 “Pardon?”이라는 음성 입력의 의미를 분석함으로써, 제 1 사용자(120)가 제 2 사용자(140)의 음성 입력을 이해하지 못했다고 판단할 수 있다. 예를 들어, 디바이스(1000)는, STT(Speech To Text), ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 중 적어도 하나의 음성 인식 기술을 이용하여 사용자의 음성 입력의 의미를 분석할 수 있으나, 이에 한정되는 것은 아니다.
예를 들어, 디바이스(1000)가 제 1 사용자(120)가 제 2 사용자(140)의 음성 입력을 이해하지 못했다고 판단하면, 제 2 사용자(140)의 음성 입력의 의미를 나타내는 인식 정보를 전송해 줄 것을 상대 디바이스(2000)에게 요청할 수 있다. 예를 들어, 상대 디바이스(2000)는 디바이스의 요청에 대한 응답으로, 상대 디바이스(2000)에서 획득된 “I told you not to do that.” 이라는 인식 정보를 디바이스(1000)에게 전송할 수 있다.
인식 정보는, 사용자의 적어도 하나의 음성 입력으로부터 STT(Speech To Text), ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 중 적어도 하나의 기술을 통해 생성된, 적어도 하나의 음성 입력의 의미를 나타내는 정보일 수 있다. 예를 들어, 인식 정보는, 사용자의 음성 입력을 해석하기 위한 인공지능 음성 인식 모델을 이용하여 생성된, 사용자의 음성 입력의 의미를 나타내는 텍스트를 포함할 수 있다.
일 실시예에서, 인식 정보를 생성하기 위해, 학습에 의해 사용자 별로 다른, 개인화된 인식 모델을 이용할 수 있다. 예를 들어, 디바이스(1000)는 제 1 사용자(120)의 음성 입력을 해석하기 위해, 제 1 사용자(120)의 제 1 인공지능 음성 인식 모델을 이용할 수 있고, 상대 디바이스(2000)는 제 2 사용자(140)의 음성 입력을 해석하기 위해, 제 2 사용자(140)의 제 2 인공지능 음성 인식 모델을 이용할 수 있다. 예를 들어, 제 1 인공지능 음성 인식 모델은 디바이스(1000)에서 생성되어, 디바이스(1000) 내에 등록된 것일 수 있다. 또는, 예를 들어, 제 1 인공지능 음성 인식 모델은 제 1 사용자의 다른 디바이스(미도시)에서 생성되어 디바이스(1000)에게 제공된 것일 수 있다. 또는, 예를 들어, 제 1 인공지능 음성 인식 모델은 서버(미도시)에서 생성되어 디바이스(1000)에서 학습된 것일 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터 수신된 인식 정보에 기초하여, 제 1 사용자(120)가 이해하지 못한 부분을 알려주는 알림 메시지를 제공할 수 있다. 예를 들어, 디바이스(1000)는 상대 디바이스(2000)로부터 수신된 “I told you not to do that.” 이라는 인식 정보에 기초하여, “제 2 사용자님이 말씀하시고자 하는 바는, I told you not to do that 입니다.”라는 알림 메시지를 제 1 사용자(120)에게 제공할 수 있다.
알림 메시지는, 인식 정보에 기초하여 생성된, 사용자가 이해하지 못한 다른 사용자의 음성 입력을 알려주기 위해, 사용자에게 제공되는 디지털 정보일 수 있다. 본 명세서에서 알림 메시지는, 텍스트, 이미지, 음성, 동영상 중 어느 하나의 형식 또는 적어도 두 개의 형식이 결합된 형태로 사용자에게 제공될 수 있으나, 이에 제한되지 않는다.
디바이스(1000)는, 스마트폰, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 디바이스(1000)는, 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 디바이스일 수 있다. 그러나, 이에 제한되지 않으며, 디바이스(1000)는 상대 디바이스(2000)로부터의 음성 데이터 및 텍스트 데이터를 송수신할 수 있는 모든 종류의 기기를 포함할 수 있다.
또한, 디바이스(1000)는 음성 데이터 및 텍스트 데이터를 송수신하기 위하여, 소정의 네트워크를 통하여 서버(미도시) 및 상대 디바이스(2000)와 통신할 수 있다. 이 경우, 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함하며, 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다. 무선 통신은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.
원격 회의는 네트워크 딜레이(delay)문제로 음성 전송이 지연되고, 음성의 품질이 저하되는 등의 문제가 있는데, 본 명세서는 회의 내용을 텍스트 데이터로 관리하고, 송수신함으로써 데이터 부담을 감소시킬 수 있다.
도 2는 일 실시예에 따른, 디바이스가 상대 디바이스에게 인식 정보를 전송하는 방법을 나타내는 흐름도이다.
동작 S210에서, 디바이스(1000)는 디바이스(1000)의 제 1 사용자에 의해 입력되는 음성 입력을 획득할 수 있다.
일 실시예에서, 제 1 사용자는 음성 인식 애플리케이션을 실행하여, 음성을 발화하여 음성을 디바이스(1000)로 입력할 수 있다. 일 예로, 사용자는 디바이스(1000)의 마이크로폰을 통해 음성을 입력할 수 있다.
또는, 디바이스(1000)는 상시로 사용자의 발화 음성을 입력받을 수 있는 상태일 수 있다. 예를 들어, 디바이스(1000)는 원격 회의를 위한 애플리케이션(예를 들어, 통화 애플리케이션 및 메신저 애플리케이션 등)의 실행 중에 사용자가 발화한 음성을 입력받을 수 있다.
동작 S220에서, 디바이스(1000)는 제 1 사용자에 의해 입력된 음성 입력의 의미를 나타내는 인식 정보를 획득할 수 있다.
인식 정보는, 사용자의 적어도 하나의 음성 입력으로부터 STT(Speech To Text), ASR(Automatic Speech Recognition) 및 SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 중 적어도 하나의 기술을 통해 생성된, 적어도 하나의 음성 입력의 의미를 나타내는 정보일 수 있다. 예를 들어, 인식 정보는, 사용자의 음성 입력을 해석하기 위한 인공지능 음성 인식 모델을 이용하여 생성된, 사용자의 음성 입력의 의미를 나타내는 텍스트를 포함할 수 있다.
일 실시예에서, 디바이스(1000)는 제 1 사용자의 음성 입력을 해석하기 위해, 제 1 인공지능 음성 인식 모델을 획득하고, 제 1 인공지능 음성 인식 모델을 이용하여, 제 1 음성 입력의 의미를 나타내는 텍스트를 생성할 수 있다. 예를 들어, 제 1 인공지능 음성 인식 모델은 제 1 사용자의 음성 데이터를 이용하여 학습된 것으로써, 제 1 사용자의 억양 및/또는 제 1 사용자의 발음의 특색 등이 반영된 모델일 수 있다.
동작 S230에서, 디바이스(1000)는 제 1 사용자에 의해 입력된 음성 입력을 상대 디바이스(2000)에게 전송할 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)에게 직접 제 1 사용자의 음성 입력을 전송할 수 있다. 또는, 일 실시예에서, 디바이스(1000)는 서버를 경유하여 제 1 사용자의 음성 입력을 상대 디바이스(2000)에게 전송할 수 있다. 또한, 디바이스(1000)는 음성 데이터를 상대 디바이스(2000)에게 전송하기 위하여, 소정의 네트워크를 통하여, 서버 및/또는 상대 디바이스(2000)와 통신할 수 있다.
동작 S240에서, 디바이스(1000)는 상대 디바이스(2000)의 제 2 사용자가 전송된 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단할 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터 제 2 사용자의 음성 입력을 수신할 수 있다. 예를 들어, 디바이스(1000)는 제 1 사용자의 음성 입력을 상대 디바이스(2000)에게 전송한 것에 대한 응답으로, 상대 디바이스(2000)로부터 제 2 사용자의 음성 입력을 수신할 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터 수신된 제 2 사용자의 적어도 하나의 음성 입력을 분석함으로써, 비정상 상황이 발생하였는 지를 판단할 수 있다. 예를 들어, 디바이스(1000)는 수신된 제 2 사용자의 적어도 하나의 음성 입력을 텍스트로 변환하고, 변환된 텍스트 내에 기 설정된 문구가 포함되었는지에 기초하여, 비정상 상황이 발생했는 지를 판단할 수 있다. 예를 들어, 기 설정된 문구는, 제 2 사용자가 제 1 사용자의 음성 입력을 알아듣지 못했다는 내용을 포함하는 것으로써, 디바이스(1000) 내에 기 저장되어 있을 수 있다. 예를 들어, 기 설정된 문구는, "Pardon?", "다시 한번 말씀해 주시겠어요", "무슨 말씀이신지 잘 모르겠어요." 및 "네? 죄송하지만 제가 잘 못들었는데요." 등을 포함할 수 있으나, 이에 제한되지 않는다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터의 인식 정보 전송 요청을 수신함으로써, 비정상 상황이 발생되었음을 판단할 수 있다. 예를 들어, 상대 디바이스(2000)는 상대 디바이스(2000)의 제 2 사용자가 제 1 사용자의 음성 입력을 이해하지 못했다고 판단하면, 제 1 사용자의 음성 입력의 의미를 나타내는 인식 정보를 전송해 줄 것을 디바이스(1000)에게 요청할 수 있다. 예를 들어, 디바이스(1000)는 상대 디바이스(2000)로부터의 요청을 통해, 비정상 상황이 발생되었음을 판단할 수 있다.
