KR20210059367A - 음성 입력 처리 방법 및 이를 지원하는 전자 장치 - Google Patents

음성 입력 처리 방법 및 이를 지원하는 전자 장치 Download PDF

Info

Publication number
KR20210059367A
KR20210059367A KR1020190146729A KR20190146729A KR20210059367A KR 20210059367 A KR20210059367 A KR 20210059367A KR 1020190146729 A KR1020190146729 A KR 1020190146729A KR 20190146729 A KR20190146729 A KR 20190146729A KR 20210059367 A KR20210059367 A KR 20210059367A
Authority
KR
South Korea
Prior art keywords
response
voice input
function
output
processor
Prior art date
Application number
KR1020190146729A
Other languages
English (en)
Inventor
추희영
조현덕
홍예슬
이다영
이보람
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 KR1020190146729A priority Critical patent/KR20210059367A/ko
Priority to US17/097,046 priority patent/US11961508B2/en
Priority to PCT/KR2020/015978 priority patent/WO2021096281A1/en
Publication of KR20210059367A publication Critical patent/KR20210059367A/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
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • 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
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L15/222—Barge in, i.e. overridable guidance for interrupting prompts

Landscapes

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

Abstract

전자 장치에 있어서, 마이크, 스피커, 및 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 통해 수신된 제1 음성 입력에 기반하여 기능과 관련된 응답을 상기 스피커를 통해 출력하고, 상기 응답의 출력 중 상기 마이크를 통해 제2 음성 입력이 수신되면, 상기 응답의 출력을 중지시키고, 상기 제2 음성이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 수신된 제2 음성 입력에 기반하여, 상기 기능을 수행하도록 설정된 전자 장치가 개시된다. 이 외에도 본 문서를 통해 파악되는 다양한 실시예들이 가능하다.

