KR20240043021A

KR20240043021A - 음성 특성 기반 번역 방법 및 이를 위한 전자 장치

Info

Publication number: KR20240043021A
Application number: KR1020220127120A
Authority: KR
Inventors: 신호선; 송가진
Original assignee: 삼성전자주식회사
Priority date: 2022-09-26
Filing date: 2022-10-05
Publication date: 2024-04-02

Abstract

디스플레이, 메모리, 및 프로세서를 포함하는 전자 장치가 개시된다. 프로세서는, 끝점 이전에 획득된 제1 음성 신호의 제1 음성 특징과 끝점 이후에 획득된 제2 음성 신호의 제2 음성 특징의 매칭 여부를 결정할 수 있다. 프로세서는, 제1 음성 특징과 제2 음성 특징이 매칭되면, 제1 음성 신호 대응 제1 텍스트와 제2 음성 신호 대응 제2 텍스트의 번역문을 제공할 수 있다. 프로세서는, 제1 음성 특징과 제2 음성 특징이 매칭되지 않으면, 제1 음성 신호 대응 제1 텍스트에 대한 번역문을 제공할 수 있다.

Description

음성 특성 기반 번역 방법 및 이를 위한 전자 장치{METHOD OF TRANSLATION BASED ON SPEECH FEATURE AND ELECTRONIC DEVICE THEREFOR}

본 문서에서 개시되는 실시 예들은, 음성 특성(speech feature)에 기반한 번역 방법 및 이를 위한 전자 장치에 관한 것이다.

전자 장치는 번역(translation) 또는 통역(interpretation)을 제공하도록 설정될 수 있다. 예를 들어, 전자 장치는 사용자의 음성(예: 발화)을 획득하고, 사용자의 스피치에 대응하는 번역 또는 통역을 제공할 수 있다. 전자 장치는 사용자로부터 음성 신호를 획득하고, 음성 신호에 대한 음성 인식을 수행함으로써, 음성 신호에 대응하는 텍스트를 획득할 수 있다. 전자 장치는 텍스트에 대한 번역된 텍스트를 제공함으로써 사용자의 스피치에 대응하는 번역을 제공할 수 있다. 전자 장치는, 번역된 텍스트에 기반한 오디오 출력을 통하여 통역을 제공할 수 있다.

보다 원활한 전자 장치의 번역 또는 통역을 위하여, 기계 학습에 기반한 번역이 이용될 수 있다. 예를 들어, 트랜스포머(transformer)를 이용하여 학습된 모델을 이용하여 번역이 수행될 수 있다. 예를 들어, 전자 장치는 제1 언어의 텍스트를 학습된 모델에 입력함으로써 제1 언어가 제2 언어로 번역된 텍스트를 획득할 수 있다. 전자 장치는, 하나의 문장 또는 복수의 단어 단위로 번역을 진행할 수 있다.

사용자는 전자 장치에 설치된 번역용 어플리케이션을 이용하여 실시간 방식으로 스피치를 번역할 수 있다. 예를 들어, 사용자는 대화 상대방의 스피치를 자신의 모국어로 번역하거나, 자신의 스피치를 상대방의 모국어로 번역할 수 있다. 사용자는 스피치의 번역을 위하여, 전자 장치에 대한 입력을 수행함으로써 전자 장치가 스피치를 청취하도록 할 수 있다. 전자 장치는 사용자 입력에 기반하여 마이크를 활성화하고, 활성화된 마이크를 통하여 스피치를 획득할 수 있다. 청취의 종료를 위한 사용자의 입력이 없더라도, 전자 장치는 청취를 종료시킬 수 있다. 예를 들어, 전자 장치는 스피츠의 끝점(end point)이 식별되면 마이크를 비활성화하고, 획득된 스피치에 대한 번역을 진행할 수 있다.

사용자가 다른 언어를 사용하는 상대방과 대화를 할 수 있다. 예를 들어, 사용자는 대화를 위하여 번역용 어플리케이션을 이용하여 자신의 스피치를 번역할 수 있다. 전자 장치는 사용자의 스피치로부터 끝점을 식별하고, 청취를 종료할 수 있다. 그런데, 청취가 종료된 후에 상대방이 스피치를 할 수 있다. 이 경우, 사용자는 다시 번역용 어플리케이션의 청취를 활성화하고, 상대방에게 다시 말하여 줄 것을 요청하여야 할 수 있다.

본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 마이크, 디스플레이, 메모리, 및 프로세서를 포함할 수 있다. 메모리는 프로세서에 의하여 실행가능한 인스트럭션들을 저장할 수 있다. 프로세서는, 음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 마이크를 활성화할 수 있다. 프로세서는, 활성화된 마이크를 통하여, 오디오 신호를 수신하고, 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점(end point)을 감지할 수 있다. 프로세서는, 제1 끝점에 선행하는 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 제1 텍스트에 대응하는 번역된 제1 텍스트를 디스플레이에 디스플레이할 수 있다. 프로세서는, 제1 끝점에 후속하여, 적어도 제1 시간 구간 동안 마이크의 활성화 상태를 유지할 수 있다. 프로세서는, 제1 시간 구간 내에서 마이크를 이용하여 획득된 오디오 신호로부터 제2 음성 신호의 적어도 일부가 감지되면, 제2 음성 신호의 제2 끝점을 감지하고, 제2 끝점에 선행하는 제2 음성 신호의 제2 음성 특성과 제1 음성 신호의 제1 음성 특성을 비교할 수 있다. 프로세서는, 제1 음성 특성과 제2 음성 특성이 매칭되지 않으면, 제2 음성 신호에 대한 음성 인식 결과에 기반한 제2 텍스트를 디스플레이할 수 있다. 프로세서는, 제1 음성 특성과 제2 음성 특성이 매칭되면, 제2 텍스트 및 제2 텍스트를 목적 언어로 번역하여 번역된 제2 텍스트를 디스플레이할 수 있다.

본 문서에 개시되는 일 실시 예에 따른 전자 장치의 번역을 위한 방법에 있어서, 음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 전자 장치의 마이크를 활성화하는 동작, 활성화된 마이크를 통하여 오디오 신호를 수신하는 동작, 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점(end point)을 감지하는 동작, 제1 끝점에 선행하는 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 제1 텍스트에 대응하는 번역된 제1 텍스트를 전자 장치의 디스플레이에 디스플레이하는 동작을 포함할 수 있다. 방법은, 제1 끝점에 후속하는 제1 시간 구간 내에서 마이크를 이용하여 제2 음성 신호의 적어도 일부가 감지되면, 제2 음성 신호의 제2 음성 특성과 제1 음성 신호의 제1 음성 특성을 비교하는 동작을 포함할 수 있다. 방법은, 비교에 기반하여 제1 음성 특성과 제2 음성 특성이 매칭되지 않으면, 제2 음성 신호에 대한 음성 인식 결과에 기반한 제2 텍스트를 디스플레이하는 동작을 포함할 수 있다. 방법은, 제1 음성 특성과 제2 음성 특성이 매칭되면, 제2 텍스트 및 제2 텍스트를 목적 언어로 번역하여 번역된 제2 텍스트를 디스플레이하는 동작을 포함할 수 있다.

본 개시의 일 실시 예에 따른 전자 장치는 연장된 청취 시간을 통하여 보다 원활한 번역을 제공할 수 있다.

본 개시의 일 실시 예에 따른 전자 장치는 음성 특성에 기반하여 번역 여부를 결정함으로써 사용자의 의도에 부합하는 번역을 제공할 수 있다.

본 개시의 일 예시에 따른 전자 장치는 번역 어플리케이션을 통한 사용자 편의성을 증가시킬 수 있다.

도 1은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 5는 일 실시 예에 따른 전자 장치를 이용한 번역 환경을 도시한다.
도 6은 일 실시 예에 따른 전자 장치의 블록도를 도시한다.
도 7a는 일 실시 예에 따른 전자 장치의 구성들을 도시한다.
도 7b는 일 실시 예에 따른 전자 장치 및 주변 전자 장치의 구성들을 도시한다.
도 8은 번역이 제공되는 대화의 일 예를 도시한다.
도 9는 번역이 제공되는 대화의 일 예를 도시한다.
도 10은 번역이 제공되는 대화의 일 예를 도시한다.
도 11은 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.
도 12는 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.
도 13은 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.
도 14는 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.
도 15는 일 실시 예에 따른 전자 장치의 번역 제공 방법의 흐름도를 도시한다.
도 16은 일 실시 예에 따른 전자 장치의 번역 제공 방법의 흐름도를 도시한다.

이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.

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 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 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: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 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. 일실시예에 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 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 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: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 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. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(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 모듈(150)은, 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 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.

무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 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 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 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 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(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, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 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.

일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

도 2는 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.

도 2를 참조하면, 일 실시예의 통합 지능 시스템은 사용자 단말(201), 지능형 서버(300), 및 서비스 서버(400)를 포함할 수 있다.

일 실시 예의 사용자 단말(201)(예: 도 1의 전자 장치(101))은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.

도시된 실시 예에 따르면, 사용자 단말(201)은 통신 인터페이스(290), 마이크(270), 스피커(255), 디스플레이(260), 메모리(230), 및/또는 프로세서(220)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

통신 인터페이스(290)(예: 도 1의 통신 모듈(190))는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 마이크(270)(예: 도 1의 오디오 모듈(170))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 스피커(255)(예: 도 1의 음향 출력 모듈(155))는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 디스플레이(260)(예: 도 1의 디스플레이 모듈(160))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(260)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface, GUI)를 표시할 수 있다.

일 실시 예의 메모리(230)(예: 도 1의 메모리(130))는 클라이언트 모듈(231), SDK(software development kit)(233), 및 복수의 어플리케이션들을 저장할 수 있다. 상기 클라이언트 모듈(231), 및 SDK(233)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(231) 또는 SDK(233)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.

상기 복수의 어플리케이션들(예: 235a, 235b)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 제1 앱(235a), 및/또는 제2 앱(235b)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 어플리케이션들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 프로세서(220)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.