일 실시예에서, 디바이스(1000)는 제 2 사용자에 의해 상대 디바이스(2000)에 입력된 제 2 사용자의 음성 입력의 의미를 나타내는 인식 정보를 상대 디바이스(2000)로부터 수신할 수 있다. 예를 들어, 원격 회의를 위한 애플리케이션이 실행 중인 경우에, 디바이스(1000)는 별도의 요청 없이도 상대 디바이스(2000)로부터 제 2 사용자의 음성 입력의 의미를 나타내는 인식 정보를 간헐적으로 수신할 수 있다. 또한, 일 실시예에 따른 디바이스(1000)는 제 1 사용자의 음성 입력의 의미를 나타내는 인식 정보 및 제 2 사용자의 음성 입력의 의미를 나타내는 인식 정보에 기초하여, 제 1 사용자 및 제 2 사용자 간의 대화 내용을 분석할 수 있다. 또한, 일 실시예에 따른 디바이스(1000)는 분석된 대화 내용에 기초하여, 비정상 상황이 발생되었는 지를 판단할 수 있다.
비정상 상황이 발생했는 지를 판단하는 예시에 대해서는 도 4 및 도 5에서 자세히 살펴보기로 한다.
동작 S250에서, 디바이스(1000)는 판단 결과에 기초하여, 획득된 인식 정보를 상대 디바이스(2000)에게 전송할 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)에게 직접 인식 정보를 전송할 수 있다. 또는, 일 실시예에서, 디바이스(1000)는 서버를 경유하여 상대 디바이스(2000)에게 인식 정보를 전송할 수 있다. 또한, 디바이스(1000)는 텍스트 데이터를 상대 디바이스(2000)에게 전송하기 위하여, 소정의 네트워크를 통하여, 서버 및/또는 상대 디바이스(2000)와 통신할 수 있다.
도 3은 일 실시예에 따른, 디바이스와 상대 디바이스 간의 데이터를 송수신하는 방법을 나타내는 흐름도이다.
동작 S330에서, 디바이스(1000)는 원격 회의를 위한 애플리케이션을 실행할 수 있다.
일 실시예에서, 디바이스(1000)는 원격 회의를 위한 애플리케이션을 실행하기 위한 제 1 사용자의 사용자 입력을 수신함으로써, 원격 회의를 위한 애플리케이션을 실행할 수 있다. 일 실시예에서, 디바이스(1000)는 애플리케이션을 실행한 후, 제 1 사용자의 사용자 입력에 따라 상대 디바이스(2000)에게 회의에 참여하라는 요청을 전송할 수 있다.
동작 S332에서, 상대 디바이스(2000)는 원격 회의를 위한 애플리케이션을 실행할 수 있다.
일 실시예에서, 상대 디바이스(2000)는 원격 회의를 위한 애플리케이션을 실행하기 위한 제 2 사용자의 사용자 입력을 수신함으로써, 원격 회의를 위한 애플리케이션을 실행할 수 있다.
일 실시예에서, 상대 디바이스(2000)는 디바이스(1000)로부터 수신된 회의 참여 요청에 응답하여, 제 1 사용자를 포함하는 회의에 참여할 수 있다. 예를 들어, 상대 디바이스(2000)는 회의 참여 요청에 응답하는 제 2 사용자의 사용자 입력에 따라, 원격 회의를 위한 애플리케이션을 실행할 수 있다.
동작 S334에서, 디바이스(1000)는 원격 회의를 위한 애플리케이션에 제 1 사용자의 제 1 인공지능 음성 인식 모델을 등록할 수 있다.
일 실시예에서, 디바이스(1000)는 제 1 사용자가 발화한 음성을 제 1 인공지능 음성 인식 모델을 통해 텍스트로 변환하기 위해, 제 1 인공지능 음성 인식 모델을 애플리케이션에 등록할 수 있다. 예를 들어, 제 1 인공지능 음성 인식 모델은 제 1 사용자의 음성 데이터를 이용하여 학습된 것으로써, 제 1 사용자의 억양 및/또는 제 1 사용자의 발음의 특색 등이 반영된 것일 수 있다.
일 실시예에서, 제 1 인공지능 음성 인식 모델은, 통계학적 기계 학습의 결과를 이용하여 제 1 사용자의 음성 입력을 해석하는 알고리즘 집합일 수 있다. 예를 들어, 제 1 인공지능 음성 인식 모델은, 제 1 사용자의 음성 입력을 입력으로 하고, 제 1 사용자의 음성 입력의 의미를 나타내는 텍스트를 출력으로 할 수 있다. 예를 들어, 제 1 인공지능 음성 인식 모델은 디바이스(1000)에서 생성되어, 디바이스(1000) 내에 등록된 것일 수 있다. 또는, 예를 들어, 제 1 인공지능 음성 인식 모델은 제 1 사용자의 다른 디바이스(미도시)에서 생성되어 디바이스(1000)에게 제공된 것일 수 있다. 또는, 예를 들어, 제 1 인공지능 음성 인식 모델은 서버(미도시)에서 생성되어 디바이스(1000)에서 학습된 것일 수 있다.
동작 S336에서, 상대 디바이스(2000)는 원격 회의를 위한 애플리케이션에 제 2 사용자의 제 2 인공지능 음성 인식 모델을 등록할 수 있다.
일 실시예에서, 상대 디바이스(2000)는 제 2 사용자가 발화한 음성을 제 2 인공지능 음성 인식 모델을 통해 텍스트로 변환하기 위해, 제 2 인공지능 음성 인식 모델을 애플리케이션에 등록할 수 있다. 예를 들어, 제 2 인공지능 음성 인식 모델은 제 2 사용자의 음성 데이터를 이용하여 학습된 것으로써, 제 2 사용자의 억양 및/또는 제 2 사용자의 발음의 특색 등이 반영된 것일 수 있다.
일 실시예에서, 제 2 인공지능 음성 인식 모델은, 통계학적 기계 학습의 결과를 이용하여 제 2 사용자의 음성 입력을 해석하는 알고리즘 집합일 수 있다. 예를 들어, 제 2 인공지능 음성 인식 모델은, 제 2 사용자의 음성 입력을 입력으로 하고, 제 2 사용자의 음성 입력의 의미를 나타내는 텍스트를 출력으로 할 수 있다. 예를 들어, 제 2 인공지능 음성 인식 모델은 상대 디바이스(2000)에서 생성되어, 상대 디바이스(2000) 내에 등록된 것일 수 있다. 또는, 예를 들어, 제 2 인공지능 음성 인식 모델은 제 2 사용자의 다른 디바이스(미도시)에서 생성되어 상대 디바이스(2000)에게 제공된 것일 수 있다. 또는, 예를 들어, 제 2 인공지능 음성 인식 모델은 서버(미도시)에서 생성되어 상대 디바이스(2000)에서 학습된 것일 수 있다.
동작 S338에서, 디바이스(1000)는 제 1 사용자의 음성 입력을 획득할 수 있다.
동작 S338은 도 2의 동작 S210에 대응하므로 구체적인 설명은 생략하기로 한다.
동작 S340에서, 디바이스(1000)는 획득된 제 1 사용자의 음성 입력을 상대 디바이스(2000)에 전송할 수 있다.
동작 S340은 도 2의 동작 S230에 대응하므로 구체적인 설명은 생략하기로 한다.
동작 S342에서, 상대 디바이스(2000)는 수신된 제 1 사용자의 음성 입력을 출력할 수 있다.
일 실시예에서, 제 1 사용자의 음성 입력을 제 2 사용자에게 전달하기 위해, 상대 디바이스(2000)는 디바이스(1000)로부터 수신된 제 1 사용자의 음성 입력을 오디오 신호로 출력할 수 있다.
동작 S344에서, 디바이스(1000)는 제 1 사용자의 인공지능 음성 인식 모델을 통해 획득된 제 1 사용자의 음성 입력을 텍스트로 변환할 수 있다.
일 실시예에서, 디바이스(1000)는 제 1 사용자의 음성 입력을 해석하기 위해, 제 1 인공지능 음성 인식 모델을 이용하여, 제 1 사용자의 음성 입력의 의미를 나타내는 텍스트를 생성할 수 있다. 일 실시예에서, 제 1 사용자의 음성 입력을 제 1 인공지능 음성 인식 모델에 입력하면, 제 2 인공지능 음성 인식 모델을 통해 변환되지 않는 것일지라도, 텍스트로 변환될 수 있다.
동작 S346에서, 디바이스(1000)는 변환된 텍스트를 로깅(logging)하여 대화 로그(log)를 생성할 수 있다.
일 실시예에서, 디바이스(1000)는 제 1 사용자가 대화에 참여한 시점부터 실시간으로 제 1 사용자의 음성 입력을 텍스트로 변환하여, 시간의 흐름에 따라 로깅할 수 있다. 일 실시예에서, 디바이스(1000)가 로깅한 정보를 통해 생성된 대화 로그는, 대화가 이루어지는 동안에 디바이스(1000)가 획득할 수 있는 각종 정보를 포함할 수 있다. 예를 들어, 제 1 사용자의 대화 로그는, 대화에 참여한 사용자들의 이름, 제 1 사용자가 발화한 시간, 현재까지 제 1 사용자의 음성 입력을 통해 생성된 텍스트 등을 포함할 수 있다. 동작 S348에서, 상대 디바이스(2000)는 제 2 사용자가 수신된 제 1 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단할 수 있다.
