KR20240074619A

KR20240074619A - 실시간 영상 콘텐츠 생성 방법 및 시스템

Info

Publication number: KR20240074619A
Application number: KR1020230026584A
Authority: KR
Inventors: 김대한; 허담; 이영근; 김태수
Original assignee: 네오사피엔스 주식회사
Priority date: 2022-11-21
Filing date: 2023-02-28
Publication date: 2024-05-28

Abstract

본 개시는 적어도 하나의 프로세서에 의해 수행되는 실시간 영상 콘텐츠 생성 방법에 관한 것이다. 실시간 영상 콘텐츠 생성 방법은, 방송 개요를 기초로, 텍스트 콘텐츠를 생성하는 단계, 텍스트 콘텐츠에 기초하여, 제1 음성을 생성하는 단계, 텍스트 콘텐츠 또는 제1 음성 중 적어도 하나에 기초하여, 제1 뷰를 생성하는 단계 및 제1 음성 및 제1 뷰를 포함하는 제1 영상을 실시간 스트리밍 방식으로 전송하는 단계를 포함한다.

Description

실시간 영상 콘텐츠 생성 방법 및 시스템{METHOD AND SYSTEM FOR GENERATING REAL-TIME VIDEO CONTENT}

본 개시는 실시간 영상 콘텐츠 생성 방법 및 시스템에 관한 것으로, 구체적으로, 실시간 스트리밍을 통해 방송되는 영상 콘텐츠를 자동으로 생성하는 방법 및 시스템에 관한 것이다.

과학기술의 발전에 따라, TV, 라디오, 신문 등의 기존 대중 매체에 얽매이지 않는 새로운 전달매체인 뉴미디어가 생겨났다. 기존의 매체와 뉴미디어의 차이 중 가장 큰 특징은 양방향 커뮤니케이션이 가능하다는 것이다. 뉴미디어는 통신 연결을 통해 정보를 전달하고 이에 대해 사람들의 의견과 반응을 공유하며 다양한 주제에 대해 논의할 수 있도록 한다.

뉴미디어의 일 예시로서, 실시간 스트리밍 방송이 높은 성장세를 보이고 있다. 실시간 스트리밍 방송은 인터넷을 통해 실시간으로 비디오/오디오 콘텐츠를 많은 시청자들에게 전송하는 방식의 방송이다. 실시간 스트리밍 방송은 방송 중 시청자의 채팅에 실시간으로 반응하거나, 시청자의 피드백을 실시간으로 방송에 반영하는 등 실시간으로 시청자와 상호 작용할 수 있다는 이점이 있다.

한편, 실시간 스트리밍 방송을 진행하는 진행자는 매 방송 시에 방송 콘텐츠를 구상하여야 하며, 방송 진행 중 실시간으로 대사를 구상하여야 하는데 이는 실시간 방송 진행에 대한 숙련된 기술을 필요로 한다. 또한, 실시간 스트리밍 방송의 진행자는 방송을 진행함과 동시에 시청자의 반응에 실시간으로 대응해야 하며, 부정적이거나 부적절한 채팅을 처리하여야 하는데, 시청자의 수가 많아질수록 이러한 실시간 대응에 많은 인적 자원이 소요된다는 문제점이 있다.

본 개시는 상기와 같은 문제점을 해결하기 위한 실시간 영상 콘텐츠 생성 방법, 기록매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.

본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 실시간 영상 콘텐츠 생성 방법에 있어서, 방송 개요를 기초로, 텍스트 콘텐츠를 생성하는 단계, 텍스트 콘텐츠에 기초하여, 제1 음성을 생성하는 단계, 텍스트 콘텐츠 또는 제1 음성 중 적어도 하나에 기초하여, 제1 뷰를 생성하는 단계 및 제1 음성 및 제1 뷰를 포함하는 제1 영상을 실시간 스트리밍 방식으로 전송하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 실시간 스트리밍 방식으로 전송된 제1 영상에 대한 시청자의 실시간 채팅을 획득하는 단계 및 챗봇 모델을 이용하여, 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성하는 단계를 더 포함한다.

본 개시의 일 실시예에 따르면, 텍스트 콘텐츠 및 리액션 텍스트에 기초하여, 제2 음성을 생성하는 단계, 텍스트 콘텐츠 또는 제2 음성 중 적어도 하나에 기초하여, 제2 뷰를 생성하는 단계 및 제2 음성 및 제2 뷰를 포함하는 제2 영상을 실시간 스트리밍 방식으로 전송하는 단계를 더 포함한다.

본 개시의 일 실시예에 따르면, 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성하는 단계는, 챗봇 모델을 이용하여, 방송 개요 또는 텍스트 콘텐츠를 기초로, 실시간 채팅 중 적어도 일부에 대한 방송 콘텐츠와 연관된 리액션 텍스트를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성하는 단계는, 유사도 측정 모델을 이용하여, 실시간 채팅 중 방송 콘텐츠와 연관된 하나 이상의 실시간 채팅을 선택하는 단계 및 챗봇 모델을 이용하여, 선택된 하나 이상의 실시간 채팅에 대한 리액션 텍스트를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 입력 텍스트의 유해성을 판단하도록 구성된 헤이트 스피치(hate-speech) 감지 모델을 이용하여, 실시간 채팅을 필터링하는 단계를 더 포함한다.

본 개시의 일 실시예에 따르면, 시청자의 실시간 채팅은, 텍스트 채팅, 이미지 채팅, 사운드 채팅 또는 영상 채팅 중 적어도 하나를 포함한다.

본 개시의 일 실시예에 따르면, 텍스트 콘텐츠 및 리액션 텍스트에 기초하여, 제2 음성을 생성하는 단계는, 텍스트 콘텐츠와 연관된 송출 우선 순위 및 리액션 텍스트와 연관된 송출 우선 순위를 이용하여, 제2 음성을 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 시청자의 실시간 채팅은 기부금과 연관된 도네이션 채팅 및 기부금과 연관되지 않은 일반 채팅을 포함하고, 리액션 텍스트와 연관된 송출 우선 순위는 텍스트 콘텐츠와 연관된 송출 우선 순위보다 앞서고, 리액션 텍스트 중 도네이션 채팅에 대한 리액션 텍스트와 연관된 송출 우선 순위는 일반 채팅에 대한 리액션 텍스트와 연관된 송출 우선 순위보다 앞선다.

본 개시의 일 실시예에 따르면, 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는, 스토리 생성 모델을 이용하여, 텍스트 형식의 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 방송 개요는 복수의 곡 명을 포함하는 곡 목록이고, 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는, 복수의 곡 명을 정규화하는 단계, 검색 엔진을 이용하여, 정규화된 복수의 곡 명을 기초로 곡 목록에 포함된 복수의 곡과 연관된 정보를 수집하는 단계, 요약 모델을 이용하여, 수집된 정보를 요약하는 단계 및 스타일 변환 모델을 이용하여, 요약된 정보의 스타일을 변경하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 방송 개요는, 인기 검색어 또는 트렌드 서비스 중 적어도 하나를 제공하는 웹을 이용하여, 인기 검색어 정보를 수집한 수집 결과에 기초하여 생성된다.

본 개시의 일 실시예에 따르면, 방송 개요는, 뉴스를 제공하는 웹을 이용하여, 인기 뉴스 정보를 수집한 수집 결과에 기초하여 생성된다.

본 개시의 일 실시예에 따르면, 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는, 이미지 인식 모델을 이용하여, 이미지 형식의 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는, 음성 인식 모델을 이용하여, 사운드 형식의 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는, 영상 인식 모델을 이용하여, 영상 형식의 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 실시간 스트리밍 방식으로 전송된 제1 영상에 대한 시청자의 실시간 채팅을 획득하는 단계, 실시간 채팅 중 적어도 일부에 기초하여, 방송 개요를 수정하는 단계, 스토리 생성 모델을 이용하여, 수정된 방송 개요를 기초로 수정된 텍스트 콘텐츠를 생성하는 단계, 수정된 텍스트 콘텐츠에 기초하여, 제3 음성 및 제3 뷰를 생성하는 단계 및 제3 음성 및 제3 뷰를 포함하는 제3 영상을 실시간 스트리밍 방식으로 전송하는 단계를 더 포함한다.

본 개시의 일 실시예에 따르면, 제1 뷰는 캐릭터 형태의 가상 스트리머, 가상 인물 형태의 가상 스트리머 또는 텍스트 콘텐츠와 연관된 배경 뷰 중 적어도 하나를 포함한다.

본 개시의 일 실시예에 따르면, 제1 뷰는 캐릭터 형태 또는 가상 인물 형태의 가상 스트리머를 포함하고, 텍스트 콘텐츠 또는 제1 음성 중 적어도 하나에 기초하여 제1 뷰를 생성하는 단계는, 감정 예측 모델 및 표정 변화 모델을 이용하여, 텍스트 콘텐츠와 연관된 감정이 반영된 가상 스트리머의 표정 변화를 포함하는 제1 뷰를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 제1 뷰는 캐릭터 형태 또는 가상 인물 형태의 가상 스트리머를 포함하고, 텍스트 콘텐츠 또는 제1 음성 중 적어도 하나에 기초하여 제1 뷰를 생성하는 단계는, 토킹 헤드 모델을 이용하여, 제1 음성을 발화하는, 가상 스트리머의 입모양 변화를 포함하는 제1 뷰를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 제1 뷰는 캐릭터 형태 또는 가상 인물 형태의 가상 스트리머를 포함하고, 텍스트 콘텐츠 또는 제1 음성 중 적어도 하나에 기초하여 제1 뷰를 생성하는 단계는, 제스처 모델을 이용하여, 가상 스트리머의 제스처를 포함하는 제1 뷰를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 일 실시예에 따른 정보 처리 시스템은, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 방송 개요를 기초로 텍스트 콘텐츠를 생성하고, 텍스트 콘텐츠에 기초하여 제1 음성을 생성하고, 텍스트 콘텐츠 또는 제1 음성 중 적어도 하나에 기초하여 제1 뷰를 생성하고, 제1 음성 및 제1 뷰를 포함하는 제1 영상을 실시간 스트리밍 방식으로 전송하기 위한 명령어들을 포함한다.

본 개시의 일부 실시예에 따르면, 방송 콘텐츠가 자동으로 생성되어 실시간으로 송출됨과 동시에 시청자의 반응에 대한 즉각적인 대응이 가능하여, 실시간 방송 진행에 필요한 인적 자원이 절약될 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자(“통상의 기술자”라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 실시간 영상 콘텐츠 생성 방법의 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템의 프로세서의 내부 구성을 나타내는 블록도이다.
도 5는 본 개시의 일 실시예에 따라 스토리 생성 모델을 이용하여 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따라 복수의 곡 명을 포함하는 방송 개요를 기초로 음악 방송의 텍스트 콘텐츠를 생성하는 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따라 다양한 모달리티의 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따라, 시청자의 실시간 채팅에 대한 리액션 텍스트를 생성하는 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따라 텍스트 콘텐츠 및 리액션 텍스트에 기초하여 대본을 생성하는 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따라 대본에 기초하여 음성을 생성하고, 대본 및/또는 음성에 기초하여 뷰를 생성하는 예시를 나타내는 도면이다.
도 11은 본 개시의 일 실시예에 따라 대본 및/또는 음성에 기초하여 가상 스트리머를 포함하는 뷰를 생성하는 예시를 나타내는 도면이다.
도 12는 본 개시의 일 실시예에 따라 음성 및 뷰를 포함하는 영상을 생성하고, 시청자에게 송출하는 예시를 나타내는 도면이다.
도 13은 본 개시의 일 실시예에 따른 인공신경망 모델을 나타내는 예시도이다.
도 14는 본 개시의 일 실시예에 따른 실시간 영상 콘텐츠 생성 방법의 예시를 나타내는 흐름도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.

본 개시에서, '기계학습 모델'은 주어진 입력에 대한 해답(answer)을 추론하는데 사용하는 임의의 모델을 포함할 수 있다. 일 실시예에 따르면, 기계학습 모델은 입력 레이어(층), 복수 개의 은닉 레이어 및 출력 레이어를 포함한 인공신경망 모델을 포함할 수 있다. 여기서, 각 레이어는 복수의 노드를 포함할 수 있다. 본 개시에서, 기계학습 모델은 인공신경망 모델을 지칭할 수 있으며, 인공신경망 모델은 기계학습 모델을 지칭할 수 있다. 본 개시에서, 콘텐츠 생성기(예를 들어, 스토리 생성 모델, 요약 모델, 이미지 인식 모델, 음성 인식 모델, 영상 인식 모델 등), 헤이트 스피치 필터, 유사도 측정 모델, 콘텐츠 챗봇, 음성 합성기, 뷰 합성기(예를 들어, 감정 예측 모델, 표정 변화 모델, 토킹 헤드 모델, 제스처 모델 등) 등이 기계학습 모델로 구현될 수 있다. 일 실시예에 따르면, 기계학습 모델은 빠른 추론을 위해 GPU가 포함된 서버에서 구동될 수 있으며, REST API를 이용하여 클라이언트와 통신을 주고받을 수 있다.