일 실시 예의 프로세서(220)는 사용자 단말(201)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(220)는 통신 인터페이스(290), 마이크(270), 스피커(255), 및 디스플레이(260)와 전기적으로 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(220)는 적어도 하나의 프로세서를 포함할 수 있다.

일 실시 예의 프로세서(220)는 또한 상기 메모리(230)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(220)는 클라이언트 모듈(231) 또는 SDK(233) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(220)는, 예를 들어, SDK(233)를 통해 복수의 어플리케이션들의 동작을 제어할 수 있다. 클라이언트 모듈(231) 또는 SDK(233)의 동작으로 설명된 이하의 동작들은 프로세서(220)의 실행에 의하여 수행되는 동작일 수 있다.

일 실시 예의 클라이언트 모듈(231)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(231)은 마이크(270)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(231)은 수신된 음성 입력(예: 음성 신호)을 지능형 서버(300)로 송신할 수 있다. 클라이언트 모듈(231)은 수신된 음성 입력과 함께, 사용자 단말(201)의 상태 정보를 지능형 서버(300)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.

일 실시 예의 클라이언트 모듈(231)은 수신된 음성 입력에 대응되는 결과를 지능형 서버(300)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(231)은 지능형 서버(300)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(231)은 상기 수신된 결과를 디스플레이(260)에 표시할 수 있다.

일 실시 예의 클라이언트 모듈(231)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(231)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(260)에 표시할 수 있다. 클라이언트 모듈(231)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(201)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(231)은 지능형 서버(300)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(231)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(300)로 송신할 수 있다.

일 실시 예의 클라이언트 모듈(231)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(300)로 송신할 수 있다. 지능형 서버(300)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.

일 실시 예의 클라이언트 모듈(231)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(231)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(231)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.

일 실시 예의 지능형 서버(300)는 네트워크(299)(예: 도 1의 제1 네트워크(198) 및/또는 제2 네트워크(199))를 통해 사용자 단말(201)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(300)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(300)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 플랜(plan)을 생성할 수 있다

일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 및/또는 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.

일 실시 예의 지능형 서버(300)는 생성된 플랜에 따른 결과를 사용자 단말(201)로 송신하거나, 생성된 플랜을 사용자 단말(201)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 플랜에 따른 결과를 디스플레이(260)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 플랜에 따른 동작을 실행한 결과를 디스플레이(260)에 표시할 수 있다.

일 실시 예의 지능형 서버(300)는 프론트 엔드(front end)(310), 자연어 플랫폼(natural language platform)(320), 캡슐 데이터베이스(capsule database)(330), 실행 엔진(execution engine)(340), 엔드 유저 인터페이스(end user interface)(350), 매니지먼트 플랫폼(management platform)(360), 빅 데이터 플랫폼(big data platform)(370), 또는 분석 플랫폼(analytic platform)(380)을 포함할 수 있다.

일 실시 예의 프론트 엔드(310)는 사용자 단말(201)에 의하여 수신된 음성 입력을 사용자 단말(201)로부터 수신할 수 있다. 프론트 엔드(310)는 상기 음성 입력에 대응되는 응답을 사용자 단말(201)로 송신할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(320)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(321), 자연어 이해 모듈(natural language understanding module)(NLU module)(323), 플래너 모듈(planner module)(325), 자연어 생성 모듈(natural language generator module)(NLG module)(327), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(329)을 포함할 수 있다.

일 실시 예의 자동 음성 인식 모듈(321)은 사용자 단말(201)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(323)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(323)은 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(323)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.

일 실시 예의 플래너 모듈(325)은 자연어 이해 모듈(323)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(325)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(325)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(325)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/또는 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(325)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(325)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(325)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(325)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(325)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(330)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.

일 실시 예의 자연어 생성 모듈(327)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(329)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(320)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(201)에서도 구현가능 할 수 있다. 예를 들어, 사용자 단말(201)이 자동 음성 인식 모듈 및/또는 자연어 이해 모듈을 포함할 수 있다. 사용자 단말(201)이 사용자 음성 명령을 인식한 뒤, 인식된 음성 명령에 대응하는 텍스트 정보를 지능형 서버(300)로 송신할 수 있다. 예를 들어, 사용자 단말(201)이 텍스트 음성 변환 모듈을 포함할 수 있다. 사용자 단말(201)이 지능형 서버(300)로부터 텍스트 정보를 수신하고, 수신된 텍스트 정보를 음성으로 출력할 수 있다.

상기 캡슐 데이터베이스(330)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object)(또는 동작 정보) 및/또는 컨셉 오브젝트(concept object)(또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(330)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(330)에 포함된 기능 저장소(function registry)에 저장될 수 있다.

상기 캡슐 데이터베이스(330)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(330)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(330)는 사용자 단말(201)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(330)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(330)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(330)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(330)가 사용자 단말(201) 내에도 구현될 수 있다.

일 실시 예의 실행 엔진(340)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(350)는 산출된 결과를 사용자 단말(201)로 송신할 수 있다. 이에 따라, 사용자 단말(201)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(360)은 지능형 서버(300)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(370)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(380)은 지능형 서버(300)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(380)은 지능형 서버(300)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.

일 실시 예의 서비스 서버(400)는 사용자 단말(201)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(400)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(400)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(300)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(330)에 저장될 수 있다. 또한, 서비스 서버(400)는 플랜에 따른 결과 정보를 지능형 서버(300)에 제공할 수 있다. 서비스 서버(400)는 네트워크(299)를 통하여 지능형 서버(300) 및/또는 사용자 단말(201)과 통신할 수 있다. 서비스 서버(400)는 별도의 연결을 통하여 지능형 서버(300)와 통신할 수 있다. 도 2에는 서비스 서버(400)가 하나의 서버로 도시되어 있으나, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 서비스 서버(400)의 각각의 서비스(401, 402, 및 403)들 중 적어도 하나는 별도의 서버로 구현될 수 있다.

위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(201)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.

일 실시 예에서, 상기 사용자 단말(201)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(201)은 상기 마이크(270)를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.

일 실시 예에서, 사용자 단말(201)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버(300) 및/또는 서비스 서버(400)와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(201)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.

일 실시 예에서, 사용자 단말(201)이 지능형 서버(300) 및/또는 서비스 서버(400)와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말(201)은, 상기 마이크(270)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말(201)은, 상기 음성 데이터를 통신 인터페이스(290)를 이용하여 지능형 서버(300)로 송신할 수 있다.

일 실시 예에 따른 지능형 서버(300)는 사용자 단말(201)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작 및/또는 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작 및/또는 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.

일 실시 예의 사용자 단말(201)은, 통신 인터페이스(290)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(201)은 상기 스피커(255)를 이용하여 사용자 단말(201) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(260)를 이용하여 사용자 단말(201) 내부에서 생성된 이미지를 외부로 출력할 수 있다.

도 3는 일 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.

상기 지능형 서버(300)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(330))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장할 수 있다.

상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(캡슐A(331), 캡슐B(334))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: 캡슐A(331))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자의 캡슐(예: CP 1(332), CP 2 (333), CP3 (335), 및/또는 CP4 (336))이 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(330a) 및 적어도 하나 이상의 컨셉(330b)을 포함할 수 있다.

상기, 자연어 플랫폼(320)은 캡슐 데이터베이스(330)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(325)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(331)의 동작들(331a, 332a)과 컨셉들(331b, 332b) 및 캡슐 B(334)의 동작(334a)과 컨셉(334b)을 이용하여 플랜(337)을 생성할 수 있다.

도 4는 일 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.

사용자 단말(201)은 지능형 서버(300)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.

일 실시 예에 따르면, 제1 화면(210)에서, 사용자 단말(201)은 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(201)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(211)를 디스플레이(260)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(201)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(201)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(213)(예: 입력창)를 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 제2 화면(215)에서, 사용자 단말(201)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(201)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이에 표시할 수 있다.

도 5는 일 실시 예에 따른 전자 장치를 이용한 번역 환경을 도시한다.

도 5를 참조하여, 일 실시 예에 따른 음성 번역 환경(500)은 전자 장치(501), 서버 장치(511) 및/또는 주변 전자 장치(521)를 포함할 수 있다. 예를 들어, 전자 장치(501)는 도 1의 전자 장치(101) 또는 도 2의 사용자 단말(201)에 대응할 수 있다. 예를 들어, 서버 장치(511)는 도 1의 서버(108) 또는 도 2의 지능형 서버(300)에 대응할 수 있다. 예를 들어, 주변 전자 장치(521)는 도 1의 전자 장치(102)에 대응할 수 있다.

전자 장치(501)는 화자(599)의 발화(590)를 수신하는 청취 장치(listener device)로 참조될 수 있다. 전자 장치(501)는 번역 어플리케이션을 포함할 수 있다. 예를 들어, 번역 어플리케이션은 음성 비서 어플리케이션(예: 도 2의 클라이언트 모듈(231))에 포함된 것일 수 있다. 전자 장치(501)는 화자(599)의 발화(590)를 음성 수신 회로(예: 도 1의 오디오 모듈(170))를 이용하여 수신할 수 있다. 전자 장치(501)는 화자(599)의 발화(590)를 주변 전자 장치(521)(예: AR 글래스(augmented reality glasses), 이어 버드(ear bud) 또는 임의의 청취 장치)를 이용하여 수신할 수 있다.

사용자(599)는 전자 장치(501)의 번역 어플리케이션을 실행시킨 뒤, 번역 어플리케이션을 이용하여 발화(590)를 번역할 수 있다. 예를 들어, 전자 장치(501)는 발화(590)에 대응하는 음성 신호를 획득할 수 있다. 전자 장치(501)는 음성 신호에 대한 자동 음성 인식을 수행할 수 있다. 예를 들어, 전자 장치(501)는 직접 자동 음성 인식을 수행할 수 있다. 예를 들어, 전자 장치(501)는 음성 신호를 서버 장치(511)에 음성 신호를 송신하고, 서버 장치(511)로부터 음성 신호에 대한 음성 인식 결과를 수신할 수 있다. 음성 인식 결과에 기반하여, 전자 장치(501)는 음성에 대응하는 번역을 제공할 수 있다. 예를 들어, 전자 장치(501)는 음성 인식 결과를 목적 언어로 번역하고, 번역 결과를 사용자(599)에 제공할 수 있다. 전자 장치(501)는 시각적으로 및/또는 촉각적으로 번역 결과를 제공하도록 설정될 수 있다.