일 실시예에서, 상대 디바이스(2000)는 제 2 사용자의 적어도 하나의 음성 입력을 분석함으로써, 비정상 상황이 발생하였는 지를 판단할 수 있다. 예를 들어, 상대 디바이스(2000)는 제 2 인공지능 음성 인식 모델을 통해 변환된 텍스트 내에 기 설정된 문구가 포함되었는지에 기초하여, 비정상 상황이 발생했는 지를 판단할 수 있다. 예를 들어, 기 설정된 문구는, 제 2 사용자가 제 1 사용자의 음성 입력을 알아듣지 못했다는 내용을 포함하는 것으로써, 상대 디바이스(2000) 내에 기 저장되어 있을 수 있다. 예를 들어, 기 설정된 문구는, "Pardon?", "다시 한번 말씀해 주시겠어요?", "무슨 말씀이신지 잘 모르겠어요." 및 "네? 죄송하지만 제가 잘 못들었는데요." 등을 포함할 수 있으나, 이에 제한되지 않는다.
다른 예시로서, 상대 디바이스(2000)는 제 2 인공지능 음성 인식 모델을 통해 변환된 텍스트를 분석함으로써, 제 2 사용자가 비슷한 단어 또는 문구를 반복하여 발화하면서, 제 1 사용자의 음성 입력이 어떤 의미인지 확인함을 인식할 수 있다. 이 때, 상대 디바이스(2000)는 제 2 사용자가 명시적으로 표현하지는 않았더라도, 제 1 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생했음을 판단할 수 있다.
동작 S350에서, 비정상 상황이 발생했다고 판단된 경우, 상대 디바이스(2000)는 수신된 제 1 사용자의 음성 입력의 의미를 나타내는 텍스트를 디바이스(1000)에게 요청할 수 있다.
일 실시예에서, 상대 디바이스(2000)는 회의를 시작함으로써 디바이스(1000)로부터 수신된 제 1 사용자의 음성 입력들 중 비정상 상황이 발생한 시점을 포함하는 소정 범위의 시간 내에 발화된 제 1 사용자의 음성 입력에 해당하는 텍스트를 디바이스(1000)에게 요청할 수 있다.
동작 S352에서, 디바이스(1000)는 제 2 사용자가 제 1 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생되었음을 판단할 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터의 텍스트 전송 요청을 수신함으로써, 제 2 사용자가 제 1 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생되었음을 판단할 수 있다. 그러나, 디바이스(1000)가 비정상 상황이 발생되었음을 판단하는 방법은 이에 제한되지 않는다.
동작 S354에서, 디바이스(1000)는 상대 디바이스(2000)로부터의 텍스트 전송 요청에 기초하여, 대화 로그에서 비정상 상황이 발생된 부분을 추출할 수 있다.
일 실시예에서, 디바이스(1000)는 비정상 상황이 발생되었다고 판단된 시점을 포함하는 소정 범위의 시간 내에 발화된 제 1 사용자의 음성 입력에 해당하는 텍스트를, 비정상 상황이 발생된 부분으로써 대화 로그로부터 추출할 수 있다. 예를 들어, 비정상 상황이 발생되었다고 판단된 시점은, 디바이스(1000)와 상대 디바이스(2000)에서 다를 수 있으며, 디바이스(1000)를 기준으로 할 수도 있고, 상대 디바이스(2000)를 기준으로 할 수도 있는데, 이는 원격 회의를 위한 애플리케이션에 기 설정된 것일 수 있다. 예를 들어, 상대 디바이스(2000)에서 비정상 상황이 발생했음을 판단한 시점을 기준으로 소정 범위를 정하는 경우, 상대 디바이스(2000)로부터 텍스트 전송 요청과 함께 비정상 상황이 발생했음을 판단한 시점 정보도 수신할 수 있다.
동작 S356에서, 디바이스(1000)는 제 1 사용자의 음성 입력의 의미를 나타내는 텍스트를 상대 디바이스(2000)에게 전송할 수 있다.
일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터의 텍스트 전송 요청에 기초하여, 대화 로그에서 추출된 비정상 상황이 발생된 부분을 상대 디바이스(2000)에게 전송할 수 있다.
동작 S358에서, 상대 디바이스(2000)는 수신된 텍스트에 기초하여, 알림 메시지를 출력할 수 있다.
일 실시예에서, 상대 디바이스(2000)는 디바이스(1000)로부터 수신된 텍스트에 기초하여, 제 2 사용자가 이해하지 못한 부분을 알려주는 알림 메시지를 출력할 수 있다. 예를 들어, 상대 디바이스(2000)는 디바이스(1000)로부터 수신된 “AAA”라는 텍스트에 기초하여, “제 1 사용자님은 AAA라고 말씀하셨습니다.”라는 알림 메시지를 출력할 수 있다. 예를 들어, 알림 메시지는 음성 또는 텍스트 형태로 출력될 수 있으나, 이에 제한되지 않는다.
동작 S360에서, 상대 디바이스(2000)는 수신된 텍스트가 반영된 대화 로그를 생성할 수 있다.
일 실시예에서, 상대 디바이스(2000)는 제 2 사용자의 발화에 대한 내용뿐만 아니라, 비정상 상황과 관련된 내용 및 비정상 상황이 발생한 시점 및 디바이스(1000)로부터 수신된 텍스트를 포함하는 대화 로그를 생성할 수 있다.
동작 S330 내지 S360의 순서가 변경되거나, 하나 이상의 동작이 생략될 수 있으며, 이에 제한되지 않는다. 또한, 디바이스(1000)에서 수행되는 동작은 상대 디바이스(2000)에서 수행될 수 있으며, 상대 디바이스(2000)에서 수행되는 동작이 디바이스(1000)에서 수행될 수 있다.
도 3에서는 원격 회의를 위한 애플리케이션을 실행함으로써 제 1 사용자와 제 2 사용자가 대화하는 것으로 설명하였지만, 이에 제한되지 않는다. 사용자들 간에 음성을 통한 대화를 위한 다양한 애플리케이션 및 통화를 위한 애플리케이션 등에 음성 데이터를 송수신하고, 비정상 상황이 발생된 경우, 텍스트 데이터를 송수신하여, 알림 메시지를 출력하며 대화 로그에 반영하는 동작들이 이용될 수 있다.
도 4는 일 실시예에 따른 비정상 상황이 발생했음을 판단하는 예시를 나타내는 도면이다.
일 실시예에서, 디바이스(1000)는 대화 도중에 상대 디바이스(2000)로부터 수신된 제 2 사용자(420)의 적어도 하나의 음성 입력을 분석함으로써, 제 2 사용자(420)가 제 1 사용자(410)의 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단할 수 있다.
일 실시예에서, 디바이스(1000)는 수신된 제 2 사용자(420)의 적어도 하나의 음성 입력을 텍스트로 변환하고, 변환된 텍스트 내에 기 설정된 문구가 포함되었는지에 기초하여, 비정상 상황이 발생했는 지를 판단할 수 있다. 예를 들어, 디바이스(1000)는 제 1 사용자(410)가 발화한 "제가 생각하는 전자 담배에서 유해 물질을 줄이기 위한 방법은 액상 궐련을 통해서..."라는 음성 입력에 대한 응답으로, 상대 디바이스(2000)로부터 제 2 사용자(420)의 "네 죄송하지만 제가 잘 못들었는데요."라는 음성 입력을 수신할 수 있다. 예를 들어, 디바이스(1000)는 수신되니 제 2 사용자(420)의 음성 입력을, 제 1 인공지능 음성 인식 모델을 통해 텍스트로 변환하여, "잘 못들었는데요"라는 기 설정된 문구가 포함되었음을 인식할 수 있다. 예를 들어, 디바이스(1000)는 기 설정된 문구가 포함된 경우, 비정상 상황이 발생했다고 판단할 수 있다.
다른 실시예에서, 디바이스(1000)는 상대 디바이스(2000)에 입력된 제 2 사용자(420)의 음성 입력의 의미를 나타내는 인식 정보를 상대 디바이스(2000)로부터 수신함으로써, 제 2 사용자(420)가 제 1 사용자(410)의 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단할 수 있다. 예를 들어, 원격 회의를 위한 애플리케이션이 실행 중인 경우에, 디바이스(1000)는 별도의 요청 없이도 상대 디바이스(2000)로부터 제 2 사용자의 음성 입력의 의미를 나타내는 인식 정보를 간헐적으로 수신할 수 있다. 또한, 예를 들어, 디바이스(1000)는 수신된 인식 정보에 기 설정된 문구가 포함되었는지에 기초하여, 비정상 상황이 발생했는 지를 판단할 수 있다. 예를 들어, 디바이스(1000)가 제 2 사용자(420)의 음성 입력의 의미를 나타내는 "네? 죄송하지만 제가 잘 못들었는데요."라는 인식 정보를 수신한 경우, "잘 못들었는데요"라는 기 설정된 문구가 포함되었음을 인식하여, 비정상 상황이 발생했다고 판단할 수 있다.
일 실시예에서, 비정상 상황이 발생했다고 판단된 경우, 디바이스(1000)는 확인 메시지(430)를 디바이스(1000)의 화면 상에 디스플레이할 수 있다.
확인 메시지는, 인식 정보가 사용자의 음성 입력의 의미를 나타내는 지를 확인하기 위해 사용자에게 제공되는 디지털 정보를 의미할 수 있다. 본 명세서에서 확인 메시지는, 텍스트, 이미지, 음성, 동영상 중 어느 하나의 형식 또는 적어도 두 개의 형식이 결합된 형태로 사용자에게 제공될 수 있다. 그러나, 확인 메시지의 형식은 이에 제한되지 않는다.
예를 들어, 디바이스(1000)는 제 1 사용자(410)가 발화한 "제가 생각하는 전자 담배에서 유해 물질을 줄이기 위한 방법은 액상 궐련을 통해서..."라는 음성 입력에 대해, 제 1 인공지능 음성 인식 모델을 이용하여 획득된 "제가 생각하는 전자 담배에서 유회 물질을 줄이기 위한 방법은 액상 권련을 통해서..."라는 인식 정보가 제 1 사용자(410)의 음성 입력의 의미를 정확하게 나타내는지를 확인하기 위해 확인 메시지(430)를 출력할 수 있다.
