KR20210097346A

KR20210097346A - 끝점 검출을 위한 인공 지능 장치

Info

Publication number: KR20210097346A
Application number: KR1020200010922A
Authority: KR
Inventors: 최재훈; 이윤진
Original assignee: 엘지전자 주식회사
Priority date: 2020-01-30
Filing date: 2020-01-30
Publication date: 2021-08-09

Abstract

본 개시는 사용자 발화에 상응하는 음성 데이터를 수신하고, 수신된 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 유창함 스코어를 결정하고, 유창함 스코어에 기반하여 음성 데이터의 끝점을 조정하여 음성 인식 결과를 도출하는 인공 지능 장치를 개시한다.

Description

끝점 검출을 위한 인공 지능 장치{ARTIFICIAL INTELLIGENCE APPARATUS FOR ENDPOINT DETECTION}

본 개시는 사용자의 발화 특성에 기반하여 사용자의 발화의 유창함 정도를 판단하고, 사용자의 발화의 유창함에 기초하여 음성 데이터의 끝점을 판단하여 음성 인식의 성능을 개선하는 인공 지능 장치를 개시한다.

음성 인식 시스템은 사용자의 발화에 상응하는 음성 데이터가 수신되면 음성 데이터의 시작점(Initial point)과 끝점(Endpoint)를 추출한다. 통상적으로 끝점 추출(Endpoint detection)은, 음성 데이터에 포함된 단어와 단어 사이의 비발화 구간(non-speech)의 지속 시간을 이용하여 판단한다. 그러나, 음성 데이터의 발화 주체에 따라서, 음성 데이터에 포함된 음향학적 특징(Acoustic feature), 언어적 특징(Linguistic feature)이 다름에도 불구하고 일관적으로 끝점을 판단하였기에 사용자 개인의 시작점과 끝점을 정확하게 도출하지 못하는 문제점이 있었다.

또한, 음성 데이터의 시작점과 끝점이 정확하게 추출되지 않으면 음성 인식의 성능이 부정확하게 되어 사용자에게 부정적인 사용자 경험을 제공한다는 문제점이 있었다.

본 개시의 목적은 사용자 발화에 상응하는 음성 데이터를 이용하여 유창함 정도를 판단하고, 유창함 정도를 이용하여 음성 데이터의 끝점을 조정하기 위함이다.

또한, 본 개시의 목적은 사용자 개인의 발화에 상응하는 음성 데이터를 이용하여 유창함 판단 모델을 갱신함으로써, 사용자 맞춤형 끝점을 조정하기 위함이다.

본 개시는 사용자 발화에 상응하는 제1 음성 데이터를 수신하고, 상기 제1 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정하고, 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하고, 조정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출하는 인공 지능 장치를 개시한다.

또한 본 개시는 유창함 스코어가 일정값을 초과하면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 늦추는 인공 지능 장치를 개시한다.

또한 본 개시는 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하고, 상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하고, 상기 사용자 로그에 포함된 복수의 음성 데이터 각각에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성하고, 상기 갱신용 학습 데이터를 이용하여 상기 유창함 판단 모델을 업데이트하는 인공 지능 장치를 개시한다.

본 개시는 사용자 개인의 유창함 정도를 이용하여 유창함 스코어를 도출하고, 유창함 스코어에 따라 음성 데이터의 끝점을 앞당기거나 늦춤으로써, 음성 인식의 정확도를 향상시킬 수 있다.

또한 본 개시는 사용자 로그를 이용하여 갱신용 학습 데이터를 생성하고, 유창함 판단 모델을 업데이트 함으로써, 개인 맞춤형 끝점을 도출하고, 이를 통해 개인화된 음성 인식을 제공할 수 있다.

도 1은 본 개시의 일 실시 예에 따른 인공 지능 장치(100)를 나타낸다.
도 2는 본 개시의 일 실시 예에 따른 인공 지능 서버를(200)의 나타낸다.
도 3은 본 개시의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸다.
도 4는 본 개시의 일 실시 예에 따른 AI 장치를 나타낸다.
도 5는 음성 인식 과정을 나타낸다.
도 6은 본 개시의 흐름도를 나타낸다.
도 7은 본 개시의 흐름도를 나타낸다.
도 8은 본 개시의 흐름도를 나타낸다.
도 9은 본 개시의 유창함 판단 모델을 나타낸다.
도 10는 본 개시의 실시예를 나타낸다.

이하, 본 발명의 상세에 대하여 설명한다.

이하에 설명하는 실시 예는 본 발명의 일례 일 뿐이며, 본 발명은 다양한 형태로 변형될 수 있다. 따라서, 이하에 개시된 특정 구성 및 기능은 청구 범위를 제한하지 않는다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 개시의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

<인공 지능(AI: Artificial Intelligence)>

인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.

인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.

인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.

모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.

인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.

머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.

지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.

인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.

<로봇(Robot)>

로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.

로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.

로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.

<자율 주행(Self-Driving)>

자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.

예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.

차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.