일 예에서, 서버 장치(511)는 번역을 위한 적어도 일부의 동작을 수행할 수 있다. 예를 들어, 서버 장치(511)는 전자 장치(501)로부터 음성 신호를 수신하고, 음성 신호에 대한 자동 음성 인식(예: 도 2의 자동 음성 모듈(321)을 이용하여)을 수행할 수 있다. 예를 들어, 서버 장치(511)는 전자 장치(501)로부터 수신된 음성 신호에 기반하여 번역 결과를 전자 장치(501)에 제공하도록 설정될 수 있다. 일 예에서, 전자 장치(501)는 서버 장치(511)의 도움 없이 번역을 수행할 수 있아. 이 경우, 서버 장치(511)는 생략될 수 있다.

도 5와 관련하여 상술된 번역 환경(500)은 예시적인 것으로서, 본 개시의 실시 예들이 이에 제한되지 아니한다. 통상의 기술자는 서버 장치(511) 및/또는 주변 전자 장치(521)가 생략될 수 있음을 이해할 수 있을 것이다. 후술되는 바와 같이, 사용자(599) 외의 다른 사용자의 발화 또한 전자 장치(501)의 번역 어플리케이션에 의하여 번역될 수 있다.

도 6은 일 실시 예에 따른 전자 장치의 블록도를 도시한다.

도 6을 참조하여, 일 실시예에 따르면, 전자 장치(501)는 프로세서(620), 메모리(630), 마이크(650), 디스플레이(660), 및/또는 통신 회로(690)를 포함할 수 있다. 예를 들어, 프로세서(620)는 도 1의 프로세서(120) 또는 도 2의 프로세서(220)에 대응할 수 있다. 예를 들어, 메모리(630)는 도 1의 메모리(130) 또는 도 2의 메모리(230)에 대응할 수 있다. 예를 들어, 마이크(650)는 도 1의 오디오 모듈(170) 또는 도 2의 마이크(270)에 대응할 수 있다. 예를 들어, 디스플레이(660)는 도 1의 디스플레이 모듈(160) 또는 도 2의 디스플레이(260)에 대응할 수 있다. 예를 들어, 통신 회로(690)는 도 1의 통신 모듈(190) 또는 도 2의 통신 인터페이스(290)에 대응할 수 있다. 도 6의 전자 장치(601)의 구성은 예시적인 것으로서, 전자 장치(601)는 도 6에 미도시된 구성을 더 포함할 수 있다.

프로세서(620)는 메모리(630), 마이크(650), 디스플레이(660), 및/또는 통신 회로(690)와 전기적으로(electrically), 작동적으로(operatively), 또는 기능적으로(functionally) 연결될 수 있다. 본 개시에서, 일 구성이 타 구성과 “작동적으로” 연결된 경우, 일 구성은 타 구성을 작동시킬 수 있도록 연결된 것을 의미할 수 있다. 예를 들어, 일 구성은 직접 또는 다른 구성을 거쳐서 타 구성에 제어 신호를 전달함으로써 타 구성을 작동시킬 수 있다. 본 개시에서 일 구성이 타 구성과 “기능적으로” 연결된 경우, 일 구성은 타 구성의 기능을 실행할 수 있도록 연결된 것을 의미할 수 있다. 예를 들어, 일 구성은 직접 또는 다른 구성을 거쳐서 타 구성에 제어 신호를 전달함으로써 타 구성의 기능을 실행시킬 수 있다.

메모리(630)는 인스트럭션들을 저장할 수 있다. 인스트럭션들은 프로세서(620)에 의하여 실행되었을 때, 전자 장치(501)로 하여금 다양한 동작들을 수행하도록 할 수 있다. 본 개시에서, 전자 장치(501)의 동작은 메모리(630)에 저장된 인스트럭션들을 실행함으로써 프로세서(620)에 의하여 수행되는 동작으로 참조될 수 있다.

마이크(650)는 소리 신호를 전기적 신호로 변환할 수 있다. 전자 장치(501)는 마이크(650)으로부터 수신된 전기적 신호를 디지털 신호로 변환하고, 디지털 신호에 기반한 데이터 처리를 수행할 수 있다.

통신 회로(690)는 전자 장치(501)와 다른 전자 장치(예: 도 5의 서버 장치(511) 및/또는 주변 전자 장치(521))와의 통신을 제공할 수 있다. 통신 회로(690)는 유선 통신 및/또는 무선 통신을 지원할 수 있다. 통신 회로(690)는 근거리 무선 통신 및/또는 원거리 무선 통신을 지원할 수 있다.

전자 장치(501)는 번역을 제공할 수 있다. 전자 장치(501)는 마이크로폰(650) 또는 통신 회로(690)를 이용하여 발화 데이터를 획득(acquire)할 수 있다. 예를 들어, 전자 장치(501)는 발화 데이터에 대한 자동 음성 인식을 수행함으로써 텍스트 데이터를 획득할 수 있다. 전자 장치(501)는 텍스트 데이터에 대한 번역을 수행함으로써 번역된 텍스트 데이터를 획득할 수 있다. 전자 장치(501)는 번역된 텍스트 데이터를, 예를 들어, 디스플레이(660)를 통하여 제공할 수 있다. 예를 들어, 전자 장치(501)는 텍스트 데이터를 외부 전자 장치(예: 도 5의 서버 장치(511))에 송신하고, 외부 전자 장치로부터 번역된 텍스트 데이터를 수신할 수 있다. 전자 장치(501)는 번역된 텍스트를 디스플레이(660)를 통하여 제공하거나, 스피커(미도시)를 통하여 제공할 수 있다.

일 실시 예에 따르면, 전자 장치(501)는 사용자의 발화로부터 끝점을 검출할 수 있다. 전자 장치(501)는 끝점이 검출된, 소정 시간 동안 마이크(650)의 활성화 상태를 유지할 수 있다. 끝점 검출 후 소정 시간 내에, 전자 장치(501)는 새로운 발화를 획득할 수 있다. 이 경우, 전자 장치(501)는 끝점 이전에 획득된 발화와, 끝점 이후에 획득된 신규 발화의 음성 특성을 비교하여 신규 발화의 번역 여부를 결정할 수 있다. 이하에서, 도 7a 내지 도 16을 참조하여, 전자 장치(501)의 번역 방법에 대한 다양한 예시들이 설명될 수 있다.

일 예에서, 전자 장치(501)는, 디스플레이(660), 메모리(630), 및 프로세서(620)를 포함할 수 있다. 메모리(630)는 프로세서(620)에 의하여 실행되었을 때에, 프로세서(620)로 하여금 다양한 동작들을 수행하도록 하는 인스트럭션들을 저장할 수 있다.

도 7a는 일 실시 예에 따른 전자 장치의 구성들을 도시한다.

도 6 및 도 7a를 참조하여, 도 7a의 전자 장치(501-1)는 도 6의 전자 장치(501)의 일 예시이다. 도 7a의 전자 장치(501-1)는 도 6과 관련하여 상술된 전자 장치(501)의 구성을 포함하는 전자 장치일 수 있다. 도 7a와 관련하여 후술되는 전자 장치(501-1)에 대한 설명은 도 6의 전자 장치(501)에 동일하게 적용될 수 있다.

일 실시 예에 따르면, 전자 장치(501-1)는 복수의 모듈들을 포함할 수 있다. 예를 들어, 도 7a와 관련하여 설명되는 전자 장치(501-1)의 구성들의 적어도 일부는 메모리(630)에 저장된 인스트럭션들을 프로세서(620)에 의하여 실행함으로써 구현되는 소프트웨어 모듈들일 수 있다. 전자 장치(501-1)의 모듈들의 적어도 일부는 하드웨어 모듈일 수 있다. 예를 들어, 메모리(630)는 화자 식별 모델 DB(745)을 저장할 수 있다. 예를 들어, EPD(end point detection) 모듈(730), 화자 식별 모듈(740), ASR 모듈(750), 번역 모듈(760), 실행 모듈(770), 및/또는 마이크 제어 모듈(780)은 소프트웨어 모듈일 수 있다.

일 실시 예에 따르면, 전자 장치(501-1)는 사용자 입력에 기반하여 마이크(650)를 활성화할 수 있다. 예를 들어, 전자 장치(501)는 번역 어플리케이션의 실행에 따라서 번역 어플리케이션의 UI(예: 도 11의 UI)를 디스플레이(660)에 디스플레이 할 수 있다. 전자 장치(501-1)는 UI에 대한 입력(예: 도 11의 버튼(1110)에 대한 입력)이 수신되면 마이크(650)를 활성화시킬 수 있다. 예를 들어, 전자 장치(501-1)는 마이크 제어 모듈(780)을 이용하여 마이크(650)를 활성화시킬 수 있다. 활성화된 마이크(650)를 이용하여, 전자 장치(501-1)는 오디오 신호를 획득(acquire)할 수 있다. 본 개시에서, 오디오 신호는, 다르게 지칭되지 않으면, 디지털화된 오디오 정보 또는 아날로그 오디오 신호로 참조될 수 있다. 활성화된 마이크(650)를 이용하여, 전자 장치(501-1)는 음성 신호를 획득할 수 있다. 본 개시에서, 음성(voice) 신호는 오디오 신호 중 음성 대역에 대응하는 신호 또는 오디오 신호 자체를 의미할 수 있다. 일 예에서, 전자 장치(501-1)는 오디오 신호에 대한 전처리(예: 주파수 대역 필터링, 잡음 억제, AGC(automatic gain control), AEC(acoustic echo cancelling), 잡음 제거(cancelling), 및/또는 윈도윙(windowing))를 통하여 오디오 신호로부터 음성 신호를 획득할 수 있다.