일 실시예에서, 디바이스(1000)는 획득된 인식 정보에 기초하여, 확인 메시지(430)를 생성할 수 있다. 예를 들어, 확인 메시지(430)는 "다음과 같이 말씀 하신게 맞습니까?"라는 문구, 획득된 인식 정보 및 특정 동작을 수행하기 위한 오브젝트를 포함할 수 있다.
또한, 일 실시예에서, 디바이스(1000)는 디스플레이된 확인 메시지(430)에 응답하여, 인식 정보를 수정하기 위한 제 1 사용자(410)의 입력에 기초하여, 인식 정보를 수정할 수 있다. 예를 들어, 디바이스(1000)는 인식 정보를 수정하기 위한 "YES" 아이콘(440)을 선택하는 사용자 입력을 수신하여, 확인 메시지(430)의 편집 기능을 활성화할 수 있다. 또한, 디바이스(1000)는 인식 정보를 "제가 생각하는 전자 담배에서 유해 물질을 줄이기 위한 방법은 액상 궐련을 통해서..."로 수정하는 사용자 입력을 수신할 수 있다. 또한, 일 실시예에서, 디바이스(1000)는 수정된 인식 정보를 상대 디바이스(2000)에게 전송할 수 있다.
또는, 일 실시예에서, 디바이스(1000)는 디스플레이된 확인 메시지(430)에 응답하여, 인식 정보를 수정하지 않기 위한 제 1 사용자(410)의 입력을 수신할 수 있다. 예를 들어, 디바이스(1000)는 인식 정보를 수정하지 않기 위한 "NO" 아이콘(450)을 선택하는 사용자 입력을 수신하여, 수정되지 않은 인식 정보를 그대로 상대 디바이스(2000)에게 전송할 수 있다.
또한, 일 실시예에서, 상대 디바이스(2000)는 수정된 인식 정보에 기초하여, 알림 메시지(460)를 출력할 수 있다. 예를 들어, 상대 디바이스(2000)는 디바이스(1000)로부터 수신된 “제가 생각하는 전자 담배에서 유해 물질을 줄이기 위한 방법은 액상 궐련을 통해서..."라는 수정된 인식 정보에 기초하여, “제 1 사용자님이 다음과 같이 말씀하셨습니다. 제가 생각하는 전자 담배에서 유해 물질을 줄이기 위한 방법은 액상 궐련을 통해서...”라는 알림 메시지를 제 2 사용자(420)에게 제공할 수 있다.
도 5는 일 실시예에 따른 비정상 상황이 발생했음을 판단하는 예시를 나타내는 도면이다.
일 실시예에서, 디바이스(1000)는 제 2 사용자(520) 및 제 3 사용자(530)의 음성 입력의 의미를 나타내는 인식 정보를 제 1 상대 디바이스(2000-1) 및 제 2 상대 디바이스(2000-2)로부터 수신할 수 있다. 예를 들어, 원격 회의를 위한 애플리케이션이 실행 중인 경우에, 디바이스(1000)는 별도의 요청 없이도 제 1 상대 디바이스(2000-1) 및 제 2 상대 디바이스(2000-2)로부터 제 2 사용자(520)의 음성 입력의 의미를 나타내는 인식 정보 및 제 3 사용자(530)의 음성 입력의 의미를 나타내는 인식 정보를 간헐적으로 수신할 수 있다.
또한, 일 실시예에 따른 디바이스(1000)는 제 1 사용자(510)의 음성 입력의 의미를 나타내는 인식 정보, 제 2 사용자(520)의 음성 입력의 의미를 나타내는 인식 정보 및 제 3 사용자(530)의 음성 입력의 의미를 나타내는 인식 정보에 기초하여, 제 1 사용자(510), 제 2 사용자(520) 및 제 3 사용자(530) 간의 대화 내용을 분석할 수 있다. 예를 들어, 디바이스(1000)는 대화 내용을 분석함으로써, 대화 주제를 판단할 수 있고, 제 1 사용자(510), 제 2 사용자(520) 및 제 3 사용자(530)가 A 주제에 대해 대화하다가, 제 2 사용자(520) 및 제 3 사용자(530)만이 대화 주제를 B 주제로 변경했음을 판단할 수 있다.
또한, 일 실시예에 따른 디바이스(1000)는 분석된 대화 내용에 기초하여, 비정상 상황이 발생되었는 지를 판단할 수 있다. 예를 들어, 디바이스(1000)는 제 1 사용자(510)가 기 설정된 시간 이상으로 다른 사용자들(520, 530)과 다른 주제에 대해 발화하였음을 판단함으로써, 비정상 상황이 발생했음을 판단할 수 있다.
일 실시예에서, 디바이스(1000)는 분석된 대화 내용에 기초하여, 제 1 사용자(510)에게 현재의 대화 주제에 대해 알려주는 알림 메시지(540)를 제공할 수 있다. 예를 들어, 디바이스(1000)는 “현재 B 주제에 대해 얘기하고 있습니다. B 주제는 다음과 같습니다. ~~~~~~” 라는 알림 메시지(540)를 제 1 사용자(510)에게 제공할 수 있다. 예를 들어, 디바이스(1000)는 알림 메시지(540) 텍스트 또는 음성 형태로 출력할 수 있다.
일 실시예에서, 디바이스(1000)는 학습에 의해 기 설정된 시간을 변경할 수 있다. 예를 들어, 제 1 사용자(510)가 이전에 회의에 참여하였을 때에, 다른 사용자로부터 주제를 벗어나는 대화를 함을 지적받은 횟수가 많으면, 디바이스(1000)는 제 1 사용자(510)의 음성 입력이 대화 주제에서 벗어났음을 판단하는 시점을 앞당길 수 있다.
일 실시예에서, 제 1 상대 디바이스(2000-1) 및 제 2 상대 디바이스(2000-2)는 전술한, 그리고 후술할 상대 디바이스(2000)에 포함될 수 있다.
도 6은 일 실시예에 따른, 디바이스가 회의록을 생성하는 예시를 나타내는 도면이다.
동작 S610에서, 디바이스(1000)는 디바이스(1000)에 제 1 사용자의 대화 로그를 저장할 수 있다.
일 실시예에서, 원격 회의가 종료되면, 디바이스(1000)는 제 1 사용자의 적어도 하나의 음성 입력을 통해 획득된 적어도 하나의 인식 정보에 기초하여, 제 1 사용자의 대화 로그를 메모리에 저장할 수 있다. 예를 들어, 제 1 사용자의 대화 로그는, 회의 중에 발화된 제 1 사용자의 모든 음성 입력들이 제 1 인공지능 음성 인식 모델을 통해 변환된 텍스트 및 제 1 사용자 음성을 입력한 시간 정보를 포함할 수 있다. 일 실시예에서, 회의가 종료되지는 않았지만, 제 1 사용자가 회의에서 퇴장하면, 디바이스(1000)는 획득된 적어도 하나의 인식 정보에 기초하여, 제 1 사용자의 대화 로그를 메모리에 저장할 수 있다.
동작 S620에서, 디바이스(1000)는 상대 디바이스(2000)로부터 제 2 사용자의 대화 로그를 수신할 수 있다.
일 실시예에서, 원격 회의가 종료되면, 상대 디바이스(2000)는 제 2 사용자의 적어도 하나의 음성 입력을 통해 획득된 적어도 하나의 인식 정보에 기초하여, 제 2 사용자의 대화 로그를 생성할 수 있다. 또한, 일 실시예에서, 디바이스(1000)는 상대 디바이스(2000)로부터 생성된 제 2 사용자의 대화 로그를 수신할 수 있다. 예를 들어, 제 2 사용자의 대화 로그는, 회의 중에 발화된 제 2 사용자의 모든 음성 입력들이 제 2 인공지능 음성 인식 모델을 통해 변환된 텍스트 및 제 2 사용자 음성을 입력한 시간 정보를 포함할 수 있다.
동작 S630에서, 디바이스(1000)는 제 1 사용자의 대화 로그 및 제 2 사용자의 대화 로그에 기초하여, 대화 내용을 재구성할 수 있다.
일 실시예에서, 디바이스(1000)는 제 1 사용자가 음성을 입력한 시간 및 제 2 사용자가 음성을 입력한 시간에 기초하여, 제 1 사용자의 대화 로그 및 제 2 사용자의 대화 로그를 제 1 사용자와 제 2 사용자가 대화를 주고받는 형식으로 재구성할 수 있다.
동작 S640에서, 디바이스(1000)는 재구성된 대화 내용을 분석함으로써, 대화 주제를 판단할 수 있다.
일 실시예에서, 디바이스(1000)는 재구성된 대화 내용에서 제 1 사용자 및 제 2 사용자가 공통적으로 이야기하는 부분을 요약하여, 대화 주제를 추출할 수 있다.
동작 S650에서, 디바이스(1000)는 재구성된 대화 내용으로부터, 제 1 사용자가 상대 디바이스(2000)로부터 수신된 제 2 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생했던 부분을 추출할 수 있다.
일 실시예에서, 디바이스(1000)는 제 1 사용자가 제 2 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생했다고 판단한 시간의 기록을 통해, 재구성된 대화 내용으로부터 비정상 상황이 발생했던 부분을 추출할 수 있다.
동작 S660에서, 디바이스(1000)는 재구성된 대화 내용, 대화 주제 및 비정상 상황이 발생되었던 부분 중 적어도 하나를 포함하는 제 1 사용자의 회의록을 생성할 수 있다.