이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.

<확장 현실(XR: eXtended Reality)>

확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.

MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.

XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.

도 1은 본 개시의 일 실시 예에 따른 인공 지능 장치(100)를 나타낸다.

AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.

도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.

통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.

이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.

입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.

이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.

입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.

이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.

이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.

이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.

출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.

이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.

메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.

프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.

이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.

이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.

프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.

이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.

이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.

프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 2는 본 개시의 일 실시 예에 따른 인공 지능 서버(200)를 나타낸다.

도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.

AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.

통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.

메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.

러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.

학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.

프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.

도 3은 본 개시의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸다.

도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.

클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.

즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.

AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.

AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.

이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.

이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.

또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.

이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.

<AI+로봇>

로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.

로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.

여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.

맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+자율주행>

자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.

자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.

자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.

여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.

자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.

맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+XR>

XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.

XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.

XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.

이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

<AI+로봇+자율주행>

로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.

자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.

자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.

자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.

이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.

<AI+로봇+XR>

로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.

XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.

XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.

예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.

<AI+자율주행+XR>

자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.

XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.

XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.

이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.

XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.

도 4는 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸다.

도 1과 중복되는 설명은 생략한다.

본 개시에서, 인공 지능 장치(100)는 엣지 디바이스(edge device)를 포함한다.

도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다.

입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.

입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.

카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.

마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.

사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다.

사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, AI 장치(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.

센싱부(140)는 센서부라고 칭할 수 있다.

출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.

디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.

디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.

음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.

음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.

햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.

광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.

도 5는 음성 인식 과정을 나타낸다.

도 5는 본 개시의 음성 인식 과정을 나타낸 도면이다.

본 개시의 인공 지능 장치(100)의 입력부(120)은 사용자의 발화에 상응하는 음성 데이터를 수신할 수 있다. 프로세서(180)는 입력부(120)에서 수신된 음성 데이터를 이용하여 음성 데이터의 끝점을 도출할 수 있다.

구체적으로 본 개시의 인공 지능 장치(100)는 상기 음성 인식 결과를 도출하기 위하여 선행되어야 할 작업인 음성 데이터의 끝점을 검출(End point detection)을 수행할 수 있다. 상기 끝점 검출은 인공 지능 장치(100)의 프로세서(180)에 의하여 수행될 수 있다. 또한 인공 지능 장치(100)의 프로세서(180)는 음성 인식 모델(500)을 포함할 수 있다.

본 개시의 인공 지능 장치(100)는 사용자가 발화한 음성 신호에 상응하는 음성 데이터가 입력되면 음성의 시작과 음성의 종료를 판단할 수 있다. 이때, 음성 인식 모델(500)의 음성 끝점 검출기(540)는 수신된 음성 데이터의 음성의 시작점(Initial point)과 음성 데이터의 종료 지점을 판단할 수 있다.

구체적으로 음성 끝점 검출기(540)는 음성이 존재하는 부분을 추출할 수 있다. 또한, 음성이 입력되는 순간부터 음성의 입력이 종료될 때까지 실시간으로 음성을 추출할 수 있다. 이때, 끝점 검출기(540)가 사용하는 알고리즘은 Rabiner와 Sambur의 알고리즘을 포함할 수 있다. 또한 영교차율(ZCR; zero-crossing rate)과 구간 에너지 (frame energy)를 사용하여 시간 영역에서 간단하고 빠르게 음성을 검출 할 수 있다.

인공 지능 장치(100)의 프로세서(180)는 음성 데이터 수신의 종료를 감지하면, 음성 데이터 수신의 종료로부터 기 설정된 시간 이후를 끝점(endpoint)로 설정할 수 있다.

음성 데이터의 끝점이 결정된 뒤, 인공 지능 장치(100)에 끝점 이전의 음성 데이터가 입력되면, 프로세서(180)는 입력된 음성 데이터를 전처리하여 음성 데이터의 특징을 추출할 수 있다. 이때, 특징을 추출하기 위한 방법으로 12차 멜-켑스트럼(MFCC), 로그에너지, 이에 대한 1차, 2차 미분계수 알고리즘이 사용될 수 있다.

프로세서(180)는 전처리된 데이터를 이용하여 수신된 음성 데이터의 끝점을 도출하고, 끝점 이전의 음성 데이터를 음성적인 특성을 모델링하여 비교하는 음향모델과(Acoustic Model) 인식어휘에 해당하는 단어나 음절 등의 언어적인 순서 관계를 모델링하는 언어모델(Language Model)에 입력하여 상기 언어 모델이 출력한 변환 텍스트를 보정 텍스트로 보정하는 과정을 거치면 최종 음성 인식 결과를 도출할 수 있다.

도 6은 본 개시의 흐름도를 나타낸다.

도 6은 본 개시의 끝점 검출 및 조정을 위한 흐름도를 나타낸다. 먼저 인공 지능 장치(100)의 입력부(120)는 사용자 발화에 상응하는 음성 데이터를 수신할 수 있다(S610). 이때, 입력부(120)는 마이크로폰을 포함할 수 있으며, 입력부(120)는 적어도 하나 이상의 센서로 구현될 수 있다.