일 예에서, 전자 장치(501-1)는 음성 신호로부터 음성 특징을 식별할 수 있다. 예를 들어, 전자 장치(501-1)는 화자 식별 모듈(740)을 이용하여 음성 특징(feature)(예: 화자, 나이, 성별, 또는 언어 중 적어도 하나)을 식별할 수 있다. 화자 식별 모듈(740)은 음성 신호로부터 음성 벡터를 추출함으로써 음성 신호에 대응하는 음성 특징을 식별할 수 있다. 화자 식별 모듈(740)은 음성 벡터에 기반하여, 음성 신호에 포함된 음성의 화자, 화자의 나이, 성별 또는 언어 중 적어도 하나를 식별할 수 있다.

화자 식별 모듈(740)은, 음성 신호로부터 음성의 화자를 식별할 수 있다. 예를 들어, 화자 식별 모델 DB(745)는 적어도 하나의 화자 식별 모델(예: 화자 식별 벡터)를 포함할 수 있다. 하나의 화자 식별 모델은, 하나의 화자의 음성에 기반하여 이전에 생성된 음성 벡터에 대응할 수 있다. 화자 식별 모듈(740)은 수신된 음성 신호를 음성 벡터로 변환하고, 음성 벡터와 화자 식별 모델 DB(745)에 저장된 화자 식별 모델을 비교함으로써, 화자를 식별할 수 있다. 예를 들어, 음성 벡터와 화자 식별 모델 사이의 유사도(예: LRT(likelihood ratio test), Euclidian distance, 또는 Cosine similarity)가 지정된 유사도 이상이면, 화자 식별 모듈(745)은 음성 신호의 화자가 저장된 화자 식별 모델의 화자에 대응함으로 결정할 수 있다.

화자 식별 모듈(740)은 음성 신호로부터 화자의 나이 및/또는 성별을 식별할 수 있다. 예를 들어, 화자 식별 모듈(740)은 음성 신호의 특징을 추출하고, 특징의 패턴에 기반하여 화자의 나이, 성별, 및/또는 언어를 식별할 수 있다.

화자 식별 모듈(740)은 음성 신호의 언어학적 특징을 추출하고, 특징 패턴에 기반하여 음성 신호에 포함된 음성의 언어를 식별할 수 있다. 일 예에서, 음성 신호의 언어 식별은 번역 모듈(760)에 의하여 수행될 수 있다.

ASR 모듈(750)은, 예를 들어, 마이크(650)에 의하여 획득된 음성 신호를 텍스트로 변환할 수 있다. 전자 장치(505-1)는 ASR 모듈(750)에 의하여 변환된 텍스트를 디스플레이(660) 상에 디스플레이 할 수 있다. 예를 들어, 전자 장치(505-1)는 음성 신호를 실시간으로 변환하여 텍스트를 디스플레이 할 수 있다.

EPD 모듈(730)은 음성 신호로부터 끝점을 검출할 수 있다. 예를 들어, EPD 모듈(730)은 음성 신호로부터 제1 임계 시간을 초과하는 묵음 구간이 검출되면 음성 신호의 끝점을 검출할 수 있다. 본 개시에서, 묵음 구간은, 음성 신호로부터 음성이 검출되지 않는 구간으로 참조될 수 있다. EPD 모듈(730)은, 음성 신호의 볼륨이 지정된 값 이하인 구간을 묵음 구간으로 검출할 수 있다. EPD 모듈(730)은 음성 신호로부터 지정된 대역(예: 사람의 음성 대역)에 대응하는 신호 성분이 검출되지 않는 구간을 묵음 구간으로 검출할 수 있다. EPD 모듈(730)은 음성 신호로부터 끝점이 식별되면, 끝점이 식별되었음을 알리는 정보를 ASR 모듈(750)에 전달할 수 있다.

일 실시 예에 따르면, 전자 장치(501-1)는 끝점이 검출되더라도, 마이크(650)를 활성화 상태로 유지할 수 있다. 예를 들어, 전자 장치(501-1)는 끝점 검출 후, 적어도 지정된 시간(예: 제2 임계 시간) 동안 마이크(650)를 활성화 상태로 유지할 수 있다.

일 예에서, 지정된 시간(예: 제2 임계 시간) 내에서 음성 신호가 감지되지 않으면, 전자 장치(501-1)는 마이크(650)를 비활성화할 수 있다. 예를 들어, 전자 장치(501-1)는 마이크 제어 모듈(780)을 이용하여 마이크(650)를 비활성화할 수 있다. ASR 모듈(750)은 끝점이 식별됨을 지시하는 정보가 수신되면, 음성 신호로부터 변환된 텍스트를 번역 모듈(760)에 전달할 수 있다. 변환된 텍스트는, 끝점 검출 이전에 획득된 음성에 대응하는 텍스트일 수 있다. 변환된 텍스트는, 마이크(650)가 활성화된 뒤로부터 끝점 검출 시까지의 음성 신호(예: 제1 음성 신호)에 대응하는 텍스트일 수 있다.

일 예에서, 끝점 검출 후 마이크(650)가 활성화된 동안, 전자 장치(501-1)는 마이크(650)를 통하여 후속 음성 신호(예: 제2 음성 신호)를 획득할 수 있다. 예를 들어, 끝점에 후속하여 획득된 음성 신호는 제2 음성 신호로, 끝점에 선행하여 획득된 음성 신호는 제1 음성 신호로 참조될 수 있다. ASR 모듈(750)은 제2 음성 신호에 대응하는 텍스트를 디스플레이(660) 상에 디스플레이 할 수 있다.

일 실시 예에 따르면, 화자 식별 모듈(740)은 제1 음성 신호의 제1 음성 특징과 제2 음성 신호의 제2 음성 특징을 비교할 수 있다. 예를 들어, 화자 식별 모듈(740)은, 제1 음성 신호와 제2 음성 신호의 화자, 나이, 성별, 및/또는 언어를 비교할 수 있다.

예를 들어, 화자 식별 모듈(740)은 제1 음성 특성(characteristic)과 제2 특성의 유사도가 기설정된 값 이상이면 제2 음성 특징이 제1 음성 특징에 대응하는 것으로 결정할 수 있다. 제1 음성 특징과 제2 음성 특징의 유사도가 기설정된 값 미만인 경우, 또는 차이가 지정된 범위를 초과하는 경우, 화자 식별 모듈(740)은 제1 화자와 제2 화자가 상이한 화자인 것으로 결정할 수 있다.

예를 들어, 화자 식별 모듈(740)은 제1 음성 신호의 제1 화자와 제2 음성 신호의 제2 화자가 동일한 화자인지 결정할 수 있다. 제1 화자와 제2 화자가 동일한 화자로 결정되면, 화자 식별 모듈(740)은 제1 음성 특징과 제2 음성 특징이 대응하는 것으로 결정할 수 있다. 화자 식별 모듈(740)은 제1 음성 신호 및 화자 식별 모듈 DB(745)에 저장된 화자 식별 모델을 이용하여 제1 음성 신호에 대응하는 화자를 식별할 수 있다. 화자 식별 모듈(740)은 제2 음성 신호 및 화자 식별 모듈 DB(745)에 저장된 화자 식별 모델을 이용하여 제2 음성 신호에 대응하는 화자의 식별을 시도할 수 있다. 예를 들어, 제1 음성 신호와 제2 음성 신호가 동일한 화자에 대응하면, 화자 식별 모듈(740)은 제1 음성 특징과 제2 음성 특징이 대응하는 것으로 결정할 수 있다. 예를 들어, 제1 음성 신호와 제2 음성 신호가 서로 상이한 화자에 대응하거나, 제2 음성 신호에 대한 화자 식별이 실패하는 경우, 화자 식별 모듈(740)은 제1 음성 특징과 제2 음성 특징이 대응하지 않는 것으로 결정할 수 있다.

예를 들어, 화자 식별 모듈(740)은 제1 음성 신호와 제2 음성 신호의 나이, 성별, 또는 언어 중 적어도 하나가 동일하면, 제1 음성 특징이 제2 음성 특징에 대응하는 것으로 결정할 수 있다.

일 실시 예에 따르면, 제1 음성 특징과 제2 음성 특징이 대응하지 않으면, ASR 모듈(750)은 번역 모듈(760)에 제1 음성 신호에 대응하는 제1 텍스트를 전달할 수 있다. 번역 모듈(760)은 ASR 모듈(750)로부터 획득된 제1 텍스트를 목적 언어로 번역함으로써 번역된 제1 텍스트를 획득할 수 있다. 번역 모듈(760)은, 예를 들어, 기계 학습에 기반하여 음성 신호에 대응하는 텍스트를 목적 언어로 번역할 수 있다. 본 개시에서의 번역 방법은 예시적인 것으로서, 통상의 기술자는 다양한 임의의 번역 방법이 이용될 수 있음을 이해할 수 있을 것이다. 실행 모듈(770)은 번역된 제1 텍스트를 디스플레이(660)를 통하여 제공할 수 있다. 실행 모듈(770)은 번역된 제1 텍스트를 스피커(미도시)를 통하여 제공할 수 있다. 일 예에서, 실행 모듈(770)은 번역된 제1 텍스트를 제공할 때에, 마이크 제어 모듈(780)로 하여금 마이크(650)를 비활성화시키도록 할 수 있다. 이 경우, 제2 텍스트에 대한 번역은 제공되지 않을 수 있다. 일 예에서, 실행 모듈(770)은 제2 텍스트의 번역을 위한 버튼을 디스플레이(660) 상에 디스플레이할 수 있다.