본 개시에서, '디스플레이'는 컴퓨팅 장치와 연관된 임의의 디스플레이 장치를 지칭할 수 있는데, 예를 들어, 컴퓨팅 장치에 의해 제어되거나 컴퓨팅 장치로부터 제공된 임의의 정보/데이터를 표시할 수 있는 임의의 디스플레이 장치를 지칭할 수 있다.

본 개시에서, '복수의 A의 각각' 또는 '복수의 A 각각'은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다.

도 1은 본 개시의 일 실시예에 따른 실시간 영상 콘텐츠 생성 방법의 예시를 나타내는 도면이다. 정보 처리 시스템은 제1 사용자(예를 들어, 실시간 스트리밍 방송의 관리자, 이하, 관리자)의 관리 하에서, 영상 콘텐츠를 자동으로 생성하여 실시간 스트리밍 방식으로 송출할 수 있다. 추가적으로, 정보 처리 시스템은 실시간 스트리밍 방식으로 송출된 영상 콘텐츠에 대한 제2 사용자(예를 들어, 실시간 스트리밍 방송의 시청자, 이하, 시청자(160))의 실시간 채팅에 대해 즉각적으로 대응할 수 있다.

일 실시예에 따르면, 방송 개요(110)는 관리자로부터 주어질 수 있다. 예를 들어, 관리자는 관리자 단말을 통해 방송 콘텐츠의 전반적인 개요인 방송 개요(110)를 입력할 수 있으며, 정보 처리 시스템은 관리자 단말로부터 방송 개요(110)를 수신할 수 있다.

추가적으로 또는 대안적으로, 방송 개요(110)는 웹을 이용한 정보 수집 결과(예를 들어, 크롤링 결과)에 기초하여 자동으로 생성된 것일 수 있다. 예를 들어, 방송 개요(110)는 웹을 이용하여, 인기 검색어 정보 및/또는 인기 뉴스 정보를 수집한 수집 결과에 기초하여 생성된 것일 수 있다. 웹을 이용하여 인기 검색어 정보 또는 인기 뉴스 정보 등을 수집하는 과정 및/또는 이에 기초하여 방송 개요(110)를 생성하는 과정은 정보 처리 시스템 및/또는 사용자 단말(예를 들어, 관리자 단말)에 의해 수행될 수 있다.

정보 처리 시스템은 콘텐츠 생성기(120)를 이용하여 방송 개요(110)를 기초로 텍스트 콘텐츠를 생성할 수 있다. 예를 들어, 정보 처리 시스템은 스토리 생성 모델을 이용하여, 텍스트 형식의 방송 개요(110)를 기초로 이야기 방송의 텍스트 콘텐츠를 생성할 수 있다.

일 실시예에 따르면, 방송 개요(110)는 텍스트 형식의 방송 개요, 사운드 형식의 방송 개요, 이미지 형식의 방송 개요, 영상 형식의 방송 개요 또는 이들 중 적어도 일부의 조합 등 다양한 유형일 수 있다. 정보 처리 시스템은 방송 개요(110)의 유형 또는 형식 등에 따라, 다르게 구성되거나 다르게 학습된 별개의 콘텐츠 생성기(120)를 이용하여 텍스트 콘텐츠를 생성할 수 있다. 정보 처리 시스템이 방송 개요(110)를 기초로 텍스트 콘텐츠를 생성하는 구체적인 예시와 관련하여서는 도 4 내지 도 7을 참조하여 보다 상세히 후술된다.

생성된 텍스트 콘텐츠는 스트림 컨트롤러(130)를 거친 뒤 대본에 포함될 수 있다. 이 과정에서 관리자는 대본에 포함될 텍스트 콘텐츠를 수정할 수 있다. 관리자에 의해 텍스트 콘텐츠가 수정된 경우, 수정된 텍스트 콘텐츠가 대본에 포함될 수 있다.

대본은 텍스트 콘텐츠 외에 실시간 채팅에 대한 리액션 텍스트를 포함할 수 있다. 스트림 컨트롤러(130)는 텍스트 콘텐츠와 리액션 텍스트에 대한 송출 우선 순위를 고려하여 대본을 구성할 수 있는데, 이와 관련하여서는 정보 처리 시스템이 콘텐츠 챗봇을 이용하여 실시간 채팅에 대한 리액션 텍스트를 생성하는 과정을 소개한 뒤 후술하도록 한다.

그런 다음, 정보 처리 시스템은 음성 및 뷰 생성기(140)를 이용하여, 음성 및 뷰를 포함하는 영상(150)을 생성할 수 있다. 여기서, 음성은 대본을 발화하는 음성을 포함할 수 있다. 또한, 뷰는 캐릭터 형태의 가상 스트리머의 외양, 가상 인물 형태의 가상 스트리머의 외양 또는 텍스트 콘텐츠와 연관된 배경 뷰 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 뷰가 가상 스트리머의 외양을 포함하는 경우, 뷰는 가상 스트리머의 표정 변화, 가상 스트리머의 입모양 변화 및/또는 가상 스트리머의 제스처를 포함할 수 있다. 정보 처리 시스템이 음성 및 뷰를 포함하는 영상(150)을 생성하는 구체적인 예시와 관련하여서는 도 4, 도 10 내지 도 12를 참조하여 보다 상세히 후술된다.

정보 처리 시스템은 음성 및 뷰를 포함하는 영상(150)을 실시간 스트리밍 방식으로 전송할 수 있다. 시청자(160)는 시청자(160) 단말을 이용하여, 실시간 스트리밍 방식으로 방송되는 영상(150)을 시청할 수 있으며, 영상(150)에 대한 실시간 채팅을 전송할 수 있다. 정보 처리 시스템은 복수의 시청자(160) 단말로부터 영상(150)에 대한 실시간 채팅을 획득할 수 있다.

정보 처리 시스템은 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성할 수 있다. 먼저, 정보 처리 시스템은 실시간 채팅에 대한 리액션 텍스트를 생성하기 전에, 입력 텍스트의 유해성을 판단하도록 구성된 헤이트 스피치 필터(170)를 이용하여, 실시간 채팅을 필터링할 수 있다. 그런 다음, 실시간 채팅에 대한 리액션 텍스트를 생성할 수 있다.

일 실시예에 따르면, 정보 처리 시스템은 단순히 채팅만을 기초로 채팅에 대한 리액션을 생성하는 대신, 콘텐츠 챗봇(180)을 이용하여 방송 개요(110) 또는 텍스트 콘텐츠를 고려하여 방송 콘텐츠와 연관된 리액션 텍스트를 생성할 수 있다. 정보 처리 시스템이 실시간 채팅에 대한 리액션 텍스트를 생성하는 구체적인 예시와 관련하여서는 도 4 및 도 8을 참조하여 보다 상세히 후술된다.

리액션 텍스트가 생성된 경우, 정보 처리 시스템은 텍스트 콘텐츠 및 리액션 텍스트에 기초하여 대본을 구성할 수 있다. 구체적으로, 정보 처리 시스템은 스트림 컨트롤러(130)를 이용하여, 텍스트 콘텐츠와 연관된 송출 우선 순위와 리액션 텍스트와 연관된 송출 우선 순위를 고려하여 대본을 구성할 수 있다. 일 실시예에서, 시청자(160)의 실시간 채팅에 대한 즉각적인 반응을 위해, 정보 처리 시스템은 리액션 텍스트를 대본에 우선적으로 포함시킬 수 있다. 즉, 리액션 텍스트와 연관된 송출 우선 순위는 텍스트 콘텐츠와 연관된 송출 우선 순위보다 앞설 수 있다. 정보 처리 시스템이 스트림 컨트롤러(130)를 이용하여 대본을 구성하는 구체적인 예시와 관련하여서는 도 4 및 도 9를 참조하여 보다 상세히 후술된다.

정보 처리 시스템은 텍스트 콘텐츠 및 리액션 텍스트를 기초로 구성된 대본을 이용하여 음성 및 뷰를 생성할 수 있으며, 음성 및 뷰를 포함하는 영상(150)을 실시간 스트리밍 방식으로 전송할 수 있다.

상술한 바와 같이, 정보 처리 시스템은 방송 콘텐츠를 자동적으로 생성하여 실시간으로 송출함과 동시에 시청자(160)의 반응에 즉각적으로 대응할 수 있으므로, 실시간 방송 진행에 필요한 인적 자원이 절약될 수 있다.

도 1에 관한 위 설명에서는 설명의 편의를 위해 영상 콘텐츠가 생성되어 실시간 스트리밍 방식으로 송출되는 과정이 소정 순서에 따라 수행되는 것으로 가정하여 설명하였으나, 설명한 순서에 본 개시가 한정되는 것은 아니다. 실시간 스트리밍 방식의 특성 상, 적어도 일부의 과정이 동시에 수행되고/되거나 반복적으로 수행될 수 있다.

또한, 상술한 설명에서 실시간 영상 콘텐츠 생성 방법은 주로 정보 처리 시스템에 의해 수행되는 것으로 기재되었으나, 이에 한정되지 않으며, 본 개시의 실시간 영상 콘텐츠 생성 방법에 포함된 적어도 일부의 과정이 별도의 장치(예를 들어, 사용자 단말 또는 컴퓨팅 보조를 위한 별도의 장치 등)에 의해 수행될 수 있다. 다만, 이하에서는 설명의 편의를 위해, 본 개시의 실시간 영상 콘텐츠 생성 방법이 주로 정보 처리 시스템에 의해 수행되는 것으로 가정하여 서술하고자 한다.

도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 도시된 바와 같이, 복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 실시간 영상 콘텐츠 생성 서비스 등을 제공할 수 있는 정보 처리 시스템(230)과 연결될 수 있다. 여기서, 복수의 사용자 단말(210_1, 210_2, 210_3)은 실시간 영상 콘텐츠 생성 서비스를 제공받을 사용자의 단말을 포함할 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 실시간 영상 콘텐츠 생성 서비스 등과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다.

정보 처리 시스템(230)에 의해 제공되는 실시간 영상 콘텐츠 생성 서비스는, 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 실시간 영상 콘텐츠 생성 애플리케이션, 실시간 방송 시청 애플리케이션, 모바일 브라우저 애플리케이션 또는 웹 브라우저 등을 통해 사용자에게 제공될 수 있다. 예를 들어, 정보 처리 시스템(230)은 실시간 영상 콘텐츠 생성 애플리케이션 등을 통해 사용자 단말(210_1, 210_2, 210_3)로부터 수신되는 실시간 영상 콘텐츠 생성 요청, 영상 콘텐츠 변경 요청 등에 대응하는 정보를 제공하거나 대응하는 처리를 수행할 수 있다.

복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230)과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.

도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 실시간 영상 콘텐츠 생성 애플리케이션, 모바일 브라우저 애플리케이션 또는 웹 브라우저 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, AI 스피커, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스, 셋톱 박스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.

일 실시예에 따르면, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)(예를 들어, 관리자 단말)로부터 방송 개요를 수신할 수 있다. 그리고 나서, 정보 처리 시스템(230)은 방송 개요를 기초로 텍스트 콘텐츠를 생성할 수 있다. 그런 다음, 정보 처리 시스템(230)은 텍스트 콘텐츠를 기초로 음성 및 뷰를 포함하는 영상을 생성할 수 있으며, 생성된 영상을 실시간 스트리밍 방식으로 복수의 사용자 단말(210_1, 210_2, 210_3)(예를 들어, 시청자 단말)로 전송할 수 있다.

추가적으로, 정보 처리 시스템(230)은 영상에 대한 시청자의 실시간 채팅을 획득할 수 있다. 그런 다음, 정보 처리 시스템(230)은 실시간 채팅에 대한 리액션 텍스트를 생성하고, 리액션 텍스트를 발화하는 음성을 영상에 포함시킬 수 있다. 또한, 정보 처리 시스템(230)은 리액션 텍스트를 발화하는 음성을 포함하는 영상을 실시간 스트리밍 방식으로 복수의 사용자 단말(210_1, 220_2, 230_3)로 전송할 수 있다.

도 3은 본 개시의 일 실시예에 따른 사용자 단말(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 실시간 영상 콘텐츠 생성 애플리케이션, 실시간 방송 시청 애플리케이션, 모바일 브라우저 애플리케이션 또는 웹 브라우저 등을 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 단말(210_1), 태블릿 단말(210_2), PC 단말(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 사용자 단말(210)에 정보 및/또는 데이터를 입력하거나 사용자 단말(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 사용자 단말(210) 또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 사용자 단말(210)에 설치되어 실시간 영상 콘텐츠 생성 애플리케이션 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 사용자 단말(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(312, 332)에 로딩될 수 있다.

프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(316, 336)은 네트워크(220)를 통해 사용자 단말(210)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 사용자 단말(210) 및/또는 정보 처리 시스템(230)이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 사용자 단말(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 텍스트 콘텐츠 생성 요청, 텍스트 콘텐츠 수정 요청, 송출 순위 변경 요청 등)는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(316)을 통해 사용자 단말(210)에 수신될 수 있다. 예를 들어, 사용자 단말(210)은 정보 처리 시스템(230)으로부터 통신 모듈(316)을 통해 텍스트 콘텐츠를 수신할 수 있다.

입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 사용자 단말(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 사용자 단말이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)가 사용자 단말(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 사용자 단말(210)과 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(338)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.

사용자 단말(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 사용자 단말(210)은 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 사용자 단말(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 사용자 단말(210)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 구성요소를 포함할 수 있으며, 예를 들어, 가속도 센서, 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 사용자 단말(210)에 더 포함되도록 구현될 수 있다. 일 실시예에 따르면, 사용자 단말(210)의 프로세서(314)는 실시간 영상 콘텐츠 생성 서비스를 제공하는 애플리케이션 등이 동작하도록 구성될 수 있다. 이 때, 해당 애플리케이션 및/또는 프로그램과 연관된 코드가 사용자 단말(210)의 메모리(312)에 로딩될 수 있다.

실시간 영상 콘텐츠 생성 애플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 예를 들어, 프로세서(314)는 방송 개요를 기초로 텍스트 콘텐츠 생성을 요청하는 사용자 입력을 수신하여, 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 다른 예로서, 프로세서(314)는 리액션 텍스트에 대한 수정 요청을 나타내는 사용자 입력을 수신하여. 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다.

사용자 단말(210)의 프로세서(314)는 입력 장치(320), 다른 사용자 단말, 정보 처리 시스템(230) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(314)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공될 수 있다. 사용자 단말(210)의 프로세서(314)는 입출력 인터페이스(318)를 통해 입출력 장치(320)로 정보 및/또는 데이터를 전송하여, 출력할 수 있다. 예를 들면, 프로세서(314)는 수신한 정보 및/또는 데이터를 사용자 단말의 화면에 디스플레이할 수 있다.

정보 처리 시스템(230)의 프로세서(334)는 복수의 사용자 단말(210) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 사용자 단말(210)에 제공할 수 있다. 일 실시예에 따르면, 정보 처리 시스템(230)은 사용자 단말(210)(예를 들어, 관리자 단말)로부터 수신된 방송 개요를 기초로 텍스트 콘텐츠를 생성할 수 있다. 그런 다음, 정보 처리 시스템(230)은 텍스트 콘텐츠를 기초로 음성 및 뷰를 포함하는 영상을 생성할 수 있으며, 생성된 영상을 실시간 스트리밍 방식으로 복수의 사용자 단말(210)(예를 들어, 시청자 단말)로 전송할 수 있다.

추가적으로, 정보 처리 시스템(230)은 수신된 시청자의 실시간 채팅에 대한 리액션 텍스트를 생성하고, 리액션 텍스트를 발화하는 음성을 영상에 포함시킬 수 있다. 또한, 정보 처리 시스템(230)은 리액션 텍스트를 발화하는 음성을 포함하는 영상을 실시간 스트리밍 방식으로 복수의 사용자 단말(210)로 전송할 수 있다.

정보 처리 시스템(230)의 프로세서(334)는 사용자 단말(210)의 디스플레이 출력 가능 장치(예: 터치 스크린, 디스플레이 등), 음성 출력 가능 장치(예: 스피커) 등의 출력 장치(320)를 통해 처리된 정보 및/또는 데이터를 출력하도록 구성될 수 있다. 예를 들어, 정보 처리 시스템(230)의 프로세서(334)는 생성된 영상을 통신 모듈(336) 및 네트워크(220)를 통해 사용자 단말(210)로 제공하고, 영상을 사용자 단말(210)의 디스플레이 출력 가능 장치 및 사운드 출력 가능 장치 등을 통해 출력하도록 구성될 수 있다.

도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템의 프로세서(334)의 내부 구성을 나타내는 블록도이다. 도 4는 프로세서(334)의 내부 구성의 일 예시일 뿐이며, 프로세서(334)의 필수적 구성만을 도시한 것은 아니므로, 실시예에 따라 다르게 구성될 수 있다. 예를 들어, 도시된 구성 외 다른 구성이 추가로 포함되거나 도시된 구성 중 일부 구성이 생략될 수 있으며, 도시된 구성 중 일부 구성이 다른 장치(예를 들어, 사용자 단말의 프로세서)에 포함될 수 있다. 또한, 도 4에서 프로세서(334)는 단일 프로세서인 것처럼 도시되었으나, 이에 한정되지 않으며, 프로세서(334)는 복수의 프로세서로 구성될 수 있다.

일 실시예에 따르면, 정보 처리 시스템의 프로세서(334)는 콘텐츠 생성부(410), 리액션 텍스트 생성부(420), 송출 제어부(430), 음성 생성부(440), 뷰 생성부(450), 영상 전송부(460)를 포함할 수 있다.

콘텐츠 생성부(410)는 방송 개요를 기초로 텍스트 콘텐츠를 생성할 수 있다. 여기서, 방송 개요는 관리자 단말을 통해 관리자에 의해 입력된 것이거나, 웹을 이용한 정보 수집 결과에 기초하여 생성된 것이거나, 시청자의 실시간 채팅에 기초하여 생성/수정된 것일 수 있다. 또한, 방송 개요는 다양한 모달리티의 방송 개요일 수 있다. 콘텐츠 생성부(410)는 방송 개요의 유형 또는 형식에 따라, 다르게 구성되거나 다르게 학습된 별개의 콘텐츠 생성기를 이용하여 텍스트 콘텐츠를 생성할 수 있다.

예를 들어, 방송 개요는 관리자에 의해 입력된 임의의 형식의 방송 개요일 수 있다. 이 경우, 콘텐츠 생성부(410)는 스토리 생성 모델을 이용하여, 방송 개요를 기초로 이야기 방송의 텍스트 콘텐츠를 생성할 수 있다. 이와 관련하여서는 도 5를 참조하여 보다 상세히 후술된다.

다른 예로, 방송 개요는 관리자에 의해 입력된 복수의 곡 명을 포함하는 텍스트 형식의 곡 목록을 포함할 수 있다. 이 경우, 콘텐츠 생성부(410)는 검색 엔진, 요약 모델, 스타일 변환 모델 등을 이용하여 방송 개요를 기초로 음악 방송의 텍스트 콘텐츠를 생성할 수 있다. 이와 관련하여서는 도 6을 참조하여 보다 상세히 후술된다.

또 다른 예로, 방송 개요는 관리자에 의해 입력된 이미지 형식의 방송 개요, 사운드 형식의 방송 개요 또는 영상 형식의 방송 개요 중 적어도 하나일 수 있다. 콘텐츠 생성부(410)는 방송 개요의 모달리티에 따라, 이미지 인식 모델, 음성 인식 모델, 영상 인식 모델 등을 이용하여 방송 개요를 기초로 텍스트 콘텐츠를 생성할 수 있다. 이와 관련하여서는 도 7을 참조하여 보다 상세히 후술된다.

일 실시예에 따르면, 방송 개요는 웹을 이용한 정보 수집 결과(예를 들어, 크롤링 결과)에 기초하여 자동으로 생성된 것일 수 있다. 예를 들어, 방송 개요는 인기 검색어 또는 트렌드 서비스 중 적어도 하나를 제공하는 웹을 이용하여, 인기 검색어 정보를 수집한 수집 결과에 기초하여 생성된 것일 수 있다. 다른 예로, 방송 개요는 뉴스 서비스를 제공하는 웹을 이용하여, 인기 뉴스 정보를 수집한 수집 결과에 기초하여 생성된 것일 수 있다. 또 다른 예로, 방송 개요는 인기 음악 차트 서비스를 제공하는 웹을 이용하여 인기 음악 정보를 수집한 수집 결과에 기초하여 생성된 것일 수 있다. 웹을 이용하여 인기 검색어 정보, 인기 뉴스 정보, 인기 음악 정보 등을 수집하는 과정 및/또는 이에 기초하여 방송 개요를 생성하는 과정은 콘텐츠 생성부(410) 및/또는 사용자 단말(예를 들어, 관리자 단말)에 의해 수행될 수 있다.

콘텐츠 생성부(410)는 수집 정보에 기초하여 생성된 방송 개요를 기초로, 텍스트 콘텐츠를 생성할 수 있다. 수집 정보에 기초하여 생성된 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 방법은, 관리자에 의해 입력된 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 방법과 동일/유사하게 수행될 수 있다. 일 예시로, 콘텐츠 생성부(410)는 요약 모델을 이용하여, 뉴스 서비스를 제공하는 웹을 이용하여, 인기 뉴스 정보를 수집한 수집 결과 중 적어도 일부를 요약함으로써 방송 개요 또는 텍스트 콘텐츠를 생성할 수 있다. 다른 예시로, 콘텐츠 생성부(410)는 패러프레이징(paraphrasing) 모델을 이용하여, 뉴스 서비스를 제공하는 웹을 이용하여, 인기 뉴스 정보를 수집한 수집 결과 중 적어도 일부를 재구성함으로써 방송 개요 또는 텍스트 콘텐츠를 생성할 수 있다.

일 실시예에 따르면, 영상에 대한 시청자의 실시간 채팅에 기초하여, 방송 콘텐츠가 결정되거나 수정될 수 있다. 예를 들어, 방송 개요는 실시간 채팅 중 적어도 일부에 기초하여 생성되거나 수정될 수 있다. 이 경우, 콘텐츠 생성부(410)는 생성된/수정된 방송 개요를 기초로 텍스트 콘텐츠를 생성할 수 있다.

리액션 텍스트 생성부(420)는 시청자들의 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성할 수 있다. 예를 들어, 먼저, 리액션 텍스트 생성부(420)는 입력 텍스트의 유해성을 판단하도록 구성된 헤이트 스피치 필터를 이용하여, 실시간 채팅을 필터링할 수 있다. 그런 다음, 리액션 텍스트 생성부(420)는 필터링된 실시간 채팅 중 리액션 텍스트를 생성할 대상이 되는 하나 이상의 실시간 채팅을 선택할 수 있다. 그런 다음, 리액션 텍스트 생성부(420)는 선택된 하나 이상의 실시간 채팅에 대한 리액션 텍스트를 생성할 수 있다.

일 실시예에 따르면, 리액션 텍스트 생성부(420)는 단순히 채팅만을 기초로 채팅에 대한 리액션을 생성하는 대신, 방송 개요 또는 텍스트 콘텐츠를 고려하여 방송 콘텐츠와 연관된 리액션 텍스트를 생성할 수 있다. 리액션 텍스트 생성부(420)가 리액션 텍스트를 생성하는 구체적인 예시와 관련하여서는 도 8을 참조하여 보다 상세히 후술된다.

송출 제어부(430)는 콘텐츠 생성부(410)에 의해 생성/수정된 텍스트 콘텐츠 및 리액션 텍스트 생성부(420)에 의해 리액션 텍스트에 기초하여 대본을 구성할 수 있다. 송출 제어부(430)는 텍스트 콘텐츠와 연관된 송출 우선 순위, 리액션 텍스트와 연관된 송출 우선 순위를 고려하여, 텍스트 콘텐츠 및 리액션 텍스트를 포함하는 대본을 구성할 수 있다.

일 실시예에 따르면, 시청자의 실시간 채팅에 대한 즉각적인 반응을 위해, 송출 제어부(430)는 리액션 텍스트를 대본에 우선적으로 포함시킬 수 있다. 즉, 리액션 텍스트와 연관된 송출 우선 순위는 텍스트 콘텐츠와 연관된 송출 우선 순위보다 앞설 수 있다.

일 실시예에 따르면, 시청자의 실시간 채팅은 기부금과 연관된 도네이션 채팅 및 기부금과 연관되지 않은 일반 채팅을 포함할 수 있다. 송출 제어부(430)는 기부금과 연관된 도네이션 채팅에 대한 리액션 텍스트를 우선적으로 대본에 포함시킬 수 있다. 즉, 리액션 텍스트 중 도네이션 채팅에 대한 리액션 텍스트와 연관된 송출 우선 순위는 일반 채팅에 대한 리액션 텍스트와 연관된 송출 우선 순위보다 앞설 수 있다.

일 실시예에 따르면, 관리자는 관리자 단말을 통해, 콘텐츠 생성부(410)에 의해 생성된 텍스트 콘텐츠, 텍스트 콘텐츠와 연관된 송출 우선 순위, 리액션 텍스트 생성부(420)에 의해 생성된 리액션 텍스트 및/또는 리액션 텍스트와 연관된 송출 우선 순위를 수정할 수 있다. 관리자에 의해 텍스트 콘텐츠, 리액션 텍스트 및/또는 송출 우선 순위가 수정된 경우, 송출 제어부(430)는 관리자에 의해 수정된 사항을 고려하여 대본을 구성할 수 있다. 송출 제어부(430)가 텍스트 콘텐츠 및 리액션 텍스트에 기초하여 대본을 구성하는 구체적인 예시와 관련하여서는 도 9를 참조하여 보다 상세히 후술된다.

음성 생성부(440)는 대본에 기초하여 음성을 생성할 수 있다. 여기서, 음성은 대본을 발화하는 음성일 수 있다. 예를 들어, 음성 생성부(440)는 임의의 음성 합성(Text To Speech; TTS) 모델을 이용하여, 대본을 발화하는 음성을 생성할 수 있다. 일 실시예에 따르면, 관리자는 관리자 단말을 통해 가상 스트리머의 음성 특징(예를 들어, 성별, 나이, 지역, 목소리 높이, 말의 빠르기, 성격, 어조 등)을 선택할 수 있다. 이 경우, 음성 생성부(440)는 관리자에 의해 선택된 음성 특징을 반영하여 대본을 발화하는 음성을 생성할 수 있다.

뷰 생성부(450)는 대본 및/또는 음성에 기초하여 뷰를 생성할 수 있다. 여기서, 뷰는 캐릭터 형태의 가상 스트리머의 외양, 가상 인물 형태의 가상 스트리머의 외양 또는 텍스트 콘텐츠와 연관된 배경 뷰 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 뷰가 가상 스트리머의 외양을 포함하는 경우, 뷰는 가상 스트리머의 표정 변화, 가상 스트리머의 입모양 변화 및/또는 가상 스트리머의 제스처를 포함할 수 있다. 예를 들어, 뷰 생성부(450)는 감정 예측 모델 및 표정 변화 모델을 이용하여, 텍스트 콘텐츠와 연관된 감정이 반영된 가상 스트리머의 표정 변화를 생성할 수 있다. 추가적으로 또는 대안적으로, 뷰 생성부(450)는 토킹 헤드 모델을 이용하여, 제1 음성을 발화하는 가상 스트리머의 입모양 변화를 생성할 수 있다. 추가적으로 또는 대안적으로, 뷰 생성부(450)는 제스처 모델을 이용하여, 가상 스트리머의 제스처를 생성할 수 있다. 음성 생성부(440) 및 뷰 생성부(450)가 음성 및 뷰를 포함하는 영상을 생성하는 구체적인 예시와 관련하여서는 도 10 내지 도 12를 참조하여 보다 상세히 후술된다.

영상 전송부(460)는 음성 및 뷰를 포함하는 영상을 실시간 스트리밍 방식으로 전송할 수 있다.

도 5는 본 개시의 일 실시예에 따라 스토리 생성 모델(500)을 이용하여, 방송 개요(510)를 기초로 텍스트 콘텐츠(520)를 생성하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 스토리 생성 모델(500)을 이용하여, 방송 개요(510)를 기초로 이야기 방송의 텍스트 콘텐츠(520)를 생성할 수 있다. 여기서, 방송 개요(510)는 관리자 단말을 통해 관리자에 의해 입력된 것이거나, 웹을 이용한 정보 수집 결과(예를 들어, 인기 검색어 서비스, 트렌드 서비스 또는 뉴스 서비스를 제공하는 웹 사이트에 대한 크롤링 결과 등)에 기초하여 생성된 것이거나, 시청자의 실시간 채팅에 기초하여 생성 또는 수정된 것이거나, 이들 중 적어도 일부의 조합일 수 있다.

일 실시예에 따르면, 스토리 생성 모델(500)은 사전 학습된 언어 모델(예를 들어, Transformer)이거나, 사전 학습된 언어 모델을 기반으로 전이 학습된 모델일 수 있다. 예를 들어, 스토리 생성 모델(500)은 방송 개요(510)를 기초로 텍스트 콘텐츠(520)를 생성하도록 학습된 인코더-디코더 구조의 모델일 수 있다. 이 경우, 방송 개요(510)(또는 이를 나타내는 특징 벡터 등)가 스토리 생성 모델(500)의 인코더의 입력이 될 수 있으며, 스토리 생성 모델(500)의 디코더에 의해 자동 회귀(Autoregressive) 방식으로 텍스트 콘텐츠(520)가 한 단위(한 단어 또는 한 토큰 등) 씩 예측될 수 있다.

일 실시예에 따르면, 정보 처리 시스템은 토큰화 모듈을 이용하여, 방송 개요(510)를 스토리 생성 모델(500)에 의해 처리 가능한 입력 형식으로 변환할 수 있다. 예를 들어, 텍스트 형식의 방송 개요(510)는 토큰화 모듈을 거친 뒤 미리 정의된 토큰으로 토큰화된 상태로 스토리 생성 모델(500)에 입력될 수 있다.

추가적으로, 방송 개요(510)는 텍스트 형식의 데이터 뿐만 아니라 다양한 모달리티의 데이터를 더 포함할 수 있다. 예를 들어, 방송 개요(510)는 텍스트 형식의 데이터 뿐만 아니라 사운드 형식, 영상 형식, 이미지 형식 중 적어도 하나의 형식의 데이터를 더 포함할 수 있다. 이 경우, 스토리 생성 모델(500)의 입력에 스페셜 토큰이 포함될 수 있다. 예를 들어, 다양한 모달리티(예를 들어, 사운드 형식, 영상 형식, 이미지 형식 등)의 데이터에 기초하여 얻은 압축된 임베딩 벡터가 스토리 생성 모델(500)의 입력의 최전단에 포함될 수 있다. 구체적 예로, 스페셜 토큰은, 음성 인식 모델의 인식 결과, 영상 인식 모델의 인식 결과 또는 이미지 인식 모델의 인식 결과로서 생성된 은닉 표현(hidden representation) 시퀀스를 벡터 양자화(vector quantization)하여 얻은 압축된 벡터일 수 있다.

스토리 생성 모델(500)은 입력된 (토큰화된)방송 개요(510)를 기초로 텍스트 콘텐츠(520)를 생성할 수 있다. 예를 들어, 스토리 생성 모델(500)은 토큰화된 방송 개요(510)를 기초로 토큰화된 출력 값을 생성할 수 있으며, 토큰화된 출력 값은 역토큰화 과정을 통해 텍스트 형태의 데이터인 텍스트 콘텐츠(520)로 변환될 수 있다. 일 실시예에서, 스토리 생성 모델(500)의 입력에 스페셜 토큰(예를 들어, 압축된 임베딩 벡터)이 포함된 경우, 스토리 생성 모델(500)은 스페셜 토큰을 고려하여 텍스트 콘텐츠(520)를 생성할 수 있다.

상술한 스토리 생성 모델(500)의 구조, 추론 방법 및/또는 학습 방법은 일 예시일 뿐이며, 상술한 바와 다르게 구현되거나 다른 방법에 의해 학습될 수 있다. 예를 들어, 통상의 기술자가 채택할 수 있는 임의의 스토리 생성 모델(500)이 실시간 영상 콘텐츠 생성 방법에 사용될 수 있다.

도 6은 본 개시의 일 실시예에 따라 복수의 곡 명을 포함하는 방송 개요(610)를 기초로 음악 방송의 텍스트 콘텐츠(660)를 생성하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 복수의 곡 명을 포함하는 텍스트 형식의 곡 목록을 포함하는 방송 개요(610)를 기초로 음악 방송의 텍스트 콘텐츠(660)를 생성할 수 있다. 예를 들어, 방송 개요(610)는 복수의 곡의 각각에 대한 순번, 제목, 가수 및 설명을 포함하는 곡 목록일 수 있다. 일 실시예에서, 방송 개요(610)는 관리자 단말을 통해 관리자에 의해 입력된 것이거나, 웹을 이용한 정보 수집 결과(예를 들어, 인기 음악 차트 서비스를 제공하는 웹 사이트에 대한 크롤링 결과 등)에 기초하여 생성된 것이거나, 시청자의 실시간 채팅에 기초하여 생성 또는 수정된 것이거나, 이들 중 적어도 일부의 조합일 수 있다.

일 예시로, 먼저 정보 처리 시스템은 복수의 곡 명을 포함하는 텍스트 형식의 곡 목록을 포함하는 방송 개요(610)를 정규화할 수 있다. 구체적 예로, 정보 처리 시스템은 곡 명 'LV-After LOVE(feat. Hip boy)'로부터 'LV'가 가수, 'After LOVE'가 곡 제목이라는 것을 구분할 수 있으며, 피처링 정보 등의 부가 정보는 제거할 수 있다. 일 실시예에서, 방송 개요(610)가 이미 정규화된 형식으로 주어진 경우, 정보 처리 시스템은 정규화 과정을 생략할 수 있다.

그런 다음, 정보 처리 시스템은 웹을 이용하여 (정규화된)방송 개요(610)를 기초로 정보를 수집하여 수집 결과(620)를 얻을 수 있다. 구체적 예로, 정보 처리 시스템은 검색 엔진을 이용하여, 방송 개요(610)에 포함된 곡에 대한 정보를 크롤링함으로써 수집 결과(620)를 얻을 수 있다.

그런 다음, 정보 처리 시스템은 요약 모델(630)을 이용하여, 수집 결과(620)를 요약한 요약 결과(640)를 생성할 수 있다. 일 실시예에 따르면, 요약 모델(630)은 사전 학습된 언어 모델(예를 들어, Transformer)을 기반으로 전이 학습된 모델일 수 있다. 예를 들어, 요약 모델(630)은 요약 대상인 장문의 텍스트 데이터를 기초로 요약문의 텍스트 데이터를 생성하도록 학습된 인코더-디코더 구조의 모델일 수 있다. 이 경우, 수집 결과(620)가 요약 모델(630)의 인코더의 입력이 될 수 있으며, 요약 모델(630)의 디코더에 의해 자동 회귀 방식으로 요약 결과(640)가 한 단위(한 단어 또는 한 토큰 등) 씩 예측될 수 있다. 상술한 요약 모델(630)의 구조, 추론 방법 및/또는 학습 방법은 일 예시일 뿐이며, 상술한 바와 다르게 구현되거나 다른 방법에 의해 학습될 수 있다. 예를 들어, 통상의 기술자가 채택할 수 있는 임의의 요약 모델(630)이 실시간 영상 콘텐츠 생성 방법에 사용될 수 있다.

추가적으로, 정보 처리 시스템은 스타일 변환 모델(650)을 이용하여, 요약 결과(640)의 스타일을 변경함으로써 텍스트 콘텐츠(660)를 생성할 수 있다. 예를 들어, 정보 처리 시스템은 스타일 변환 모델(650)을 이용하여, 문어체의 요약 결과(640)를 친근한 어조의 구어체로 변환함으로써 텍스트 콘텐츠(660)를 생성할 수 있다. 일 실시예에 따르면, 스타일 변환 모델(650)을 이용하여 변환될 스타일에 대한 정보는 관리자 단말을 통해 관리자에 의해 설정될 수 있다.

도 7은 본 개시의 일 실시예에 따라 다양한 모달리티의 방송 개요(712, 722, 732)를 기초로 텍스트 콘텐츠(716, 726, 736)를 생성하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 방송 개요의 모달리티에 따라, 이미지 인식 모델(710), 음성 인식 모델(720) 또는 영상 인식 모델(730)을 이용하여 방송 개요(712, 722, 732)를 기초로 텍스트 콘텐츠(716, 726, 736)를 생성할 수 있다. 방송 개요는 이미지 형식의 방송 개요(712), 사운드 형식의 방송 개요(722) 또는 영상 형식의 방송 개요(732)를 포함할 수 있다. 이러한 방송 개요(712, 722, 732)는 관리자 단말을 통해 관리자에 의해 입력된 것이거나, 웹을 이용한 정보 수집의 결과로 얻어진 것이거나, 시청자의 실시간 채팅에 기초하여 수집된 것일 수 있다.

일 예시로, 정보 처리 시스템은 이미지 인식 모델(710)을 이용하여, 이미지 형식의 방송 개요(712)를 기초로 텍스트 콘텐츠(716)를 생성할 수 있다. 일 실시예에 따르면, 이미지 인식 모델(710)은 사전 학습된 이미지 인식 모델(예를 들어, Swin Transformer)이거나, 사전 학습된 이미지 인식 모델을 기초로 전이 학습된 모델일 수 있다. 일 실시예에서, 이미지 인식 모델(710)은 이미지를 기초로 이미지에 포함된 객체를 예측하도록 학습된 모델일 수 있다.

구체적 예로, 정보 처리 시스템은 먼저 이미지 형식의 방송 개요(712)를 이미지 인식 모델(710)에 의해 처리 가능한 입력 형식으로 변환할 수 있다. 예를 들어, 정보 처리 시스템은 이미지 형식의 방송 개요(712)를 복수의 패치의 집합(예를 들어, 4pixel by 4pixel 크기의 패치들의 집합)으로 변환하여 이미지 인식 모델(710)에 입력할 수 있다. 이미지 인식 모델(710)은 입력된 복수의 패치의 집합에 기초하여 은닉 표현의 시퀀스를 인식 결과(714)로서 출력할 수 있다. 정보 처리 시스템은 출력된 인식 결과(714)에 기초하여 텍스트 콘텐츠(716)를 생성할 수 있다.

다른 예로, 정보 처리 시스템은 음성 인식 모델(720)을 이용하여, 사운드 형식의 방송 개요(722)를 기초로 텍스트 콘텐츠(726)를 생성할 수 있다. 일 실시예에 따르면, 음성 인식 모델(720)은 사전 학습된 음성 인식 모델이거나, 사전 학습된 음성 인식 모델을 기반으로 전이 학습된 모델일 수 있다. 예를 들어, 음성 인식 모델(720)은 학습 음성과 전사 데이터의 쌍으로 구성된 학습 데이터를 기초로 학습된 트랜스포머 인코더-디코더 계열의 모델일 수 있다.

구체적 예로, 정보 처리 시스템은 먼저 사운드 형식의 방송 개요(722)를 음성 인식 모델(720)에 의해 처리 가능한 입력 형식으로 변환할 수 있다. 예를 들어, 정보 처리 시스템은 사운드 형식의 방송 개요(722)를 로그 스케일(log scale)의 스펙트로그램(spectrogram)으로 변환하여 음성 인식 모델(720)에 입력할 수 있다. 음성 인식 모델(720)은 입력된 스펙트로그램에 기초하여 은닉 표현의 시퀀스를 인식 결과(724)로서 출력할 수 있다. 예를 들어, 음성 인식 모델(720)은 이전까지 예측된 토큰 시퀀스를 바탕으로 다음 토큰을 예측하는 방식으로 은닉 표현의 시퀀스를 예측하여 인식 결과(724)로서 출력할 수 있다. 정보 처리 시스템은 출력된 인식 결과(724)에 기초하여 텍스트 콘텐츠(726)를 생성할 수 있다.

또 다른 예로, 정보 처리 시스템은 영상 인식 모델(730)을 이용하여, 영상 형식의 방송 개요(732)를 기초로 텍스트 콘텐츠(736)를 생성할 수 있다. 일 실시예에 따르면, 영상 인식 모델(730)은 사전 학습된 이미지 인식 모델 (예를 들어, Swin Transformer)의 시간 차원을 확장시킨 구조의 모델일 수 있다. 일 실시예에서, 영상 인식 모델(730)은 영상을 기초로 영상에 포함된 행동, 동작 등을 예측하도록 학습된 모델일 수 있다.

구체적 예로, 정보 처리 시스템은 먼저 영상 형식의 방송 개요(732)를 영상 인식 모델(730)에 의해 처리 가능한 입력 형식으로 변환할 수 있다. 예를 들어, 정보 처리 시스템은 영상 형식의 방송 개요(732)에서, 영상에 포함된 이미지들을 복수의 패치의 집합(예를 들어, 4pixel by 4pixel 크기의 패치에서 시간을 나타내는 차원이 추가된 4pixel by 4pixel by 1의 패치들의 집합)으로 변환하여 영상 인식 모델(730)에 입력할 수 있다. 영상 인식 모델(730)은 입력된 복수의 패치의 집합에 기초하여 은닉 표현의 시퀀스를 인식 결과(734)로서 출력할 수 있다. 정보 처리 시스템은 출력된 인식 결과(734)에 기초하여 텍스트 콘텐츠(736)를 생성할 수 있다.

정보 처리 시스템이 이미지 인식 모델(710)의 인식 결과(714), 음성 인식 모델(720)의 인식 결과(724) 또는 영상 인식 모델(730)의 인식 결과(734)에 기초하여 텍스트 콘텐츠(716, 726, 736)를 생성하는 과정은 도 5를 참조하여 상술한 바와 유사하게 수행될 수 있다. 예를 들어, 정보 처리 시스템은 인식 결과(714, 724, 734)로서 출력된 은닉 표현의 시퀀스를 벡터 양자화하여 압축된 임베딩 벡터를 생성할 수 있으며, 압축된 임베딩 벡터를 스토리 생성 모델의 입력에 포함시킴으로써, 텍스트 콘텐츠(716, 726, 736)를 생성할 수 있다.

추가적으로 또는 대안적으로, 정보 처리 시스템은 이미지 인식 모델(710), 음성 인식 모델(720) 또는 영상 인식 모델(730)을 리액션 텍스트를 생성하는데 사용할 수 있다. 이와 관련하여서는 도 8을 참조하여 상세히 후술된다.

상술한 이미지 인식 모델(710), 음성 인식 모델(720), 영상 인식 모델(730)의 구조, 추론 방법 및/또는 학습 방법은 일 예시일 뿐이며, 상술한 바와 다르게 구현되거나 다른 방법에 의해 학습될 수 있다. 예를 들어, 통상의 기술자가 채택할 수 있는 임의의 이미지 인식 모델(710), 음성 인식 모델(720), 영상 인식 모델(730)이 실시간 영상 콘텐츠 생성 방법에 사용될 수 있다.

도 8은 본 개시의 일 실시예에 따라, 시청자의 실시간 채팅에 대한 리액션 텍스트(836)를 생성하는 예시를 나타내는 도면이다. 정보 처리 시스템은 시청자들의 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트(836)를 생성할 수 있다.

먼저, 정보 처리 시스템은 스트리밍 방식으로 송출되는 영상에 대한 시청자들의 실시간 채팅을 획득할 수 있다. 예를 들어, 정보 처리 시스템은 영상 스트리밍 플랫폼에 입력된 시청자들의 실시간 채팅을 크롤링함으로써, 시청자들의 실시간 채팅을 획득할 수 있다. 수신된 실시간 채팅은 채팅 큐(812)에 쌓일 수 있다.

일 실시예에 따르면, 정보 처리 시스템은 입력 텍스트의 유해성을 판단하도록 구성된 헤이트 스피치 필터(810)를 이용하여, 실시간 채팅을 필터링할 수 있다. 예를 들어, 정보 처리 시스템은 토큰화 모듈을 이용하여 채팅 큐(812)에 포함된 실시간 채팅들을 토큰화하여 헤이트 스피치 필터(810)에 입력함으로써, 각 실시간 채팅에 대한 유해 확률(814)을 얻을 수 있다. 그런 다음, 정보 처리 시스템은 유해 확률(814)이 미리 정의된 임계치 이상/초과인 채팅을 유해 채팅으로 결정하고, 채팅 큐에서 유해 채팅을 제거함으로써 유해 채팅이 제거된 채팅 큐(822)를 얻을 수 있다.

추가적으로 또는 대안적으로, 정보 처리 시스템은 실시간 채팅 중 방송 콘텐츠와 연관된 실시간 채팅(832)을 리액션 텍스트 생성 대상 채팅으로 결정할 수 있다. 예를 들어, 정보 처리 시스템은 (유해 채팅이 제거된)채팅 큐(822)에 포함된 실시간 채팅들을 유사도 측정 모델(820)에 입력함으로써, 각 실시간 채팅에 대한 유사도(824)를 얻을 수 있으며, 유사도(824)에 기초하여 방송 콘텐츠와 연관된 실시간 채팅(832)을 선별할 수 있다. 여기서, 유사도(824)는 실시간 채팅과 방송 콘텐츠 간의 유사도일 수 있으며, 이 경우, 유사도 측정 모델(820)에는 실시간 채팅 뿐만 아니라, 방송 콘텐츠 정보(834)(예를 들어, 방송 개요, 텍스트 콘텐츠 및/또는 이들 중 적어도 일부(요약, 키워드 등) 등)가 함께 입력될 수 있다. 구체적 예로, 정보 처리 시스템은 (유해 채팅이 제거된)채팅 큐(822)에 포함된 실시간 채팅과 방송 콘텐츠 정보(834)를 유사도 측정 모델(820)에 입력할 수 있다. 여기서, 유사도 측정 모델(820)은 트랜스포머 인코더 계열의 모델일 수 있으며, 지도 대조 학습을 통해 학습된 모델일 수 있다. 또한, 실시간 채팅과 방송 콘텐츠 정보(834)는 토큰화 모듈을 통해 토큰화된 형태로 유사도 측정 모델(820)에 입력될 수 있다. 유사도 측정 모델(820)은 입력된 실시간 채팅과 방송 콘텐츠 정보(834) 간의 유사도(824)(예를 들어, -1~1 사이의 값의 코사인 유사도)를 출력할 수 있다. 정보 처리 시스템은 유사도(824)가 가장 높은 실시간 채팅을 방송 콘텐츠와 연관된 실시간 채팅(832)으로 선별할 수 있다.

정보 처리 시스템은 콘텐츠 챗봇(830)을 이용하여 실시간 채팅에 대한 리액션 텍스트(836)를 생성할 수 있다. 예를 들어, 정보 처리 시스템은 콘텐츠 챗봇(830)을 이용하여, 방송 콘텐츠와 연관된 실시간 채팅(832)을 기초로 리액션 텍스트(836)를 생성할 수 있다. 일 실시예에 따르면, 콘텐츠 챗봇(830)은 사전 학습된 언어 모델(예를 들어, Transformer)이거나, 사전 학습된 언어 모델을 기반으로 전이 학습된 모델일 수 있다. 예를 들어, 콘텐츠 챗봇(830)은 멀티 턴 대화 데이터를 이용하여 학습된 인코더-디코더 구조의 모델일 수 있다.

일 실시예에 따르면, 정보 처리 시스템은 단순히 채팅만을 기초로 리액션 텍스트를 생성하는 대신, 방송 콘텐츠를 고려하여 방송 콘텐츠와 연관된 리액션 텍스트(836)를 생성할 수 있다. 예를 들어, 정보 처리 시스템은 방송 콘텐츠와 연관된 실시간 채팅(832) 및 방송 콘텐츠 정보(834)(예를 들어, 방송 개요, 텍스트 콘텐츠 및/또는 이들 중 적어도 일부(요약, 키워드 등) 등)를 콘텐츠 챗봇(830)에 입력할 수 있다. 여기서, 방송 콘텐츠와 연관된 실시간 채팅(832)과 방송 콘텐츠 정보(834)는 토큰화 모듈을 통해 토큰화된 형태로 콘텐츠 챗봇(830)에 입력될 수 있다.

일 실시예에 따르면, 시청자의 실시간 채팅은 다양한 모달리티의 채팅(예를 들어, 이미지 채팅, 사운드 채팅 및/또는 영상 채팅)을 포함할 수 있다. 이 경우, 콘텐츠 챗봇(830)에 입력되는 실시간 채팅에는 스페셜 토큰이 포함될 수 있다. 예를 들어, 다양한 모달리티(예를 들어, 이미지 형식, 사운드 형식, 영상 형식 등)의 데이터에 기초하여 얻은 압축된 임베딩 벡터가 콘텐츠 챗봇(830)에 입력되는 (토큰화된)실시간 채팅(832)의 최전단에 포함될 수 있다. 구체적 예로, 스페셜 토큰은, 음성 인식 모델의 인식 결과, 영상 인식 모델의 인식 결과 또는 이미지 인식 모델의 인식 결과로서 생성된 은닉 표현 시퀀스를 벡터 양자화하여 얻은 압축된 벡터일 수 있다. 여기서, 음성 인식 모델, 영상 인식 모델, 이미지 인식 모델은 도 7을 참조하여 상술한 모델과 동일/유사한 모델일 수 있다.

콘텐츠 챗봇(830)은 방송 콘텐츠 정보(834)를 고려하여 실시간 채팅(832)에 대한 리액션 텍스트(836)를 생성할 수 있다. 예를 들어, 콘텐츠 챗봇(830)은 토큰화된 실시간 채팅을 기초로 토큰화된 출력 값을 생성할 수 있으며, 토큰화된 출력 값은 역토큰화 과정을 통해 텍스트 형태의 데이터인 리액션 텍스트(836)로 변환될 수 있다. 일 실시예에서, 콘텐츠 챗봇(830)의 입력에 스페셜 토큰(예를 들어, 압축된 임베딩 벡터)이 포함된 경우, 콘텐츠 챗봇(830)은 스페셜 토큰을 고려하여 리액션 텍스트(836)를 생성할 수 있다.

상술한 헤이트 스피치 필터(810), 유사도 측정 모델(820), 콘텐츠 챗봇(830)의 구조, 추론 방법 및/또는 학습 방법은 일 예시일 뿐이며, 상술한 바와 다르게 구현되거나 다른 방법에 의해 학습될 수 있다. 예를 들어, 통상의 기술자가 채택할 수 있는 임의의 스피치 필터(810), 유사도 측정 모델(820), 콘텐츠 챗봇(830)이 실시간 영상 콘텐츠 생성 방법에 사용될 수 있다.

도 9는 본 개시의 일 실시예에 따라 텍스트 콘텐츠(910) 및 리액션 텍스트(920, 930)에 기초하여 대본(950)을 생성하는 예시를 나타내는 도면이다. 정보 처리 시스템은 텍스트 콘텐츠(910) 및 리액션 텍스트(920, 930)에 기초하여 대본(950)을 구성할 수 있다. 일 실시예에 따르면, 정보 처리 시스템은 텍스트 콘텐츠(910)와 연관된 송출 우선 순위, 리액션 텍스트(920, 930)와 연관된 송출 우선 순위를 고려하여, 텍스트 콘텐츠(910) 및 리액션 텍스트(920, 930)를 포함하는 대본(950)을 구성할 수 있다. 실시간 영상 콘텐츠의 특성 상, 시청자의 실시간 채팅이 지속적으로 수신될 수 있으며, 리액션 텍스트 역시 지속적으로 생성될 수 있다. 따라서, 정보 처리 시스템은 지속적으로 대본(950)을 구성/업데이트하는 작업을 수행할 수 있다.

예를 들어, 정보 처리 시스템은 스트림 컨트롤러(900)를 이용하여, 텍스트 콘텐츠(910), 제1 리액션 텍스트(920), 제2 리액션 텍스트(930)를 기초로, 튜플 리스트(940)를 구성할 수 있다. 튜플 리스트(940)는 복수의 튜플을 포함할 수 있으며, 각 튜플은 텍스트(텍스트 콘텐츠(910) 또는 리액션 텍스트(920, 930)) 및 송출 우선 순위를 포함할 수 있다. 정보 처리 시스템은 튜플 리스트(940)에 기초하여 대본(950)을 구성할 수 있다.

일 실시예에 따르면, 시청자의 실시간 채팅에 대한 즉각적인 반응을 위해, 정보 처리 시스템은 리액션 텍스트(920, 930)를 대본(950)에 우선적으로 포함시킬 수 있다. 즉, 리액션 텍스트(920, 930)와 연관된 송출 우선 순위(도 9의 예시에서 각각 1, 0)는 텍스트 콘텐츠(910)와 연관된 송출 우선 순위(도 9의 예시에서 2)보다 앞설 수 있다.

추가적으로 또는 대안적으로, 시청자의 실시간 채팅은 기부금과 연관된 도네이션 채팅 및 기부금과 연관되지 않은 일반 채팅을 포함할 수 있다. 정보 처리 시스템은 기부금과 연관된 도네이션 채팅에 대한 리액션 텍스트를 우선적으로 대본(950)에 포함시킬 수 있다. 즉, 리액션 텍스트(920, 930) 중 도네이션 채팅에 대한 리액션 텍스트(도 9의 예시에서 제2 리액션 텍스트(930))와 연관된 송출 우선 순위(도 9의 예시에서 0)는 일반 채팅에 대한 리액션 텍스트(도 9의 예시에서 제1 리액션 텍스트(920))와 연관된 송출 우선 순위(도 9의 예시에서 1)보다 앞설 수 있다.

일 실시예에 따르면, 관리자 단말에는 텍스트 콘텐츠(910), 리액션 텍스트(920, 930), 튜플 리스트(940) 및/또는 대본(950)이 출력될 수 있다. 관리자는 관리자 단말을 통해, 텍스트 콘텐츠(910), 텍스트 콘텐츠(910)와 연관된 송출 우선 순위, 리액션 텍스트(920, 930), 리액션 텍스트(920, 930)와 연관된 송출 우선 순위 및/또는 대본(950)을 수정할 수 있다. 관리자에 의해 텍스트 콘텐츠(910), 리액션 텍스트(920, 930) 및/또는 송출 우선 순위 등이 수정된 경우, 정보 처리 시스템은 관리자에 의해 수정된 사항을 고려하여 대본(950)을 재구성할 수 있다.

상술한 대본 구성 방법은 본 개시의 일 예시일 뿐이며, 다른 방법에 의해 영상 콘텐츠의 대본(950)이 구성될 수 있다. 예를 들어, 복수의 텍스트 콘텐츠 아이템(예를 들어, 텍스트 콘텐츠의 각 문장이 각 텍스트 콘텐츠 아이템으로 구성됨)이 포함된 대본(950)이 구성될 수 있다. 정보 처리 시스템은 리액션 텍스트가 생성될 때마다 또는 주기적으로 대본(950)의 적절한 위치(예를 들어, 특정 두 개의 텍스트 콘텐츠 아이템의 사이)에 리액션 텍스트를 추가함으로써 대본(950)을 업데이트할 수 있다.

도 10은 본 개시의 일 실시예에 따라 대본(950)에 기초하여 음성(1012)을 생성하고, 대본(950) 및/또는 음성(1012)에 기초하여 뷰(1022)를 생성하는 예시를 나타내는 도면이다. 정보 처리 시스템은 대본(950)에 기초하여 음성(1012)을 생성할 수 있다. 여기서, 음성(1012)은 대본(950)을 발화하는 음성일 수 있다. 예를 들어, 정보 처리 시스템은 음성 합성기(1010)(예를 들어, 임의의 음성 합성(TTS) 모델 등)를 이용하여, 대본(950)을 기초로 대본을 발화하는 음성(1012)을 생성할 수 있다.

일 실시예에 따르면, 관리자는 관리자 단말을 통해 가상 스트리머의 음성 특징(예를 들어, 성별, 나이, 지역, 목소리 높이, 말의 빠르기, 성격, 어조 등)을 선택할 수 있다. 이 경우, 정보 처리 시스템은 음성 합성기(1010)를 이용하여, 관리자에 의해 선택된 음성 특징을 반영하여 대본(950)을 발화하는 음성(1012)을 생성할 수 있다.

추가적으로, 정보 처리 시스템은 대본(950) 및/또는 음성(1012)에 기초하여 뷰(1022)를 생성할 수 있다. 예를 들어, 정보 처리 시스템은 뷰 합성기(1020)(예를 들어, 임의의 영상 합성 시스템 등)를 이용하여, 대본(950) 및/또는 음성(1012)에 기초하여 뷰(1022)를 생성할 수 있다. 여기서, 뷰(1022)는 캐릭터 형태(2D 캐릭터 또는 3D 캐릭터)의 가상 스트리머의 외양, 가상 인물 형태의 가상 스트리머의 외양 또는 텍스트 콘텐츠와 연관된 배경 뷰 중 적어도 하나를 포함할 수 있다.

도 11은 본 개시의 일 실시예에 따라 대본(950) 및/또는 음성(1012)에 기초하여 가상 스트리머를 포함하는 뷰(1022)를 생성하는 예시를 나타내는 도면이다. 일 실시예에서, 뷰(1022)가 가상 스트리머의 외양을 포함하는 경우, 뷰(1022)는 가상 스트리머의 표정 변화(1122), 가상 스트리머의 입모양 변화(1132) 및/또는 가상 스트리머의 제스처(1142)를 포함할 수 있다.

일 실시예에 따르면, 뷰(1022)는 대본(950) 및/또는 음성(1012)과 연관된 감정(1112)이 반영된 가상 스트리머의 표정 변화(1122)를 포함할 수 있다. 정보 처리 시스템은 감정 예측 모델(1110) 및 표정 변화 모델(1120)을 이용하여, 대본(950)과 연관된 감정(1112)이 반영된 가상 스트리머의 표정 변화(1122)를 생성할 수 있다.

예를 들어, 먼저, 정보 처리 시스템은 감정 예측 모델(1110)을 이용하여 대본(950)과 연관된 감정(1112)을 예측할 수 있다. 여기서, 감정 예측 모델(1110)은 입력 텍스트를 기초로 감정 레이블을 출력하도록 학습된 트랜스포머 인코더 계열의 모델일 수 있다. 정보 처리 시스템은 대본 중 적어도 일부를 감정 예측 모델(1110)에 입력할 수 있다. 여기서, 대본 중 적어도 일부는 토큰화 모듈을 통해 토큰화된 형태로 감정 예측 모델(1110)에 입력될 수 있다. 감정 예측 모델(1110)은 (토큰화된)대본 중 적어도 일부에 기초하여 감정 레이블을 예측할 수 있다.

그런 다음, 정보 처리 시스템은 표정 변화 모델(1120)을 이용하여, 감정(1112)을 기초로 가상 스트리머의 표정 변화(1122)를 생성할 수 있다. 여기서, 표정 변화 모델(1120)은 텍스트 프롬프트를 기초로 입력 이미지에 대한 이미지 조작(manipulation)이 가능하도록 학습된 모델일 수 있다. 정보 처리 시스템은 가상 스트리머의 참조 이미지(예를 들어, 가상 스트리머의 기본 얼굴 이미지) 및 감정(1112)(예를 들어, 감정 예측 모델(1110)에 의해 예측된 감정 레이블)을 표정 변화 모델(1120)에 입력할 수 있다. 표정 변화 모델(1120)은 입력된 감정(1112)에 기초하여, 표정이 변화된 가상 스트리머의 이미지를 출력할 수 있으며, 출력된 가상 스트리머의 이미지는 가상 스트리머의 표정 변화(1122)로서 뷰(1022)에 포함될 수 있다.

추가적으로 또는 대안적으로, 뷰(1022)는 음성(1012)을 발화하는 가상 스트리머의 입모양 변화(1132)를 포함할 수 있다. 예를 들어, 정보 처리 시스템은 토킹 헤드 모델(1130)을 이용하여, 음성(1012)을 발화하는 가상 스트리머의 입모양 변화(1132)를 생성할 수 있다. 여기서, 토킹 헤드 모델(1130)은 오디오 및 인물이 포함된 이미지(해당 인물의 하관이 마스킹된 이미지)에 기초하여, 이미지에 포함된 인물의 입모양이 오디오를 자연스럽게 발화하도록 변화하는 영상을 생성하도록 학습된 생성적 적대 신경망(Generative Adversarial Network; GAN) 구조의 모델일 수 있다. 정보 처리 시스템은 토킹 헤드 모델(1130)에 음성(1012)(예를 들어, 대본을 발화하는 음성) 및 가상 스트리머의 참조 이미지(예를 들어, 가상 스트리머의 기본 얼굴 이미지)를 입력할 수 있다. 여기서, 음성(1012)은 로그 스케일의 스펙트로그램으로 변환된 형태로 입력될 수 있다. 토킹 헤드 모델(1130)은 음성(1012)을 발화하는 가상 스트리머의 입모양 변화(1132)를 생성할 수 있으며, 생성된 입모양 변화(1132)는 뷰(1022)에 포함될 수 있다.

추가적으로 또는 대안적으로, 뷰(1022)는 음성(1012)과 연관된 가상 스트리머의 제스처(1142)를 포함할 수 있다. 예를 들어, 정보 처리 시스템은 제스처 모델(1140)을 이용하여, 가상 스트리머의 제스처(1142)를 생성할 수 있다. 여기서, 제스처 모델(1140)은 음성(1012)으로부터 잠재 표현을 생성하는 음성 인코더와 애니메이션 클립의 위치 정보로부터 잠재 공간을 학습하는 스타일 인코더를 포함할 수 있다. 정보 처리 시스템은 제스처 모델(1140)에 음성(1012)(예를 들어, 대본(950)을 발화하는 음성) 및 제스처 애니메이션의 클립을 입력할 수 있다. 여기서, 음성(1012)은 로그 스케일의 스펙트로그램으로 변환된 형태로 입력될 수 있다. 제스처 모델(1140)은 음성(1012)에 기초하여 음성 임베딩을 출력할 수 있으며, 제스처 애니메이션의 클립에 기초하여 스타일 임베딩을 출력할 수 있다. 정보 처리 시스템은 출력된 음성 임베딩 및 스타일 임베딩에 기초하여, 가상 스트리머의 제스처(1142)를 구현할 수 있다. 구현된 가상 스트리머의 제스처(1142)는 뷰(1022)에 포함될 수 있다.

상술한 감정 예측 모델(1110), 표정 변화 모델(1120), 토킹 헤드 모델(1130), 제스처 모델(1140)의 구조, 추론 방법 및/또는 학습 방법은 일 예시일 뿐이며, 상술한 바와 다르게 구현되거나 다른 방법에 의해 학습될 수 있다. 예를 들어, 통상의 기술자가 채택할 수 있는 임의의 감정 예측 모델(1110), 표정 변화 모델(1120), 토킹 헤드 모델(1130), 제스처 모델(1140)이 실시간 영상 콘텐츠 생성 방법에 사용될 수 있다.

도 12는 본 개시의 일 실시예에 따라 음성(1012) 및 뷰(1022)를 포함하는 영상(1210)을 생성하고, 시청자(1220)에게 송출하는 예시를 나타내는 도면이다. 정보 처리 시스템은 대본을 발화하는 음성(1012) 및 뷰(1022)를 포함하는 영상(1210)을 실시간 스트리밍 방식으로 전송할 수 있다. 일 실시예에 따르면, 영상(1210)은 대본을 발화하는 음성(1012) 외 다른 사운드를 더 포함할 수 있다. 예를 들어, 영상(1210)은 배경 음악, 효과음, 음악 방송의 곡 목록에 포함된 음악 등의 사운드를 더 포함할 수 있다.

시청자(1220)는 시청자 단말을 통해 스트리밍 방식으로 송출되는 영상(1210)을 시청할 수 있다. 또한, 시청자(1220)는 시청자 단말을 통해 실시간 채팅을 입력함으로써 영상(1210)에 반응할 수 있다. 여기서, 실시간 채팅은 텍스트 채팅 뿐만 아니라 이미지 채팅, 영상 채팅, 사운드 채팅 등 다양한 유형의 채팅을 포함할 수 있다. 또한, 실시간 채팅은 영상(1210)과 연관된 사용자 계정(예를 들어, 관리자와 연관된 사용자 계정)으로 전송되는 기부금을 포함하는 도네이션 채팅과 기부금을 포함하지 않는 일반 채팅을 포함할 수 있다.

도 13은 본 개시의 일 실시예에 따른 인공신경망 모델(1300)을 나타내는 예시도이다. 인공신경망 모델(1300)은, 기계학습 모델의 일 예로서, 기계학습(Machine Learning) 기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조이다.

일 실시예에 따르면, 인공신경망 모델(1300)은, 생물학적 신경망에서와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(Node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 기계학습 모델을 나타낼 수 있다. 예를 들어, 인공신경망 모델(1300)은 기계 학습, 딥러닝 등의 인공지능 학습법에 사용되는 임의의 확률 모델, 뉴럴 네트워크 모델 등을 포함할 수 있다.

일 실시예에 따르면, 상술된 콘텐츠 생성기(예를 들어, 스토리 생성 모델, 요약 모델, 이미지 인식 모델, 음성 인식 모델, 영상 인식 모델 등), 헤이트 스피치 필터, 유사도 측정 모델, 콘텐츠 챗봇, 음성 합성기, 뷰 합성기(예를 들어, 감정 예측 모델, 표정 변화 모델, 토킹 헤드 모델, 제스처 모델 등) 등은 인공신경망 모델(1300)의 형태로 구현될 수 있다.

인공신경망 모델(1300)은 하나 이상의 층의 노드들과 이들 사이의 연결로 구성될 수 있다. 본 실시예에 따른 인공신경망 모델(1300)은 MLP를 포함하는 다양한 인공신경망 모델 구조들 중의 하나를 이용하여 구현될 수 있다. 도 13에 도시된 바와 같이, 인공신경망 모델(1300)은, 외부로부터 입력 신호 또는 데이터(1310)를 수신하는 입력층(1320), 입력 데이터에 대응한 출력 신호 또는 데이터(1250)를 출력하는 출력층(1340), 입력층(1320)과 출력층(1340) 사이에 위치하며 입력층(1320)으로부터 신호를 받아 특성을 추출하여 출력층(1340)으로 전달하는 n개(여기서, n은 양의 정수)의 은닉층(1330_1 내지 1330_n)으로 구성된다. 여기서, 출력층(1340)은 은닉층(1330_1 내지 1330_n)으로부터 신호를 받아 외부로 출력한다.

인공신경망 모델(1300)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning) 방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning) 방법이 있다. 인공신경망 모델(1300)은 도 5 내지 도 8, 도 10 및 도 11을 참조하여 전술한 학습 방법과 동일/유사한 방법으로 학습될 수 있다.

일 실시예에 따르면, 인공신경망 모델(1300)이 스토리 생성 모델인 경우, 입력변수는, 텍스트 형식의 방송 개요를 나타내거나 특징화하는 벡터를 포함할 수 있다. 이와 같이 상술된 입력변수가 입력층(1320)을 통해 입력되는 경우, 출력층(1340)에서 출력되는 출력변수는 텍스트 콘텐츠를 나타내거나 특징화하는 벡터가 될 수 있다.

또한, 인공신경망 모델(1300)이 음성 합성기인 경우, 입력변수는, 대본을 나타내거나 특징화하는 벡터를 포함할 수 있다. 이와 같이 상술된 입력변수가 입력층(1320)을 통해 입력되는 경우, 인공신경망 모델(1300)의 출력층(1340)에서 출력되는 출력변수는 합성된 음성을 나타내거나 특징화하는 벡터가 될 수 있다.

이와 같이, 인공신경망 모델(1300)의 입력층(1320)과 출력층(1340)에 복수의 입력변수와 대응되는 복수의 출력변수가 각각 매칭되고, 입력층(1320), 은닉층(1330_1 내지 1330_n) 및 출력층(1340)에 포함된 노드들 사이의 시냅스 값이 조정됨으로써, 특정 입력에 대응한 올바른 출력이 추출될 수 있도록 학습될 수 있다. 이러한 학습 과정을 통해, 인공신경망 모델(1300)의 입력변수에 숨겨져 있는 특성을 파악할 수 있고, 입력변수에 기초하여 계산된 출력변수와 목표 출력 간의 오차가 줄어들도록 인공신경망 모델(1300)의 노드들 사이의 시냅스 값(또는 가중치)를 조정할 수 있다. 이렇게 학습된 인공신경망 모델(1300)을 이용하여, 텍스트 콘텐츠를 생성하거나, 리액션 텍스트를 생성하거나, 음성 및 뷰를 합성할 수 있다.

도 14는 본 개시의 일 실시예에 따른 실시간 영상 콘텐츠 생성 방법(1400)의 예시를 나타내는 흐름도이다. 일 실시예에 따르면, 실시간 영상 콘텐츠 생성 방법(1400)은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)가 방송 개요를 기초로, 텍스트 콘텐츠를 생성함으로써 개시될 수 있다(S1410).

프로세서는 다양한 모달리티의 방송 개요를 기초로 텍스트 콘텐츠를 생성할 수 있다. 예를 들어, 프로세서는 텍스트 형식의 방송 개요, 사운드 형식의 방송 개요, 이미지 형식의 방송 개요, 영상 형식의 방송 개요 등을 기초로 텍스트 콘텐츠를 생성할 수 있다.

예를 들어, 프로세서는 스토리 생성 모델을 이용하여, 텍스트 형식의 방송 개요를 기초로 텍스트 콘텐츠를 생성할 수 있다. 다른 예로, 방송 개요는 복수의 곡 명을 포함하는 곡 목록이고, 프로세서는 복수의 곡 명을 정규화하고, 검색 엔진을 이용하여 정규화된 복수의 곡 명을 기초로 곡 목록에 포함된 복수의 곡과 연관된 정보를 수집할 수 있다. 그런 다음, 요약 모델을 이용하여 수집된 정보를 요약하고, 스타일 변환 모델을 이용하여 요약된 정보의 스타일을 변경함으로써 텍스트 콘텐츠를 생성할 수 있다. 또 다른 예로, 프로세서는 이미지 인식 모델을 이용하여 이미지 형식의 방송 개요를 기초로 텍스트 콘텐츠를 생성하거나, 음성 인식 모델을 이용하여 사운드 형식의 방송 개요를 기초로 텍스트 콘텐츠를 생성하거나, 영상 인식 모델을 이용하여, 영상 형식의 방송 개요를 기초로 텍스트 콘텐츠를 생성할 수 있다.

일 실시예에 따르면, 방송 개요는 사용자(예를 들어, 관리자)에 의해 주어지거나, 웹을 이용한 정보 수집 결과(예를 들어, 크롤링 결과)에 기초하여 생성된 것일 수 있다. 예를 들어, 방송 개요는 인기 검색어 또는 트렌드 서비스 중 적어도 하나를 제공하는 웹을 이용하여, 인기 검색어 정보를 수집한 수집 결과에 기초하여 생성된 것일 수 있다. 다른 예로, 방송 개요는 뉴스를 제공하는 웹을 이용하여, 인기 뉴스 정보를 수집한 수집 결과에 기초하여 생성된 것일 수 있다. 웹을 이용하여 인기 검색어 정보 또는 인기 뉴스 정보 등을 수집하는 과정 및/또는 이에 기초하여 방송 개요를 생성하는 과정은 정보 처리 시스템 및/또는 사용자 단말(예를 들어, 관리자 단말)에 의해 수행될 수 있다.

그런 다음, 프로세서는 텍스트 콘텐츠에 기초하여, 제1 음성을 생성할 수 있다(S1420). 여기서, 제1 음성은 생성된 텍스트 콘텐츠를 발화하는 음성을 포함할 수 있다. 예를 들어, 프로세서는 임의의 음성 합성 모델을 이용하여, 텍스트 콘텐츠로부터 제1 음성을 생성할 수 있다.

또한, 프로세서는 텍스트 콘텐츠 또는 제1 음성 중 적어도 하나에 기초하여, 제1 뷰를 생성할 수 있다(S1430). 일 실시예에 따르면, 제1 뷰는 캐릭터 형태의 가상 스트리머, 가상 인물 형태의 가상 스트리머 또는 텍스트 콘텐츠와 연관된 배경 뷰 중 적어도 하나를 포함할 수 있다.

제1 뷰가 가상 스트리머를 포함하는 경우, 제1 뷰는 가상 스트리머의 표정 변화, 가상 스트리머의 입모양 변화 및/또는 가상 스트리머의 제스처를 포함할 수 있다. 일 실시예에 따르면, 가상 스트리머의 표정 변화는 텍스트 콘텐츠와 연관된 감정이 반영된 가상 스트리머의 표정 변화일 수 있으며, 이는 감정 예측 모델 및 표정 변화 모델을 이용하여 생성될 수 있다. 추가적으로 또는 대안적으로, 가상 스트리머의 입모양 변화는 제1 음성을 발화하는 가상 스트리머의 입모양 변화일 수 있으며, 이는 토킹 헤드 모델을 이용하여 생성될 수 있다. 추가적으로 또는 대안적으로, 가상 스트리머의 제스처는 제스처 모델을 이용하여 생성될 수 있다.

프로세서는 제1 음성 및 제1 뷰를 포함하는 제1 영상을 실시간 스트리밍 방식으로 전송할 수 있다(S1440). 시청자는 시청자 단말을 이용하여, 실시간 스트리밍 방식으로 방송되는 제1 영상을 시청할 수 있으며, 제1 영상에 대한 실시간 채팅을 전송할 수 있다. 프로세서는 복수의 시청자 단말로부터 제1 영상에 대한 실시간 채팅을 획득할 수 있다.

일 실시예에 따르면, 프로세서는 챗봇 모델을 이용하여 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성할 수 있다. 예를 들어, 프로세서는 챗봇 모델을 이용하여, 방송 개요 또는 텍스트 콘텐츠를 기초로 실시간 채팅 중 적어도 일부에 대한 방송 콘텐츠와 연관된 리액션 텍스트를 생성할 수 있다.

일 실시예에 따르면, 프로세서는 실시간 채팅 중 방송 콘텐츠와 연관도가 높은 채팅에 대해 리액션 텍스트를 생성할 수 있다. 예를 들어, 프로세서는 유사도 측정 모델을 이용하여, 실시간 채팅 중 방송 콘텐츠와 연관된 하나 이상의 실시간 채팅을 선택할 수 있다. 그런 다음, 프로세서는 챗봇 모델을 이용하여 선택된 하나 이상의 실시간 채팅에 대한 리액션 텍스트를 생성할 수 있다.

일 실시예에 따르면, 시청자의 실시간 채팅은 다양한 모달리티의 채팅(예를 들어, 텍스트 채팅, 이미지 채팅, 사운드 채팅 및/또는 영상 채팅)을 포함할 수 있으며, 프로세서는 챗봇 모델을 이용하여, 다양한 모달리티의 채팅에 대한 리액션 텍스트를 생성할 수 있다.

일 실시예에 따르면, 프로세서는 실시간 채팅에 대한 리액션 텍스트를 생성하기 전에, 입력 텍스트의 유해성을 판단하도록 구성된 헤이트 스피치 감지 모델을 이용하여, 실시간 채팅을 필터링할 수 있다.

그런 다음, 프로세서는 텍스트 콘텐츠 및 리액션 텍스트에 기초하여, 제2 음성을 생성할 수 있다. 예를 들어, 프로세서는 텍스트 콘텐츠와 연관된 송출 우선 순위 및 리액션 텍스트와 연관된 송출 우선 순위를 이용하여, 제2 음성을 생성할 수 있다. 제2 음성은 텍스트 콘텐츠와 리액션 텍스트를 송출 우선 순위에 따라 발화하는 음성을 포함할 수 있다. 또한, 프로세서는 텍스트 콘텐츠 또는 제2 음성 중 적어도 하나에 기초하여, 제2 뷰를 생성할 수 있으며, 제2 음성 및 제2 뷰를 포함하는 제2 영상을 실시간 스트리밍 방식으로 전송할 수 있다.

일 실시예에서, 시청자의 실시간 채팅에 대한 리액션 텍스트가 생성된 경우, 프로세서는 리액션 텍스트를 우선적으로 읽어줄 수 있다. 즉, 일 실시예에 따르면, 리액션 텍스트와 연관된 송출 우선 순위는 텍스트 콘텐츠와 연관된 송출 우선 순위보다 앞설 수 있다.

추가적으로 또는 대안적으로, 시청자의 실시간 채팅은 기부금과 연관된 도네이션 채팅 및 기부금과 연관되지 않은 일반 채팅을 포함할 수 있다. 이 경우, 프로세서는 기부금과 연관된 도네이션 채팅에 대한 리액션 텍스트를 우선적으로 읽어줄 수 있다. 즉, 리액션 텍스트 중 도네이션 채팅에 대한 리액션 텍스트와 연관된 송출 우선 순위는 일반 채팅에 대한 리액션 텍스트와 연관된 송출 우선 순위보다 앞설 수 있다.

일 실시예에 따르면, 프로세서는 실시간 스트리밍 방식으로 전송된 제1 영상에 대한 시청자의 실시간 채팅에 기초하여, 방송 콘텐츠를 수정할 수 있다. 예를 들어, 방송 개요가 실시간 채팅 중 적어도 일부에 기초하여 수정될 수 있다. 프로세서는 스토리 생성 모델을 이용하여, 수정된 방송 개요를 기초로 수정된 텍스트 콘텐츠를 생성할 수 있으며, 수정된 텍스트 콘텐츠에 기초하여 제3 음성 및 제3 뷰를 생성하고, 제3 음성 및 제3 뷰를 포함하는 제3 영상을 실시간 스트리밍 방식으로 전송할 수 있다.

도면에 포함된 흐름도 및 상술한 설명은 일 예시일 뿐이며 본 개시의 범위가 이에 한정되는 것은 아니다. 예를 들어, 다른 실시예에 따르면, 일부 단계가 추가/변경/삭제될 수 있으며, 각 단계의 순서가 변경될 수 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록 수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되는 경우, 상기 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk) 와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 방송 개요
120: 콘텐츠 생성기
130: 스트림 컨트롤러
140: 음성 및 뷰 생성기
150: 영상
160: 시청자
170: 헤이트 스피치 필터
180: 콘텐츠 챗봇

Claims

적어도 하나의 프로세서에 의해 수행되는, 실시간 영상 콘텐츠 생성 방법에 있어서,
방송 개요를 기초로, 텍스트 콘텐츠를 생성하는 단계;
상기 텍스트 콘텐츠에 기초하여, 제1 음성을 생성하는 단계;
상기 텍스트 콘텐츠 또는 상기 제1 음성 중 적어도 하나에 기초하여, 제1 뷰를 생성하는 단계; 및
상기 제1 음성 및 상기 제1 뷰를 포함하는 제1 영상을 실시간 스트리밍 방식으로 전송하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 실시간 스트리밍 방식으로 전송된 제1 영상에 대한 시청자의 실시간 채팅을 획득하는 단계; 및
챗봇 모델을 이용하여, 상기 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성하는 단계
를 더 포함하는, 실시간 영상 콘텐츠 생성 방법.
제2항에 있어서,
상기 텍스트 콘텐츠 및 상기 리액션 텍스트에 기초하여, 제2 음성을 생성하는 단계;
상기 텍스트 콘텐츠 또는 상기 제2 음성 중 적어도 하나에 기초하여, 제2 뷰를 생성하는 단계; 및
상기 제2 음성 및 상기 제2 뷰를 포함하는 제2 영상을 실시간 스트리밍 방식으로 전송하는 단계
를 더 포함하는, 실시간 영상 콘텐츠 생성 방법.
제2항에 있어서,
상기 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성하는 단계는,
상기 챗봇 모델을 이용하여, 상기 방송 개요 또는 상기 텍스트 콘텐츠를 기초로, 상기 실시간 채팅 중 적어도 일부에 대한 방송 콘텐츠와 연관된 리액션 텍스트를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제2항에 있어서,
상기 실시간 채팅 중 적어도 일부에 대한 리액션 텍스트를 생성하는 단계는,
유사도 측정 모델을 이용하여, 상기 실시간 채팅 중 방송 콘텐츠와 연관된 하나 이상의 실시간 채팅을 선택하는 단계; 및
상기 챗봇 모델을 이용하여, 상기 선택된 하나 이상의 실시간 채팅에 대한 리액션 텍스트를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제2항에 있어서,
입력 텍스트의 유해성을 판단하도록 구성된 헤이트 스피치(hate-speech) 감지 모델을 이용하여, 상기 실시간 채팅을 필터링하는 단계
를 더 포함하는, 실시간 영상 콘텐츠 생성 방법.
제2항에 있어서,
시청자의 실시간 채팅은, 텍스트 채팅, 이미지 채팅, 사운드 채팅 또는 영상 채팅 중 적어도 하나를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제3항에 있어서,
상기 텍스트 콘텐츠 및 상기 리액션 텍스트에 기초하여, 제2 음성을 생성하는 단계는,
상기 텍스트 콘텐츠와 연관된 송출 우선 순위 및 상기 리액션 텍스트와 연관된 송출 우선 순위를 이용하여, 상기 제2 음성을 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제8항에 있어서,
상기 시청자의 실시간 채팅은 기부금과 연관된 도네이션 채팅 및 기부금과 연관되지 않은 일반 채팅을 포함하고,
상기 리액션 텍스트와 연관된 송출 우선 순위는 상기 텍스트 콘텐츠와 연관된 송출 우선 순위보다 앞서고,
상기 리액션 텍스트 중 상기 도네이션 채팅에 대한 리액션 텍스트와 연관된 송출 우선 순위는 상기 일반 채팅에 대한 리액션 텍스트와 연관된 송출 우선 순위보다 앞서는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는,
스토리 생성 모델을 이용하여, 텍스트 형식의 방송 개요를 기초로 상기 텍스트 콘텐츠를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 방송 개요는 복수의 곡 명을 포함하는 곡 목록이고,
상기 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는,
상기 복수의 곡 명을 정규화하는 단계;
검색 엔진을 이용하여, 상기 정규화된 복수의 곡 명을 기초로 상기 곡 목록에 포함된 복수의 곡과 연관된 정보를 수집하는 단계;
요약 모델을 이용하여, 상기 수집된 정보를 요약하는 단계; 및
스타일 변환 모델을 이용하여, 상기 요약된 정보의 스타일을 변경하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 방송 개요는, 인기 검색어 또는 트렌드 서비스 중 적어도 하나를 제공하는 웹을 이용하여, 인기 검색어 정보를 수집한 수집 결과에 기초하여 생성되는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 방송 개요는, 뉴스를 제공하는 웹을 이용하여, 인기 뉴스 정보를 수집한 수집 결과에 기초하여 생성되는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는,
이미지 인식 모델을 이용하여, 이미지 형식의 방송 개요를 기초로 상기 텍스트 콘텐츠를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는,
음성 인식 모델을 이용하여, 사운드 형식의 방송 개요를 기초로 상기 텍스트 콘텐츠를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 방송 개요를 기초로 텍스트 콘텐츠를 생성하는 단계는,
영상 인식 모델을 이용하여, 영상 형식의 방송 개요를 기초로 상기 텍스트 콘텐츠를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 실시간 스트리밍 방식으로 전송된 제1 영상에 대한 시청자의 실시간 채팅을 획득하는 단계;
상기 실시간 채팅 중 적어도 일부에 기초하여, 상기 방송 개요를 수정하는 단계;
스토리 생성 모델을 이용하여, 상기 수정된 방송 개요를 기초로 수정된 텍스트 콘텐츠를 생성하는 단계;
상기 수정된 텍스트 콘텐츠에 기초하여, 제3 음성 및 제3 뷰를 생성하는 단계; 및
상기 제3 음성 및 상기 제3 뷰를 포함하는 제3 영상을 실시간 스트리밍 방식으로 전송하는 단계
를 더 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 제1 뷰는 캐릭터 형태의 가상 스트리머, 가상 인물 형태의 가상 스트리머 또는 상기 텍스트 콘텐츠와 연관된 배경 뷰 중 적어도 하나를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 제1 뷰는 캐릭터 형태 또는 가상 인물 형태의 가상 스트리머를 포함하고,
상기 텍스트 콘텐츠 또는 상기 제1 음성 중 적어도 하나에 기초하여 제1 뷰를 생성하는 단계는,
감정 예측 모델 및 표정 변화 모델을 이용하여, 상기 텍스트 콘텐츠와 연관된 감정이 반영된 상기 가상 스트리머의 표정 변화를 포함하는 제1 뷰를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 제1 뷰는 캐릭터 형태 또는 가상 인물 형태의 가상 스트리머를 포함하고,
상기 텍스트 콘텐츠 또는 상기 제1 음성 중 적어도 하나에 기초하여 제1 뷰를 생성하는 단계는,
토킹 헤드 모델을 이용하여, 상기 제1 음성을 발화하는, 상기 가상 스트리머의 입모양 변화를 포함하는 제1 뷰를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항에 있어서,
상기 제1 뷰는 캐릭터 형태 또는 가상 인물 형태의 가상 스트리머를 포함하고,
상기 텍스트 콘텐츠 또는 상기 제1 음성 중 적어도 하나에 기초하여 제1 뷰를 생성하는 단계는,
제스처 모델을 이용하여, 상기 가상 스트리머의 제스처를 포함하는 제1 뷰를 생성하는 단계
를 포함하는, 실시간 영상 콘텐츠 생성 방법.
제1항 내지 제21항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
정보 처리 시스템으로서,
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
방송 개요를 기초로 텍스트 콘텐츠를 생성하고, 상기 텍스트 콘텐츠에 기초하여 제1 음성을 생성하고, 상기 텍스트 콘텐츠 또는 상기 제1 음성 중 적어도 하나에 기초하여 제1 뷰를 생성하고, 상기 제1 음성 및 상기 제1 뷰를 포함하는 제1 영상을 실시간 스트리밍 방식으로 전송하기 위한 명령어들을 포함하는, 정보 처리 시스템.