Description

음성 입력 처리 방법 및 이를 지원하는 전자 장치{Voice input processing method and electronic device supporting the same}
본 발명의 다양한 실시예들은, 음성 입력을 처리하는 기술에 관한 것이다.
인공지능 시스템(또는 통합 지능화 시스템)은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다.
인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판당 등의 기능을 모사하는 요소 기술들로 구성된다.
요소 기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.
상술한 요소 기술들 중 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다.
한편, 인공지능 시스템이 탑재된 전자 장치는 사용자의 발화에 의해 입력된 음성 데이터를 분석하고, 분석된 결과에 기초하여 전자 장치 또는 전자 장치와 연결된 외부 전자 장치에서 수행될 기능을 판단하고, 상기 기능이 전자 장치 또는 외부 전자 장치에서 수행될 수 있도록 지원할 수 있다.
그러나, 기존의 전자 장치는 사용자의 발화에 의한 음성 입력에 대해 응답을 출력하는 중에는 사용자의 후속 발화에 의한 음성 입력을 처리하지 못할 수 있다. 예컨대, 기존의 전자 장치는 제1 음성 입력에 대한 응답 출력 중 제2 음성 입력이 수신되더라도, 응답의 출력을 유지하면서 제2 음성 입력을 처리하지 못할 수 있다. 이에 따라, 사용자는 응답의 출력이 종료된 후에 새로운 명령을 위한 발화를 할 수밖에 없었다.
본 발명의 다양한 실시예들은, 제1 음성 입력에 따른 응답의 출력 중에 수신된 제2 음성 입력을 처리할 수 있는 음성 입력 처리 방법 및 이를 지원하는 전자 장치를 제공할 수 있다.
본 발명의 다양한 실시예에 따른 전자 장치는, 마이크, 스피커, 및 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 통해 수신된 제1 음성 입력에 기반하여 기능과 관련된 응답을 상기 스피커를 통해 출력하고, 상기 응답의 출력 중 상기 마이크를 통해 제2 음성 입력이 수신되면, 상기 응답의 출력을 중지시키고, 상기 제2 음성이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 수신된 제2 음성 입력에 기반하여, 상기 기능을 수행하도록 설정될 수 있다.
또한, 본 발명의 다양한 실시예에 따른 전자 장치의 음성 입력 처리 방법은, 상기 전자 장치에 포함된 마이크를 통해 수신된 제1 음성 입력에 기반하여 기능과 관련된 응답을 상기 전자 장치에 포함된 스피커를 통해 출력하는 동작, 상기 응답의 출력 중 상기 마이크를 통해 제2 음성 입력이 수신되면, 상기 응답의 출력을 중지시키는 동작, 및 상기 제2 음성이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 수신된 제2 음성 입력에 기반하여, 상기 기능을 수행하는 동작을 포함할 수 있다.
본 발명의 다양한 실시예들에 따르면, 응답 출력 중 수신되는 음성 입력을 처리함으로써, 음성 명령에 대한 즉각적인 수행을 지원할 수 있다.
또한, 본 발명의 다양한 실시예들에 따르면, 응답 출력 중에도 후속 발화에 대한 처리가 즉각적으로 수행될 수 있어, 사용자와의 대화 또는 질의 응답이 매끄럽게 이어 나갈 수 있으며, 이에 따라 음성을 이용한 서비스의 사용성이 증대될 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 음성 입력의 처리와 관련된 전자 장치를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 음성 입력의 처리 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 음성 입력의 다른 처리 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 음성 입력의 유효성을 판단하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 기능 수행을 위한 정보의 처리 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 기능의 대상이 명시되지 않은 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 기능의 대상이 불명확한 음성 입력을 처리하는 다른 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 기능 수행과 관련된 부가 정보를 포함하는 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시예에 따른 주요 명령어가 포함된 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 기능 수행에 대한 불완전한 요청을 포함하는 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 출력이 중지된 응답의 연결 재생 방법을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시예에 따른 연계 기능의 수행과 관련된 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 14는 본 발명의 일 실시예에 따른 기능 수행에 대한 확답을 포함하는 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 15는 본 발명의 일 실시예에 따른 기능과 관련되지 않은 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 16은 본 발명의 일 실시예에 따른 인증되지 않은 사용자의 발화에 의한 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 17은 본 발명의 일 실시예에 따른 응답 중 수신되는 지정된 제스처를 처리하는 방법을 설명하기 위한 도면이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예들이 설명된다. 설명의 편의를 위하여 도면에 도시된 구성요소들은 그 크기가 과장 또는 축소될 수 있으며, 본 발명이 반드시 도시된 바에 의해 한정되는 것은 아니다.
도 1은 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)는, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)는, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 하나의 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC)이 추가로 안테나 모듈(197)의 일부로 형성될 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 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 2는 본 발명의 일 실시예에 따른 음성 입력의 처리와 관련된 전자 장치를 설명하기 위한 도면이다.
도 2를 참조하면, 전자 장치(200)(예: 전자 장치(101))는 마이크(210)(예: 입력 장치(150))를 통해 사용자의 발화에 의한 음성 입력을 수신할 수 있고, 프로세서(270)(예: 프로세서(120))를 통해 수신된 음성 입력을 처리할 수 있다. 예컨대, 상기 프로세서(270)는 수신된 음성 입력을 텍스트 데이터로 변환하고, 상기 텍스트 데이터에 기초하여 상기 수신된 음성 입력에 대응되는 기능을 수행할 수 있다. 이 과정에서, 상기 프로세서(270)는 상기 수신된 음성 입력에 대한 응답 예컨대, 상기 기능 수행과 관련된 음성 데이터를 스피커(230)(예: 음향 출력 장치(155))를 통해 출력할 수 있다. 또한, 상기 프로세서(270)는 사용자의 발화에 의한 음성 입력에 대해 응답을 출력하는 중에 사용자의 후속 발화에 의한 음성 입력이 수신되면 수신 음성 입력을 처리할 수 있다. 이에 따라, 상기 전자 장치(200)는 응답 출력 중 수신된 음성 입력을 즉각적으로 처리함으로써, 사용자의 음성 명령에 대한 즉각적인 수행을 지원할 수 있고, 사용자와의 대화 또는 질의 응답이 매끄럽게 이어 나갈 수 있도록 지원할 수 있다.
상술한 기능을 수행하기 위한 전자 장치(200)는 마이크(210), 스피커(230), 메모리(250)(예: 메모리(130)), 및 프로세서(270)를 포함할 수 있다. 그러나, 전자 장치(200)의 구성이 이에 한정되는 것은 아니다. 다양한 실시예에 따르면, 전자 장치(200)는 상술한 구성요소들 중 적어도 하나를 생략할 수 있으며, 적어도 하나의 다른 구성요소를 더 포함할 수 있다. 일 예로, 전자 장치(200)는 외부 전자 장치와의 통신을 위한 통신 회로(예: 통신 모듈(190)) 또는 상기 기능의 수행과 관련된 과정 또는 결과를 표시할 수 있는 디스플레이(예: 표시 장치(160)) 중 적어도 하나를 더 포함할 수 있다.
상기 마이크(210)는 외부로부터 유입되는 소리 예컨대, 사용자의 발화에 의한 음성 신호(음성 입력)를 수신할 수 있다. 또한, 상기 마이크(210)는 수신된 음성 신호를 전기 신호로 변환시켜 상기 프로세서(270)로 전달할 수 있다.
상기 스피커(230)는 소리를 출력할 수 있다. 예컨대, 상기 스피커(230)는 상기 프로세서(270)로부터 출력할 음성 데이터에 대응되는 전기 신호를 수신하여 수신된 전기 신호를 소리(음향 신호)로 변환하여 출력할 수 있다.
상기 메모리(250)는 상기 전자 장치(200)의 적어도 하나의 구성요소에 의해 사용되는 다양한 데이터를 저장할 수 있다. 일 실시예에 따르면, 상기 메모리(250)는 다양한 기능을 수행할 수 있는 적어도 하나의 어플리케이션을 저장할 수 있다. 다른 실시예에 따르면, 상기 메모리(250)는 음성 입력의 처리와 관련된 명령어 및 데이터를 저장할 수 있다. 이 경우, 상기 명령어는 상기 프로세서(270)에 의해 실행될 때, 상기 프로세서(270)가 상기 명령어에 해당하는 기능 즉, 음성 입력의 처리와 관련된 기능을 수행하도록 할 수 있다.
상기 프로세서(270)는 상기 전자 장치(200)의 적어도 하나의 다른 구성요소를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 상기 프로세서(270)는 상기 마이크(210)를 통해 사용자의 발화에 의한 음성 입력을 수신할 수 있고, 상기 수신된 음성 입력을 처리할 수 있다. 또한, 상기 프로세서(270)는 수신된 음성 입력을 텍스트 데이터로 변환하고, 상기 텍스트 데이터에 기초하여 상기 수신된 음성 입력에 대응되는 기능을 수행할 수 있다. 다른 실시예에 따르면, 상기 프로세서(270)는 상기 수신된 음성 입력에 대한 응답 예컨대, 상기 기능 수행과 관련된 음성 데이터를 상기 스피커(230)를 통해 출력할 수 있다.
상술한 기능을 수행하기 위한 상기 프로세서(270)는 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(271), 자연어 이해 모듈(natural language understanding module)(NLU module)(273), 플래너 모듈(planner module)(275), 자연어 생성 모듈(natural language generator module)(NLG module)(277), 및 텍스트 음성 변환 모듈(text to speech module)(TTS module)(279)을 포함할 수 있다.
상기 자동 음성 인식 모듈(271)은 상기 마이크(210)를 통해 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 예를 들어, 상기 자동 음성 인식 모듈(271)은 발화 인식 모듈을 포함할 수 있다. 상기 발화 인식 모듈은 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 상기 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 상기 언어 모델을 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 상기 발화 인식 모듈은 발성에 관련된 정보 및 단위 음소와 관련된 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다.
상기 자연어 이해 모듈(273)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 상기 자연어 이해 모듈(273)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시예에 따르면, 상기 자연어 이해 모듈(273)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 텍스트 데이터로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
상기 플래너 모듈(275)은 상기 자연어 이해 모듈(273)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시예에 따르면, 상기 플래너 모듈(275)은 상기 결정된 의도에 기초하여 태스크(또는 기능)를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 상기 플래너 모듈(275)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시예에 따르면, 상기 플래너 모듈(275)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터 및 상기 결과 값은 지정된 형식(또는 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(275)은 상기 복수의 동작 및 상기 복수의 컨셉 사이의 관계를 단계적(또는 계층적)으로 결정할 수 있다. 예를 들어, 상기 플래너 모듈(275)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 상기 플래너 모듈(275)은 복수의 동작의 실행에 필요한 파라미터 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 상기 플래너 모듈(275)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다.
상기 자연어 생성 모듈(277)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는 예를 들어, 사용자 발화에 의한 음성 입력에 대응되는 동작(또는 기능 수행)의 완료를 안내하는 정보 또는 사용자의 추가 입력을 안내하는 정보(예: 사용자 입력에 대한 피드백 정보)일 수 있다. 상기 텍스트 형태로 변경된 정보는 상기 텍스트 음성 변환 모듈(279)로 전달되어 음성 형태의 정보로 변경될 수 있다.
상기 텍스트 음성 변환 모듈(279)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 예컨대, 상기 텍스트 음성 변환 모듈(279)은 텍스트 데이터를 음성 데이터로 변경할 수 있다. 상기 텍스트 음성 변환 모듈(279)은 상기 자연어 생성 모듈(277)로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보(음성 데이터)로 변경하여 상기 스피커(230)로 출력할 수 있다.
상술한 바와 같이, 상기 프로세서(270)는 상기 마이크(210)를 통해 수신된 음성 입력을 상기 자동 음성 인식 모듈(271)을 통해 텍스트 데이터로 변환하고, 상기 자연어 이해 모듈(273)을 통해 상기 변환된 텍스트 데이터를 이용하여 사용자의 의도를 파악하고, 상기 플래너 모듈(275)을 통해 상기 파악된 사용자의 의도에 기초하여 수행할 기능(또는 태스크)을 결정할 수 있다. 또한, 상기 프로세서(270)는 상기 마이크(210)를 통해 수신된 음성 입력에 대응되는 사용자의 발화에 대한 응답을 상기 스피커(230)를 통해 출력할 수 있다. 예컨대, 상기 프로세서(270)는 상기 응답으로서 상기 결정된 기능에 대한 정보를 상기 자연어 생성 모듈(277)을 통해 텍스트 형태로 변경하고, 상기 텍스트 형태로 변경된 정보를 상기 텍스트 음성 변환 모듈(279)을 통해 음성 데이터로 변경하여 상기 스피커(230)를 통해 출력할 수 있다. 상기 기능에 대한 정보는 예컨대, 상기 기능 수행의 과정 또는 완료를 안내하는 정보 또는 상기 기능 수행을 위해 필요한 추가 정보를 입력하도록 안내하는 정보를 포함할 수 있다.
상기 프로세서(270)는 상기 스피커(230)를 통한 상기 응답의 출력 중 상기 마이크(210)를 통해 사용자의 후속 발화에 의한 음성 입력을 수신하면, 상기 응답의 출력을 중지시킬 수 있다. 일 실시예에 따르면, 상기 프로세서(270)는 상기 후속 발화의 내용이 현재 대화의 맥락과 합치하는지를 판단하고, 합치하지 않는 경우에는 상기 응답의 출력을 유지시킬 수 있다. 예컨대, 상기 프로세서(270)는 상기 후속 발화에 의한 음성 입력에 대응되는 텍스트 데이터가 상기 응답과 관련된 기능과 관련된 텍스트 데이터를 포함하지 않는 경우, 상기 스피커(230)를 통한 상기 응답의 출력이 유지되도록 제어할 수 있다. 일 실시예에 따르면, 상기 프로세서(270)는 상기 응답의 출력이 중지되는 시점을 저장할 수 있다.