일 실시 예에 따르면, 제1 음성 특징이 제2 음성 특징에 대응하면, ASR 모듈(750)은 번역 모듈(760)에 제1 음성 신호에 대응하는 제1 텍스트 및 제2 음성 신호에 대응하는 제2 텍스트를 전달할 수 있다. 예를 들어, ASR 모듈(750)은 제2 음성 신호에 대한 끝점이 식별되면, 제1 텍스트 및 제2 텍스트를 번역 모듈(760)에 전달할 수 있다. 일 예에서, 번역 모듈(760)은 ASR 모듈(750)로부터 획득된 제1 텍스트 및 제2 텍스트를 목적 언어로 번역함으로써 번역된 제1 텍스트 및 제2 텍스트를 획득할 수 있다. 일 예에서, 제1 텍스트와 제2 텍스트가 하나의 문장을 구성하는 경우, 번역 모듈(760)은 제1 텍스트 및 제2 텍스트를 조합하여 목적 언어로 번역함으로써 번역된 하나의 문장을 획득할 수 있다. 실행 모듈(770)은 번역된 제1 텍스트 및 제2 텍스트를 디스플레이(660)를 통하여 제공할 수 있다. 실행 모듈(770)은 번역된 제1 텍스트 및 제2 텍스트를 스피커(미도시)를 통하여 제공할 수 있다. 일 예에서, 실행 모듈(770)은 번역된 제1 텍스트 및 제2 텍스트를 제공할 때에, 마이크 제어 모듈(780)로 하여금 마이크(650)를 비활성화시키도록 할 수 있다.

일 예시에서, 제1 음성 특징과 제2 음성 특징이 대응하지 않으나, 전자 장치(505-1)는 제2 음성 신호에 대응하는 번역된 제2 텍스트를 제공할 수 있다. 예를 들어, 제1 음성 특징은 화자 식별 모델 DB(745)의 제1 화자에 대응하고, 제2 음성 특징은 화자 식별 모델 DB(745)의 제2 화자에 대응할 수 있다. 제2 음성 신호가 제1 음성 신호와는 다른 화자에 의한 것이나, 제2 음성 신호의 화자 또한 전자 장치(505-1)에 기저장된 화자에 대응할 수 있다. 이 경우, 제1 음성 특징과 제2 음성 특징이 서로 대응하는 경우와 유사하게, 전자 장치(505-1)는 번역된 제2 텍스트를 제공할 수 있다.

도 5와 관련하여 상술된 바와 같이, 텍스트의 번역은 도 5의 서버 장치(511)에 의하여 수행될 수 있다. 이 경우, 전자 장치(501-1)는 통신 회로(690)를 이용하여 음성 신호에 대응하는 텍스트를 서버 장치에 송신하고, 서버 장치로부터 번역된 텍스트를 획득할 수 있다. 일 예에서, 번역 모듈(760)은 생략될 수 있다.

도 7b는 일 실시 예에 따른 전자 장치 및 주변 전자 장치의 구성들을 도시한다.

도 6 및 도 7b를 참조하여, 도 7b의 전자 장치(501-2)는 도 6의 전자 장치(501)의 일 예시이다. 도 7b의 전자 장치(501-2)는 도 6과 관련하여 상술된 전자 장치(501)의 구성을 포함하는 전자 장치일 수 있다. 도 7b와 관련하여 후술되는 전자 장치(501-2)에 대한 설명은 도 6의 전자 장치(501)에 동일하게 적용될 수 있다. 다르게 설명되지 않으면, 도 7a의 전자 장치(501-1)와 관련하여 설명된 설명이 도 7b의 전자 장치(501-2)에 적용될 수 있다.

도 7b의 예시에서, 전자 장치(501-2)는 주변 전자 장치(521)로부터 오디오 신호 또는 음성 신호를 획득할 수 있다. 전자 장치(501-2)는 통신 회로(690)를 이용하여 주변 전자 장치(521)와 연결된 상태일 수 있다.

일 실시 예에 따르면, 주변 전자 장치(521)는, 마이크(651), VAD(voice activity detection) 모듈(710), 마이크 제어 모듈(720), 및 통신 회로(691)를 포함할 수 있다. 주변 전자 장치(521)는 통신 회로(691)를 이용하여 전자 장치(501-2)와 통신할 수 있다.

일 예에서, 주변 전자 장치(521)는 이어 버드 또는 AR 글래스와 같은 사용자의 몸에 착용될 수 있는 웨어러블 전자 장치일 수 있다. 주변 전자 장치(521)는 착용자의 발화 여부를 VAD 모듈(710)을 이용하여 감지할 수 있다. 예를 들어, 주변 전자 장치(521)는 가속도 센서를 이용하여 착용자의 발화에 따른 가속도 변화를 감지함으로써 착용자에 의한 발화를 감지할 수 있다.

주변 전자 장치(521)는 음성 신호를 전자 장치(501-2)에 전달할 때에, 음성 신호가 착용자의 발화에 의한 것인지를 알려줄 수 있다. 이 경우, 화자 식별 모듈(740)은 제1 음성 특징과 제2 음성 특징의 대응 여부를 주변 전자 장치(521)로부터 수신된 정보에 기반하여 결정할 수 있다. 예를 들어, 제1 음성 신호는 주변 전자 장치(521)의 착용자에 의한 것이나, 제2 음성 신호는 주변 전자 장치(521)의 착용자에 의한 것이 아닐 수 있다. 이 경우, 전자 장치(501-2)는 주변 전자 장치(521)로부터 수신된 정보에 기반하여, 제1 음성 신호의 화자와 제2 음성 신호의 화자가 상이한 것으로 결정할 수 있다.

도 7a와 관련하여 상술된 바와 같이, 전자 장치(501-2)가 제1 음성 신호의 제1 음성 특징과 제2 음성 신호의 제2 음성 특징의 대응 여부를 결정하고, 결정에 기반하여 번역문을 제공함을 상술된 바와 같다. 다만, 도 7b의 실시예에서, 실행 모듈(770)은 주변 전자 장치(521)를 통하여 피드백(예: 청각적 피드백)을 제공할 수 있다. 전자 장치(501-2)는 마이크 제어 모듈(780)을 이용하여 주변 전자 장치(521)의 마이크(651)의 제어를 결정할 수 있다. 주변 전자 장치(521)의 마이크 제어 모듈(720)은 전자 장치(501-2)로부터 수신된 마이크 제어 신호에 기반하여 마이크(651)를 제어할 수 있다.

이하에서, 도 8 내지 도 16을 참조하여, 전자 장치(501)의 다양한 동작들이 설명될 수 있다. 이하의 개시는, 도 7a의 전자 장치(501-1) 및/또는 도 7b의 전자 장치(501-2)에 적용될 수 있다. 통상의 기술자는, 후술되는 다양한 동작들이 설명이 도 7a의 전자 장치(501-1) 또는 도 7b의 전자 장치(501-2)의 구성에 따라서 변경될 수 있음을 이해할 수 있을 것이다.

도 8은 번역이 제공되는 대화의 일 예를 도시한다.

도 6 및 도 8을 참조하여, 예를 들어, 화자(599)와 상대 화자(598)가 대화 중일 수 있다. 예를 들어, 화자(599)는 전자 장치(501)의 사용자일 수 있다. 예를 들어, 상대 화자(598)는 대화의 상대방으로서, 전자 장치(501)에 화자 식별 모델이 저장되지 않은 화자일 수 있다.

제1 시간 구간(T1)에서, 화자(599)는 제1 스피치(801)를 발화할 수 있다. 제2 시간 구간(T2)은, 제1 스피치(801)와 제2 스피치(802) 사이의 묵음 구간일 수 있다. 제2 시간 구간(T2)은 제1 임계 시간(TH1)보다 길지만, 제1 임계 시간(TH1) 및 제2 임계 시간(TH2) 보다는 짧다. 예를 들어, 제1 임계 시간(TH1)은 끝점 감지를 위한 임계 시간일 수 있다. 전자 장치(501)는 제1 임계 시간(TH1)보다 긴 묵음 구간을 감지함으로써 제1 스피치(801)의 끝점을 감지할 수 있다.

상술된 바와 같이, 전자 장치(501)는 끝점의 감지 후에도 제2 임계 시간(TH2) 동안 마이크(650)의 활성화 상태를 유지할 수 있다. 전자 장치(501)는 제1 스피치(801)에 대응하는 제1 텍스트(예: 제1 스피치에 대한 자동 음성 인식 결과)를 디스플레이(660)에 디스플레이 할 수 있다. 전자 장치(501)는 제1 텍스트를 목적 언어로 번역함으로써, 번역된 제1 텍스트를 디스플레이 할 수 있다.

제3 시간 구간(T3)에서, 전자 장치(501)는 제2 스피치(802)를 획득할 수 있다. 전자 장치(501)는 제2 스피치(802)에 대응하는 제2 텍스트(예: 제2 스피치에 대한 자동 음성 인식 결과)를 디스플레이(660)에 디스플레이 할 수 있다.

제2 스피치(802)의 획득 시에, 전자 장치(501)의 제1 스피치(801)의 제1 음성 특징과 제2 스피치(802)의 제2 음성 특징이 대응하는 것인지 결정할 수 있다. 예를 들어, 전자 장치(501)는 도 7a와 관련하여 상술된 방법에 따라서 제1 음성 특징과 제2 음성 특징의 대응 여부를 결정할 수 있다. 도 8의 예시에서, 제1 스피치(801)와 제2 스피치(802) 양자는 화자(599)에 의하여 발화되었기 때문에, 전자 장치(501)는 제1 음성 특징이 제2 음성 특징에 대응하는 것으로 결정할 수 있다. 이 경우, 전자 장치(501)는 제1 스피치(801)의 제1 텍스트 및 제2 스피치(802)의 제2 텍스트에 대응하는 번역문을 제공할 수 있다. 전자 장치(501)는, 시각적으로 및/또는 청각적으로 번역문을 제공할 수 있다. 전자 장치(501) 제2 텍스트에 대응하는 번역된 제2 텍스트를 추가적으로 디스플레이 할 수 있다.

제4 시간 구간(T4)은, 제2 스피치(802)와 제3 스피치(803) 사이의 묵음 구간일 수 있다. 제4 시간 구간(T4)은 제1 임계 시간(TH1)보다 길지만, 제1 임계 시간(TH1) 및 제2 임계 시간(TH2) 보다는 짧다. 전자 장치(501)는 제1 임계 시간(TH1)보다 긴 묵음 구간을 감지함으로써 제2 스피치(802)의 끝점을 감지할 수 있다. 전자 장치(501)는 제2 스피치(802)의 끝점이 감지되었을 때, 번역문을 제공할 수 있다.