회의록에 대하여는, 도 7에서 자세히 살펴보기로 한다.
도 7은 일 실시예에 따른, 사용자 별 회의록을 나타내는 도면이다.
도 7을 참조하면, 일 실시예에 따른 디바이스(1000)는 제 1 사용자의 입력에 따라, 디바이스(1000)에서 생성된 제 1 사용자의 회의록(710)을 디스플레이할 수 있다. 유사하게, 일 실시예에 따른 상대 디바이스(2000)는 제 2 사용자의 입력에 따라, 상대 디바이스(2000)에서 생성된 제 2 사용자의 회의록(720)을 디스플레이할 수 있다.
일 실시예에서, 제 1 사용자의 회의록(710)과 제 2 사용자의 회의록(720)은 재구성된 대화 내용, 대화 주제를 공통적으로 포함할 수 있다. 또한, 일 실시예에서, 제 1 사용자의 회의록(710)은 제 1 사용자가 제 2 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생되었던 부분을 더 포함할 수 있고, 제 2 사용자의 회의록(720)은 제 2 사용자가 제 1 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생되었던 부분을 더 포함할 수 있다. 예를 들어, 제 1 사용자의 회의록(710)은 회의가 끝난 후에 제 1 사용자가 회의와 관련하여 참고하기 위한 것으로써, 사용자들 간에 오고간 대화 내용 중에서 제 1 사용자가 이해하지 못하거나, 잘못 이해하거나, 알아듣지 못한 부분만을 포함할 수 있다.
도 8 및 도 9는 일부 실시예에 따른 디바이스를 나타내는 블록도이다.
도 8에 도시된 바와 같이, 일 실시예에 따른 디바이스(1000)는 사용자 입력부(1100), 제어부(1300) 및 통신부(1500)를 포함할 수 있다. 그러나, 도 8에 도시된 구성 요소 모두가 디바이스(1000)의 필수 구성 요소인 것은 아니다. 도 8에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(1000)가 구현될 수도 있고, 도 8에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(1000)가 구현될 수도 있다.
예를 들어, 도 9에 도시된 바와 같이, 일 실시예에 따른 디바이스(1000)는, 사용자 입력부(1100), 제어부(1300) 및 통신부(1500) 이외에 출력부(1200), 센싱부(1400), A/V 입력부(1600), 및 메모리(1700)를 더 포함할 수도 있다.
사용자 입력부(1100)는, 사용자가 디바이스(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.
사용자 입력부(1100)는, 사용자에 의해 입력되는 음성 입력을 획득하는 할 수 있다.
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.
디스플레이부(1210)는 디바이스(1000)에서 처리되는 정보를 표시 출력한다. 예를 들어, 디스플레이부(1210)는, 비정상 상황이 발생한 경우, 인식 정보가 음성 입력의 의미를 나타내는지를 확인하기 위한 확인 메시지를 디스플레이할 수 있다. 또한, 예를 들어, 디스플레이부(1210)는, 사용자가 이해하지 못한 다른 사용자의 음성 입력을 알려주기 위해, 인식 정보에 기초하여 생성된 알림 메시지를 디스플레이할 수 있다.
음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 디바이스(1000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다. 예를 들어, 음향 출력부(1220)는, 상대 디바이스(2000)로부터 수신된 다른 사용자의 음성 신호를 출력할 수 있다.
제어부(1300)는, 통상적으로 디바이스(1000)의 전반적인 동작을 제어한다. 예를 들어, 제어부(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 제어부(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 7에 기재된 디바이스의 기능을 수행할 수 있다. 제어부(1300)는 적어도 하나의 프로세서를 구비할 수 있다. 제어부(1300)는 그 기능 및 역할에 따라, 복수의 프로세서들을 포함하거나, 통합된 형태의 하나의 프로세서를 포함할 수 있다.
일 실시예에서, 제어부(1300)는 사용자 입력부(1100)를 통하여 획득된 사용자의 음성 입력의 의미를 나타내는 인식 정보를 획득하고, 상대 디바이스(2000)의 다른 사용자가 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단할 수 있다. 일 실시예에서, 제어부(1300)는 사용자의 음성 입력을 해석하기 위한 인공지능 음성 인식 모델을 획득하고, 인공지능 음성 인식 모델을 이용하여, 사용자의 음성 입력의 의미를 나타내는 텍스트를 생성할 수 있다. 또한, 일 실시예에서, 제어부(1300)는, 디스플레이된 확인 메시지에 응답하여 인식 정보를 수정하기 위한 사용자 입력에 기초하여, 인식 정보를 수정할 수 있다.
일 실시예에서, 제어부(1300)는 상대 디바이스(2000)로부터 수신된 다른 사용자의 적어도 하나의 음성 입력을 분석함으로써, 비정상 상황이 발생했는 지를 판단할 수 있다. 또한, 일 실시예에서, 제어부(1300)는 다른 사용자의 적어도 하나의 음성 입력을 텍스트로 변환하고, 변환된 텍스트 내에 기 설정된 문구가 포함되었는지에 기초하여, 비정상 상황이 발생했는 지를 판단할 수 있다. 또한, 일 실시예에서, 제어부(1300)는 사용자의 음성 입력의 의미를 나타내는 인식 정보의 요청을 상대 디바이스(2000)로부터 수신함으로써, 비정상 상황이 발생했는 지를 판단할 수 있다. 또한, 일 실시예에서, 제어부(1300)는 사용자의 음성 입력의 의미를 나타내는 인식 정보 및 다른 사용자의 음성 입력의 의미를 나타내는 인식 정보에 기초하여, 사용자와 다른 사용자 간의 대화 내용을 분석할 수 있고, 분석된 대화 내용에 기초하여, 비정상 상황이 발생했는 지를 판단할 수 있다.
일 실시예에서, 제어부(1300)는 판단 결과에 기초하여 획득된 인식 정보를 상대 디바이스(2000)에게 전송하도록 통신부(1500)를 제어할 수 있다. 예를 들어, 제어부(1300)가 비정상 상황이 발생했다고 판단하면, 제어부(1300)는 획득된 인식 정보를 상대 디바이스(2000)로 전송하도록 통신부(1500)를 제어할 수 있다. 또한, 제어부(1300)가 비정상 상황이 발생하지 않았다고 판단하면, 제어부(1300)는 인식 정보를 즉시 상대 디바이스(2000)로 전송하지는 않도록 통신부(1500)를 제어할 수 있다.
일 실시예에서, 제어부(1300)는 사용자에 의해 수정된 인식 정보에 기초하여, 사용자의 음성 입력을 텍스트로 변환하는 기준을 학습할 수 있다.
일 실시예에서, 제어부(1300)는 메모리(1700)에 저장된 사용자의 대화 로그 및 통신부(1500)를 통해 상대 디바이스(2000)로부터 수신된 다른 사용자의 대화 로그에 기초하여, 대화 내용을 재구성할 수 있다. 또한, 일 실시예에서, 제어부(1300)는, 재구성된 대화 내용을 분석함으로써 대화 주제를 판단할 수 있다. 또한, 일 실시예에서, 제어부(1300)는, 재구성된 대화 내용으로부터 사용자가 상대 디바이스(2000)로부터 수신된 다른 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생되었던 부분을 추출할 수 있다. 또한, 일 실시예에서, 제어부(1300)는, 재구성된 대화 내용, 대화 주제 및 비정상 상황이 발생되었던 부분 중 적어도 하나를 포함하는 회의록을 생성할 수 있다.
센싱부(1400)는, 디바이스(1000)의 상태, 사용자의 상태 또는 디바이스(1000) 주변의 상태를 감지하고, 감지된 정보를 제어부(1300)로 전달할 수 있다.
센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(RGB sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
통신부(1500)는, 디바이스(1000)가 상대 디바이스(2000) 및 서버와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 상대 디바이스(2000)는 디바이스(1000)와 같은 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(1510)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 디바이스(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다.
일 실시예에서, 통신부(1500)는 사용자 입력부(1100)에서 획득된 사용자의 음성 입력을 상대 디바이스(2000)에게 전송할 수 있고, 상대 디바이스(2000)로부터 다른 사용자의 음성 입력을 수신할 수 있다.
또한, 일 실시예에서, 통신부(1500)는, 비정상 상황이 발생했는 지에 관한 판단 결과에 기초하여, 사용자의 음성 입력의 의미를 나타내는 인식 정보를 상대 디바이스(2000)에게 전송할 수 있고, 상대 디바이스(2000)로부터 다른 사용자의 음성 입력의 의미를 나타내는 인식 정보를 수신할 수 있다.
또한, 일 실시예에서, 통신부(1500)는 사용자의 음성 입력의 의미를 나타내는 인식 정보의 요청을 상대 디바이스(2000)로부터 수신할 수 있고, 다른 사용자의 음성 입력의 의미를 나타내는 인식 정보의 요청을 상대 디바이스(2000)에게 전송할 수 있다.
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 화상 통화 모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 제어부(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.
메모리(1700)는, 제어부(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 디바이스(1000)로 입력되거나 디바이스(1000)로부터 출력되는 데이터를 저장할 수도 있다.
일 실시예에서, 메모리(1700)는, 사용자의 대화 로그를 저장할 수 있다.
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다.
UI 모듈(1710)은, 애플리케이션 별로 디바이스(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 제어부(1300)로 전달할 수 있다. 일 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
알림 모듈(1730)은 디바이스(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 디바이스(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.
도 10은 일 실시예에 따른 제어부를 나타내는 블록도이다.
도 10을 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.