상기 프로세서(270)는 상기 응답의 출력을 중지시킨 후, 상기 후속 발화에 의한 음성 입력이 수행할 기능의 대상을 특정하였는지를 판단할 수 있다. 예컨대, 상기 프로세서(270)는 상기 후속 발화에 의한 음성 입력에 대응되는 텍스트 데이터가 상기 기능의 대상을 지칭하는 텍스트 데이터를 포함하는지를 판단할 수 있다. 상기 기능의 대상이 특정된 경우, 상기 프로세서(270)는 특정된 상기 기능의 대상을 이용하여 상기 기능을 수행할 수 있다. 상기 기능의 대상이 특정되지 않은 경우, 상기 프로세서(270)는 상기 후속 발화에 의한 음성 입력이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 후속 발화에 의한 음성 입력에 기반하여, 상기 기능의 대상을 결정하여 상기 기능을 수행할 수 있다.
일 실시예에 따르면, 상기 응답이 복수 개의 선택 요소들을 포함하는 경우, 상기 프로세서(270)는 상기 복수 개의 선택 요소들 중 상기 후속 발화에 의한 음성 입력이 수신된 제1 시점까지 출력 완료된 마지막 선택 요소를 상기 기능의 대상으로 결정할 수 있다. 예를 들어, 상기 응답이 제1 선택 요소, 제2 선택 요소, 및 제3 선택 요소를 순차적으로 포함하고, 상기 제2 선택 요소가 상기 스피커(230)를 통해 출력이 완료된 시점에 상기 후속 발화에 의한 음성 입력이 수신되면, 상기 프로세서(270)는 상기 제2 선택 요소를 상기 기능의 대상으로 결정할 수 있다. 어떤 실시예에서, 상기 프로세서(270)는 상기 제1 시점에 출력 중인 선택 요소가 존재하는 경우, 상기 출력 중인 선택 요소 또는 상기 출력 중인 선택 요소 이전에 마지막으로 출력 완료된 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터를 상기 스피커(230)를 통해 출력할 수 있다. 예를 들어, 상기 응답이 제1 선택 요소, 제2 선택 요소, 및 제3 선택 요소를 순차적으로 포함하고, 상기 제3 선택 요소가 상기 스피커(230)를 통해 출력 중인 시점에 상기 후속 발화에 의한 음성 입력이 수신되면, 상기 프로세서(270)는 마지막으로 출력이 완료된 상기 제2 선택 요소 또는 출력 중인 상기 제3 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터를 상기 스피커(230)를 통해 출력할 수 있다. 이 경우, 사용자가 둘 중 어느 하나를 선택하게 되면, 상기 프로세서(270)는 사용자가 선택한 선택 요소를 상기 기능의 대상으로 결정할 수 있다.
일 실시예에 따르면, 상기 응답이 복수 개의 선택 요소들을 포함하고, 상기 후속 발화에 의한 음성 입력에 대응되는 텍스트 데이터가 상기 복수 개의 선택 요소들이 출력되는 순서 상 특정 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 프로세서(270)는 상기 복수 개의 선택 요소들 중 상기 특정 순서에 대응되는 선택 요소를 상기 기능의 대상으로 결정할 수 있다. 일 예로, 상기 응답이 제1 선택 요소, 제2 선택 요소, 및 제3 선택 요소를 순차적으로 포함하고, 상기 후속 발화에 의한 음성 입력에 대응되는 텍스트 데이터에 기수 또는 서수를 나타내는 텍스트 데이터(예: "두번째")가 포함된 경우, 상기 프로세서(270)는 해당 순서의 선택 요소(예: 두번째 순서에 위치한 제2 선택 요소)를 상기 기능의 대상으로 결정할 수 있다. 다른 예로, 상기 응답이 제1 선택 요소, 제2 선택 요소, 및 제3 선택 요소를 순차적으로 포함하고, 상기 제2 선택 요소가 상기 스피커(230)를 통해 출력 중인 시점 또는 출력이 완료된 시점에 상기 후속 발화에 의한 음성 입력이 수신되고, 상기 후속 발화에 의한 음성 입력에 대응되는 텍스트 데이터에 이전의 선택 요소 또는 다음의 선택 요소를 나타내는 텍스트 데이터(예: "전의 것")가 포함된 경우, 상기 프로세서(270)는 해당 순서의 선택 요소(예: 현재 출력 중인 또는 출력 완료된 제2 선택 요소의 이전 순서에 위치한 제1 선택 요소)를 상기 기능의 대상으로 결정할 수 있다.
일 실시예에 따르면, 상기 프로세서(270)는 상기 응답이 복수 개의 선택 요소들을 포함하고, 상기 마이크(210)를 통해 수신된 음성 입력에 대응되는 텍스트 데이터에 이전 순서 또는 다음 순서를 나타내는 텍스트 데이터가 포함된 경우, 상기 복수 개의 선택 요소들 중 출력이 시작되는 선택 요소를 해당 순서의 선택 요소로 변경할 수 있다. 예를 들어, 상기 응답이 제1 선택 요소, 제2 선택 요소, 및 제3 선택 요소를 순차적으로 포함하고, 상기 스피커(230)를 통해 상기 제2 선택 요소가 출력 중인 시점에서, 상기 마이크(210)를 통해 사용자의 발화에 의한 음성 입력이 수신되면, 상기 프로세서(270)는 상기 응답의 출력을 중지시키고, 상기 음성 입력에 대응되는 텍스트 데이터에 이전 순서를 나타내는 텍스트 데이터(예: "이전")가 포함된 경우, 상기 제2 선택 요소의 이전 순서에 위치한 제1 선택 요소부터 상기 응답이 출력되도록 제어하고, 상기 음성 입력에 대응되는 텍스트 데이터에 다음 순서를 나타내는 텍스트 데이터(예: "다음")가 포함된 경우, 상기 제2 선택 요소의 다음 순서에 위치한 제3 선택 요소부터 상기 응답이 출력되도록 제어할 수 있다.
상기 프로세서(270)는 상기 기능을 수행하기 위한 정보가 필요한지를 판단할 수 있다. 일 실시예에 따르면, 상기 프로세서(270)는 상기 자연어 이해 모듈(273)을 통해 파악된 사용자의 의도가 명확한지 여부를 판단하는 과정에서, 파라미터의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지를 판단할 수 있고, 상기 자연어 이해 모듈(273)에서 파악된 파라미터가 기능을 수행하는데 충분한지 여부를 판단할 수 있다. 사용자의 의도가 명확하지 않다고 판단된 경우, 상기 프로세서(270)는 사용자의 의도를 명확하게 판단하기 위해 상기 기능을 수행하는데 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 상기 프로세서(270)는 상기 기능의 수행과 관련된 정보를 요청하는 응답을 상기 스피커(230)를 통해 출력할 수 있다. 이 경우, 사용자는 상기 응답에 반응하여 상기 기능의 수행과 관련된 정보를 입력할 수 있고, 상기 프로세서(270)는 상기 입력된 정보를 이용하여 상기 기능을 수행할 수 있다. 예컨대, 상기 응답이 상기 기능의 수행과 관련된 정보의 요청을 포함하고, 상기 후속 발화에 의한 음성 입력에 대응되는 텍스트 데이터가 상기 정보를 포함하는 경우, 상기 프로세서(270)는 상기 텍스트 데이터의 적어도 일부를 이용하여 상기 정보를 설정할 수 있고, 상기 설정된 정보를 이용하여 상기 기능을 수행할 수 있다.
일 실시예에 따르면, 상기 응답이 상기 기능의 수행에 대한 확인 요청을 포함하고, 상기 후속 발화에 의한 음성 입력에 대응되는 텍스트 데이터가 긍정의 표시 또는 부정의 표시를 나타내는 텍스트 데이터를 포함하는 경우, 상기 프로세서(270)는 상기 기능을 즉시 수행하거나 상기 기능을 수행하지 않을 수 있다. 일 예로, 상기 기능의 수행에 대한 확인 요청을 포함하는 상기 응답의 출력 중 음성 입력이 수신되고, 상기 음성 입력에 대응되는 텍스트 데이터가 긍정의 표시를 나타내는 텍스트 데이터(예: "응")를 포함하는 경우, 상기 프로세서(270)는 상기 응답의 출력을 중지시키고 상기 기능을 즉시 수행할 수 있다. 다른 예로, 상기 기능의 수행에 대한 확인 요청을 포함하는 상기 응답의 출력 중 음성 입력이 수신되고, 상기 음성 입력에 대응되는 텍스트 데이터가 부정의 표시를 나타내는 텍스트 데이터(예: "아니")를 포함하는 경우, 상기 프로세서(270)는 상기 응답의 출력을 중지시키고 상기 기능을 수행하지 않을 수 있다.
일 실시예에 따르면, 상기 후속 발화에 의한 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 연계된 기능의 수행을 요청하는 텍스트 데이터를 포함하는 경우, 상기 프로세서(270)는 상기 연계된 기능을 수행할 수 있다. 예를 들어, 제1 기능(예: 알람 정보 출력 기능)과 관련된 응답의 출력 중 후속 발화에 의한 음성 입력이 수신되고, 상기 음성 입력에 대응되는 텍스트 데이터가 상기 제1 기능과 연계된 제2 기능(예: 알람 삭제 기능)의 수행을 요청하는 텍스트 데이터를 포함하는 경우, 상기 프로세서(270)는 상기 제2 기능을 즉시 수행할 수 있다.
일 실시예에 따르면, 상기 프로세서(270)는 상기 응답의 출력 중 수신된 음성 입력이 인증되지 않은 사용자의 발화에 의한 것이라고 판단되면, 상기 수신된 음성 입력을 처리하지 않고 상기 응답의 출력을 유지시킬 수 있다. 여기서, 인증되지 않은 사용자는 상기 전자 장치(200)에 저장된 인증 정보에 의한 인증 또는 인증 서버를 통한 인증에 실패한 사용자를 의미할 수 있다.
일 실시예에 따르면, 상기 프로세서(270)는 상기 응답의 출력 중 수신된 음성 입력이 상기 응답을 야기한 음성 입력의 발화자와 다른 발화자에 의한 것이라고 판단되면, 상기 수신된 음성 입력을 처리하지 않고 상기 응답의 출력을 유지시킬 수 있다. 예컨대, 제1 사용자의 발화에 의한 제1 음성 입력에 따라 상기 응답이 출력되는 상태에서, 제2 사용자의 발화에 의한 제2 음성 입력이 수신되면, 상기 프로세서(270)는 상기 제2 음성 입력을 처리하지 않고, 상기 응답의 출력을 유지시킬 수 있다. 어떤 실시예에서, 상기 제2 사용자가 상기 제1 사용자와 마찬가지로 인증된 사용자인 경우, 상기 프로세서(270)는 상기 응답의 출력을 중지시키고 상기 제2 음성 입력을 처리할 수도 있다.
일 실시예에 따르면, 상기 전자 장치(200)는 사용자의 제스처를 감지할 수 있는 센서(예: 센서 모듈(176))를 더 포함할 수 있다. 상기 센서를 통해 사용자의 지정된 제스처가 감지되면, 상기 프로세서(270)는 상기 응답의 출력을 중지시키고 상기 사용자의 후속 발화에 의한 음성 입력을 수신할 수 있도록 대기할 수 있다. 이 경우, 상기 프로세서(270)는 상기 음성 입력의 수신을 위해 상기 마이크(210)의 수신 감도를 높일 수 있다. 일 실시예에 따르면, 상기 센서는 예를 들어, 제스처 센서 또는 이미지 센서 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 상기 프로세서(270)는 상기 기능의 수행과 관련된 정보의 획득에 실패한 경우, 상기 응답의 연결 재생 여부를 확인하는 음성 데이터를 상기 스피커(230)를 통해 출력할 수 있다. 예를 들어, 상기 기능의 대상을 특정하는데 실패하거나, 상기 기능을 수행하기 위해 필요한 정보의 획득에 실패하는 경우, 상기 프로세서(270)는 출력이 중지되었던 상기 응답을 연결하여 재생(출력)할지 여부를 확인하는 음성 데이터를 상기 스피커(230)를 통해 출력할 수 있다. 이 경우, 사용자가 연결 재생을 선택하면, 상기 프로세서(270)는 상기 응답의 출력이 중지된 시점에 대응되는 내용부터 상기 응답을 다시 출력할 수 있다.
상술한 바와 같이, 다양한 실시예에 따르면, 전자 장치(예: 전자 장치(200))는, 마이크(예: 마이크(210)), 스피커(예: 스피커(230)), 및 프로세서(예: 프로세서(270))를 포함하고, 상기 프로세서는, 상기 마이크를 통해 수신된 제1 음성 입력에 기반하여 기능과 관련된 응답을 상기 스피커를 통해 출력하고, 상기 응답의 출력 중 상기 마이크를 통해 제2 음성 입력이 수신되면, 상기 응답의 출력을 중지시키고, 상기 제2 음성이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 수신된 제2 음성 입력에 기반하여, 상기 기능을 수행하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하지 않는 경우, 상기 스피커를 통한 상기 응답의 출력이 유지되도록 제어할 수 있다.
다양한 실시예에 따르면, 상기 응답은 복수 개의 선택 요소들을 포함하고, 상기 프로세서는, 상기 복수 개의 선택 요소들 중 상기 제1 시점까지 출력 완료된 마지막 제1 선택 요소를 상기 기능의 대상으로 결정하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 복수 개의 선택 요소들 중 상기 제1 시점에 출력 중인 제2 선택 요소가 존재하는 경우, 상기 제1 선택 요소 또는 상기 제2 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터를 상기 스피커를 통해 출력하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 응답은 복수 개의 선택 요소들을 포함하고, 상기 프로세서는, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 복수 개의 선택 요소들이 출력되는 순서 상 특정 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들 중 상기 특정 순서에 대응되는 선택 요소를 상기 기능의 대상으로 결정하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 응답은 복수 개의 선택 요소들을 포함하고, 상기 프로세서는, 상기 복수 개의 선택 요소들 중 제1 선택 요소의 출력 중 상기 마이크를 통해 상기 제1 시점의 이전 시점인 제3 시점에 제3 음성 입력이 수신되면, 상기 응답의 출력을 중지시키고, 상기 제3 음성 입력에 대응되는 텍스트 데이터가 이전 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들이 출력되는 순서 상 상기 제1 선택 요소의 이전 순서에 대응되는 제2 선택 요소부터 상기 응답을 출력하고, 상기 제3 음성 입력에 대응되는 텍스트 데이터가 다음 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들이 출력되는 순서 상 상기 제1 선택 요소의 다음 순서에 대응되는 제3 선택 요소부터 상기 응답을 출력하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 응답은 상기 기능의 수행과 관련된 정보의 요청을 포함하고, 상기 프로세서는, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 정보를 포함하는 경우, 상기 텍스트 데이터의 적어도 일부를 이용하여 상기 정보를 설정할 수 있다.
다양한 실시예에 따르면, 상기 응답은 상기 기능의 수행에 대한 확인 요청을 포함하고, 상기 프로세서는, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 긍정의 표시를 나타내는 텍스트 데이터를 포함하는 경우, 상기 기능을 수행하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 연계된 기능의 수행을 요청하는 텍스트 데이터를 포함하는 경우, 상기 연계된 기능을 수행하도록 설정될 수 있다.
다양한 실시예에 따르면, 상기 프로세서는, 상기 기능의 수행과 관련된 정보의 획득에 실패한 경우, 상기 응답의 연결 재생 여부를 확인하는 음성 데이터를 상기 스피커를 통해 출력하도록 설정될 수 있다.
도 3은 본 발명의 일 실시예에 따른 음성 입력의 처리 방법을 설명하기 위한 도면이다.
도 3을 참조하면, 동작 310에서, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 수신된 제1 음성 입력에 기반하여 제1 기능과 관련된 응답을 스피커(예: 스피커(230))를 통해 출력할 수 있다. 예를 들어, 상기 프로세서는 사용자의 발화에 의한 제1 음성 입력을 상기 마이크를 통해 수신하고, 수신된 제1 음성 입력을 자동 음성 인식 모듈(예: 자동 음성 인식 모듈(271))을 통해 텍스트 데이터로 변환하고, 자연어 이해 모듈(예: 자연어 이해 모듈(273))을 통해 상기 변환된 텍스트 데이터를 이용하여 사용자의 의도를 파악하고, 플래너 모듈(예: 플래너 모듈(275))를 통해 상기 파악된 사용자의 의도에 기초하여 수행할 제1 기능을 결정할 수 있다. 또한, 상기 프로세서는 상기 결정된 제1 기능과 관련된 응답을 상기 스피커를 통해 출력할 수 있다. 상기 응답은 예를 들어, 상기 기능에 대한 정보를 포함하고, 상기 기능에 대한 정보는 예컨대, 상기 기능 수행의 과정 또는 완료를 안내하는 정보 또는 상기 기능 수행을 위해 필요한 추가 정보를 입력하도록 안내하는 정보를 포함할 수 있다.
동작 330에서, 상기 프로세서는 상기 응답의 출력 중 제2 음성 입력이 수신되었는지를 판단할 수 있다. 예컨대, 상기 프로세서는 상기 응답이 출력 중인 상태에서 상기 마이크를 통해 사용자의 후속 발화에 의한 제2 음성 입력이 수신되었는지를 판단할 수 있다. 상기 제2 음성 입력이 수신되지 않은 경우, 상기 프로세서는 동작 310으로 리턴하여 상기 응답 출력을 유지시킬 수 있다.
상기 제2 음성 입력이 수신된 경우, 동작 350에서, 상기 프로세서는 상기 응답의 출력을 중지시킬 수 있다. 일 실시예에 따르면, 상기 프로세서는 상기 응답의 출력이 중지된 시점을 저장할 수 있다.