인공 지능 장치(100)의 프로세서(180)는 입력부(120)에서 수신한 음성 데이터의 특징 데이터를 추출할 수 있다. 구체적으로 특징 데이터의 추출은 음성 데이터의 잡음을 제거하는 전처리 과정을 포함할 수 있다. 이때 잡음은 신호처리에서 사용하는 필터를 이용하여 제거될 수 있다. 인공 지능 장치(100)의 프로세서(180)는 입력된 음성 데이터의 노이즈 및 배경 소리로부터 실제 유효한 소리의 특징을 추출할 수 있다. 예를 들어 MFCC 또는 HMM Classifier를 이용한 Linear Prediction Coefficients(LPC)와 Linear Prediction Cepstral Coefficient(LPCC)가 사용될 수 있다.

인공 지능 장치(100)의 프로세서(180)는 추출된 특징 데이터를 이용하여 수신된 음성 데이터의 끝점을 추출할 수 있다(S620). 이때, 프로세서(180)는 음성 데이터의 끝점을 어댑티브 레벨 균등화(Adaptive Level Equalization), 에너지 펄스 감지(Energy Pulse Detection) 및 엔드 포인트 배열(End Point Ordering)을 이용하여 추출할 수 있다. 또는 인공 지능 장치(100)의 프로세서(180)는 본 개시의 유창함 판단 모델을 이용하여 음성 데이터의 끝점을 추출할 수 있다.

한편, S620에서 추출한 음성 데이터의 끝점(endpoint)은 불완전한 음성 데이터의 끝점일 수 있다. 불완전한 음성 데이터의 끝점인 경우는 이후 도 8에서 자세히 설명한다.

본 개시의 음성 데이터의 끝점은 입력부(120)에 수신되는 음성 데이터가 종료된 시점부터 기 설정된 시간 이후를 의미할 수 있다. 예를 들어, 음성 데이터의 끝점은 입력부(120)가 수신한 음성 데이터의 종료 이후 0.8초 이후를 의미할 수 있다.

음성 인식의 경우 실시간(Real-time)으로 이루어 지므로, 음성 데이터의 끝점 추출 또한 실시간으로 이루어진다. 따라서 음성 데이터의 끝점을 추출하더라도 발화가 완료되지 않은 경우, 추가적인 음성이 수신될 수 있다. 따라서 추가적인 음성이 수신되는 경우, 인공 지능 장치(100)의 프로세서(180)는 추가적으로 수신된 음성 데이터의 끝점을 추출한 뒤, 끝점 이전의 새로운 음성 데이터를 추출하고, 새로운 음성 데이터의 끝점을 도출할 수 있다. 상기 과정은 완전한 음성 데이터의 수신이 종료될 때까지 반복될 수 있다.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 수신한 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 음성 데이터의 유창함 정도를 판단할 수 있다(S630). 구체적으로 프로세서(180)는 유창함 판단 모델에 음성 데이터에 대응하는 특징 데이터를 입력하여 음성 데이터의 유창함 스코어를 결정할 수 있다. S630의 구체적인 내용은 도 7에서 설명한다.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 S630에서 결정한 유창함 판단 스코어에 기반하여 음성 데이터의 끝점을 조정할 수 있다(S640). 이때, 유창함 스코어는 음성 데이터에 대응하는 특징 데이터가 유창함 판단 모델에 입력된 결과값일 수 있다. 상기 유창함 판단 스코어는 음성 데이터에 포함된 단어, 음절 또는 발화마다 측정될 수 있다. 또한 유창함 판단 스코어는 음성 데이터에 포함된 단어, 음절 또는 발화마다 측정된 스코어의 평균값일 수 있다. 다만 이에 한정된 것은 아니다.

구체적으로 프로세서(180)는 음성 데이터를 기반으로 출력된 유창함 스코어가 일정값을 초과하면, 상기 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 음성 데이터의 끝점을 기 설정된 시간보다 늦출 수 있다.

예를 들어, 기 설정된 음성 데이터의 끝점은 '음성 데이터의 수신이 종료된 이후 0.8초'로 설정되어있다고 라고 가정하자. 프로세서(180)는 음성 데이터를 기반으로 출력된 유창함 스코어가 80을 초과하면, 상기 음성 데이터의 끝점을 '음성 데이터의 수신이 종료된 이후 0.8초' 에서 '음성 데이터의 수신이 종료된 이후 0.6초'로 조정할 수 있다.

또 다른 예시로, 프로세서(180)는 음성 데이터를 기반으로 출력된 유창함 스코어가 80 미만이면, 상기 음성 데이터의 끝점을 '음성 데이터의 수신이 종료된 이후 0.8초' 에서 '음성 데이터의 수신이 종료된 이후 1초'로 조정할 수 있다.