데이터 학습부(1310)는 사용자의 음성 입력을 해석하기 위한 기준 및 비정상 상황이 발생했는 지를 판단하기 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 사용자의 음성 입력을 해석하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 사용자의 음성을 어떻게 해석할 지에 관한 기준을 학습할 수 있다. 또한, 데이터 학습부(1310)는 비정상 상황이 발생했는 지를 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 비정상 상황이 발생했는 지를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 인공지능 음성 인식 모델에 적용함으로써, 사용자의 음성 입력을 해석하기 위한 기준 및 비정상 상황이 발생했는 지를 판단하기 위한 기준을 학습할 수 있다.
일 실시예에서, 학습에 이용될 데이터는 사용자의 음성 입력으로부터 생성된 인식 정보 및 다른 사용자의 음성 입력으로부터 생성된 인식 정보일 수 있다. 또한, 일 실시예에서, 학습에 이용될 데이터는 사용자로부터 인식 정보를 수정하는 입력을 수신하여, 수정된 인식 정보일 수 있다.
데이터 인식부(1320)는 데이터에 기초하여, 사용자의 음성 입력을 해석할 수 있고, 비정상 상황이 발생했는 지를 판단할 수 있다. 데이터 인식부(1320)는 학습된 인공지능 음성 인식 모델을 이용하여, 소정의 데이터로부터 사용자의 음성 입력을 해석할 수 있다. 또한, 데이터 인식부(1320)는 학습된 인공지능 음성 인식 모델을 이용하여, 소정의 데이터로부터 비정상 상황이 발생했는 지를 인식할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 인공지능 음성 인식 모델을 이용함으로써, 소정의 데이터에 기초하여, 사용자의 음성 입력을 해석할 수 있다. 또한, 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 인공지능 음성 인식 모델을 이용함으로써, 소정의 데이터에 기초하여, 비정상 상황이 발생했는 지를 판단할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 인공지능 음성 인식 모델에 의해 출력된 결과 값은, 인공지능 음성 인식 모델을 갱신하는데 이용될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 디바이스에 탑재될 수도 있으며, 또는 별개의 디바이스들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 디바이스에 포함되고, 나머지 하나는 서버(3000)에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.
한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 11은 일 실시예에 따른 데이터 학습부를 나타내는 블록도이다.
도 11을 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다.
데이터 획득부(1310-1)는 사용자의 음성 입력을 해석하고, 대화 내용을 재구성하고, 대화 주제를 판단하고, 비정상 상황이 발생했는 지를 판단하고, 회의록을 생성하기 위해 필요한 데이터를 획득할 수 있다. 데이터 획득부(1310-1)는 사용자의 음성 입력을 해석하고, 대화 내용을 재구성하고, 대화 주제를 판단하고, 비정상 상황이 발생했는 지를 판단하고, 회의록을 생성하기 위 학습을 위하여 필요한 데이터를 획득할 수 있다.
예를 들어, 데이터 획득부(1310-1)는 음성 데이터 및 텍스트 데이터 등을 획득할 수 있다. 예를 들어, 데이터 획득부(1310-1)는 디바이스(1000)의 입력 기기(예: 마이크로폰 등)를 통해 데이터를 입력 받을 수 있다. 또는, 데이터 획득부(1310-1)는 디바이스(1000)와 통신하는 외부 디바이스를 통해 데이터를 획득할 수 있다. 또는, 데이터 획득부(1310-1)는 디바이스(1000)와 통신하는 서버(3000)를 통해 데이터를 획득할 수 있다.
일 실시예에 따른 데이터 획득부(1310-1)는, ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 와 같은 음성 인식 기술을 이용하여, 음성 입력의 인식 정보를 획득할 수 있다.
전처리부(1310-2)는 사용자의 음성 입력을 해석하기 위한 학습 및 비정상 상황이 발생했는 지를 판단하기 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 사용자의 음성 입력을 해석하기 위한 학습 및 비정상 상황이 발생했는 지를 판단하기 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 사용자의 음성 입력을 해석하기 위한 기 설정된 기준 및 비정상 상황이 발생했는 지를 판단하기 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.
모델 학습부(1310-4)는 학습 데이터에 기초하여 사용자의 음성 입력을 어떻게 해석할지 및 비정상 상황이 발생했는 지를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 사용자의 음성 입력을 해석하기 하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다. 또한, 모델 학습부(1310-4)는 비정상 상황이 발생했는 지를 판단하기 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다.
또한, 모델 학습부(1310-4)는 사용자의 음성 입력을 해석하고, 비정상 상황이 발생했는 지를 판단하기 위해 이용되는 인공지능 음성 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 인공지능 음성 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 인공지능 음성 인식 모델은 기본 학습 데이터(예를 들어, 샘플 음성 입력 등)을 입력 받아 미리 구축된 모델일 수 있다.
인공지능 음성 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 인공지능 음성 인식 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 인공지능 음성 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 인공지능 음성 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 인공지능 음성 인식 모델을 학습할 인공지능 음성 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 인공지능 음성 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 인공지능 음성 인식 모델을 학습시킬 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여, 인공지능 음성 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도없이 비정상 상황이 발생했는 지를 판단하기 위해 필요한 데이터의 종류를 스스로 학습함으로써, 비정상 상황이 발생했는 지를 판단하기 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 인공지능 음성 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 비정상 상황이 발생했는 지의 판단 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 인공지능 음성 인식 모델을 학습시킬 수 있다.
또한, 인공지능 음성 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 인공지능 음성 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 인공지능 음성 인식 모델을 데이터 인식부(1320)를 포함하는 디바이스의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 인공지능 음성 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 디바이스의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 인공지능 음성 인식 모델을 디바이스와 유선 또는 무선 네트워크로 연결되는 서버(3000)의 메모리에 저장할 수도 있다.
이 경우, 학습된 인공지능 음성 인식 모델이 저장되는 메모리는, 예를 들면, 디바이스의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 애플리케이션 프로그래밍 인터페이스(API) 및/또는 애플리케이션 프로그램(또는 "애플리케이션") 등을 포함할 수 있다.
모델 평가부(1310-5)는 인공지능 음성 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인공지능 음성 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다.
예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 인공지능 음성 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 인공지능 음성 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 인공지능 음성 인식 모델이 적합하지 않은 것으로 평가할 수 있다.
한편, 학습된 인공지능 음성 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 인공지능 음성 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 인공지능 음성 인식 모델로서 결정할 수 있다.
한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 디바이스에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 디바이스에 탑재될 수도 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 디바이스에 탑재될 수도 있으며, 또는 별개의 디바이스들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 디바이스에 포함되고, 나머지 일부는 서버(3000)에 포함될 수 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 12는 일 실시예에 따른 데이터 인식부를 나타내는 블록도이다.
도 12를 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다.
데이터 획득부(1320-1)는 사용자의 음성 입력을 해석하고, 대화 내용을 재구성하고, 대화 주제를 판단하고, 비정상 상황이 발생했는 지를 판단하고, 회의록을 생성하기 위해 필요한 데이터를 획득할 수 있으며, 전처리부(1320-2)는 사용자의 음성 입력을 해석하고, 대화 내용을 재구성하고, 대화 주제를 판단하고, 비정상 상황이 발생했는 지를 판단하고, 회의록을 생성하기 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 사용자의 음성 입력을 해석하고, 대화 내용을 재구성하고, 대화 주제를 판단하고, 비정상 상황이 발생했는 지를 판단하고, 회의록을 생성하기 위해 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
인식 데이터 선택부(1320-3)는 전처리된 데이터 중에서 사용자의 음성 입력을 해석하고, 대화 내용을 재구성하고, 대화 주제를 판단하고, 비정상 상황이 발생했는 지를 판단하고, 회의록을 생성하기 위해 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는 사용자의 음성 입력을 해석하기 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 비정상 상황이 발생했는 지를 판단하기 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 전술된 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.
인식 결과 제공부(1320-4)는 선택된 데이터를 인공지능 음성 인식 모델에 적용하여 사용자의 음성 입력을 해석할 수 있고, 비정상 상황이 발생했는 지를 판단할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 인공지능 음성 인식 모델에 적용할 수 있다. 또한, 인식 결과는 인공지능 음성 인식 모델에 의해 결정될 수 있다.
예를 들어, 사용자의 음성 입력의 인식 결과는 텍스트, 음성, 동영상, 이미지 또는 명령어(예를 들어, 애플리케이션 실행 명령어, 모듈 기능 실행 명령어 등) 등으로 제공될 수 있다. 인식 결과 제공부(1320-4)는 사용자의 음성 입력으로부터 생성된 인식 정보를 인공지능 음성 인식 모델에 적용하여 인식 정보의 인식 결과를 제공할 수 있다. 예를 들어, 인식 결과는, 비정상 상황이 발생하였음 등이 될 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 비정상 상황이 발생하였다는 인식 결과를 텍스트, 음성, 동영상, 이미지, 또는 명령어 등으로 제공할 수 있다. 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 인공지능 음성 인식 모델이 갱신되도록 할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 인공지능 음성 인식 모델을 갱신하도록 할 수 있다.
한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 디바이스에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 디바이스에 탑재될 수도 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 디바이스에 탑재될 수도 있으며, 또는 별개의 디바이스들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 디바이스에 포함되고, 나머지 일부는 서버(3000)에 포함될 수 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 13은 일 실시예에 따른 디바이스 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 13을 참조하면, 서버(3000)는 사용자의 음성 입력을 해석하기 위한 기준및 비정상 상황이 발생했는 지를 판단하기 위한 기준을 학습할 수 있으며, 디바이스(1000)는 서버(3000)에 의한 학습 결과에 기초하여 사용자의 음성 입력을 해석할 수 있고, 비정상 상황이 발생했는 지를 판단할 수 있다.