동작 370에서, 상기 프로세서는 상기 제2 음성 입력의 수신 시점 또는 상기 응답의 출력이 중지된 시점까지의 상기 응답의 내용 및 상기 제2 음성 입력에 기반하여, 상기 제1 기능 또는 상기 제1 기능과 관련된 제2 기능을 수행할 수 있다. 상기 프로세서는 상기 응답의 출력을 중지시킨 후, 상기 제2 음성 입력이 수행할 기능의 대상을 특정하였는지를 판단할 수 있다. 예컨대, 상기 프로세서는 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 제1 기능의 대상을 지칭하는 텍스트 데이터를 포함하는지를 판단할 수 있다. 상기 제1 기능의 대상이 특정된 경우, 상기 프로세서는 특정된 상기 제1 기능의 대상을 이용하여 상기 제1 기능을 수행할 수 있다. 상기 제1 기능의 대상이 특정되지 않은 경우, 상기 프로세서는 상기 제2 음성 입력이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 제2 음성 입력에 기반하여, 상기 제1 기능의 대상을 결정하여 상기 제1 기능을 수행할 수 있다. 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 제1 기능과 연계된 제2 기능의 수행을 요청하는 텍스트 데이터를 포함하는 경우, 상기 프로세서는 상기 제2 기능을 수행할 수 있다.
상기 제1 기능의 대상을 결정하는 동작과 관련하여, 상기 응답이 복수 개의 선택 요소들을 포함하는 경우에 대해 설명하도록 한다. 일 실시예에 따르면, 상기 프로세서는 상기 복수 개의 선택 요소들 중 상기 제2 음성 입력이 수신된 상기 제1 시점까지 출력 완료된 마지막 선택 요소를 상기 제1 기능의 대상으로 결정할 수 있다. 어떤 실시예에서, 상기 프로세서는 상기 제1 시점에 출력 중인 선택 요소가 존재하는 경우, 상기 출력 중인 선택 요소 또는 상기 출력 중인 선택 요소 이전에 마지막으로 출력 완료된 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터를 상기 스피커를 통해 출력할 수 있다. 이 경우, 사용자가 둘 중 어느 하나를 선택하게 되면, 상기 프로세서는 사용자가 선택한 선택 요소를 상기 기능의 대상으로 결정할 수 있다. 일 실시예에 따르면, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 복수 개의 선택 요소들이 출력되는 순서 상 특정 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 프로세서는 상기 복수 개의 선택 요소들 중 상기 특정 순서에 대응되는 선택 요소를 상기 기능의 대상으로 결정할 수 있다.
도 4는 본 발명의 일 실시예에 따른 음성 입력의 다른 처리 방법을 설명하기 위한 도면이다. 도 4의 동작들 중 일부는 도 3에서 설명한 동작들과 동일 또는 유사할 수 있다. 이에 따라, 도 4의 동작들 중 도 3의 동작들과 동일 또는 유사한 동작에 대해서는 설명을 생략하도록 한다.
도 4를 참조하면, 동작 410에서, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 수신된 제1 음성 입력에 기반하여 기능과 관련된 응답을 스피커(예: 스피커(230))를 통해 출력할 수 있다.
동작 420에서, 상기 프로세서는 상기 응답의 출력 중 제2 음성 입력이 수신되었는지를 판단할 수 있다. 예컨대, 상기 프로세서는 상기 응답이 출력 중인 상태에서 상기 마이크를 통해 사용자의 후속 발화에 의한 제2 음성 입력이 수신되었는지를 판단할 수 있다.
상기 제2 음성 입력이 수신되지 않은 경우, 상기 프로세서는 동작 410으로 리턴하여 상기 응답 출력을 유지시킬 수 있다.
상기 제2 음성 입력이 수신된 경우, 동작 430에서, 상기 프로세서는 상기 제2 음성 입력이 수신된 제1 시점을 저장할 수 있다. 예컨대, 상기 프로세서는 상기 제1 시점에 대한 정보를 메모리(예: 메모리(250))에 저장할 수 있다.
동작 440에서, 상기 프로세서는 상기 후속 발화가 기능과 관련된 발화인지를 판단할 수 있다. 예컨대, 상기 프로세서는 상기 후속 발화의 내용이 현재 대화의 맥락과 합치하는지를 판단할 수 있다. 상기 프로세서는 상기 후속 발화에 의한 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하는지를 판단할 수 있다. 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하는 경우, 상기 후속 발화가 기능과 관련된 발화라고 판단하고, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하지 않는 경우, 상기 후속 발화가 기능과 관련된 발화가 아니라고 판단할 수 있다.
상기 후속 발화가 기능과 관련된 발화가 아닌 경우, 상기 프로세서는 동작 410으로 리턴하여 상기 응답의 출력을 유지시킬 수 있다.
상기 후속 발화가 기능과 관련된 발화인 경우, 동작 450에서, 상기 프로세서는 상기 응답의 출력을 중지시키고, 상기 응답의 출력이 중지된 제2 시점을 저장할 수 있다. 예컨대, 상기 프로세서는 상기 제2 시점에 대한 정보를 메모리에 저장할 수 있다.
동작 460에서, 상기 프로세서는 상기 기능 수행을 위한 정보를 처리할 수 있다. 예를 들어, 상기 프로세서는 상기 기능의 대상을 결정할 수 있고, 상기 기능의 수행과 관련된 부가 정보를 획득할 수 있다. 상기 기능 수행을 위한 정보를 처리하는 동작에 대해서는 도 6에서 자세히 설명하도록 한다.
동작 470에서, 상기 기능 수행을 위한 정보의 처리가 성공하는지를 판단할 수 있다. 상기 기능 수행을 위한 정보의 처리가 성공한 경우, 동작 480에서, 상기 프로세서는 상기 기능을 수행할 수 있다.
상기 기능 수행을 위한 정보의 처리가 실패한 경우, 동작 491에서, 상기 프로세서는 상기 응답의 연결 재생(출력)이 선택되었는지를 판단할 수 있다. 일 실시예에 따르면, 상기 프로세서는 상기 응답의 연결 재생 여부를 확인하는 음성 데이터를 상기 스피커를 통해 출력할 수 있다. 예를 들어, 상기 기능의 대상을 특정하는데 실패하거나, 상기 기능을 수행하기 위해 필요한 정보의 획득에 실패하는 경우, 상기 프로세서는 출력이 중지되었던 상기 응답을 연결하여 재생(출력)할지 여부를 확인하는 음성 데이터를 상기 스피커를 통해 출력할 수 있다. 또한, 상기 프로세서는 상기 마이크를 통해 사용자의 발화에 의한 음성 입력을 수신할 수 있고, 상기 음성 입력에 대응되는 텍스트 데이터가 상기 응답의 연결 재생에 대한 긍정의 표시를 나타내는 텍스트 데이터를 포함하는 경우, 상기 연결 재생이 선택되었다고 판단할 수 있다.
상기 연결 재생이 선택된 경우, 동작 493에서, 상기 프로세서는 상기 응답의 연결 재생 지점을 판단할 수 있다. 예컨대, 상기 프로세서는 상기 메모리에 저장된 상기 제2 시점에 대한 정보를 확인할 수 있다. 상기 제2 시점에 대한 정보가 확인되면, 상기 프로세서는 동작 410으로 리턴하여 상기 제2 시점에 대한 정보를 이용하여 상기 응답의 출력이 중지된 상기 제2 시점에 대응되는 내용부터 상기 응답을 다시 출력할 수 있다.
도 5는 본 발명의 일 실시예에 따른 음성 입력의 유효성을 판단하는 방법을 설명하기 위한 도면이다.
도 5를 참조하면, 동작 510에서, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 사용자의 발화에 의한 음성 입력을 수신할 수 있다.
동작 530에서, 상기 프로세서는 상기 음성 입력의 신호 세기가 임계값 이상인지를 판단할 수 있다. 예를 들어, 상기 프로세서는 상기 음성 입력의 신호 세기가 상기 임계값 이상인지를 판단함으로써, 상기 사용자의 발화가 잡음인지 또는 상기 전자 장치를 향하여 발화하지 않은 낮은 SNR(signal to noise ratio)의 음성인지를 판단할 수 있다. 상기 음성 입력의 신호 세기가 상기 임계값 미만인 경우, 상기 프로세서는 상기 사용자의 발화가 잡음 또는 상기 전자 장치를 향하야 발화하지 않은 음성이라고 판단하여 무시할 수 있다.
일 실시예에 따르면, 상기 프로세서는 동작 530의 수행 전에 상기 수신된 음성 입력에서 응답에 대응되는 신호를 제거할 수 있다. 예컨대, 상기 프로세서는 스피커(예: 스피커(230))를 통한 응답의 출력 중 수신된 음성 입력에서, 상기 응답에 대응되는 신호를 제거할 수 있다. 일 실시예에 따르면, 상기 프로세서는 Self-Interference Cancellation 기술을 이용하여 상기 사용자의 발화에 의한 음성 입력과 상기 응답에 대응되는 신호를 분리할 수 있다.
상기 음성 입력의 신호 세기가 상기 임계값 이상인 경우, 동작 550에서, 상기 프로세서는 상기 사용자의 발화가 인증된 사용자의 발화인지를 판단할 수 있다. 즉, 상기 프로세서는 상기 사용자가 인증된 사용자인지를 판단할 수 있다. 일 실시예에 따르면, 상기 프로세서는 상기 전자 장치에 저장된 인증 정보에 의한 인증 또는 인증 서버를 통한 인증을 통해 상기 사용자가 인증된 사용자인지를 판단할 수 있다.
상기 사용자의 발화가 인증된 사용자의 발화인 경우, 동작 570에서, 상기 프로세서는 상기 수신된 음성 입력을 정상 입력을 처리할 수 있다. 상기 사용자의 발화가 인증된 사용자의 발화가 아닌 경우, 상기 프로세서는 상기 수신된 음성 입력을 처리하지 않을 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 스피커를 통한 응답의 출력 중 수신된 음성 입력이 상기 응답을 야기한 음성 입력의 발화자와 동일 발화자에 의한 것이라고 판단되면, 상기 수신된 음성 입력을 정상 입력으로 처리할 수 있다. 또는, 상기 프로세서는 상기 스피커를 통한 응답의 출력 중 수신된 음성 입력이 상기 응답을 야기한 음성 입력의 발화자와 다른 발화자에 의한 것이라고 판단되면, 상기 수신된 음성 입력을 처리하지 않을 수 있다. 예컨대, 상기 프로세서는 멀티 유저 환경 내에서의 혼선을 방지하기 위해, 최초 발화의 주체가 후속 발화를 발화하였을 때에 한하여 상기 음성 입력을 처리할 수 있다.
상술한 동작 530 내지 동작 570은 도 3의 동작 330과 동작 350 사이에서 수행될 수 있다. 또한, 상술한 동작 530 내지 동작 570은 도 4의 동작 420과 동작 450 사이에서 수행될 수 있다.
도 6은 본 발명의 일 실시예에 따른 기능 수행을 위한 정보의 처리 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 동작 610에서, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 사용자의 발화에 기능의 대상이 존재하지 않는지를 판단할 수 있다. 예컨대, 상기 프로세서는 마이크(예: 마이크(210))를 통해 수신된 사용자의 발화에 의한 제2 음성 입력에 대응되는 텍스트 데이터에 기능의 대상을 지칭하는 텍스트 데이터가 포함되어 있지 않는지를 판단할 수 있다.
상기 기능의 대상이 존재하는 경우(기능의 대상이 특정된 경우), 상기 프로세서는 동작 650을 수행할 수 있다.
상기 기능의 대상이 존재하지 않는 경우(기능의 대상이 특정되지 않은 경우), 동작 620에서, 상기 프로세서는 상기 제2 음성 입력이 수신된 제1 시점 또는 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용 및 상기 제2 음성 입력에 기반하여, 상기 기능의 대상을 선택(또는 결정)할 수 있다.
일 실시예에 따르면, 상기 응답이 복수 개의 선택 요소들을 포함하는 경우, 상기 프로세서는 상기 복수 개의 선택 요소들 중 상기 제2 음성 입력이 수신된 제1 시점까지 출력 완료된 마지막 선택 요소를 상기 기능의 대상으로 선택(또는 결정)할 수 있다. 예를 들어, 상기 응답이 제1 선택 요소, 제2 선택 요소, 및 제3 선택 요소를 순차적으로 포함하고, 상기 제2 선택 요소가 스피커(예: 스피커(230))를 통해 출력이 완료된 시점에 상기 제2 음성 입력이 수신되면, 상기 프로세서는 상기 제2 선택 요소를 상기 기능의 대상으로 결정할 수 있다.
동작 630에서, 상기 프로세서는 상기 기능의 대상이 불명확한지를 판단할 수 있다. 예를 들어, 상기 응답이 복수 개의 선택 요소들을 포함하고, 상기 복수 개의 선택 요소들 중 상기 제2 음성 입력이 수신된 제1 시점에 출력 중인 선택 요소가 존재하는 경우, 상기 프로세서는 상기 기능의 대상이 불명확하다고 판단할 수 있다. 예컨대, 상기 프로세서는 상기 출력 중인 선택 요소를 상기 기능의 대상으로 선택할지 또는 상기 출력 중인 선택 요소 이전에 마지막으로 출력 완료된 선택 요소를 상기 기능의 대상으로 선택할지를 결정하지 못할 수 있다.
상기 기능의 대상이 불명확한 경우, 상기 프로세서는 상기 기능의 대상을 특정하도록 요청하는 음성 데이터를 상기 스피커를 통해 출력할 수 있다. 즉, 상기 프로세서는 사용자로 하여금 상기 기능의 대상을 특정하도록 요청할 수 있다. 예를 들어, 상기 응답이 제1 선택 요소, 제2 선택 요소, 및 제3 선택 요소를 순차적으로 포함하고, 상기 제3 선택 요소가 상기 스피커를 통해 출력 중인 시점에 상기 제2 음성 입력이 수신되면, 상기 프로세서는 마지막으로 출력이 완료된 상기 제2 선택 요소 또는 출력 중인 상기 제3 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터를 상기 스피커를 통해 출력할 수 있다. 이 경우, 사용자가 둘 중 어느 하나를 선택하게 되면, 상기 프로세서는 사용자가 선택한 선택 요소를 상기 기능의 대상으로 결정할 수 있다.
상기 기능의 대상이 선택(또는 결정)되면, 동작 650에서, 상기 프로세서는 상기 기능의 수행과 관련된 부가 정보(예: 파라미터)가 필요한지를 판단할 수 있다. 일 실시예에 따르면, 상기 프로세서는 자연어 이해 모듈(예: 자연어 이해 모듈(273))을 통해 파악된 사용자의 의도가 명확한지 여부를 판단하는 과정에서, 파라미터의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지를 판단할 수 있고, 상기 자연어 이해 모듈에서 파악된 파라미터가 기능을 수행하는데 충분한지 여부를 판단할 수 있다.
상기 기능 수행과 관련된 부가 정보가 필요한 경우, 동작 660에서, 상기 프로세서는 상기 부가 정보를 입력하도록 요청하는 음성 데이터를 상기 스피커를 통해 출력할 수 있다. 또한, 동작 670에서, 상기 프로세서는 상기 부가 정보를 수신할 수 있다. 예컨대, 상기 부가 정보를 입력하도록 요청하는 음성 데이터가 상기 스피커를 통해 출력되면, 사용자는 부가 정보를 발화할 수 있고, 상기 부가 정보를 포함하는 사용자의 발화는 상기 마이크를 통해 음성 입력으로 수신될 수 있다. 이 경우, 상기 프로세서는 상기 음성 입력에 대응되는 텍스트 데이터가 상기 부가 정보를 포함하는 경우, 상기 텍스트 데이터의 적어도 일부를 이용하여 상기 기능 수행과 관련된 부가 정보를 설정할 수 있고, 상기 설정된 부가 정보를 이용하여 상기 기능을 수행할 수 있다.
상술한 바와 같이, 다양한 실시예에 따르면, 전자 장치(예: 전자 장치(200))의 음성 입력 처리 방법은, 상기 전자 장치에 포함된 마이크(예: 마이크(210))를 통해 수신된 제1 음성 입력에 기반하여 기능과 관련된 응답을 상기 전자 장치에 포함된 스피커(예: 스피커(230))를 통해 출력하는 동작, 상기 응답의 출력 중 상기 마이크를 통해 제2 음성 입력이 수신되면, 상기 응답의 출력을 중지시키는 동작, 및 상기 제2 음성이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 수신된 제2 음성 입력에 기반하여, 상기 기능을 수행하는 동작을 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하지 않는 경우, 상기 스피커를 통한 상기 응답의 출력이 유지되도록 제어하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 응답에 포함된 복수 개의 선택 요소들 중 상기 제1 시점까지 출력 완료된 마지막 제1 선택 요소를 상기 기능의 대상으로 결정하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 복수 개의 선택 요소들 중 상기 제1 시점에 출력 중인 제2 선택 요소가 존재하는 경우, 상기 제1 선택 요소 또는 상기 제2 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터를 상기 스피커를 통해 출력하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 응답에 포함된 복수 개의 선택 요소들이 출력되는 순서 상 특정 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들 중 상기 특정 순서에 대응되는 선택 요소를 상기 기능의 대상으로 결정하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 응답에 포함된 복수 개의 선택 요소들 중 제1 선택 요소의 출력 중 상기 마이크를 통해 상기 제1 시점의 이전 시점인 제3 시점에 제3 음성 입력이 수신되면, 상기 응답의 출력을 중지시키는 동작, 상기 제3 음성 입력에 대응되는 텍스트 데이터가 이전 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들이 출력되는 순서 상 상기 제1 선택 요소의 이전 순서에 대응되는 제2 선택 요소부터 상기 응답을 출력하는 동작, 및 상기 제3 음성 입력에 대응되는 텍스트 데이터가 다음 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들이 출력되는 순서 상 상기 제1 선택 요소의 다음 순서에 대응되는 제3 선택 요소부터 상기 응답을 출력하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 응답에 포함된 상기 기능의 수행과 관련된 정보의 요청에 대한 응답으로 상기 정보를 포함하는 경우, 상기 텍스트 데이터의 적어도 일부를 이용하여 상기 정보를 설정하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 응답에 포함된 상기 기능의 수행에 대한 확인 요청에 대한 응답으로 긍정의 표시를 나타내는 텍스트 데이터를 포함하는 경우, 상기 기능을 수행하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 연계된 기능의 수행을 요청하는 텍스트 데이터를 포함하는 경우, 상기 연계된 기능을 수행하는 동작을 더 포함할 수 있다.
다양한 실시예에 따르면, 상기 음성 입력 처리 방법은, 상기 기능의 수행과 관련된 정보의 획득에 실패한 경우, 상기 응답의 연결 재생 여부를 확인하는 음성 데이터를 상기 스피커를 통해 출력하는 동작을 더 포함할 수 있다.
도 7은 본 발명의 일 실시예에 따른 기능의 대상이 명시되지 않은 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 사용자의 발화에 의한 제1 음성 입력(710)을 수신할 수 있다. 또한, 상기 프로세서는 자동 음성 인식 모듈(예: 자동 음성 인식 모듈(271))을 통해 상기 제1 음성 입력(710)을 텍스트 데이터로 변환하고, 자연어 이해 모듈(예: 자연어 이해 모듈(273))을 통해 상기 변환된 텍스트 데이터를 이용하여 사용자의 의도를 파악하고, 플래너 모듈(예: 플래너 모듈(275))을 통해 상기 파악된 사용자의 의도에 기초하여 수행할 기능을 결정할 수 있다.
상기 프로세서는 상기 제1 음성 입력(710)에 대응되는 사용자의 발화에 대한 제1 응답(720)을 스피커(예: 스피커(230))를 통해 출력할 수 있다. 예컨대, 상기 프로세서는 상기 제1 응답(720)으로서 상기 결정된 기능에 대한 정보를 자연어 생성 모듈(예: 자연어 생성 모듈(277))을 통해 텍스트 형태로 변경하고, 상기 텍스트 형태로 변경된 정보를 텍스트 음성 변환 모듈(예: 텍스트 음성 변환 모듈(279))을 통해 음성 데이터로 변경하여 상기 스피커를 통해 출력할 수 있다.
도 7에서는 상기 제1 음성 입력(710)이 회의 일정을 취소하라는 요청(예: "오늘 회의 취소해줘")을 포함하고, 이에 대한 제1 응답(720)으로 복수 개의 회의 일정 중 어느 회의 일정을 삭제할 것인지를 선택하라는 요청(예: "오늘 회의가 세 개 있네요. 오전 9시 컨콜 회의 (이하 생략)")이 출력되는 상태를 나타낸다. 여기서, 회의 일정의 취소가 수행할 기능이 될 수 있고, 상기 복수 개의 회의 일정 중 어느 하나의 회의 일정이 상기 기능의 대상이 될 수 있다. 상기 제1 응답(720)은 전자 장치에 설정된 회의 일정들의 개수 정보(721)(예: "오늘 회의가 세 개 있네요"), 상기 개수 정보(721)에 따른 제1 회의 일정 정보(722)(예: "오전 9시 컨콜 회의"), 제2 회의 일정 정보(723)(예: "오전 10시 과제 회의"), 및 제3 회의 일정 정보(미도시)를 포함할 수 있다. 여기서, 상기 제1 회의 일정 정보(722), 상기 제2 회의 일정 정보(723), 및 상기 제3 회의 일정 정보가 선택 가능한 요소들이 될 수 있다.
상기 제1 응답(720)이 복수 개의 선택 요소들(예: 상기 제1 회의 정보(722), 상기 제2 회의 정보(723), 및 상기 제3 회의 정보)을 포함하는 경우, 상기 프로세서는 상기 복수 개의 선택 요소들 중 사용자의 후속 발화에 의한 제2 음성 입력(730)이 수신된 제1 시점까지 출력 완료된 마지막 선택 요소를 상기 기능의 대상으로 결정할 수 있다. 예를 들어, 상기 제1 응답(720) 중 제2 선택 요소(예: 상기 제2 회의 정보(723))가 상기 스피커를 통해 출력이 완료된 시점에 상기 제2 음성 입력(730)이 수신되면, 상기 프로세서는 상기 제2 선택 요소를 상기 기능의 대상으로 결정할 수 있다.
이 경우, 상기 제2 음성 입력(730)에 대응되는 텍스트 데이터(예: "그거 삭제해줘")는 상기 수행할 기능과 관련된 텍스트 데이터(예: "삭제")를 포함할 수 있다. 또한, 상기 제2 음성 입력(730)에 대응되는 텍스트 데이터에는 기능의 대상을 특정하는 텍스트 데이터가 존재하지 않거나 기능의 대상을 지칭하는 지시 대명사(731)(예: "그거")를 포함할 수 있다. 상기 지시 대명사(731)의 경우, 기능의 대상을 특정하는 것이라고 볼 수 없기 때문에, 상기 프로세서는 대화의 흐름 상 상기 제2 음성 입력(730)이 수신된 시점까지 출력이 완료된 마지막 선택 요소를 상기 기능의 대상으로 결정하는 것이다.
상기 기능의 대상이 결정되면, 상기 프로세서는 상기 결정된 기능의 대상을 이용하여 상기 기능을 수행할 수 있다. 예컨대, 상기 프로세서는 상기 제2 회의 정보(723)에 대응하는 회의 일정을 취소(예: 전자 장치에 저장된 상기 제2 회의 정보(723) 삭제)할 수 있다. 또한, 상기 기능 수행의 결과를 상기 제2 음성 입력(730)에 대응되는 사용자의 후속 발화에 대한 제2 응답(740)으로 상기 스피커를 통해 출력할 수 있다. 상기 제2 응답(740)은 예컨대, 상기 제2 회의 정보(723)에 대응하는 회의 일정이 취소된 결과를 나타내는 음성 데이터(예: "네, 오전 10시 과제 회의 일정을 삭제했어요")를 포함할 수 있다.
도 8은 본 발명의 일 실시예에 따른 기능의 대상이 불명확한 음성 입력을 처리하는 다른 방법을 설명하기 위한 도면이다.
도 8을 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 사용자의 발화에 의한 제1 음성 입력(810)을 수신하여, 상기 제1 음성 입력(810)을 텍스트 데이터로 변환하고, 상기 변환된 텍스트 데이터를 이용하여 사용자의 의도를 파악하고, 상기 파악된 사용자의 의도에 기초하여 수행할 기능을 결정할 수 있다. 또한, 상기 프로세서는 상기 제1 음성 입력(810)에 대응되는 사용자의 발화에 대한 제1 응답(820)을 스피커(예: 스피커(230))를 통해 출력할 수 있다.
도 8에서도 도 7과 유사하게 상기 제1 음성 입력(810)이 회의 일정을 취소하라는 요청(예: "오늘 회의 취소해줘")을 포함하고, 이에 대한 제1 응답(820)으로 복수 개의 회의 일정 중 어느 회의 일정을 삭제할 것인지를 선택하라는 요청(예: "오늘 회의가 세 개 있네요. 오전 9시 컨콜 회의 (이하 생략)")이 출력되는 상태를 나타낸다. 여기서, 회의 일정의 취소가 수행할 기능이 될 수 있고, 상기 복수 개의 회의 일정 중 어느 하나의 회의 일정이 상기 기능의 대상이 될 수 있다. 또한, 상기 제1 응답(820)은 전자 장치에 설정된 회의 일정들의 개수 정보(821)(예: "오늘 회의가 세 개 있네요"), 상기 개수 정보(821)에 따른 제1 회의 일정 정보(822)(예: "오전 9시 컨콜 회의"), 제2 회의 일정 정보(823)(예: "오전 10시 (이하 생략)"), 및 제3 회의 일정 정보(미도시)를 포함할 수 있다. 여기서, 상기 제1 회의 일정 정보(822), 상기 제2 회의 일정 정보(823), 및 상기 제3 회의 일정 정보가 선택 가능한 요소들이 될 수 있다.
상기 제1 응답(820)이 복수 개의 선택 요소들(예: 상기 제1 회의 정보(822), 상기 제2 회의 정보(823), 및 상기 제3 회의 정보)을 포함하고, 상기 복수 개의 선택 요소들 중 사용자의 후속 발화에 의한 제2 음성 입력(830)이 수신된 제1 시점에 출력 중인 선택 요소가 존재하는 경우, 상기 출력 중인 선택 요소 또는 상기 출력 중인 선택 요소 이전에 마지막으로 출력 완료된 선택 요소 중 어느 하나를 선택하도록 요청하는 제2 응답(840)을 상기 스피커를 통해 출력할 수 있다. 예를 들어, 상기 제1 응답(820)에 포함된 제1 선택 요소(예: 제1 회의 정보(822))가 상기 스피커를 통해 출력되고, 이어서 제2 선택 요소(예: 제2 회의 정보(823))가 상기 스피커를 통해 출력되는 도중에, 상기 수행할 기능과 관련된 텍스트 데이터(예: "삭제")를 포함하는 제2 음성 입력(830)이 수신되면, 상기 수행할 기능의 대상이 상기 제1 선택 요소인지 상기 제2 선택 요소인지가 불명확할 수 있다. 이에 따라, 상기 프로세서는 상기 제1 선택 요소 또는 상기 제2 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터(예: "네, 오전 9시 컨콜 회의, 오전 10시 과제 회의 중 어떤 일정을 취소할까요?")를 상기 제2 응답(840)으로서 상기 스피커를 통해 출력할 수 있다.
상기 제2 응답(840)의 출력 후, 사용자의 발화에 의한 제3 음성 입력이 상기 마이크를 통해 수신되고, 상기 제3 음성 입력에 대응되는 텍스트 데이터가 상기 제1 선택 요소 또는 상기 제2 선택 요소 중 어느 하나의 선택 요소를 포함하는 경우, 상기 프로세서는 상기 선택된 선택 요소를 상기 기능의 대상으로 결정할 수 있다. 또한, 상기 기능의 대상이 결정되면, 상기 프로세서는 상기 결정된 기능의 대상을 이용하여 상기 기능을 수행할 수 있다. 예컨대, 상기 프로세서는 사용자가 선택한 회의 일정을 취소(예: 사용자가 선택한 회의 일정에 대응되는 회의 정보를 전자 장치에서 삭제)할 수 있다.
도 9는 본 발명의 일 실시예에 따른 기능 수행과 관련된 부가 정보를 포함하는 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 9를 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 사용자의 발화에 의한 음성 입력을 수신하여, 상기 음성 입력을 텍스트 데이터로 변환하고, 상기 변환된 텍스트 데이터를 이용하여 사용자의 의도를 파악하고, 상기 파악된 사용자의 의도에 기초하여 수행할 기능을 결정할 수 있다.
또한, 상기 프로세서는 상기 기능을 수행하기 위한 정보가 필요한지를 판단할 수 있다. 일 실시예에 따르면, 상기 프로세서는 자연어 이해 모듈(예: 자연어 이해 모듈(273))을 통해 파악된 사용자의 의도가 명확한지 여부를 판단하는 과정에서, 파라미터의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지를 판단할 수 있고, 상기 자연어 이해 모듈에서 파악된 파라미터가 기능을 수행하는데 충분한지 여부를 판단할 수 있다. 사용자의 의도가 명확하지 않다고 판단된 경우, 상기 프로세서는 사용자의 의도를 명확하게 판단하기 위해 상기 기능을 수행하는데 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 상기 프로세서는 상기 기능의 수행과 관련된 정보를 요청하는 응답(910, 930)을 스피커(예: 스피커(230))를 통해 출력할 수 있다. 이 경우, 사용자는 상기 응답(910, 930)에 반응하여 상기 기능의 수행과 관련된 정보를 입력(920, 940)할 수 있고, 상기 프로세서(270)는 상기 입력된 정보를 이용하여 상기 기능을 수행할 수 있다.
도 9에서는 일정을 설정하는 요청에 의해 일정 설정과 관련된 제1 정보(예: 일정의 제목)를 요청하는 제1 응답(910)(예: "일정의 제목을 무엇으로 할까요?") 및 제2 정보(예: 일정의 시간)를 요청하는 제2 응답(930)(예: "시간은 몇 시로 할까요?")이 출력되고, 각 응답에 반응하여 사용자의 발화에 의한 제1 음성 입력(920) 및 제2 음성 입력(940)이 수신된 상태를 나타낸다.
상기 응답(910, 930)이 상기 기능의 수행과 관련된 정보의 요청을 포함하고, 사용자의 후속 발화에 의한 음성 입력(920, 940)에 대응되는 텍스트 데이터(예: "뮤지컬 관람" 또는 "저녁 8시")가 상기 정보를 포함하는 경우, 상기 프로세서는 상기 텍스트 데이터의 적어도 일부를 이용하여 상기 정보를 설정할 수 있고, 상기 설정된 정보를 이용하여 상기 기능을 수행할 수 있다. 이 때, 상기 응답(910, 930)의 출력 중에 상기 음성 입력(920, 940)이 수신되는 경우, 상기 프로세서는 상기 응답(910, 930)의 출력을 중지시키고, 상기 음성 입력(920, 940)에 대응되는 텍스트 데이터를 이용하여 상기 기능의 수행과 관련된 정보를 설정할 수 있다. 예를 들어, 도 9에서와 같이, 일정의 시간을 물어보는 상기 제2 응답(930)의 출력 중에, 일정의 시간 정보를 포함하는 상기 제2 음성 입력(940)이 수신되면, 상기 프로세서는 상기 제2 응답(930)의 출력을 중지시키고 상기 제2 음성 입력(940)에 대응되는 텍스트 데이터(예: "저녁 8시")를 이용하여 상기 일정의 시간을 설정할 수 있다.
상기 기능의 수행과 관련된 정보가 모두 설정되면, 상기 프로세서는 상기 설정된 정보를 이용하여 상기 기능을 수행할 수 있다. 예컨대, 상기 프로세서는 상기 일정의 제목 및 상기 일정의 시간을 이용하여 상기 일정을 설정(예: 상기 일정을 전자 장치에 저장)할 수 있다. 또한, 상기 기능 수행의 결과를 제3 응답(950)으로 상기 스피커를 통해 출력할 수 있다. 상기 제3 응답(950)은 예컨대, 상기 일정이 설정된 결과를 나타내는 음성 데이터(예: "네, 오늘 저녁 8시 뮤지컬 관람, 일정을 저장했어요")를 포함할 수 있다.
도 10은 본 발명의 일 실시예에 따른 주요 명령어가 포함된 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 10을 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 스피커(예: 스피커(230))를 통해 사용자의 발화에 대한 응답(1010, 1030)을 출력할 수 있다. 상기 응답(1010, 1030)은 복수 개의 선택 요소들을 포함할 수 있다. 예컨대, 상기 사용자의 발화에 의한 음성 입력이 재생 가능한 컨텐츠 목록의 요청을 포함하는 경우, 상기 응답(1010, 1030)은 재생 가능한 컨텐츠들의 정보를 포함할 수 있다. 도 10에서는 상기 응답(1010, 1030)이 재생 가능한 제1 컨텐츠의 정보(1010)(제1 선택 요소) 및 제2 컨텐츠의 정보(1030)(제2 선택 요소)를 포함한 상태를 나타낸다.
상기 프로세서는 상기 응답(1010, 1030)이 복수 개의 선택 요소들(예: 제1 컨텐츠의 정보(1010) 및 제2 컨텐츠의 정보(1030))을 포함하고, 마이크(예: 마이크(210))를 통해 수신된 제1 음성 입력(1020)에 대응되는 텍스트 데이터에 이전 순서 또는 다음 순서를 나타내는 텍스트 데이터(예: "이전" 또는 "다음")가 포함된 경우, 상기 복수 개의 선택 요소들 중 출력이 시작되는 선택 요소를 해당 순서의 선택 요소로 변경할 수 있다. 예를 들어, 상기 응답(1010, 1030)이 제1 선택 요소(예: 제1 컨텐츠의 정보(1010)), 제2 선택 요소(예: 제2 컨텐츠의 정보(1030)), 및 제3 선택 요소를 순차적으로 포함하고, 상기 스피커를 통해 상기 제1 선택 요소(예: 제1 컨텐츠의 정보(1010))가 출력 중인 시점에서, 상기 마이크를 통해 사용자의 발화에 의한 제1 음성 입력(1020)이 수신되면, 상기 프로세서(270)는 상기 제1 선택 요소(예: 제1 컨텐츠의 정보(1010))의 출력을 중지시키고, 상기 제1 음성 입력(1020)에 대응되는 텍스트 데이터에 다음 순서를 나타내는 텍스트 데이터(예: "다음")가 포함된 경우, 상기 제1 선택 요소의 다음 순서에 위치한 제2 선택 요소(예: 제2 컨텐츠의 정보(1030))부터 출력되도록 제어할 수 있다.
상기 프로세서는 상기 응답(1010, 1030)의 출력 중에 상기 마이크를 통해 수신된 제2 음성 입력(1040)에 대응되는 텍스트 데이터가 기능 수행에 대한 확답, 요청, 긍정, 또는 부정의 표시를 나타내는 텍스트 데이터(예: "재생", "응", "어", 또는 "아니")를 포함하는 경우, 상기 응답(1010, 1030)의 출력을 중지시키고, 상기 텍스트 데이터가 확답, 요청, 또는 긍정의 표시를 나타내는 경우 상기 기능을 즉시 수행하거나, 상기 텍스트 데이터가 부정의 표시를 나타내는 경우 상기 기능을 수행하지 않을 수 있다. 예를 들어, 상기 응답(1010, 1030)에 포함된 제2 선택 요소(예: 제2 컨텐츠의 정보(1030))가 출력 중인 상태에서, 상기 제2 음성 입력(1040)이 수신되고, 상기 제2 음성 입력(1040)에 대응되는 텍스트 데이터가 상기 기능 수행에 대한 요청을 나타내는 텍스트 데이터(예: "재생")를 포함하는 경우, 상기 프로세서는 상기 제2 선택 요소(예: 제2 컨텐츠의 정보(1030))의 출력을 중지시키고, 상기 제2 선택 요소에 대응되는 컨텐츠(예: 제2 컨텐츠)를 재생(1050)할 수 있다.
도 10에서 설명한 음성 입력(예: 제1 음성 입력(1020) 또는 제2 음성 입력(1040))은 전자 장치에 설정된 주요 명령어(또는 메타 커맨드)(1001)를 포함하는 음성 입력일 수 있다. 상기 주요 명령어(1001)는 사용자가 자주 폭넓게 쓰는 발화와 관련된 것으로, 복수 개의 선택 요소들 모두를 선택하기 위한 선택 명령어(예: "전부" 또는 "전체"), 상기 복수 개의 선택 요소들의 출력 순서 상에서 현재의 출력 순서를 결정하기 위한 네비게이션(navigation) 명령어(예: "이전" 또는 "다음"), 기능 수행에 대한 긍정의 표시를 나타내는 명령어(예: "응" 또는 "어"), 기능 수행에 대한 부정의 표시를 나타내는 명령어(예: "아니"), 또는 기능 수행을 요청하는 명령어(예: "재생")) 중 적어도 하나를 포함할 수 있다. 상기 주요 명령어(1001)가 입력되었을 때, 상기 프로세서는 응답(1010, 1030)의 출력을 중지시키고, 상기 주요 명령어(1001)를 처리할 수 있다.
도 11은 본 발명의 일 실시예에 따른 기능 수행에 대한 불완전한 요청을 포함하는 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 11을 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 사용자의 발화에 대한 제1 응답(1110)으로 기능(예: 메시지 작성 기능) 수행에 대한 결과를 나타내는 제1 음성 데이터(예: "김용호님에게 보낼 메시지, '회의 끝나면 전화 하세요'를 작성했어요")를 스피커(예: 스피커(230))를 통해 출력할 수 있다. 이에 대해, 사용자는 상기 제1 응답(1110)에 반응하여, 상기 기능 수행의 결과에 대해 수정을 요청할 수 있다. 예컨대, 상기 프로세서는 마이크(예: 마이크(210))를 통해 상기 수정을 요청하는 발화에 의한 제1 음성 입력(1120)을 수신할 수 있다.
상기 프로세서는 상기 제1 음성 입력(1120)에 대응되는 텍스트 데이터(예: "메시지 수정할래")가 기능(예: 메시지 수정 기능) 수행에 필요한 정보(예: 메시지 수정 내용)를 포함하지 않는 경우, 상기 기능 수행에 필요한 정보를 요청하는 제2 음성 데이터(예: "어떤 내용으로 수정할까요?")를 제2 응답(1130)으로서 상기 스피커를 통해 출력할 수 있다. 이에 대해, 사용자는 상기 제2 응답(1130)에 반응하여, 상기 요청된 정보를 입력하기 위한 발화를 할 수 있다. 예컨대, 상기 프로세서는 상기 마이크를 통해 제2 음성 입력(1140)을 수신할 수 있다.
상기 프로세서는 상기 제2 음성 입력(1140)에 대응되는 텍스트 데이터(예: "회의 끝나면 전화할게요")가 상기 기능(예: 메시지 수정 기능) 수행에 필요한 정보(예: 메시지 수정 내용)를 포함하는 경우, 상기 텍스트 데이터의 적어도 일부를 상기 정보로 설정할 수 있다. 또한, 상기 프로세서는 상기 설정된 정보를 이용하여 상기 기능을 수행할 수 있다. 예컨대, 상기 프로세서는 상기 메시지의 내용을 수정할 수 있다. 또한, 상기 프로세서는 상기 메시지의 작성 또는 수정과 연계된 기능 예컨대, 상기 메시지의 전송에 대한 확인을 요청하는 음성 데이터("예: 김용호님에게 보낼 메시지, '회의 끝나면 전화할게요', 지금 바로 전송할까요?")를 제3 응답(1150)으로 상기 스피커를 통해 출력할 수 있다. 이에 대해, 사용자가는 상기 제3 응답(1150)에 반응하여, 상기 기능 수행의 확답을 표시하거나 요청하는 발화를 할 수 있다. 예컨대, 상기 프로세서는 상기 마이크를 통해 상기 기능 수행을 요청하는 텍스트 데이터(예: "전송")에 대응되는 제3 음성 입력(1160)을 수신할 수 있다. 상기 제3 음성 입력(1160)이 상기 제3 응답(1150)의 출력 중에 수신되는 경우, 상기 프로세서는 상기 제3 응답(1150)의 출력을 중지시키고, 상기 기능(예: 메시지 전송 기능)을 즉시 수행할 수 있다.
도 12는 본 발명의 일 실시예에 따른 출력이 중지된 응답의 연결 재생 방법을 설명하기 위한 도면이다.
도 12를 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 사용자의 발화에 의한 제1 음성 입력(1210)을 수신하여, 상기 제1 음성 입력(1210)을 텍스트 데이터(예: "김치찜 레시피 찾아줘")로 변환하고, 상기 변환된 텍스트 데이터를 이용하여 사용자의 의도를 파악하고, 상기 파악된 사용자의 의도에 기초하여 수행할 기능(예: 김치찜 레시피 검색 기능)을 결정할 수 있다. 또한, 상기 프로세서는 상기 제1 음성 입력(1210)에 대한 응답(1220)을 스피커(예: 스피커(230))를 통해 출력할 수 있다. 예를 들어, 상기 프로세서는 상기 응답(1220)으로 검색된 김치찜 레시피에 대한 정보를 상기 스피커를 통해 출력할 수 있다.
상기 응답(1220)의 출력 중, 사용자는 검색 조건의 변경을 요청하는 발화를 할 수 있다. 예컨대, 상기 프로세서는 검색 조건의 변경을 요청하는 제2 음성 입력(1230)을 상기 마이크를 통해 수신할 수 있다. 상기 제2 음성 입력(1230)에 대응되는 텍스트 데이터는 변경을 요청하는 검색 조건을 나타내는 텍스트 데이터(예: "조리 시간 1시간 이하인 김치찜 레시피")를 포함할 수 있다. 상기 응답(1220)의 출력 중 상기 제2 음성 입력(1230)이 수신되면, 상기 프로세서는 상기 응답(1220)의 출력을 중지시키고, 요청된 검색 조건으로 김치찜 레시피에 대한 검색을 수행할 수 있다.
상기 프로세서는 상기 기능의 수행과 관련된 정보의 획득에 실패한 경우, 상기 응답(1220)의 연결 재생 여부를 확인하는 음성 데이터(1240)를 상기 스피커를 통해 출력할 수 있다. 예를 들어, 상기 요청된 검색 조건에 맞는 김치찜 레시피가 없는 경우, 상기 프로세서는 출력이 중지되었던 상기 응답(1220)을 연결하여 재생(출력)할지 여부를 확인하는 음성 데이터(1240)(예: "조리 시간이 1시간 이내인 김치찜 레시피는 찾을 수 없네요. 듣던 레시피를 이어 들으시겠어요?")를 상기 스피커를 통해 출력할 수 있다. 이에 대해, 사용자가 연결 재생을 선택하면, 상기 프로세서는 상기 응답(1220)의 출력이 중지된 시점에 대응되는 내용부터 상기 응답(1260)을 다시 출력할 수 있다. 예를 들어, 상기 프로세서는 상기 마이크를 통해 제3 음성 입력(1250)을 수신할 수 있고, 상기 제3 음성 입력(1250)에 대응되는 텍스트 데이터가 상기 연결 재생에 대한 긍정 표시를 나타내는 텍스트 데이터(예: "응")를 포함하는 경우, 상기 응답(1260)을 다시 출력할 수 있다.
도 13은 본 발명의 일 실시예에 따른 연계 기능의 수행과 관련된 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 13을 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 사용자의 발화에 의한 제1 음성 입력(810)을 수신하여, 상기 제1 음성 입력(810)을 텍스트 데이터로 변환하고, 상기 변환된 텍스트 데이터를 이용하여 사용자의 의도를 파악하고, 상기 파악된 사용자의 의도에 기초하여 수행할 제1 기능을 결정할 수 있다. 예컨대, 사용자가 알람 정보를 요청하는 발화(예: "알람 몇 개 있어?")를 한 경우, 상기 프로세서는 수행할 제1 기능으로 알람 정보의 출력 기능을 결정할 수 있다.
상기 프로세서는 상기 제1 음성 입력(1310)에 대응되는 사용자의 발화에 대한 제1 응답(1320)을 스피커(예: 스피커(230))를 통해 출력할 수 있다. 상기 제1 응답(1320)은 상기 제1 기능에 대한 수행 결과 정보를 포함할 수 있다. 예컨대, 상기 프로세서는 전자 장치에 설정된 알람의 개수 정보(1321)(예: "알람이 다섯 개 있어요"), 상기 개수 정보(1321)에 따른 제1 알람 정보(1322)(예: "오전 9시 컨콜 회의"), 제2 알람 정보(1323)(예: "오전 10시 과제 회의"), 제3 알람 정보(미도시), 제4 알람 정보(미도시) 및 제5 알람 정보(미도시)를 포함할 수 있다.
상기 프로세서는 상기 제1 응답(1320)의 출력 중 상기 마이크를 통해 사용자의 후속 발화에 의한 제2 음성 입력(1330)을 수신할 수 있다. 이 경우, 상기 프로세서는 상기 제1 응답(1320)의 출력을 중지시킬 수 있다. 예컨대, 상기 프로세서는 상기 제1 응답(1320)에 포함된 제2 알람 정보(1323)의 출력 중 상기 제2 음성 입력(1330)이 수신되면, 상기 제2 알람 정보(1323)의 출력을 중지시킬 수 있다.
상기 제2 음성 입력(1330)에 대응되는 텍스트 데이터가 상기 제1 기능과 연계된 제2 기능의 수행을 요청하는 텍스트 데이터를 포함하는 경우, 상기 프로세서는 상기 제2 기능을 수행할 수 있다. 예컨대, 상기 제2 음성 입력(1330)에 대응되는 텍스트 데이터가 알람 정보의 삭제를 요청하는 텍스트 데이터(예: "오전 10시 일정 삭제해줘")를 포함하는 경우, 상기 프로세서는 상기 알람 정보의 삭제 기능이 상기 알람 정보의 출력 기능과 연계된 제2 기능인지를 판단할 수 있다. 또한, 상기 프로세서는 상기 알람 정보의 삭제 기능이 상기 알람 정보의 출력 기능과 연계된 제2 기능이라고 판단되면, 상기 알람 정보의 삭제 기능을 수행할 수 있다. 예컨대, 상기 프로세서는 상기 텍스트 데이터에 대응되는 알람 정보를 상기 전자 장치에서 삭제할 수 있다. 상기 제2 기능의 수행이 완료되면, 상기 프로세서는 상기 제2 기능에 대한 수행 결과 정보를 제2 응답(1340)으로서 상기 스피커를 통해 출력할 수 있다.
도 14는 본 발명의 일 실시예에 따른 기능 수행에 대한 확답을 포함하는 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 14를 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 사용자의 발화에 대한 제1 응답(1410)으로 기능(예: 메시지 전송 전 확인 기능) 수행에 대한 결과를 나타내는 음성 데이터(예: "김용호님에게 보낼 메시지, '회의 끝나면 전화 주세요'를 작성했어요. 이대로 전송할까요?")를 스피커(예: 스피커(230))를 통해 출력할 수 있다.
상기 프로세서는 상기 제1 응답(1410)의 출력 중 마이크(예: 마이크(210))를 통해 사용자의 후속 발화에 의한 음성 입력(1420)을 수신할 수 있다. 이 경우, 상기 프로세서는 상기 제1 응답(1410)의 출력을 중지시킬 수 있다. 또한, 상기 프로세서는 상기 음성 입력(1420)에 대응되는 텍스트 데이터(예: "응, 바로 보내줘")가 기능(예: 메시지 전송 기능) 수행에 대한 확답 또는 긍정의 표시를 나타내는 텍스트 데이터(1421)(예: "응")를 포함하는 경우, 상기 기능을 즉시 수행할 수 있다. 또한, 상기 프로세서는 상기 기능의 수행이 완료되면, 상기 기능에 대한 수행 결과 정보를 제2 응답(1430)으로서 상기 스피커를 통해 출력할 수 있다.
도 15는 본 발명의 일 실시예에 따른 기능과 관련되지 않은 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 15를 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 사용자의 발화에 대한 제1 응답(1510)으로 기능(예: 메시지 전송 전 확인 기능) 수행에 대한 결과를 나타내는 음성 데이터(예: "김용호님에게 보낼 메시지, '회의 끝나면 전화할게요'를 작성했어요. 이대로 전송할까요?")를 스피커(예: 스피커(230))를 통해 출력할 수 있다.
상기 프로세서는 상기 제1 응답(1510)의 출력 중 마이크(예: 마이크(210))를 통해 사용자의 후속 발화에 의한 제1 음성 입력(1530)을 수신할 수 있다. 이 경우, 상기 프로세서는 상기 제1 응답(1510)의 출력을 중지시킬 수 있다. 또한, 상기 프로세서는 상기 제1 음성 입력(1530)에 대응되는 텍스트 데이터(예: "응")가 기능(예: 메시지 전송 기능) 수행에 대한 확답 또는 긍정의 표시를 나타내는 텍스트 데이터를 포함하는 경우, 상기 기능을 즉시 수행할 수 있다. 또한, 상기 프로세서는 상기 기능의 수행이 완료되면, 상기 기능에 대한 수행 결과 정보를 제2 응답(1540)으로서 상기 스피커를 통해 출력할 수 있다.
상기 프로세서는 상기 제1 응답(1510)의 출력 중 수신된 제2 음성 입력(1520)에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하는지를 판단할 수 있다. 상기 제2 음성 입력(1520)에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하는 경우, 상기 제2 음성 입력(1520)에 대응되는 사용자의 발화가 기능과 관련된 발화라고 판단하고, 상기 제2 음성 입력(1520)에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하지 않는 경우, 상기 제2 음성 입력(1520)에 대응되는 사용자의 발화가 기능과 관련된 발화가 아니라고 판단할 수 있다. 상기 사용자의 발화가 상기 기능과 관련된 발화가 아니라고 판단되면, 상기 프로세서는 상기 제1 응답(1510)의 출력을 유지시키고, 상기 제2 음성 입력(1520)을 처리하지 않을 수 있다.
도 16은 본 발명의 일 실시예에 따른 인증되지 않은 사용자의 발화에 의한 음성 입력을 처리하는 방법을 설명하기 위한 도면이다.
도 16을 참조하면, 전자 장치(예: 전자 장치(200))의 프로세서(예: 프로세서(270))는 마이크(예: 마이크(210))를 통해 제1 사용자(1601)의 발화에 의한 제1 음성 입력(1610)을 수신하여, 수행할 기능을 결정하고, 상기 제1 음성 입력(1610)에 대한 응답(1620)을 스피커(예: 스피커(230))를 통해 출력할 수 있다. 예를 들어, 상기 제1 사용자(1601)가 컨텐츠 검색을 요청하는 발화(예: "Ted 영상 찾아줘")를 하면, 상기 프로세서는 컨텐츠 검색 기능을 수행한 후, 기능 수행의 결과(컨텐츠 검색 결과) 정보를 포함하는 상기 응답(1620)을 상기 스피커를 통해 출력할 수 있다. 상기 응답(1620)은 예를 들어, 컨텐츠 검색 결과 정보(1621)(예: "가장 최근에 업로드된 영상은 Kate Bowler의 'Everything happens for a reason'입니다") 및 검색된 컨텐츠의 재생 여부를 확인하는 정보(1622)(예: "이 영상을 보시겠어요?")를 포함할 수 있다.
상기 프로세서는 상기 마이크를 통해 상기 제1 사용자(1601)의 후속 발화에 의한 제2 음성 입력(1640)이 수신되고, 상기 제2 음성 입력(1640)에 대응되는 텍스트 데이터(예: "응, 고마워")가 상기 기능 수행에 대한 확답 또는 긍정의 표시를 나타내는 텍스트 데이터(예: "응")를 포함하는 경우, 상기 기능을 수행할 수 있다. 예컨대, 상기 프로세서는 검색된 컨텐츠를 재생(1650)할 수 있다.
상기 프로세서는 상기 응답(1620)의 출력 중에 상기 마이크를 통해 상기 제1 사용자(1601)가 아닌 제2 사용자(1603)의 발화에 의한 제3 음성 입력(1630)이 수신되면, 상기 제3 음성 입력(1630)을 처리하지 않고 상기 응답(1620)의 출력을 유지시킬 수 있다. 예컨대, 상기 응답(1620)의 출력 중에 상기 제2 사용자(1603)가 상기 기능의 수행을 취소시키는 발화(예: "취소")를 하더라도 상기 프로세서는 상기 응답(1620)의 출력을 유지시키고 상기 제2 사용자(1603)의 발화에 의한 제3 음성 입력(1630)을 처리하지 않을 수 있다.
일 실시예에 따르면, 상기 제2 사용자(1603)가 상기 제1 사용자(1601)와 마찬가지로 인증된 사용자인 경우, 상기 프로세서는 상기 응답(1620)의 출력을 중지시키고 상기 제2 사용자(1603)의 발화에 의한 상기 제3 음성 입력(1630)을 처리할 수도 있다.
도 17은 본 발명의 일 실시예에 따른 응답 중 수신되는 지정된 제스처를 처리하는 방법을 설명하기 위한 도면이다.
도 17을 참조하면, 전자 장치(예: 전자 장치(200))는 사용자의 제스처를 감지할 수 있는 센서를 포함할 수 있다. 상기 센서는 예를 들어, 제스처 센서 또는 이미지 센서 중 적어도 하나를 포함할 수 있다.
상기 센서를 통해 사용자의 지정된 제스처(1720)가 감지되면, 프로세서(예: 프로세서(270))는 출력 중인 제1 응답(1710)의 출력을 중지시키고 상기 사용자의 후속 발화에 의한 음성 입력(1730)을 수신할 수 있도록 대기할 수 있다. 예를 들어, 상기 제1 응답(1710)이 전자 장치에 설정된 일정들의 개수 정보(1711) 및 상기 개수 정보(1711)에 따른 적어도 하나의 일정 정보(1712)를 포함하고, 상기 적어도 하나의 일정 정보(1712)가 스피커(예: 스피커(230))를 출력 중인 상태에서, 상기 센서를 통해 지정된 제스처(1720)가 감지되면, 상기 적어도 하나의 일정 정보(1712)의 출력을 중지시키고, 상기 음성 입력(1730)을 수신할 수 있도록 대기할 수 있다. 일 실시예에 따르면, 상기 대기 상태에서, 상기 프로세서는 상기 음성 입력(1730)의 수신을 위해 마이크(예: 마이크(210))의 수신 감도를 높일 수 있다.
이후, 상기 프로세서는 상기 마이크를 통해 상기 음성 입력(1730)이 수신되면, 상기 음성 입력(1730)에 기반하여 기능을 수행할 수 있다. 또한, 상기 프로세서는 상기 기능의 수행이 완료되면, 상기 기능에 대한 수행 결과 정보를 제2 응답(1740)으로서 상기 스피커를 통해 출력할 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. "제1", "제2", 또는 "첫째", "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: 제1) 구성요소가 다른(예: 제2) 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 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 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(101))에 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
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 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 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 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 (20)

  1. 전자 장치에 있어서,
    마이크;
    스피커; 및
    프로세서를 포함하고,
    상기 프로세서는,
    상기 마이크를 통해 수신된 제1 음성 입력에 기반하여 기능과 관련된 응답을 상기 스피커를 통해 출력하고,
    상기 응답의 출력 중 상기 마이크를 통해 제2 음성 입력이 수신되면, 상기 응답의 출력을 중지시키고,
    상기 제2 음성이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 수신된 제2 음성 입력에 기반하여, 상기 기능을 수행하도록 설정된 전자 장치.
  2. 청구항 1에 있어서,
    상기 프로세서는,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하지 않는 경우, 상기 스피커를 통한 상기 응답의 출력이 유지되도록 제어하는 전자 장치.
  3. 청구항 1에 있어서,
    상기 응답은 복수 개의 선택 요소들을 포함하고,
    상기 프로세서는,
    상기 복수 개의 선택 요소들 중 상기 제1 시점까지 출력 완료된 마지막 제1 선택 요소를 상기 기능의 대상으로 결정하도록 설정된 전자 장치.
  4. 청구항 3에 있어서,
    상기 프로세서는,
    상기 복수 개의 선택 요소들 중 상기 제1 시점에 출력 중인 제2 선택 요소가 존재하는 경우, 상기 제1 선택 요소 또는 상기 제2 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터를 상기 스피커를 통해 출력하도록 설정된 전자 장치.
  5. 청구항 1에 있어서,
    상기 응답은 복수 개의 선택 요소들을 포함하고,
    상기 프로세서는,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 복수 개의 선택 요소들이 출력되는 순서 상 특정 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들 중 상기 특정 순서에 대응되는 선택 요소를 상기 기능의 대상으로 결정하도록 설정된 전자 장치.
  6. 청구항 1에 있어서,
    상기 응답은 복수 개의 선택 요소들을 포함하고,
    상기 프로세서는,
    상기 복수 개의 선택 요소들 중 제1 선택 요소의 출력 중 상기 마이크를 통해 상기 제1 시점의 이전 시점인 제3 시점에 제3 음성 입력이 수신되면, 상기 응답의 출력을 중지시키고,
    상기 제3 음성 입력에 대응되는 텍스트 데이터가 이전 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들이 출력되는 순서 상 상기 제1 선택 요소의 이전 순서에 대응되는 제2 선택 요소부터 상기 응답을 출력하고,
    상기 제3 음성 입력에 대응되는 텍스트 데이터가 다음 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들이 출력되는 순서 상 상기 제1 선택 요소의 다음 순서에 대응되는 제3 선택 요소부터 상기 응답을 출력하도록 설정된 전자 장치.
  7. 청구항 1에 있어서,
    상기 응답은 상기 기능의 수행과 관련된 정보의 요청을 포함하고,
    상기 프로세서는,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 정보를 포함하는 경우, 상기 텍스트 데이터의 적어도 일부를 이용하여 상기 정보를 설정하는 전자 장치.
  8. 청구항 1에 있어서,
    상기 응답은 상기 기능의 수행에 대한 확인 요청을 포함하고,
    상기 프로세서는,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 긍정의 표시를 나타내는 텍스트 데이터를 포함하는 경우, 상기 기능을 수행하도록 설정된 전자 장치.
  9. 청구항 1에 있어서,
    상기 프로세서는,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 연계된 기능의 수행을 요청하는 텍스트 데이터를 포함하는 경우, 상기 연계된 기능을 수행하도록 설정된 전자 장치.
  10. 청구항 1에 있어서,
    상기 프로세서는,
    상기 기능의 수행과 관련된 정보의 획득에 실패한 경우, 상기 응답의 연결 재생 여부를 확인하는 음성 데이터를 상기 스피커를 통해 출력하도록 설정된 전자 장치.
  11. 전자 장치의 음성 입력 처리 방법에 있어서,
    상기 전자 장치에 포함된 마이크를 통해 수신된 제1 음성 입력에 기반하여 기능과 관련된 응답을 상기 전자 장치에 포함된 스피커를 통해 출력하는 동작;
    상기 응답의 출력 중 상기 마이크를 통해 제2 음성 입력이 수신되면, 상기 응답의 출력을 중지시키는 동작; 및
    상기 제2 음성이 수신된 제1 시점 또는 상기 응답의 출력이 중지된 제2 시점까지의 상기 응답의 내용, 및 상기 수신된 제2 음성 입력에 기반하여, 상기 기능을 수행하는 동작을 포함하는 음성 입력 처리 방법.
  12. 청구항 11에 있어서,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 관련된 텍스트 데이터를 포함하지 않는 경우, 상기 스피커를 통한 상기 응답의 출력이 유지되도록 제어하는 동작을 더 포함하는 음성 입력 처리 방법.
  13. 청구항 11에 있어서,
    상기 응답에 포함된 복수 개의 선택 요소들 중 상기 제1 시점까지 출력 완료된 마지막 제1 선택 요소를 상기 기능의 대상으로 결정하는 동작을 더 포함하는 음성 입력 처리 방법.
  14. 청구항 13에 있어서,
    상기 복수 개의 선택 요소들 중 상기 제1 시점에 출력 중인 제2 선택 요소가 존재하는 경우, 상기 제1 선택 요소 또는 상기 제2 선택 요소 중 어느 하나를 선택하도록 요청하는 음성 데이터를 상기 스피커를 통해 출력하는 동작을 더 포함하는 음성 입력 처리 방법.
  15. 청구항 11에 있어서,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 응답에 포함된 복수 개의 선택 요소들이 출력되는 순서 상 특정 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들 중 상기 특정 순서에 대응되는 선택 요소를 상기 기능의 대상으로 결정하는 동작을 더 포함하는 음성 입력 처리 방법.
  16. 청구항 11에 있어서,
    상기 응답에 포함된 복수 개의 선택 요소들 중 제1 선택 요소의 출력 중 상기 마이크를 통해 상기 제1 시점의 이전 시점인 제3 시점에 제3 음성 입력이 수신되면, 상기 응답의 출력을 중지시키는 동작;
    상기 제3 음성 입력에 대응되는 텍스트 데이터가 이전 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들이 출력되는 순서 상 상기 제1 선택 요소의 이전 순서에 대응되는 제2 선택 요소부터 상기 응답을 출력하는 동작; 및
    상기 제3 음성 입력에 대응되는 텍스트 데이터가 다음 순서를 나타내는 텍스트 데이터를 포함하는 경우, 상기 복수 개의 선택 요소들이 출력되는 순서 상 상기 제1 선택 요소의 다음 순서에 대응되는 제3 선택 요소부터 상기 응답을 출력하는 동작을 더 포함하는 음성 입력 처리 방법.
  17. 청구항 11에 있어서,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 응답에 포함된 상기 기능의 수행과 관련된 정보의 요청에 대한 응답으로 상기 정보를 포함하는 경우, 상기 텍스트 데이터의 적어도 일부를 이용하여 상기 정보를 설정하는 동작을 더 포함하는 음성 입력 처리 방법.
  18. 청구항 11에 있어서,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 응답에 포함된 상기 기능의 수행에 대한 확인 요청에 대한 응답으로 긍정의 표시를 나타내는 텍스트 데이터를 포함하는 경우, 상기 기능을 수행하는 동작을 더 포함하는 음성 입력 처리 방법.
  19. 청구항 11에 있어서,
    상기 제2 음성 입력에 대응되는 텍스트 데이터가 상기 기능과 연계된 기능의 수행을 요청하는 텍스트 데이터를 포함하는 경우, 상기 연계된 기능을 수행하는 동작을 더 포함하는 음성 입력 처리 방법.
  20. 청구항 11에 있어서,
    상기 기능의 수행과 관련된 정보의 획득에 실패한 경우, 상기 응답의 연결 재생 여부를 확인하는 음성 데이터를 상기 스피커를 통해 출력하는 동작을 더 포함하는 음성 입력 처리 방법.
KR1020190146729A 2019-11-15 2019-11-15 음성 입력 처리 방법 및 이를 지원하는 전자 장치 KR20210059367A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190146729A KR20210059367A (ko) 2019-11-15 2019-11-15 음성 입력 처리 방법 및 이를 지원하는 전자 장치
US17/097,046 US11961508B2 (en) 2019-11-15 2020-11-13 Voice input processing method and electronic device supporting same
PCT/KR2020/015978 WO2021096281A1 (en) 2019-11-15 2020-11-13 Voice input processing method and electronic device supporting same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190146729A KR20210059367A (ko) 2019-11-15 2019-11-15 음성 입력 처리 방법 및 이를 지원하는 전자 장치

Publications (1)

Publication Number Publication Date
KR20210059367A true KR20210059367A (ko) 2021-05-25

Family

ID=75908868

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190146729A KR20210059367A (ko) 2019-11-15 2019-11-15 음성 입력 처리 방법 및 이를 지원하는 전자 장치

Country Status (3)

Country Link
US (1) US11961508B2 (ko)
KR (1) KR20210059367A (ko)
WO (1) WO2021096281A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230029590A1 (en) * 2021-07-28 2023-02-02 Google Llc Evaluating output sequences using an auto-regressive language model neural network

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3398401B2 (ja) 1992-03-16 2003-04-21 株式会社東芝 音声認識方法及び音声対話装置
JP3378595B2 (ja) 1992-09-30 2003-02-17 株式会社日立製作所 音声対話システムおよびその対話進行制御方法
JPH08146991A (ja) 1994-11-17 1996-06-07 Canon Inc 情報処理装置及びその制御方法
GB9928011D0 (en) 1999-11-27 2000-01-26 Ibm Voice processing system
US6757362B1 (en) * 2000-03-06 2004-06-29 Avaya Technology Corp. Personal virtual assistant
JP3892302B2 (ja) 2002-01-11 2007-03-14 松下電器産業株式会社 音声対話方法および装置
US7624016B2 (en) * 2004-07-23 2009-11-24 Microsoft Corporation Method and apparatus for robustly locating user barge-ins in voice-activated command systems
JP5519126B2 (ja) 2008-06-27 2014-06-11 アルパイン株式会社 音声認識装置及び音声認識方法
US10679605B2 (en) * 2010-01-18 2020-06-09 Apple Inc. Hands-free list-reading by intelligent automated assistant
KR101992676B1 (ko) 2012-07-26 2019-06-25 삼성전자주식회사 영상 인식을 이용하여 음성 인식을 하는 방법 및 장치
US9875494B2 (en) * 2013-04-16 2018-01-23 Sri International Using intents to analyze and personalize a user's dialog experience with a virtual personal assistant
US10030878B2 (en) * 2013-08-21 2018-07-24 Honeywell International Inc. User interaction with building controller device using a remote server and a duplex connection
AU2015266863B2 (en) * 2014-05-30 2018-03-15 Apple Inc. Multi-command single utterance input method
US9911415B2 (en) * 2014-12-19 2018-03-06 Lenovo (Singapore) Pte. Ltd. Executing a voice command during voice input
US10192546B1 (en) 2015-03-30 2019-01-29 Amazon Technologies, Inc. Pre-wakeword speech processing
US10418032B1 (en) * 2015-04-10 2019-09-17 Soundhound, Inc. System and methods for a virtual assistant to manage and use context in a natural language dialog
JP6654691B2 (ja) 2016-04-07 2020-02-26 株式会社ソニー・インタラクティブエンタテインメント 情報処理装置
KR102575634B1 (ko) 2016-07-26 2023-09-06 삼성전자주식회사 전자 장치 및 전자 장치의 동작 방법
US10043516B2 (en) 2016-09-23 2018-08-07 Apple Inc. Intelligent automated assistant
KR20180054362A (ko) 2016-11-15 2018-05-24 삼성전자주식회사 사용자의 음성 입력을 인식하는 방법 및 장치
KR20180084392A (ko) 2017-01-17 2018-07-25 삼성전자주식회사 전자 장치 및 그의 동작 방법
KR101949497B1 (ko) 2017-05-02 2019-02-18 네이버 주식회사 사용자 발화의 표현법을 파악하여 기기의 동작이나 컨텐츠 제공 범위를 조정하여 제공하는 사용자 명령 처리 방법 및 시스템
WO2019107145A1 (ja) * 2017-11-28 2019-06-06 ソニー株式会社 情報処理装置、及び情報処理方法
JP2019101667A (ja) 2017-11-30 2019-06-24 シャープ株式会社 サーバ、電子機器、制御装置、電子機器の制御方法およびプログラム
JP7006433B2 (ja) * 2018-03-23 2022-01-24 株式会社Ｊｖｃケンウッド 無線機
US11244685B2 (en) * 2018-09-04 2022-02-08 Uber Technologies, Inc. Network computer system to generate voice response communications
US10896679B1 (en) * 2019-03-26 2021-01-19 Amazon Technologies, Inc. Ambient device state content display
KR20190118996A (ko) 2019-10-01 2019-10-21 엘지전자 주식회사 음성 처리 방법 및 음성 처리 장치

Also Published As

Publication number Publication date
US11961508B2 (en) 2024-04-16
US20210151031A1 (en) 2021-05-20
WO2021096281A1 (en) 2021-05-20

Similar Documents

Publication Publication Date Title
US10832674B2 (en) Voice data processing method and electronic device supporting the same
US11430438B2 (en) Electronic device providing response corresponding to user conversation style and emotion and method of operating same
KR20210016815A (ko) 복수의 지능형 에이전트를 관리하는 전자 장치 및 그의 동작 방법
KR20190111624A (ko) 전자 장치 및 전자 장치의 음성 인식 제어 방법
US11551682B2 (en) Method of performing function of electronic device and electronic device using same
KR20200052612A (ko) 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
KR102512614B1 (ko) 오디오 개선을 지원하는 전자 장치 및 이를 위한 방법
US20210383806A1 (en) User input processing method and electronic device supporting same
KR20200043642A (ko) 동작 상태에 기반하여 선택한 마이크를 이용하여 음성 인식을 수행하는 전자 장치 및 그의 동작 방법
KR20200099380A (ko) 음성 인식 서비스를 제공하는 방법 및 그 전자 장치
KR102629796B1 (ko) 음성 인식의 향상을 지원하는 전자 장치
KR20200045851A (ko) 음성 인식 서비스를 제공하는 전자 장치 및 시스템
KR20190139489A (ko) 음성 인식 서비스 운용 방법 및 이를 지원하는 전자 장치
US10976997B2 (en) Electronic device outputting hints in an offline state for providing service according to user context
KR20210036527A (ko) 사용자 발화를 처리하는 전자 장치 및 그 작동 방법
KR20210116897A (ko) 외부 장치의 음성 기반 제어를 위한 방법 및 그 전자 장치
KR20210001082A (ko) 사용자 발화를 처리하는 전자 장치와 그 동작 방법
US20200258520A1 (en) Speech recognition function-equipped electronic device and operation-related notification method thereof
KR20210061091A (ko) 인텔리전트 어시스턴스 서비스를 제공하기 위한 전자 장치 및 그의 동작 방법
KR20210059367A (ko) 음성 입력 처리 방법 및 이를 지원하는 전자 장치
KR20200107058A (ko) 복수 개의 엔드 포인트가 포함된 플랜들을 처리하는 방법 및 그 방법을 적용한 전자 장치
KR20210015234A (ko) 전자 장치, 및 그의 음성 명령에 따른 기능이 실행되도록 제어하는 방법
KR20200056754A (ko) 개인화 립 리딩 모델 생성 방법 및 장치
KR20200057426A (ko) 음성 인식 기반 이미지를 표시하는 전자 장치
US11516039B2 (en) Performance mode control method and electronic device supporting same

Legal Events

Date Code Title Description
A201 Request for examination