그리고, 프로세서(180)는 조정된 끝점 이전의 음성 데이터에 대하여 음성 인식 결과를 도출할 수 있다(S650). 구체적으로 프로세서(180)는 조정된 끝점 이전의 음성 데이터의 신호적인 특성 및 인식어휘에 해당하는 단어나 음절 등의 언어적인 순서 관계를 이용하여 최종 음성 인식 결과를 도출할 수 있다.

도 7은 본 개시의 흐름도를 나타낸다.

도 7은 본 개시의 유창함 정도를 판단하는 과정을 나타낸 흐름도이다. 프로세서(180)는 음성 데이터를 가공하여 음성 데이터에 대응하는 특징 데이터를 추출할 수 있다. 그리고 음향 모델(Acoustic model)을 이용하여 수신된 음성 데이터의 음향학적 특징을 추출하고, 언어 모델(Linguistic model)을 이용하여 수신된 음성 데이터의 언어학적 특징을 추출할 수 있다(S710).

구체적으로 상기 음향학적 특징(Acoustic feature)은 상기 음성 데이터에 포함된 단어와 단어 사이의 휴지 지속 시간(pause duration), 간투어 지속 시간(Filed sound duration time) 및 음소 발화 속도(speaking rate) 중 적어도 하나로부터 도출된 특징값을 포함할 수 있다. 또한 상기 특징값은 임베딩을 통한 벡터 값으로 표현될 수 있다.

예를 들어, 유창함과 관련된 음향학적 특징은 "오늘 날씨 어때?"라는 음성 데이터가 수신된 경우, '오늘'과 '날씨' 사이의 비발화 구간의 시간, 또는 "어?? 오늘 날씨 음... 어때?" 의 경우 간투어인 '어??' '음??'의 지속 시간 또는 발화 속도로부터 도출된 특징일 수 있다. 또한 상기 특징이 임베딩을 통해 벡터로 표현된 것일 수 있다.

그리고, 상기 언어학적 특징(Linguistic feature)은 음성 데이터에 포함된 단어의 반복, 단어의 수정 및 간투어 사용 횟수 중 적어도 하나로부터 도출된 특징값을 포함할 수 있다. 또한 상기 특징값은 임베딩을 통한 벡터 값으로 표현될 수 있다.

예를 들어, 유창함과 관련된 언어학적 특징은 "어?? 오늘 날씨 음... 어때?"의 경우 단어의 수정 또는 간투어 사용 횟수(예를 들어 2회)로부터 도출된 특징값을 포함할 수 있다.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 음향학적 특징과 언어학적 특징을 포함하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정할 수 있다(S720).

본 개시의 유창함 판단 모델이 출력한 유창함 스코어는 입력값의 말더듬이 적을수록 그리고 상기 제1 음성 데이터의 발화 속도가 빠를수록 높은 값을 갖도록 학습될 수 있다.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 유창함 판단 모델이 출력한 유창함 스코어가 일정값을 초과하면 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 음성 데이터에 끝점을 기 설정된 시간보다 늦출 수 있다.

이때, 일정값은 기 설정된 값일 수 있다. 또는 일정값은 불완전한 음성 데이터에 포함된 복수의 단어 또는 복수의 음절까지의 유창함 스코어 또는 음성 데이터에 포함된 단어 또는 음절마다 매겨진 이전 유창함 스코어를 포함할 수 있다.

구체적으로 인공 지능 장치(100)의 프로세서(180)는 현재까지 수신된 음성 데이터의 유창함 스코어와 현재 음성 데이터의 일부분인 이전 음성 데이터의 유창함 스코어를 비교할 수 있다. 프로세서(180)는 비교한 유창함 스코어가 동일한 경우 현재 끝점 도출시간과 매치 된다고 판단하고(S730), 설정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출할 수 있다(S650).

예를 들어, "오늘 날씨 어때?" 라는 음성 데이터의 입력이 있다고 가정하자. 프로세서(180)는 "오늘 날씨" 까지의 불완전한 음성 명령을 수신하고, 불완전한 음성 명령의 특징 데이터를 유창함 판단 모델에 입력한 결과값으로 유창함 스코어 80점을 획득하였다. 상기 불완전한 음성 명령의 끝점은 음성 데이터 수신 종료 후 0.8초로 설정되었다.

입력부(120)는 불완전한 음성 명령을 수신하고, 0.8초 이내에 추가적인 음성 데이터인 "어때?"를 수신할 수 있다. 인공 지능 장치(100)의 프로세서(180)는 수신된 완전한 음성 명령인 "오늘 날씨 어때?"의 음향학적 특징 및 언어학적 특징을 유창함 판단 모델에 입력하고, 유창함 판단 모델이 출력한 유창함 스코어를 획득할 수 있다.

만약 유창함 스코어로 80점을 획득한 경우, 프로세서(180)는 이전의 유창함 스코어와 매치된다고 판단하고, 설정된 음성 데이터 수신 종료후 0.8초로 설정된 끝점을 유지할 수 있다. 이후 "오늘 날씨 어때?"의 수신 종료 후 0.8초가 지나면, 프로세서(180)는 음성 인식을 수행하여 "오늘 날씨 어때" 라는 음성 인식 결과를 도출할 수 있다.

본 개시에 따르면, 프로세서(180)는 비교한 유창함 스코어가 서로 다른 경우, 현재 끝점 도출시간과 매치되지 않는다고 판단하고(S730), 유창함 판단 모델이 출력한 유창함 스코어가 일정값을 초과하면 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 음성 데이터에 끝점을 기 설정된 시간보다 늦출 수 있다(S640). 그리고, 조정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출할 수 있다(S650).

만약 유창함 스코어로 70점을 획득한 경우, 프로세서(180)는 이전의 유창함 스코어와 매치되지 않으므로, 끝점을 조정할 수 있다. 프로세서(180)는 완전한 음성 명령의 유창함 스코어가 불완전한 음성 명령의 유창함 스코어 보다 작은값을 가지므로, 끝점 판단 시간을 이전보다 0.1초 늦출 수 있다. 이후 "오늘 날씨 어때?"의 수신 종료 후 0.9초가 지나면, 프로세서(180)는 음성 인식을 수행하여 "오늘 날씨 어때" 라는 음성 인식 결과를 도출할 수 있다.

이하, 음성 인식의 끝점 도출도 실시간으로 이루어 지는 점을 고려하여, 불완전한 음성 데이터가 수신되고, 완전한 음성 데이터가 수신되기까지 끝점 도출 과정을 도 8에서 설명한다.

도 8은 본 개시의 흐름도를 나타낸다.

도 8을 참조하면, 인공 지능 장치(100)의 입력부(120)는 음성 데이터를 수신할 수 있다. 수신한 음성 데이터는 불완전한 음성 명령을 포함할 수 있다(S810). 이때, 불완전한 음성 명령은 사용자가 발화 중인 음성 신호가 입력부(120)를 통하여 수신되어 형성된 음성 데이터를 의미할 수 있다. 프로세서(180)는 유창함 판단 모델을 이용하여, 상기 불완전한 음성 명령에 포함된 적어도 하나 이상의 단어의 부분 유창함 스코어를 결정할 수 있다(S820). 이때 적어도 하나 이상의 단어의 부분 유창함 스코어는 수신되는 음성 데이터의 시간적 순서에 따라 차례대로 결정될 수 있다.

예를 들어 "오늘 날씨 어때" 의 경우 "오늘" 80점, "날씨" 70점및 "어때" 60점와 같이 결정될 수 있다.

그리고 프로세서(180)는 상기 부분 유창함 스코어에 기초하여 상기 음성 데이터의 끝점을 조정할 수 있다(S830). 또한, 프로세서(180)는 적어도 하나 이상의 단어 각각에 대응하는 부분 유창함 스코어가 도출될 때마다 음성 데이터의 끝점을 조정할 수 있다.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 불완전한 음성 명령의 유창함 정도를 판단하고, 끝점을 조정한 이후 불완전한 음성 명령 이후에 추가적인 음성 데이터가 수신되었는지 판단할 수 있다(S840). 프로세서(180)는 불완전한 음성 명령 이후에 추가적인 음성 데이터가 수신되면, 추가적인 음성 데이터에 포함된 적어도 하나 이상의 단어의 부분 유창함 스코어를 결정하여, 음성 데이터의 끝점을 조정할 수 있다.

그리고, 프로세서(180)는 추가적인 음성 데이터가 수신되지 않은 경우, 조정된 끝점 이전의 음성 데이터를 완전한 음성 명령으로 결정하고, 상기 완전한 음성 명령에 상응하는 음성 인식 결과를 도출할 수 있다(S850).

또한, 프로세서(180)는 입력부(120)를 제어하여, 추가적인 음성 데이터의 수신이 없고, 음성 데이터의 수신이 종료된 후 일정 시간이 지나면, 상기 입력부(120)의 마이크로폰을 비활성화할 수 있다.

일반적으로 음성 데이터의 수신이 있을 때, 발화의 속도 또는 간투어를 사용하는 구간이 상이할 수 있다. 본 개시는 상기 과정을 통하여 사용자 발화에 포함된 음성 명령의 유창함이 일정하지 않은 경우라도 실시간으로 적응적인 음성 끝점을 조정함으로써 완전한 음성 명령을 수신할 수 있다.

도 9은 본 개시의 유창함 판단 모델을 나타낸다.

도 9는 개인화 유창함 판단 모델이 학습되는 과정을 나타낸 도면이다.

개인화된 유창함 판단 모델(940)이 학습되는 과정은 1) 기본 유창함 모델의 학습을 거쳐 2) 개인화된 유창함 판단 모델의 학습으로 이루어 질 수 있다. 1) 기본 유창함 판단 모델의 학습 방법과 관련하여 먼저 설명한다.

<유창함 판단 모델의 학습>

인공 지능 장치(100)의 프로세서(180)는 사용자의 발화에 상응하는 음성 데이터로부터 특징 데이터를 추출할 수 있다. 상기 특징 데이터는 유창함과 관련된 음향학적 특징 및 언어학적 특징으로 구성될 수 있다. 상기 특징 데이터는 인공 신경망(920)의 입력값으로 사용되기 위한 가공 과정인 임베딩(921)을 거쳐 유창함 판단 모델(920)의 입력값(922)으로 사용될 수 있다.

유창함 판단 모델(920)은 입력층, 은닉층(923) 및 출력층을 포함하는 인공 신경망으로 구성될 수 있다. 또한 출력층이 출력하는 결과값(924)는 유창함 스코어일 수 있다. 본 개시에 따른 유창함 판단 모델(920)은 유창함과 관련된 음향항적 특징 및 유창함과 관련된 언어학적 특징들을 입력값으로 설정하고, 결과값으로 유창함 스코어가 설정된 인공 신경망을 포함할 수 있다.

구체적으로 상기 유창함 판단 모델은, 상기 특징 데이터가 입력되면, 상기 유창함 스코어를 결과값으로 출력하도록 학습된 인공 신경망을 포함할 수 있다. 더욱 구체적으로 유창함 판단 모델을 구성하는 인공 신경망은 지도학습을 이용할 수 있다. 이때, 지도 학습(supervised learning)은 입력값과 입력값에 대응되는 정답값을 활용하여 각 층(layer)를 연결하는 가중치를 학습 데이터에 알맞게 조정하는 학습 방식을 의미할 수 있다. 또한, 인공 신경망은 과거의 정보와 현재 데이터를 이용하여 출력을 결정하는 RNN 또는 LSTM 모델, 콘볼루션(Convolution)을 이용한 CNN 등 다양한 모델이 사용될 수 있다.

구체적으로 본 개시의 유창함 판단 모델에 있어서, 유창함 스코어는 음성 데이터의 말더듬이 적을수록 그리고 상기 제1 음성 데이터의 발화 속도가 빠를수록 높은 값을 갖도록 설정된 정답값을 이용하여 학습될 수 있다.

상기 과정을 통하여 학습된 유창함 판단 모델(920)은 새로운 음성 데이터가 수신되었을 경우, 새로운 음성 데이터의 음향학적 특징 및 언어학적 특징이 입력되면 새로운 음성 데이터에 대응하는 유창함 스코어를 출력할 수 있다. 그리고 프로세서(180)는 도 6 내지 도 8의 과정을 통하여 음성 인식을 수행할 수 있다. 이때, 프로세서(180)는 유창함 스코어와 조정될 끝점 시간이 매칭된 매핑 테이블(930)을 이용하여, 음성 데이터의 끝점을 조정할 수도 있다.

<개인화된 유창함 판단 모델 학습>

본 개시에 따른 인공 지능 장치(100)는 유창함 판단 모델(920)을 기초로 하여 개인화된 유창함 판단 모델(940)을 생성할 수 있다. 구체적으로 개인화된 유창함 판단 모델(940)은 유창함 판단 모델(920)을 기반으로, 사용자 로그가 반영된 적응학습을 통하여 생성될 수 있다. 이때 본 개시의 적응 학습은 사용자 개개인의 발화나 발화 스타일에 맞게 유창함 스코어를 맞춤형으로 제공하는 학습방법을 의미할 수 있다.

인공 지능 장치(100)의 프로세서(180)는 사용자 발화에 상응하는 음성 데이터를 수신할 수 있다. 그리고, 음성 데이터를 이용하여 사용자 로그를 생성하고, 상기 사용자 로그에 포함된 음성 데이터에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성할 수 있다. 프로세서(180)는 갱신용 학습 데이터를 이용하여 유창함 판단 모델(920)을 업데이트 하여 개인화된 학습 모델(940)을 생성할 수 있다.

본 개시의 실시예에서, 사용자 발화가 수신될 때 마다 유창함 판단 모델을 업데이트 하는 것은 비효율적이므로 인공 지능 장치(100)는 일정 기간 동안 사용자 로그를 수집하여 개인화된 유창함 판단 모델(940)을 생성할 수 있다.

구체적으로 인공 지능 장치(100)의 입력부(120)는, 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신할 수 있다. 그리고 프로세서(180)는 상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성할 수 있다.

그리고, 프로세서(180)는 상기 사용자 로그에 포함된 복수의 음성 데이터 각각에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성할 수 있다. 이때 갱신용 학습 데이터는 복수의 음성 데이터 각각에 대응되는 유창함 스코어가 저장된 매핑 테이블을 포함할 수 있다. 상기 매핑 테이블은 인공 지능 장치(100)의 메모리(170)에 저장될 수 있다.

또한 갱신용 학습 데이터는 음성 데이터 전체에 유창함 스코어가 부여되는 경우, 음성 데이터의 음소마다 유창함 스코어가 부여되는 경우, 또는 음성 데이터의 음절마다 유창함 스코어가 부여되는 경우를 포함할 수 있다.

본 개시의 프로세서(180)는 상기 갱신용 학습 데이터를 이용하여 상기 유창함 판단 모델(920)을 업데이트하여 개인화된 유창함 판단 모델(940)을 생성할 수 있다.

구체적으로 개인화된 유창함 판단 모델(940)은 유창함 판단 모델(920)에서 갱신용 학습 데이터의 복수의 음성 데이터에 대응하는 복수의 특징 데이터를 입력값으로 설정하고, 정답값으로 갱신용 학습 데이터의 복수의 음성 데이터 각각에 대응하는 유창함 스코어를 설정하여, 유창함 판단 모델(920)의 가중치가 갱신용 학습 데이터에 알맞게 조정된 인공 신경망을 포함할 수 있다.

또 다른 실시예에서, 인공 지능 서버(200)를 이용하여 개인화된 유창함 판단 모델(940)을 생성할 수 있다.

구체적으로 본 개시의 통신부(110)는 인공 지능 서버(200)와 통신할 수 있다. 상기 입력부(120)는 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하고, 상기 프로세서(180)는 상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하고, 상기 사용자 로그를 상기 통신부(110)를 통하여 상기 서버(200)에 전달하고, 상기 사용자 로그에 기초하여 업데이트 된 개인화된 유창함 판단 모델(940)을 상기 서버(200)로부터 수신할 수 있다.

상기 인공 지능 서버(200)에서 개인화된 유창함 판단 모델(940)을 생성하는 과정은 인공 지능 장치(100)에서 개인화된 유창함 판단 모델(940)을 생성하는 방법과 동일한 방법으로 진행될 수 있다.

도 10는 본 개시의 실시예를 나타낸다.

도 10은 개인화된 유창함 판단 모델(940)을 이용하여, 사용자의 발화에 대한 음성 인식을 수행하는 과정을 나타낸 것이다.

도 10을 참조하면 인공 지능 장치(100)는 사용자 발화에 상응하는 음성 데이터를 수신할 수 있다. 인공 지능 장치(100)의 프로세서(180)는 기 설정된 끝점을 추출할 수 있다. 또는 프로세서(180)는 수신된 음성 데이터에 포함된 최초의 단어, 발화 또는 음절에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 유창함 스코어를 결정하고, 상기 유창함 스코어에 따라 설정된 끝점을 추출할 수 있다.

프로세서(180)는 끝점 이전의 음성 데이터에 대응하는 특징 데이터를 음향학적 특징 추출 모델 및 언어학적 특징 추출 모델을 이용하여 획득할 수 있다. 프로세서(180)는 획득된 특징 데이터를 개인화된 유창함 판단 모델(940)에 입력하고, 상기 개인화된 유창함 판단 모델(940)은 끝점 이전의 음성 데이터의 유창함 스코어를 출력할 수 있다.

프로세서(180)는 끝점 이전의 음성 데이터의 유창함 스코어가 일정값을 초과하면, 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 유창함 스코어가 일정값 미만이면 음성 데이터의 끝점을 기 설정된 시간보다 늦출 수 있다.

상기의 과정이 반복되어 실행된 결과 사용자 발화에 상응하는 음성 데이터의 수신이 종료되고, 음성 데이터의 끝점에 할당된 시간이 지나면 프로세서(180)는 입력부(120)를 제어하여 마이크로폰을 비활성화 할 수 있다. 또한 프로세서(180)는 음성 데이터의 끝점 이전의 완전한 음성 명령에 대한 최종 음성 인식 결과를 도출할 수 있다.

상기 동작들은 동시에 수행될 수 있으며, 상기 수행되는 순서에 구속되지 않는다. 또한, 본 개시는 소프트웨어, firmware 또는 소프트웨어 나 firmware의 조합으로 구성될수 있다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부한 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

전술한 본 개시는, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 단말기의 프로세서(180)를 포함할 수도 있다.

또한, 이상에서 서비스 및 실시 예들을 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 서비스 및 실시 예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시 예들에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부한 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims

사용자 발화에 상응하는 제1 음성 데이터를 수신하는 입력부; 및
상기 제1 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정하고
상기 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하고,
조정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출하는 프로세서를 포함하는, 인공 지능 장치.
제1항에 있어서,
상기 특징 데이터는 상기 제1음성 데이터의 유창함을 판단하기 위한 음향학적 특징 및 언어학적 특징을 포함하고,
상기 음향학적 특징은
상기 제1음성 데이터에 포함된 단어와 단어 사이의 휴지 지속 시간(pause duration), 간투어 지속 시간 및 발화 속도 중 적어도 하나로부터 도출된 특징값을 포함하고,
상기 언어학적 특징은
상기 제1음성 데이터에 포함된 단어의 반복, 단어의 수정 및 간투어 사용 횟수 중 적어도 하나로부터 도출된 특징값을 포함하는
인공 지능 장치.
제1항에 있어서,
상기 유창함 판단 모델은,
상기 특징 데이터가 입력되면, 상기 유창함 스코어를 결과값으로 출력하도록 학습된 인공 신경망을 포함하고,
상기 유창함 스코어는 상기 제1 음성 데이터의 말더듬이 적을수록 그리고 상기 제1 음성 데이터의 발화 속도가 빠를수록 높은 값을 갖는,
인공 지능 장치.
제1항에 있어서,
상기 프로세서는
상기 유창함 스코어가 일정값을 초과하면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 늦추는,
인공 지능 장치.
제1항에 있어서
상기 제1 음성 데이터는 불완전한 음성 명령을 포함하고,
상기 프로세서는
유창함 판단 모델을 이용하여, 상기 불완전한 음성 명령에 포함된 적어도 하나 이상의 단어의 부분 유창함 스코어를 결정하고, 상기 부분 유창함 스코어에 기초하여 상기 제1 음성 데이터의 끝점을 재조정하는,
인공 지능 장치.
제1항에 있어서
입력부는 마이크로폰을 포함하고,
상기 프로세서는
상기 제1 음성 데이터가 수신되고, 상기 조정된 끝점에 도달하면 상기 마이크로폰을 비활성화하는,
인공 지능 장치.
제1항에 있어서,
상기 입력부는
일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하고,
상기 프로세서는
상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하고,
상기 사용자 로그에 포함된 복수의 음성 데이터 각각에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성하고, 상기 갱신용 학습 데이터를 이용하여 상기 유창함 판단 모델을 업데이트하는,
인공 지능 장치.
제1항에 있어서
서버와 통신하는 통신부를 더 포함하고,
상기 입력부는
일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하고,
상기 프로세서는
상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하고, 상기 사용자 로그를 상기 통신부를 통하여 상기 서버에 전달하고, 상기 사용자 로그에 기초하여 업데이트 된 유창함 판단 모델을 상기 서버로부터 수신하는,
인공 지능 장치.
사용자 발화에 상응하는 제1 음성 데이터를 수신하는 단계;
상기 제1 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정하는 단계;
상기 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하는 단계; 및
조정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출하는 단계를 포함하는,
인공 지능 장치의 동작 방법.
제9항에 있어서,
상기 특징 데이터는 상기 제1음성 데이터의 유창함을 판단하기 위한 음향학적 특징 및 언어학적 특징을 포함하고,
상기 음향학적 특징은
상기 제1음성 데이터에 포함된 단어와 단어 사이의 휴지 지속 시간(pause duration), 간투어 지속 시간 및 발화 속도 중 적어도 하나로부터 도출된 특징값을 포함하고,
상기 언어학적 특징은
상기 제1음성 데이터에 포함된 단어의 반복, 단어의 수정 및 간투어 사용 횟수 중 적어도 하나로부터 도출된 특징값을 포함하는
인공 지능 장치의 동작 방법.
제9항에 있어서,
상기 유창함 판단 모델은,
상기 특징 데이터가 입력되면, 상기 유창함 스코어를 결과값으로 출력하도록 학습된 인공 신경망을 포함하고,
상기 유창함 스코어는 상기 제1 음성 데이터의 말더듬이 적을수록 그리고 상기 제1 음성 데이터의 발화 속도가 빠를수록 높은 값을 갖는,
인공 지능 장치의 동작 방법.
제9항에 있어서,
상기 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하는 단계는,
상기 유창함 스코어가 일정값을 초과하면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 늦추는 단계를 포함하는,
인공 지능 장치의 동작 방법.
제9항에 있어서
상기 제1 음성 데이터는 불완전한 음성 명령을 포함하고,
상기 제1 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정하는 단계는
유창함 판단 모델을 이용하여, 상기 불완전한 음성 명령에 포함된 적어도 하나 이상의 단어의 부분 유창함 스코어를 결정하는 단계를 포함하고,
상기 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하는 단계는,
상기 부분 유창함 스코어에 기초하여 상기 제1 음성 데이터의 끝점을 재조정하는 단계를 포함하는,
인공 지능 장치의 동작 방법.
제9항에 있어서
상기 인공 지능 장치의 동작 방법은,
상기 제1 음성 데이터가 수신되고, 상기 조정된 끝점에 도달하면 상기 마이크로폰을 비활성화하는 단계를 더 포함하는,
인공 지능 장치의 동작 방법.
제9항에 있어서,
일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하는 단계;
상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하는 단계;
상기 사용자 로그에 포함된 복수의 음성 데이터 각각에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성하는 단계; 및 상기 갱신용 학습 데이터를 이용하여 상기 유창함 판단 모델을 업데이트하는 단계를 더 포함하는,
인공 지능 장치의 동작 방법.
제9항에 있어서
일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하는 단계;
상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하는 단계; 상기 사용자 로그를 상기 통신부를 통하여 상기 서버에 전달하는 단계; 및 상기 사용자 로그에 기초하여 업데이트 된 유창함 판단 모델을 상기 서버로부터 수신하는 단계를 더 포함하는,
인공 지능 장치의 동작 방법.