이 경우, 서버(3000)의 모델 학습부(3340)는 도 11에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(3000)의 모델 학습부(3340)는 사용자의 음성 입력을 해석하고, 비정상 상황이 발생했는 지를 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 사용자의 음성 입력을 어떻게 해석할 지에 관한 기준 및 비정상 상황이 발생했는 지를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 모델 학습부(3340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 인공지능 음성 인식 모델에 적용함으로써, 사용자의 음성 입력을 해석하기 위한 기준 및 비정상 상황이 발생했는 지를 판단하기 위한 기준을 학습할 수 있다.
또한, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(3000)에 의해 생성된 인공지능 음성 인식 모델에 적용하여 사용자의 음성 입력을 해석할 수 있고, 비정상 상황이 발생했는 지를 판단할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(3000)에게 전송하고, 서버(3000)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인공지능 음성 인식 모델에 적용하여 사용자의 음성 입력을 해석할 것을 요청할 수 있고, 비정상 상황이 발생했는 지를 판단할 것을 요청할 수 있다. 인식 결과 제공부(1320-4)는 서버(3000)에 의해 해석된 음성 입력의 해석에 관한 정보를 서버(3000)로부터 수신할 수 있다. 또한, 인식 결과 제공부(1320-4)는 서버(3000)에 의해 판단된 비정상 상황이 발생했는 지에 관한 정보를 서버(3000)로부터 수신할 수 있다. 디바이스(1000)는 사용자로부터 발화된 음성 입력을 서버(3000)로 전송할 수 있다. 서버(3000)는 ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 와 같은 음성 인식 기술을 이용하여 음성 입력을 분석할 수 있다. 서버(3000)는 음성 입력을 분석하여 인식 정보를 생성하고, 디바이스(1000)로 인식 정보를 전송할 수 있다. 디바이스(1000)는 서버(3000)로부터 음성 입력의 인식 정보를 수신할 수 있다.
또는, 디바이스(1000)의 인식 결과 제공부(1320-4)는 서버(3000)에 의해 생성된 인공지능 음성 인식 모델을 서버(3000)로부터 수신하고, 수신된 인공지능 음성 인식 모델을 이용하여 사용자의 음성 입력을 해석할 수 있고, 비정상 상황이 발생했는 지를 판단할 수 있다. 이 경우, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(3000)로부터 수신된 인공지능 음성 인식 모델에 적용하여 사용자의 음성 입력을 해석할 수 있고, 비정상 상황이 발생했는 지를 판단할 수 있다.
일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (20)

  1. 디바이스의 제 1 사용자에 의해 입력되는 음성 입력을 획득하는 사용자 입력부;
    상기 획득된 음성 입력을 상대 디바이스에게 전송하는 통신부; 및
    상기 획득된 음성 입력의 의미를 나타내는 인식 정보를 획득하고, 상기 전송된 음성 입력에 대한 상기 상대 디바이스의 제 2 사용자의 적어도 하나의 음성 입력에 기초하여 상기 제 2 사용자가 상기 전송된 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단하는 제어부;
    를 포함하고,
    상기 통신부는, 상기 판단 결과에 기초하여, 상기 획득된 인식 정보를 상기 상대 디바이스에게 전송하는, 디바이스.
  2. 제 1항에 있어서,
    상기 제어부는,
    상기 제 1 사용자의 음성 입력을 해석하기 위한 제 1 인공지능 음성 인식 모델을 획득하고, 상기 제 1 인공지능 음성 인식 모델을 이용하여, 상기 제 1 사용자의 음성 입력의 의미를 나타내는 텍스트를 생성하는, 디바이스
  3. 제 2 항에 있어서,
    상기 제 1 인공지능 음성 인식 모델은 상기 디바이스에서 생성되어 상기 디바이스 내에 등록된 것인, 디바이스.
  4. 제 2항에 있어서,
    상기 제 1 인공지능 음성 인식 모델은 상기 제 1 사용자의 다른 디바이스에서 생성되어 상기 디바이스에게 제공된 것인, 디바이스.
  5. 제 1항에 있어서,
    상기 비정상 상황이 발생한 경우, 상기 획득된 인식 정보가 상기 음성 입력의 의미를 나타내는지를 확인하기 위한 확인 메시지를 상기 디바이스의 화면 상에 디스플레이하는 디스플레이부;
    를 더 포함하고,
    상기 제어부는,
    상기 디스플레이된 확인 메시지에 응답하여 상기 인식 정보를 수정하기 위한 제 1 사용자의 입력에 기초하여, 상기 인식 정보를 수정하며,
    상기 통신부는,
    상기 수정된 인식 정보를 상기 상대 디바이스에게 전송하는, 디바이스.
  6. 제 1항에 있어서,
    상기 제어부는,
    상기 상대 디바이스로부터 수신된 상기 제 2 사용자의 적어도 하나의 음성 입력을 분석함으로써, 상기 비정상 상황이 발생하였는지를 판단하는, 디바이스.
  7. 제 6 항에 있어서,
    상기 제어부는,
    상기 제 2 사용자의 적어도 하나의 음성 입력을 텍스트로 변환하고, 상기 변환된 텍스트 내에 기 설정된 문구가 포함되었는지에 기초하여, 상기 비정상 상황이 발생하였는지를 판단하는, 디바이스.
  8. 제 1 항에 있어서,
    상기 통신부는,
    상기 음성 입력의 의미를 나타내는 인식 정보의 요청을 상기 상대 디바이스로부터 수신하는, 디바이스.
  9. ◈청구항 9은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1항에 있어서,
    상기 통신부는,
    상기 제 2 사용자에 의해 상기 상대 디바이스에 입력된 상기 제 2 사용자의 음성 입력의 의미를 나타내는 인식 정보를 상기 상대 디바이스로부터 수신하고,
    상기 제어부는,
    상기 제 1 사용자의 음성 입력의 의미를 나타내는 인식 정보 및 상기 제 2 사용자의 음성 입력의 의미를 나타내는 인식 정보에 기초하여, 상기 제 1 사용자 및 상기 제 2 사용자 간의 대화 내용을 분석하며, 상기 분석된 대화 내용에 기초하여, 상기 비정상 상황이 발생되었음을 판단하는, 디바이스.
  10. ◈청구항 10은(는) 설정등록료 납부시 포기되었습니다.◈
    제 1항에 있어서,
    상기 제 1 사용자의 대화 로그를 저장하는 메모리;
    를 더 포함하고,
    상기 통신부는,
    상기 상대 디바이스로부터 상기 제 2 사용자의 대화 로그를 수신하며,
    상기 제어부는,
    상기 저장된 제 1 사용자의 대화 로그 및 상기 수신된 제 2 사용자의 대화 로그에 기초하여, 대화 내용을 재구성하고, 상기 재구성된 대화 내용을 분석함으로써, 대화 주제를 판단하며, 상기 재구성된 대화 내용으로부터, 상기 제 1 사용자가 상기 상대 디바이스로부터 수신된 상기 제 2 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생되었던 부분을 추출하고, 상기 재구성된 대화 내용, 상기 판단된 대화 주제, 상기 추출된 비정상 상황이 발생되었던 부분 중 적어도 하나를 포함하는 회의록을 생성하는, 디바이스.
  11. 디바이스가 상대 디바이스와 음성 데이터를 송수신하는 방법에 있어서,
    상기 디바이스의 제 1 사용자에 의해 입력되는 음성 입력을 획득하는 단계;
    상기 획득된 음성 입력의 의미를 나타내는 인식 정보를 획득하는 단계;
    상기 획득된 음성 입력을 상기 상대 디바이스에게 전송하는 단계;
    상기 전송된 음성 입력에 대한 상기 상대 디바이스의 제 2 사용자의 적어도 하나의 음성 입력에 기초하여 상기 제 2 사용자가 상기 전송된 음성 입력을 이해하지 못하는 비정상 상황이 발생했는 지를 판단하는 단계; 및
    상기 판단 결과에 기초하여, 상기 획득된 인식 정보를 상기 상대 디바이스에게 전송하는 단계;
    를 포함하는, 방법,
  12. ◈청구항 12은(는) 설정등록료 납부시 포기되었습니다.◈
    제 11항에 있어서,
    상기 제 1 사용자의 음성 입력을 해석하기 위한 제 1 인공지능 음성 인식 모델을 획득하는 단계;
    를 더 포함하며,
    상기 인식 정보를 획득하는 단계는,
    상기 제 1 인공지능 음성 인식 모델을 이용하여, 상기 제 1 사용자의 음성 입력의 의미를 나타내는 텍스트를 생성하는 단계를 포함하는, 방법
  13. ◈청구항 13은(는) 설정등록료 납부시 포기되었습니다.◈
    제 12항에 있어서,
    상기 제 1 인공지능 음성 인식 모델은 상기 제 1 사용자의 다른 디바이스에서 생성되어 상기 디바이스에게 제공된 것인, 방법.
  14. ◈청구항 14은(는) 설정등록료 납부시 포기되었습니다.◈
    제 11항에 있어서,
    상기 비정상 상황이 발생한 경우, 상기 획득된 인식 정보가 상기 음성 입력의 의미를 나타내는지를 확인하기 위한 확인 메시지를 상기 디바이스의 화면 상에 디스플레이하는 단계; 및
    상기 디스플레이된 확인 메시지에 응답하여 상기 인식 정보를 수정하기 위한 제 1 사용자의 입력에 기초하여, 상기 인식 정보를 수정하는 단계;
    를 더 포함하고,
    상기 획득된 인식 정보를 전송하는 단계는,
    상기 수정된 인식 정보를 상기 상대 디바이스에게 전송하는 단계를 포함하는, 방법.