제5 시간 구간(T5)에서, 전자 장치(501)는 활성화된 마이크(650)를 통하여 제3 스피치(803)를 획득할 수 있다. 제3 스피치(803)는 상대 화자(598)에 의한 발화일 수 있다. 전자 장치(501)는 제2 스피치(802)의 제2 음성 특징과 제3 스피치(803)의 제2 음성 특징이 대응하는 것인지 결정할 수 있다. 예를 들어, 전자 장치(501)는 도 7a와 관련하여 상술된 방법에 따라서 제2 음성 특징과 제3 음성 특징의 대응 여부를 결정할 수 있다. 도 8의 예시에서, 제2 스피치(802)와 제3 스피치(803)는 서로 상이한 화자에 의하여 발화되었기 때문에, 전자 장치(501)는 제2 음성 특징이 제3 음성 특징에 대응하지 않는 것으로 결정할 수 있다. 이 경우, 전자 장치(501)는 제3 스피치(803)에 대응하는 제3 텍스트를 제공할 수 있다. 전자 장치(501)는, 일 예에서, 제3 텍스트에 대한 번역을 위한 버튼을 제3 텍스트와 함께 디스플레이할 수 있다.

도 9는 번역이 제공되는 대화의 일 예를 도시한다.

도 9의 예시에서, 상대 화자(598)는 도 8의 제3 스피치(803) 대신에, 제4 스피치(904)를 수행할 수 있다. 제1 스피치(801)와 제2 스피치(802)에 대한 설명은 도 8과 관련된 설명에 의하여 참조될 수 있다.

도 6 및 도 9를 참조하여, 제4 시간 구간(T4)에서, 전자 장치(501)는 제1 임계 시간(TH1) 및 제2 임계 시간(TH2)을 초과하는 묵음 구간을 감지할 수 있다. 제2 임계 시간(TH2)이 초과됨에 따라서, 전자 장치(501)는 마이크(650)를 비활성화 시킬 수 있다. 따라서, 제5 시간 구간(T5)의 상대 화자(598)의 제4 스피치(903)는 전자 장치(501)에 의하여 수신되지 않을 수 있다.

도 10은 번역이 제공되는 대화의 일 예를 도시한다.

도 10의 예시에서, 도 9의 상대 화자(598) 대신에 동료 화자(597)가 발화를 할 수 있다. 전자 장치(501)는 동료 화자(597)의 화자 식별 모델을 저장한 것으로 가정될 수 있다. 제1 스피치(801)와 제2 스피치(802)에 대한 설명은 도 8과 관련된 설명에 의하여 참조될 수 있다.

제4 시간 구간(T4)은 제1 임계 시간(TH1)보다 길지만, 제1 임계 시간(TH1) 및 제2 임계 시간(TH2) 보다는 짧다. 제5 시간 구간(T5)에서, 전자 장치(501)는 활성화된 마이크(650)를 통하여 제5 스피치(1003)를 획득할 수 있다. 제5 스피치(1003)는 동료 화자(597)에 의한 발화일 수 있다.

전자 장치(501)는 제2 스피치(802)의 제2 음성 특징과 제5 스피치(1003)의 제5 음성 특징이 대응하는 것인지 결정할 수 있다. 예를 들어, 전자 장치(501)는 도 7a와 관련하여 상술된 방법에 따라서 제2 음성 특징과 제5 음성 특징의 대응 여부를 결정할 수 있다.

도 10의 예시에서, 제2 스피치(802)와 제5 스피치(1003)는 서로 상이한 화자에 의하여 발화되었기 때문에, 전자 장치(501)는 제2 음성 특징이 제5 음성 특징에 대응하지 않는 것으로 결정할 수 있다. 일 예에서, 전자 장치(501)는 제5 스피치(1003)가 정보가 저장된 화자에 의한 발화인지 결정할 수 있다. 제5 스피치(1003)의 제5 음성 특징이 메모리(630)에 저장된 화자 인식 모델에 대응하는 경우, 전자 장치(501)는 제5 스피치(1003)가 저장된 화자에 의한 발화인 것으로 결정할 수 있다. 이 경우, 전자 장치(501)는 제5 스피치(1003)에 대응하는 번역문을 시각적으로 및/또는 청각적으로 제공할 수 있다.

도 11은 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.

도 6 및 도 11을 참조하여, 일 실시 예에 따르면, 전자 장치(501)는 번역 어플리케이션의 실행에 따라서 번역 UI를 제공할 수 있다. 예를 들어, 제1 화면(1100-1)은 번역 어플리케이션의 실행에 따라서 제공되는 초기 화면에 대응할 수 있다. 제1 화면(1100-1)은 청취 버튼(1110)을 포함할 수 있다. 전자 장치(501)는 청취 버튼(1110)에 대한 입력이 수신되면 적어도 지정된 시간 동인 청취 모드로 진입할 수 있다. 청취 모드에서, 전자 장치(501)는 마이크(650)를 활성화할 수 있다. 전자 장치(501)는 청취 모드 상태임을 지시하는 제2 화면(1100-2)을 디스플레이(660)에 디스플레이 할 수 있다. 청취 모드가 종료되면, 전자 장치(501)는 초기 상태로 돌아갈 수 있다. 예를 들어, 전자 장치(501)는, 초기 상태에서, 제1 화면(1100-1)을 출력할 수 있다.

도 12는 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.

도 6 및 도 12를 참조하여, 전자 장치(501)는 번역 UI의 일부로서 제3 화면(1200-1)을 디스플레이 할 수 있다. 예를 들어, 제3 화면(1200-1)은, 도 8, 9, 및 10의 제1 스피치(801) 및 제2 스피치(802)의 수신에 따라서 출력된 화면일 수 있다. 예를 들어, 전자 장치(501)는 제1 스피치(801)의 수신에 따라서, 제1 스피치(801)에 대응하는 제1 텍스트(1210) 및 제1 텍스트(1210)에 대응하는 번역된 제1 텍스트(1220)를 디스플레이 할 수 있다. 전자 장치(501)는 제2 스피치(802)의 수신에 따라서, 제2 스피치(802)에 대응하는 제2 텍스트(1230)를 디스플레이 할 수 있다.

도 12의 예시에서, 제1 스피치(801)의 제1 음성 특징이 제2 스피치(802)의 제2 음성 특징에 대응되기 때문에, 전자 장치(501)는 제2 텍스트(1230) 및 번역된 제2 텍스트(1240)를 제공할 수 있다. 예를 들어, 제4 화면(1200-2)과 같이, 전자 장치(501)는 대응하는 텍스트에 인접하도록 번역문을 디스플레이 할 수 있다. 일 예에서, 제1 텍스트(1210) 및 제2 텍스트(1230)는 하나의 문장을 구성할 수 있다. 이 경우, 전자 장치(501)는 제1 텍스트(1210) 및 제2 텍스트(1230)로 구성된 문장에 대응하는 번역문을 제공할 수 있다. 번역문은 제2 텍스트(1230)의 아래쪽에 디스플레이 될 수 있다.

도 13은 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.

도 6 및 도 13을 참조하여, 전자 장치(501)는 번역 UI의 일부로서 제5 화면(1300)을 디스플레이 할 수 있다. 예를 들어, 제5 화면(1300)은 도 8의 제3 스피치(803)의 수신에 따라서, 전자 장치(501)가 디스플레이 하는 화면일 수 있다. 도 8과 관련하여 상술된 바와 같이, 제2 스피치(802)의 음성 특징은 제3 스피치(803)의 음성 특징에 대응하지 않을 수 있다. 전자 장치(501)는 제3 스피치(803)에 대응하는 제3 텍스트(1310)를 디스플레이 할 수 있다. 전자 장치(501)는 제3 텍스트(1310)와 함께, 번역 버튼(1320)을 디스플레이 할 수 있다. 일 예에서, 전자 장치(501)는 음성 특징이 상이한 제3 텍스트(1310)를 제1 텍스트(1210) 및 제2 텍스트(1230)와는 상이하게 디스플레이 할 수 있다. 예를 들어, 전자 장치(501)는 제3 텍스트(1310)의 정렬을 제1 텍스트(1210) 및 제2 텍스트(1230)와 상이하게 할 수 있다. 예를 들어, 전자 장치(501)는 제3 텍스트(1230)의 화자를 구분하기 위한 임의의 그래픽(예: 아이콘)을 추가적으로 디스플레이할 수 있다.

도 13의 예시에서, 청취 모드가 종료됨에 따라서, 전자 장치(501)는 청취 버튼(1110)을 다시 디스플레이 할 수 있다.

도 14는 일 실시 예에 따른 전자 장치의 번역 UI를 도시한다.

도 6 및 도 14를 참조하여, 전자 장치(501)는 번역 UI의 일부로서 제6 화면(1400)을 디스플레이 할 수 있다.

예를 들어, 전자 장치(501)는 도 13의 번역 버튼(1320)에 대한 입력이 수신되면, 제3 텍스트(1310)에 대한 번역된 제3 텍스트(1410)를 디스플레이 할 수 있다. 예를 들어, 도 8의 예시와 같이, 음성 특징이 이전 음성 신호와 상이하고, 음성 신호의 화자가 저장된 화자가 아닌 경우, 전자 장치(501)는 도 13의 제5 화면(1300)을 디스플레이 할 수 있다. 제5 화면(1300)의 번역 버튼(1320)에 대한 입력이 수신되면, 전자 장치(501)는 제6 화면(1400)을 디스플레이 할 수 있다.

예를 들어, 도 10과 관련하여 상술된 바와 같이, 제3 텍스트(1310)는 전자 장치(501)에 저장된 화자(예: 도 10의 동료 화자(597))에 의한 발화에 대응할 수 있다. 이 경우, 전자 장치(501)는 별도의 번역 버튼에 대한 입력이 수신되지 않더라도, 번역된 제3 텍스트(1410)를 디스플레이 할 수 있다.

도 12, 13, 및 14와 관련하여 상술된 예시에서, 전자 장치(501)는 화자의 구분을 위하여, 상이한 화자에 의한 스피치는 시각적으로 구분될 수 있도록 스피치 대응 텍스트를 디스플레이 할 수 있다. 도 12, 13, 및 14에서는 화자에 따라서 텍스트의 정렬이 상이하게 되었으나, 이는 예시적인 것으로서, 본 개시의 실시 예들이 이에 제한되는 것은 아니다.

도 15는 일 실시 예에 따른 전자 장치의 번역 제공 방법의 흐름도를 도시한다.

도 6 및 도 15를 참조하여, 일 실시 예에 따르면, 전자 장치(501)는 화자 특징(예: 음성 벡터, 나이, 성별, 또는 언어 중 적어도 하나)에 기반하여 번역을 제공하도록 설정될 수 있다.

동작 1505에서, 전자 장치(501)는 마이크(650)를 활성화하고, 제1 오디오를 수신할 수 있다. 예를 들어, 전자 장치(501)는 도 11의 청취 버튼(1110)에 대한 입력이 수신되면, 마이크(650)를 활성화할 수 있다. 전자 장치(501)는 활성화된 마이크(650)를 이용하여 제1 오디오를 수신할 수 있다.

동작 1510에서, 전자 장치(501)는 무음 시간 구간이 제1 임계 시간(예: 도 8의 제1 임계 시간(TH1))을 초과하는지 결정할 수 있다. 제1 임계 시간을 초과하는 무음 시간 구간이 감지되면, 전자 장치(501)는 끝점을 식별할 수 있다. 예를 들어, 동작 1510은 도 7a와 관련하여 상술된 EPD 모듈(730)의 동작에 대응할 수 있다. 제1 임계 시간을 초과하는 무음 시간 구간이 감지되지 않으면(예: 동작 1510-NO), 전자 장치(501)는 계속하여 제1 오디오를 수신할 수 있다.

제1 임계 시간을 초과하는 무음 시간 구간이 감지되면(예: 동작 1510-YES), 동작 1515에서, 전자 장치(501)는 제1 오디오 대응 텍스트 및 번역된 제1 텍스트를 디스플레이 할 수 있다. 전자 장치(501)는 제1 오디오의 끝점을 감지하고, 도 7a와 관련하여 상술된 ASR 모듈(750)을 이용하여 제1 오디오에 대응하는 텍스트를 디스플레이 할 수 있다. 전자 장치(501)는 도 7a와 관련하여 상술된 번역 모듈(760)을 이용하여 번역된 제1 텍스트를 획득할 수 있다. 예를 들어, 전자 장치(501)는 통신 회로(690)를 이용하여, 서버 장치에 제1 오디오 대응 텍스트를 송신하고, 서버 장치로부터 제1 오디오 대응 번역된 텍스트를 수신할 수 있다.

동작 1520에서, 전자 장치(501)는 제2 임계 시간(예: 도 8의 제2 임계 시간(TH2)) 내에 제2 오디오가 수신되는지 결정할 수 있다. 예를 들어, 전자 장치(501)는 제1 임계 시간이 만료되면, 적어도 제2 임계 시간 동안 마이크(650)의 활성화 상태를 유지할 수 있다.

제2 임계 시간 내에 제2 오디오가 수신되지 않으면(예: 동작 1520-NO), 동작 1545에서, 전자 장치(501)는 청취 모드를 종료할 수 있다.

제2 임계 시간 내에 제2 오디오가 수신되면(예: 동작 1520-YES), 동작 1525에서, 전자 장치(501)는 제1 화자 특징이 제2 화자 특징에 대응하는지 결정할 수 있다. 제1 화자 특징은 제1 오디오의 화자 특징에 대응하고, 제2 화자 특징은 제2 오디오의 화자 특징에 대응할 수 있다. 예를 들어, 전자 장치(501)는 도 7a의 화자 식별 모듈(740)을 이용하여 제1 화자 특징이 제2 화자 특징에 대응(예: 매칭)되는지 결정할 수 있다. 화자 특징은, 음성 벡터, 성별, 나이, 또는 언어 중 적어도 하나를 포함할 수 있다.

제1 화자 특징이 제2 화자 특징에 대응하면(예: 동작 1525-YES), 동작 1530에서, 전자 장치(501)는 제2 오디오 대응 텍스트 및 번역된 제2 텍스트를 디스플레이 할 수 있다. 번역된 제2 텍스트는, 제2 오디오 대응 텍스트를 목적 언어로 번역한 텍스트일 수 있다.

제1 화자 특징이 제2 화자 특징에 대응하지 않으면(예: 동작 1525-NO), 동작 1535에서, 전자 장치(501)는 제2 화자가 저장된 화자인지 결정할 수 있다. 예를 들어, 전자 장치(501)는 제2 화자에 대응하는 화자 인증 모델이 저장된 경우에, 제2 화자가 저장된 화자인 것으로 결정할 수 있다. 제2 화자가 저장된 화자인 경우(예: 동작 1535-YES), 전자 장치(501)는 동작 1530에 따라서 번역된 텍스트를 디스플레이 할 수 있다.

제2 화자가 저장된 화자가 아닌 경우(예: 동작 1535-NO), 전자 장치(501)는 동작 1540에 따라서 제2 오디오 대응 제2 텍스트를 디스플레이 할 수 있다. 이 경우, 전자 장치(501)는 제2 오디오 대응 텍스트의 번역 텍스트를 디스플레이 하지 않을 수 있다. 전자 장치(501)는 제2 오디오 대응 제2 텍스트와 함께, 제2 오디오 대응 제2 텍스트의 번역을 위한 버튼(예: 도 13의 번역 버튼(1320))을 디스플레이할 수 있다.

도 16은 일 실시 예에 따른 전자 장치의 번역 제공 방법의 흐름도를 도시한다.

도 6 및 도 16을 참조하여, 일 실시 예에 따르면, 전자 장치(501)는 음성 특징(예: 화자, 나이, 성별, 또는 언어 중 적어도 하나)에 기반하여 번역을 제공하도록 설정될 수 있다.

동작 1605에서, 전자 장치(501)는 음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 마이크(650)를 활성화할 수 있다. 예를 들어, 전자 장치(501)는 도 11의 청취 버튼(1110)에 대한 입력이 수신되면 마이크(650)를 활성화할 수 있다.

동작 1610에서, 전자 장치(501)는 활성화된 마이크를 통하여, 오디오 신호를 수신할 수 있다. 동작 1615에서, 전자 장치(501)는 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점을 감지할 수 있다. 예를 들어, 전자 장치(501)는 오디오 신호로부터 제1 임계 시간(예: 도 8의 제1 임계 시간(TH1))을 초과하는 묵음 구간이 식별되면 제1 끝점을 감지할 수 있다. 예를 들어, 동작 1615는 도 7a와 관련하여 상술된 EPD 모듈(730)의 동작에 대응할 수 있다.

동작 1620에서, 전자 장치(501)는 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 번역된 제1 텍스트를 디스플레이 할 수 있다. 예를 들어, 제1 음성 신호는, 제1 끝점의 이전에 획득된 음성 신호로 참조될 수 있다. 전자 장치(501)는 도 7a와 관련하여 상술된 ASR 모듈(750)을 이용하여 제1 음성 신호에 대응하는 제1 텍스트를 디스플레이 할 수 있다. 전자 장치(501)는 도 7a와 관련하여 상술된 번역 모듈(760)을 이용하여 번역된 제1 텍스트를 획득할 수 있다. 예를 들어, 전자 장치(501)는 통신 회로(690)를 이용하여, 서버 장치에 제1 오디오 대응 텍스트를 송신하고, 서버 장치로부터 번역된 제1 텍스트를 수신할 수 있다.

동작 1625에서, 전자 장치(501)는 적어도 제1 시간 구간(예: 도 8의 제2 임계 시간(TH2)) 동안 마이크(650)의 활성화 상태를 디스플레이할 수 있다. 일 예에서, 전자 장치(501)는 제1 시간 구간 내에서 음성 신호가 감지되지 않으면 마이크(650)를 비활성화 할 수 있다.

동작 1630에서, 제1 시간 구간 내에서 획득된 오디오 신호로부터 제2 음성 신호의 적어도 일부가 감지되면, 전자 장치(501)는 제2 텍스트를 디스플레이할 수 있다. 제1 음성 특성과 제2 음성 특성을 비교할 수 있다. 예를 들어, 제1 음성 특성은 제1 음성 신호의 음성 특성에 대응하고, 제2 음성 특성은 제2 음성 신호의 음성 특성에 대응할 수 있다.

동작 1635에서, 전자 장치(501)는 제1 음성 특성과 제2 음성 특성이 매칭되는지 결정할 수 있다. 제1 음성 특성은 제1 음성 신호의 음성 특성에 대응하고, 제2 음성 특성은 제2 음성 신호의 음성 특성에 대응할 수 있다. 예를 들어, 전자 장치(501)는 도 7a의 화자 식별 모듈(740)을 이용하여 제1 음성 특성이 제2 음성 특성에 매칭(예: 대응)되는지 결정할 수 있다. 음성 특성은, 특징 분포 패턴, 성별, 나이, 또는 언어 중 적어도 하나를 포함할 수 있다. 일 예에서, 전자 장치(501)는 메모리(630)에 저장된 화자 식별 모델과 제1 음성 특성 사이의 제1 유사도를 식별하고, 화자 식별 모델과 상기 제2 음성 특성 사이의 제2 유사도를 식별할 수 있다. 전자 장치(501)는, 제1 유사도와 제2 유사도의 차이가 지정된 범위 이내이면, 제1 음성 특성과 제2 음성 특성이 매칭된 것으로 결정할 수 있다.

제1 음성 특성과 제2 음성 특성이 매칭되면(예: 동작 1635-YES), 동작 1640에서, 전자 장치(501)는 제2 텍스트와 번역된 제2 텍스트를 디스플레이 할 수 있다. 일 예에서, 번역된 제2 텍스트는, 제1 텍스트 및 제2 텍스트를 목적 언어로 번역한 텍스트일 수 있다. 예를 들어, 전자 장치(501)는 오디오 신호로부터 제1 임계 시간(예: 도 8의 제1 임계 시간(TH1))을 초과하는 묵음 구간이 식별되면 제2 음성 신호의 제2 끝점을 식별할 수 있다. 제2 끝점이 식별되면, 전자 장치(501)는 제1 텍스트 및 제2 텍스트를 목적 언어로 번역할 수 있다.

제1 음성 특성과 제2 음성 특성이 매칭되지 않으면(예: 동작 1635-NO), 동작 1645에서, 전자 장치(501)는 제2 음성 신호에 대응하는 제2 텍스트를 디스플레이할 수 있다. 이 경우, 전자 장치(501)는 번역된 제2 텍스트 없이 제2 텍스트를 디스플레이할 수 있다. 예를 들어, 전자 장치(501)는 제2 텍스트와 함께 제2 텍스트에 대한 번역을 요청하기 위한 아이콘(예: 도 13의 번역 버튼(1320))을 디스플레이할 수 있다. 전자 장치(501)는 아이콘에 대한 제2 사용자 입력이 수신되면, 제2 텍스트와 함께 제2 텍스트를 목적 언어로 번역함으로써 번역된 제2 텍스트를 디스플레이할 수 있다.

또한, 전자 장치(501)는 도 15의 동작 1535와 관련하여 상술된 바와같이, 제1 음성 특성과 제2 음성 특성이 매칭되지 않으면, 제2 음성 특성을 메모리(630)에 저장된 화자 인식 모델과 비교할 수 있다. 제2 음성 특성이 상기 저장된 화자 인식 모델에 대응하면, 전자 장치(501)는 제2 텍스트 및 제2 텍스트를 상기 목적 언어로 번역함으로써 번역된 제2 텍스트를 디스플레이할 수 있다.

Claims

전자 장치에 있어서,
마이크;
디스플레이;
메모리; 및
프로세서를 포함하고,
상기 메모리는 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가:
음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 상기 마이크를 활성화하고,
상기 활성화된 마이크를 통하여, 오디오 신호를 수신하고,
상기 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점(end point)을 감지하고,
상기 제1 끝점에 선행하는 상기 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 상기 제1 텍스트에 대응하는 번역된 제1 텍스트를 상기 디스플레이에 디스플레이하고,
상기 제1 끝점에 후속하여, 적어도 제1 시간 구간 동안 상기 마이크의 활성화 상태를 유지하고,
상기 제1 시간 구간 내에서 상기 마이크를 이용하여 획득된 오디오 신호로부터 제2 음성 신호의 적어도 일부가 감지되면, 상기 제2 음성 신호의 제2 끝점을 감지하고,
상기 제2 끝점에 선행하는 제2 음성 신호의 제2 음성 특성과 상기 제1 음성 신호의 제1 음성 특성을 비교하고,
상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 음성 신호에 대한 음성 인식 결과에 기반한 제2 텍스트를 더 디스플레이하고,
상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되면, 상기 제2 텍스트 및 상기 제2 텍스트에 대응하는 번역된 제2 텍스트를 더 디스플레이하도록 하는 인스트럭션들을 저장하는, 전자 장치.
제 1 항에 있어서,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가,
상기 제1 음성 신호로부터 제2 시간 구간 이상의 묵음 구간을 식별함으로써 상기 제1 끝점을 식별하고,
상기 제2 음성 신호로부터 상기 제2 시간 구간 이상의 묵음 구간을 식별함으로써 상기 제2 끝점을 식별하도록 하는, 전자 장치.
제 1 항 또는 제 2 항에 있어서,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, 상기 제1 시간 구간 내에서 음성 신호가 감지되지 않으면 상기 마이크를 비활성화 하도록 하는, 전자 장치.
제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, 상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 텍스트와 함께 상기 제2 텍스트에 대한 번역을 요청하기 위한 아이콘을 디스플레이하도록 하는, 전자 장치.
제 4 항에 있어서,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가,
상기 아이콘에 대한 제2 사용자 입력이 수신되면, 상기 제2 텍스트와 함께 상기 제2 텍스트를 목적 언어로 번역함으로써 상기 번역된 제2 텍스트를 디스플레이하도록 하는, 전자 장치.
제 1 항에 있어서,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가,
상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 음성 특성을 상기 메모리에 저장된 화자 인식 모델과 비교하고,
상기 제2 음성 특성이 상기 저장된 화자 인식 모델에 대응하면, 상기 제2 텍스트 및 상기 번역된 제2 텍스트를 더 디스플레이하도록 하는, 전자 장치.
제 6 항에 있어서,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, 상기 제2 음성 특성이 상기 저장된 화자 식별 모델에 대응하지 않으면, 상기 번역된 제2 텍스트 없이 상기 제2 텍스트를 디스플레이하도록 하는, 전자 장치.
제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가, 상기 제1 음성 특성과 상기 제2 음성 특성에 대응하는 성별, 피치(pitch), 또는 언어를 비교함으로써 상기 제1 음성 특성과 상기 제2 음성 특성의 매칭 여부를 결정하도록 하는, 전자 장치.
제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가,
상기 메모리에 저장된 화자 식별 모델과 상기 제1 음성 특성 사이의 제1 유사도를 식별하고,
상기 메모리에 저장된 화자 식별 모델과 상기 제2 음성 특성 사이의 제2 유사도를 식별하고,
상기 제1 유사도와 상기 제2 유사도의 차이가 지정된 범위 이내이면, 상기 제1 음성 특성과 상기 제2 음성 특성이 매칭된 것으로 결정하도록 하는, 전자 장치.
제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
통신 회로를 더 포함하고,
상기 인스트럭션들은 상기 프로세서에 의하여 실행되었을 때, 상기 프로세서가,
상기 통신 회로를 이용하여 외부 서버로 상기 제1 텍스트를 송신하고,
상기 외부 서버로부터 상기 제1 텍스트에 대응하는 상기 번역된 제1 텍스트를 수신하도록 하는, 전자 장치.
전자 장치의 번역을 위한 방법에 있어서,
음성 번역을 활성화하기 위한 제1 사용자 입력에 기반하여 상기 전자 장치의 마이크를 활성화하는 동작;
상기 활성화된 마이크를 통하여, 오디오 신호를 수신하는 동작;
상기 오디오 신호에 포함된 제1 음성 신호로부터 제1 끝점(end point)을 감지하는 동작;
상기 제1 끝점에 선행하는 상기 제1 음성 신호에 대한 음성 인식 결과에 기반한 제1 텍스트 및 상기 제1 텍스트에 대응하는 번역된 제1 텍스트를 상기 전자 장치의 디스플레이에 디스플레이하는 동작;
상기 제1 끝점에 후속하는 제1 시간 구간 내에서 상기 마이크를 이용하여 제2 음성 신호의 적어도 일부가 감지되면,
상기 제2 음성 신호의 제2 음성 특성과 상기 제1 음성 신호의 제1 음성 특성을 비교하는 동작;
상기 비교에 기반하여 상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 음성 신호에 대한 음성 인식 결과에 기반한 제2 텍스트를 디스플레이하는 동작; 및
상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되면, 상기 제2 텍스트 및 상기 제2 텍스트에 대응하는 번역된 제2 텍스트를 디스플레이하는 동작을 포함하는, 방법.
제 11 항에 있어서,
상기 제1 음성 신호로부터 제2 시간 구간 이상의 묵음 구간을 식별함으로써 상기 제1 끝점을 식별하는 동작; 및
상기 제2 음성 신호로부터 상기 제2 시간 구간 이상의 묵음 구간을 식별함으로써 상기 제2 음성 신호의 제2 끝점을 식별하는 동작을 더 포함하는, 방법.
제 11 항 또는 제 12 항에 있어서,
상기 프로세서가, 상기 제1 시간 구간 내에서 음성 신호가 감지되지 않으면 상기 마이크를 비활성화 하는 동작을 더 포함하는, 방법.
제 11 항 내지 제 13 항 중 어느 한 항에 있어서,
상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 텍스트와 함께 상기 제2 텍스트에 대한 번역을 요청하기 위한 아이콘을 디스플레이하는 동작을 더 포함하는, 방법.
제 14 항에 있어서,
상기 아이콘에 대한 제2 사용자 입력이 수신되면, 상기 제2 텍스트와 함께 상기 번역된 제2 텍스트를 디스플레이하는 동작을 더 포함하는, 방법.
제 11 항에 있어서,
상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되지 않으면, 상기 제2 음성 특성을 상기 전자 장치의 메모리에 저장된 화자 인식 모델과 비교하는 동작; 및
상기 제2 음성 특성이 상기 저장된 화자 인식 모델에 대응하면, 상기 제2 텍스트 및 상기 제 번역된 제2 텍스트를 디스플레이하는 동작을 더 포함하는, 방법.
제 16 항에 있어서,
상기 제2 음성 특성이 상기 저장된 화자 식별 모델에 대응하지 않으면, 상기 제2 텍스트를 디스플레이하는 동작은, 상기 번역된 제2 텍스트 없이 상기 제2 텍스트를 디스플레이하는 동작을 포함하는, 방법.
제 11 항 내지 제 17 항 중 어느 한 항에 있어서,
상기 제1 음성 특성과 상기 제2 음성 특성을 비교하는 동작은, 상기 제1 음성 특성과 상기 제2 음성 특성에 대응하는 성별, 피치(pitch), 또는 언어를 비교하는 동작을 포함하는, 방법.
제 11 항 내지 제 14 항 중 어느 한 항에 있어서,
상기 전자 장치의 메모리에 저장된 화자 식별 모델과 상기 제1 음성 특성 사이의 제1 유사도를 식별하는 동작;
상기 화자 식별 모델과 상기 제2 음성 특성 사이의 제2 유사도를 식별하는 동작; 및
상기 제1 유사도와 상기 제2 유사도의 차이가 지정된 범위 이내이면, 상기 제1 음성 특성과 상기 제2 음성 특성이 매칭된 것으로 결정하는 동작을 더 포함하는, 방법.
제 11 항에 있어서,
상기 제1 음성 특성과 상기 제2 음성 특성이 매칭되면, 상기 제2 텍스트를 외부 서버로 송신하는 동작; 및
상기 외부 서버로부터 상기 제2 텍스트가 목적 언어로 번역된 상기 번역된 제2 텍스트를 수신하는 동작을 더 포함하는, 방법.