  15. ◈청구항 15은(는) 설정등록료 납부시 포기되었습니다.◈
    제 11항에 있어서,
    상기 비정상 상황이 발생했는 지를 판단하는 단계는,
    상기 상대 디바이스로부터 수신된 상기 제 2 사용자의 적어도 하나의 음성 입력을 분석함으로써, 상기 비정상 상황이 발생하였는지를 판단하는 단계를 포함하는, 방법.
  16. ◈청구항 16은(는) 설정등록료 납부시 포기되었습니다.◈
    제 15 항에 있어서,
    상기 비정상 상황이 발생했는 지를 판단하는 단계는,
    상기 제 2 사용자의 적어도 하나의 음성 입력을 텍스트로 변환하고, 상기 변환된 텍스트 내에 기 설정된 문구가 포함되었는지에 기초하여, 상기 비정상 상황이 발생하였는지를 판단하는 단계를 포함하는, 방법.
  17. ◈청구항 17은(는) 설정등록료 납부시 포기되었습니다.◈
    제 11 항에 있어서,
    상기 비정상 상황이 발생했는 지를 판단하는 단계는,
    상기 음성 입력의 의미를 나타내는 인식 정보의 요청을 상기 상대 디바이스로부터 수신하는 단계;
    를 더 포함하는, 방법.
  18. ◈청구항 18은(는) 설정등록료 납부시 포기되었습니다.◈
    제 11항에 있어서,
    상기 제 2 사용자에 의해 상기 상대 디바이스에 입력된 상기 제 2 사용자의 음성 입력의 의미를 나타내는 인식 정보를 상기 상대 디바이스로부터 수신하는 단계; 및
    상기 제 1 사용자의 음성 입력의 의미를 나타내는 인식 정보 및 상기 제 2 사용자의 음성 입력의 의미를 나타내는 인식 정보에 기초하여, 상기 제 1 사용자 및 상기 제 2 사용자 간의 대화 내용을 분석하는 단계;
    를 더 포함하고,
    상기 비정상 상황이 발생했는 지를 판단하는 단계는,
    상기 분석된 대화 내용에 기초하여, 상기 비정상 상황이 발생되었음을 판단하는 단계를 포함하는, 방법.
  19. ◈청구항 19은(는) 설정등록료 납부시 포기되었습니다.◈
    제 11항에 있어서,
    상기 디바이스에 상기 제 1 사용자의 대화 로그를 저장하는 단계;
    상기 상대 디바이스로부터 상기 제 2 사용자의 대화 로그를 수신하는 단계;
    상기 저장된 제 1 사용자의 대화 로그 및 상기 수신된 제 2 사용자의 대화 로그에 기초하여, 대화 내용을 재구성하는 단계;
    상기 재구성된 대화 내용을 분석함으로써, 대화 주제를 판단하는 단계;
    상기 재구성된 대화 내용으로부터, 상기 제 1 사용자가 상기 상대 디바이스로부터 수신된 상기 제 2 사용자의 음성 입력을 이해하지 못하는 비정상 상황이 발생되었던 부분을 추출하는 단계; 및
    상기 재구성된 대화 내용, 상기 판단된 대화 주제, 상기 추출된 비정상 상황이 발생되었던 부분 중 적어도 하나를 포함하는 회의록을 생성하는 단계;
    를 더 포함하는, 방법.
  20. 제 11 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020170148328A 2016-12-26 2017-11-08 음성 데이터를 송수신하는 디바이스 및 방법 KR102458343B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
US15/848,967 US10546578B2 (en) 2016-12-26 2017-12-20 Method and device for transmitting and receiving audio data
CN201780084788.0A CN110226202B (zh) 2016-12-26 2017-12-21 用于发送和接收音频数据的方法和设备
PCT/KR2017/015178 WO2018124620A1 (en) 2016-12-26 2017-12-21 Method and device for transmitting and receiving audio data
EP17887809.6A EP3545519B1 (en) 2016-12-26 2017-12-21 Method and device for transmitting and receiving audio data
US16/719,002 US11031000B2 (en) 2016-12-26 2019-12-18 Method and device for transmitting and receiving audio data

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20160179317 2016-12-26
KR1020160179317 2016-12-26

Publications (2)

Publication Number Publication Date
KR20180075376A KR20180075376A (ko) 2018-07-04
KR102458343B1 true KR102458343B1 (ko) 2022-10-25

Family

ID=62912981

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170148328A KR102458343B1 (ko) 2016-12-26 2017-11-08 음성 데이터를 송수신하는 디바이스 및 방법

Country Status (3)

Country Link
EP (1) EP3545519B1 (ko)
KR (1) KR102458343B1 (ko)
CN (1) CN110226202B (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020060151A1 (en) * 2018-09-19 2020-03-26 Samsung Electronics Co., Ltd. System and method for providing voice assistant service
KR102540177B1 (ko) * 2019-01-11 2023-06-05 (주)액션파워 화자 간 중첩되는 음성을 분리하여 대화록 서비스를 제공하는 방법
CN112489672A (zh) * 2020-10-23 2021-03-12 盘正荣 一种虚拟隔音通信***与方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030081739A1 (en) * 2001-10-30 2003-05-01 Nec Corporation Terminal device and communication control method
US20070112571A1 (en) * 2005-11-11 2007-05-17 Murugappan Thirugnana Speech recognition at a mobile terminal
US20130144603A1 (en) * 2011-12-01 2013-06-06 Richard T. Lord Enhanced voice conferencing with history

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008064885A (ja) * 2006-09-05 2008-03-21 Honda Motor Co Ltd 音声認識装置、音声認識方法、及び音声認識プログラム
US8386260B2 (en) * 2007-12-31 2013-02-26 Motorola Mobility Llc Methods and apparatus for implementing distributed multi-modal applications
US20090234655A1 (en) * 2008-03-13 2009-09-17 Jason Kwon Mobile electronic device with active speech recognition
US20100268534A1 (en) * 2009-04-17 2010-10-21 Microsoft Corporation Transcription, archiving and threading of voice communications
US9159322B2 (en) * 2011-10-18 2015-10-13 GM Global Technology Operations LLC Services identification and initiation for a speech-based interface to a mobile device
US9477925B2 (en) * 2012-11-20 2016-10-25 Microsoft Technology Licensing, Llc Deep neural networks training for speech and pattern recognition
US10586556B2 (en) * 2013-06-28 2020-03-10 International Business Machines Corporation Real-time speech analysis and method using speech recognition and comparison with standard pronunciation
KR20160080711A (ko) * 2014-12-30 2016-07-08 한국전자통신연구원 통신 기반 통역 장치, 방법 및 시스템
US9497315B1 (en) * 2016-07-27 2016-11-15 Captioncall, Llc Transcribing audio communication sessions

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030081739A1 (en) * 2001-10-30 2003-05-01 Nec Corporation Terminal device and communication control method
US20070112571A1 (en) * 2005-11-11 2007-05-17 Murugappan Thirugnana Speech recognition at a mobile terminal
US20130144603A1 (en) * 2011-12-01 2013-06-06 Richard T. Lord Enhanced voice conferencing with history

Also Published As

Publication number Publication date
CN110226202A (zh) 2019-09-10
KR20180075376A (ko) 2018-07-04
EP3545519A1 (en) 2019-10-02
EP3545519A4 (en) 2019-12-18
EP3545519B1 (en) 2023-07-19
CN110226202B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
US11031000B2 (en) Method and device for transmitting and receiving audio data
CN111226224B (zh) 用于翻译语音信号的方法及电子设备
EP3756185B1 (en) Electronic device for outputting response to speech input by using application and operation method thereof
US11501755B2 (en) Apparatus and method for providing voice assistant service
KR102420567B1 (ko) 음성 인식 장치 및 방법
KR102490916B1 (ko) 전자 장치, 이의 제어 방법 및 비일시적인 컴퓨터 판독가능 기록매체
US11574637B1 (en) Spoken language understanding models
US11289085B2 (en) Automatic turn delineation in multi-turn dialogue
US20180165581A1 (en) Electronic apparatus, method of providing guide and non-transitory computer readable recording medium
KR102429583B1 (ko) 전자 장치, 그의 가이드 제공 방법 및 비일시적 컴퓨터 판독가능 기록매체
US11514916B2 (en) Server that supports speech recognition of device, and operation method of the server
KR102458343B1 (ko) 음성 데이터를 송수신하는 디바이스 및 방법
US11830502B2 (en) Electronic device and method for controlling the same
KR20180054362A (ko) 사용자의 음성 입력을 인식하는 방법 및 장치
US11942077B2 (en) Electronic device and operating method thereof
KR102423754B1 (ko) 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법
KR102417046B1 (ko) 사용자로부터 입력된 문자에 대한 추천 단어를 제공하는 디바이스 및 방법
KR20210066651A (ko) 전자 장치 및 이의 제어 방법
KR20200033140A (ko) 보이스 어시스턴트 서비스를 제공하는 시스템 및 방법
KR20190117856A (ko) 사용자와의 대화를 위한 정보를 생성하는 시스템 및 방법
US12001808B2 (en) Method and apparatus for providing interpretation situation information to one or more devices based on an accumulated delay among three devices in three different languages
KR102677052B1 (ko) 보이스 어시스턴트 서비스를 제공하는 시스템 및 방법
US11527247B2 (en) Computing device and method of operating the same
KR20220082577A (ko) 전자장치 및 그의 제어방법
KR20230013826A (ko) 인공 지능 모델을 이용하여 음성 인식 서비스를 제공하는 장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant