KR102903102B1 - 전자 장치 및 전자 장치의 음성 인식 수행 방법 - Google Patents

Abstract

다양한 실시예들은 사용자의 음성 입력을 수신하고, 음성 입력으로 생성된 사용자 명령에 대응하는 기능을 실행할 수 있는 전자 장치 및 전자 장치의 음성 인식 수행 방법에 관하여 개시한다. 다양한 실시예들에 따른 전자 장치는, 통신 모듈, 마이크, 디스플레이 모듈, 및 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 통해 사용자 발화에 따른 사용자 음성을 수신하고, 사용자 음성에 따른 사용자 명령을 처리하기 위한 자연어 플랫폼(natural language platform)을 이용하여 상기 수신된 사용자 음성에 대한 음성 인식을 수행하고, 상기 음성 인식을 수행하는 동안, 서버와 상호작용에 기반한 상기 사용자 명령의 처리 여부를 결정하고, 상기 서버와 상호작용에 기반한 처리를 결정하는 것에 기반하여, 상기 음성 인식의 수행 상태에 대응하는 중간 데이터를 생성하고, 상기 통신 모듈을 통해 상기 중간 데이터를 상기 서버로 전송하고, 상기 중간 데이터에 기반하여 상기 사용자 명령에 대해 처리된 처리 결과를 상기 서버로부터 수신하고, 상기 디스플레이 모듈을 통해 상기 처리 결과를 표시하도록 할 수 있다. 다양한 실시예들이 가능하다.

Description

전자 장치 및 전자 장치의 음성 인식 수행 방법{ELECTRONIC DEVICE AND METHOD FOR PERFORMING VOICE RECOGNITION THEREOF}

본 개시의 다양한 실시예들은 사용자의 음성 입력을 수신하고, 음성 입력으로 생성된 사용자 명령(user command)에 대응하는 기능을 실행할 수 있는 전자 장치 및 전자 장치의 음성 인식 수행 방법에 관하여 개시한다.

디지털 기술의 발달과 함께, PDA(personal digital assistant), 스마트 폰(smart phone), 태블릿 PC(personal computer), 웨어러블 장치(wearable device)와 같은 다양한 유형의 전자 장치가 널리 사용되고 있다. 이러한 전자 장치는 기능 지지 및 증대를 위해, 전자 장치의 하드웨어적인 부분 및/또는 소프트웨어적인 부분이 지속적으로 개발되고 있다.

전자 장치는 통화 기능에서 나아가 다양한 기능들을 구현할 수 있으며, 다양한 기능들을 사용자가 이용하도록 하기 위해 다양한 입력 인터페이스를 제공하고 있다. 예를 들면, 전자 장치의 입력 인터페이스는 버튼 입력 방식 또는 터치스크린 기반의 터치 입력 방식에서 나아가, 음성 입력 방식을 제공하고 있다. 일 예로, 전자 장치는 음성 인식(voice recognition or speech recognition) 기술을 이용하여 사용자의 음성 명령을 통해 어플리케이션의 실행을 제어하거나, 웹 기반 서비스를 이용한 기능을 수행할 수 있다. 음성 인식 기술은 사용자(예: 사람)가 발화하는 음성을 이해하여 전자 장치가 다룰 수 있는 코드 정보로 변환하는 기술일 수 있다. 예를 들면, 음성 인식 기술은 음성 파형을 입력하여 단어나 단어 열을 식별하고, 의미를 추출하는 처리 동작을 포함할 수 있다.

현재 음성 인식 기술의 경우, 연산 처리가 간단한 명령은 전자 장치에서 처리하고, 전자 장치에서 처리하지 못하는 명령(예: 연산 처리가 복잡하고 많은 자원이 요구되는 명령)은 서버(예: 지능형 서버)를 이용하여 처리하는 방식을 제안하고 있다. 예를 들면, 종래에서는 전자 장치에서 사용자 명령(예: 입력된 음성)에 대해 우선 처리를 수행하고, 그 결과 전자 장치에서 사용자 명령 처리에 실패하는 경우, 사용자 명령을 서버로 전달하여 서버에 의해 처리하도록 할 수 있다. 하지만, 종래에서는 전자 장치에서 명령 처리에 실패하는 경우, 서버에서 해당 명령에 대한 처리를 처음부터 다시 시작하는 방식으로 제공되고 있다. 따라서, 종래에서는 전자 장치에서 명령 처리에 실패 시 서버에서 명령 처리를 위한 모든 동작을 처음부터 다시 수행함에 따라, 서버의 응답 시간이 오래 소요될 수 있으며, 결과적으로 사용자에게는 서버의 응답 시간만큼 지연 현상으로 발생하여 불편함을 제공할 수 있다.

다양한 실시예들에서는, 전자 장치에서 지능형 서비스(예: 지능형 개인 비서(intelligent assistant or intelligent personal assistant) 서비스)를 제공할 때, 사용자 명령을 처리하기 위한 응답 시간을 최소할 수 있는 방법 및 장치에 관하여 개시한다.

다양한 실시예들에서는, 전자 장치에서 지능형 서비스를 제공할 때, 음성 인식 및/또는 명령 생성 동작을 전자 장치와 서버 간에 분산 처리할 수 있는 방법 및 장치에 관하여 개시한다.

다양한 실시예들에서는, 전자 장치와 서버 간에 사용자 명령에 대한 분산 처리 시에, 전자 장치에서 처리된 중간 데이터를 서버에 제공하여, 전사 장치에서 수행된 동작 이후부터 연속적인 동작 처리가 가능하고, 연속적인 동작 처리에 따른 빠른 응답을 제공할 수 있는 방법 및 장치에 관하여 개시한다.

다양한 실시예들에서, 전자 장치와 서버 간에 상호작용 하여 사용자 명령을 분산 처리 시에, 사용자 명령어 처리를 위한 모듈 단위로 처리할 수 있는 방법 및 장치에 관하여 개시한다.

본 개시의 일 실시예에 따른 전자 장치는, 통신 모듈, 마이크, 디스플레이 모듈, 및 상기 통신 모듈, 상기 마이크 및 상기 디스플레이 모듈과 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 마이크를 통해 사용자 발화에 따른 사용자 음성을 수신하고, 사용자 음성에 따른 사용자 명령을 처리하기 위한 자연어 플랫폼(natural language platform)을 이용하여 상기 수신된 사용자 음성에 대한 음성 인식을 수행하고, 상기 음성 인식을 수행하는 동안, 서버와 상호작용에 기반한 상기 사용자 명령의 처리 여부를 결정하고, 상기 서버와 상호작용에 기반한 처리를 결정하는 것에 기반하여, 상기 음성 인식의 수행 상태에 대응하는 중간 데이터를 생성하고, 상기 통신 모듈을 통해 상기 중간 데이터를 상기 서버로 전송하고, 상기 중간 데이터에 기반하여 상기 사용자 명령에 대해 처리된 처리 결과를 상기 서버로부터 수신하고, 상기 디스플레이 모듈을 통해 상기 처리 결과를 표시하도록 할 수 있다.

본 개시의 일 실시예에 따른 전자 장치의 동작 방법은, 마이크를 통해 사용자 발화에 따른 사용자 음성을 수신하는 동작, 사용자 음성에 따른 사용자 명령을 처리하기 위한 자연어 플랫폼(natural language platform)을 이용하여 상기 수신된 사용자 음성에 대한 음성 인식을 수행하는 동작, 상기 음성 인식을 수행하는 동안, 서버와 상호작용에 기반한 상기 사용자 명령의 처리 여부를 결정하는 동작, 상기 서버와 상호작용에 기반한 처리를 결정하는 것에 기반하여, 상기 음성 인식의 수행 상태에 대응하는 중간 데이터를 생성하는 동작, 통신 모듈을 통해 상기 중간 데이터를 상기 서버로 전송하는 동작, 상기 중간 데이터에 기반하여 상기 사용자 명령에 대해 처리된 처리 결과를 상기 서버로부터 수신하는 동작, 및 디스플레이 모듈을 통해 상기 처리 결과를 표시하는 동작을 포함할 수 있다.

상기와 같은 과제를 해결하기 위하여 본 개시의 다양한 실시예들에서는, 상기 방법을 프로세서에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록 매체를 포함할 수 있다.

본 개시의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 개시의 사상 및 범위 내에서 다양한 변경 및 수정은 당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 개시의 바람직한 실시예와 같은 특정 실시예는 단지 예시로 주어진 것으로 이해되어야 한다.

다양한 실시예들에 따른 전자 장치 및 그의 동작 방법에 따르면, 전자 장치에서 지능형 서비스를 위해 서버와 상호작용할 때 추가적인 응답 시간을 줄일 수 있다. 다양한 실시예들에 따르면, 전자 장치에서 사용자 명령을 서버로 전달할 때 전자 장치에서 처리하던 중간 데이터를 함께 전달하여, 서버가 처음이 아닌 전자 장치의 동작에 이어서(또는 연속되게) 처리하도록 할 수 있다. 다양한 실시예들에 따르면, 전자 장치에서 사용자 명령의 처리에 실패하는 경우, 사용자 명령의 처리 실패 시까지 처리된 중간 데이터를 서버로 제공하여, 서버에서 실패된 부분부터 사용자 명령의 처리를 수행함에 따라, 응답 시간의 지연을 최소할 수 있다.

그 외에, 본 문서를 통해 직접적으로 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.

도면 설명과 관련하여, 동일 또는 유사한 구성 요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은 다양한 실시예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 다양한 실시예들에 따른 통합 지능화(integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 다양한 실시예들에 따른 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 다양한 실시예들에 따른 전자 장치가 지능형 어플리케이션을 통해 수신된 음성 입력을 처리하는 사용자 인터페이스의 일 예를 도시하는 도면이다.
도 5는 다양한 실시예들에 따른 전자 장치와 서버 간에 사용자 명령을 처리하는 동작을 도시하는 도면이다.
도 6은 다양한 실시예들에 따른 전자 장치와 서버 간에 모듈 단위로 사용자 명령을 처리하는 동작을 도시하는 도면이다.
도 7은 다양한 실시예들에 따른 전자 장치와 서버 간에 모듈 단위로 사용자 명령을 처리하는 시나리오의 예를 도시하는 도면이다.
도 8 및 도 9는 다양한 실시예들에 따른 전자 장치에서 서버로 데이터를 전송하는 예를 도시하는 도면들이다.
도 10은 다양한 실시예들에 따른 전자 장치와 서버 간에 호환성을 확인하는 예를 도시하는 도면이다.
도 11a 및 도 11b는 전자 장치와 서버 간에 버전에 따른 데이터 전송의 예를 도시하는 도면들이다.
도 12는 다양한 실시예들에 따른 전자 장치에서 서버로 데이터를 전송하는 예를 도시하는 도면이다.
도 13은 다양한 실시예들에 따른 전자 장치에서 서버로 데이터를 전송하는 예를 도시하는 도면이다.
도 14는 다양한 실시예들에 따른 전자 장치에서 서버로 데이터를 전송하는 예를 도시하는 도면이다.
도 15는 다양한 실시예들에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.
도 16은 다양한 실시예들에 따른 전자 장치에서 사용자 명령을 모듈 단위로 처리하는 동작 방법을 도시하는 흐름도이다.
도 17은 다양한 실시예들에 따른 전자 장치의 음성 처리 동작의 예를 도시하는 흐름도이다.
도 18 및 도 19는 다양한 실시예들에 따른 전자 장치에서 제공하는 사용자 인터페이스의 예를 도시하는 도면들이다.
도 20은 다양한 실시예들에 따른 전자 장치에서 제공하는 사용자 인터페이스의 예를 도시하는 도면이다.

도 1은 다양한 실시예들에 따른 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.

도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 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. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치(CPU, central processing unit) 또는 어플리케이션 프로세서(AP, application processor)) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치(GPU, graphic processing unit), 신경망 처리 장치(NPU, neural processing unit), 이미지 시그널 프로세서(ISP, image signal processor), 센서 허브 프로세서(sensor hub processor), 또는 커뮤니케이션 프로세서(CP, communication processor))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(inactive)(예: 슬립(sleep)) 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. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 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, 인공지능이 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(OS, operating system)(142), 미들 웨어(middleware)(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. 일 실시예에 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. 일 실시예에 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. 일 실시예에 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. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD(secure digital) 카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN(wide area network))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 제1 네트워크(198) 또는 제2 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: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 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. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 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. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 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 제2 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.

일 실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 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. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 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: 스마트 폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 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: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 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, 일 실시예에 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.

일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어^TM)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 휴리스틱(heuristic)하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

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

도 2를 참조하면, 일 실시예의 통합 지능화 시스템(200)은 전자 장치(101), 지능형 서버(201), 및/또는 서비스 서버(300)를 포함할 수 있다.

일 실시예의 전자 장치(101)는, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD(head mounted display), 또는 스마트 스피커일 수 있다.

도시된 실시예에 따르면, 전자 장치(101)는 통신 모듈(190)(예: 도 1의 무선 통신 모듈(192)), 마이크(151)(예: 도 1의 입력 모듈(150)), 스피커(155)(예: 도 1의 음향 출력 모듈(155)), 디스플레이 모듈(160), 메모리(130), 또는 프로세서(120)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

일 실시예의 통신 모듈(190)은 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시예의 마이크(151)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(155)는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 일 실시예의 디스플레이 모듈(160)은 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시예의 디스플레이 모듈(160)은 실행되는 어플리케이션(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(GUI, graphic user interface)를 표시할 수 있다.

일 실시예의 메모리(130)는 클라이언트 모듈(137), SDK(software development kit)(135) 및 복수의 앱들(133)을 저장할 수 있다. 클라이언트 모듈(137) 및 SDK(135)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(137) 또는 SDK(135)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.

일 실시예의 메모리(130)에 저장된 복수의 앱들(133)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시예에 따르면, 복수의 앱들(133)은 제1 앱(130_1), 제2 앱(130_2)을 포함할 수 있다. 일 실시예에 따르면, 복수의 앱들(133) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 복수의 앱들(133)은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시예에 따르면, 복수의 앱들(133)은 프로세서(120)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.

일 실시예의 프로세서(120)는 전자 장치(101)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(120)는 통신 모듈(190), 마이크(151), 스피커(155), 및 디스플레이 모듈(160)과 작동적으로 또는 전기적으로 연결되어 지정된 동작을 수행할 수 있다.

일 실시예의 프로세서(120)는 메모리(130)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(120)는 클라이언트 모듈(137) 또는 SDK(135) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(120)는, 예를 들어, SDK(135)를 통해 복수의 앱들(133)의 동작을 제어할 수 있다. 클라이언트 모듈(137) 또는 SDK(135)의 동작으로 설명된 이하의 동작은 프로세서(120)의 실행에 의한 동작일 수 있다.

일 실시예의 클라이언트 모듈(137)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(137)은 마이크(151)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 클라이언트 모듈(137)은 수신된 음성 입력을 지능형 서버(201)로 송신할 수 있다. 클라이언트 모듈(137)은 수신된 음성 입력과 함께, 전자 장치(101)의 상태 정보를 지능형 서버(201)로 송신할 수도 있다. 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.

일 실시예의 클라이언트 모듈(137)은 수신된 음성 입력에 대응되는 결과를 지능형 서버(201)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(137)은 지능형 서버(201)에서 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 지능형 서버(201)로부터 수신할 수 있다. 클라이언트 모듈(137)은 지능형 서버(201)로부터 수신된 결과를 디스플레이 모듈(160)을 통해 표시할 수 있다.

일 실시예의 클라이언트 모듈(137)은 지능형 서버(201)로부터 수신된 음성 입력에 대응되는 플랜(plan)을 수신할 수 있다. 클라이언트 모듈(137)은 플랜에 따라 적어도 하나의 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(160)에 표시할 수 있다. 클라이언트 모듈(137)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이 모듈(160)에 표시할 수 있다. 클라이언트 모듈(137)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈(160)에 표시할 수 있다.

일 실시예에 따르면, 클라이언트 모듈(137)은 지능형 서버(201)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(137)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(201)로 송신할 수 있다.

일 실시예의 클라이언트 모듈(137)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(201)로 송신할 수 있다. 지능형 서버(201)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.

일 실시예의 클라이언트 모듈(137)은 음성 인식 모듈을 포함할 수 있다. 일 실시예에 따르면, 클라이언트 모듈(137)은 음성 인식 모듈을 통해 제한된 기능을 수행하기 위해 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(137)은 지정된 입력(예: 웨이크 업!)을 통해 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.

일 실시예의 지능형 서버(201)는 통신 네트워크를 통해 전자 장치(101)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시예에 따르면, 지능형 서버(201)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시예에 따르면, 지능형 서버(201)는 텍스트 데이터에 기반하여 사용자 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜을 생성할 수 있다.

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

일 실시예의 지능형 서버(201)는 생성된 플랜에 따른 결과를 전자 장치(101)로 송신하거나, 생성된 플랜을 전자 장치(101)로 송신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 플랜에 따른 결과를 디스플레이 모듈(160)에 표시할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 플랜에 따른 동작을 실행한 결과를 디스플레이 모듈(160)에 표시할 수 있다.

일 실시예의 지능형 서버(201)는 프론트 엔드(front end)(210), 자연어 플랫폼(natural language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 및/또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.

일 실시예의 프론트 엔드(210)는 전자 장치(101)로부터 음성 입력을 수신할 수 있다. 프론트 엔드(210)는 음성 입력에 대응되는 응답을 전자 장치(101)에 송신할 수 있다.

일 실시예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(ASR(automatic speech recognition) module)(221), 자연어 이해 모듈(NLU(natural language understanding) module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(NLG(natural language generator) module)(227), 및/또는 텍스트 음성 변환 모듈(TTS(text to speech) module)(229)을 포함할 수 있다.

일 실시예의 자동 음성 인식 모듈(221)은 전자 장치(101)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.

일 실시예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기반하여 태스크를 수행하기 위해 필요한 복수의 도메인(domain)을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기반하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터(parameter)나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 파라미터 및 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다.

일 실시예의 플래너 모듈(225)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기반하여, 사용자의 의도에 기반하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작의 실행에 필요한 파라미터 및 복수의 동작의 실행에 의해 출력되는 결과에 기반하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.

일 실시예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.

일 실시예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 전자 장치(101)에서도 구현가능 할 수 있다.

일 실시예에 따르면, 캡슐 데이터베이스(230)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 컨셉 오브젝트(concept object)(또는 컨셉 정보)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.

일 실시예에 따르면, 캡슐 데이터베이스(230)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 실시예에 따르면, 캡슐 데이터베이스(230)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 실시예에 따르면, 캡슐 데이터베이스(230)는 전자 장치(101)를 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다.

일 실시예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 캡슐 데이터베이스(230)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 실시예에서는 캡슐 데이터베이스(230)는 전자 장치(101) 내에도 구현이 가능할 수 있다.

일 실시예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 일 실시예의 엔드 유저 인터페이스(250)는 산출된 결과를 전자 장치(101)로 송신할 수 있다. 이에 따라, 전자 장치(101)는 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시예의 매니지먼트 플랫폼(260)은 지능형 서버(201)에서 이용되는 정보를 관리할 수 있다. 일 실시예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시예의 분석 플랫폼(280)은 지능형 서버(201)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(201)의 구성 요소 및 처리 속도(또는 효율성)를 관리할 수 있다.

일 실시예의 서비스 서버(300)는 전자 장치(101)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시예의 서비스 서버(300)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(201)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(201)에 제공할 수 있다.

위에 기술된 통합 지능화 시스템(200)에서, 전자 장치(101)는, 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 실시예에서, 전자 장치(101)는 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 전자 장치(101)는 마이크(151)를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.

일 실시예에서, 전자 장치(101)는 수신된 음성 입력에 기초하여, 단독으로 또는 지능형 서버(201) 및/또는 서비스 서버(300)와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 전자 장치(101)는 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.

일 실시예에서, 전자 장치(101)가 지능형 서버(201) 및/또는 서비스 서버(300)와 함께 서비스를 제공하는 경우에는, 전자 장치(101)는 마이크(151)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는 음성 데이터)를 생성할 수 있다. 전자 장치(101)는 상기 음성 데이터를 통신 모듈(190)을 이용하여 지능형 서버(201)로 송신할 수 있다.

일 실시예에 따른 지능형 서버(201)는 전자 장치(101)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 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 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.

일 실시예의 전자 장치(101)는, 통신 모듈(190)을 이용하여 상기 응답을 수신할 수 있다. 전자 장치(101)는 스피커(155)를 이용하여 전자 장치(101) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(160)을 이용하여 전자 장치(101) 내부에서 생성된 이미지를 외부로 출력할 수 있다.

도 2에서는 전자 장치(101)에서 수신한 음성 입력의 음성 인식, 자연어 이해 및 생성, 플랜을 이용한 결과의 산출 동작이 지능형 서버(201) 상에서 수행되는 예에 대해서 설명하였으나, 본 문서의 다양한 실시예들이 이에 한정되지 않는다. 예를 들어, 지능형 서버(201)의 적어도 일부 구성(예: 자연어 플랫폼(220), 실행 엔진(240), 캡슐 데이터베이스(230))은 전자 장치(101)에 임베디드되어, 그 동작이 전자 장치(101)에 의해 수행될 수도 있다.

도 3은 다양한 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.

지능형 서버(201)의 캡슐 데이터베이스(230)는 CAN(concept action network) 형태로 캡슐을 저장할 수 있다. 캡슐 데이터베이스(230)는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN 형태로 저장할 수 있다.

캡슐 데이터베이스(230)는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(예: capsule A(401), capsule B(404))을 저장할 수 있다. 일 실시예에 따르면, 하나의 캡슐(예: capsule A(401))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(402) 또는 CP 2 (403))가 대응될 수 있다. 일 실시예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.

자연어 플랫폼(220)은 캡슐 데이터베이스(230)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼(220)의 플래너 모듈(225)은 캡슐 데이터베이스(230)에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(401)의 동작들(4011, 4013)과 컨셉들(4012, 4014) 및 캡슐 B(404)의 동작(4041)과 컨셉(4042)을 이용하여 플랜(407)을 생성할 수 있다.

도 4는 다양한 실시예들에 따른 전자 장치가 지능형 어플리케이션을 통해 수신된 음성 입력을 처리하는 사용자 인터페이스의 일 예를 도시하는 도면이다.

일 실시예에 따르면, 전자 장치(101)는 지능형 서버(201)를 통해 사용자 명령(예: 음성 입력)을 처리하기 위해 지능형 앱을 실행할 수 있다.

일 실시예에 따르면, 제1 사용자 인터페이스(450)에서, 전자 장치(101)는 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. 전자 장치(101)는, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 지능형 앱에 대응되는 오브젝트(451)(예: 아이콘)를 디스플레이 모듈(160)에 표시할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 전자 장치(101)는 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 사용자 인터페이스(UI, user interface)(313)(예: 입력창)를 디스플레이 모듈(160)에 표시할 수 있다.

일 실시예에 따르면, 제2 사용자 인터페이스(470)에서, 전자 장치(101)는 수신된 음성 입력에 대응되는 결과를 디스플레이 모듈(160)에 표시할 수 있다. 예를 들어, 전자 장치(101)는 수신된 사용자 명령(예: 수신된 음성 입력)에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이 모듈(160)에 표시할 수 있다.

도 5는 다양한 실시예들에 따른 전자 장치와 서버 간에 모듈 단위로 음성 인식을 처리하는 예를 도시하는 도면이다.

일 실시예에 따라, 도 5에서는 전자 장치(101)와 서버(201)(예: 도 2의 지능형 서버(201)) 간 상호작용을 통해 전자 장치(101)의 지능형 서비스(또는 음성 인식 서비스)(예: 지능형 개인 비서(intelligent assistant or intelligent personal assistant) 서비스)를 위한 구성의 예를 나타낼 수 있다.

일 실시예에 따르면, 전자 장치(101)는 서버(201)와 지정된 네트워크(예: Wi-Fi network 또는 cellular network)로 무선 연결하고, 전자 장치(101)에 지능형 서비스와 관련된 정보를 제공하는 기능을 포함하는 다양한 형태의 장치를 포함할 수 있다. 예를 들면, 전자 장치(101)는 휴대폰, 스마트 폰(smart phone), 태블릿(tablet) PC(personal computer), 웨어러블 장치, 스마트 스피커, IoT(internet of things) 장치, 백색 가전, 및/또는 노트북(notebook)과 같은 다양한 장치를 포함할 수 있다.

일 실시예에 따르면, 전자 장치(101)는 제1 음성 인식 모듈(510), 제1 자연어 처리 모듈(520), 및/또는 제1 텍스트 음성 변환 모듈(530)을 포함할 수 있다.

전자 장치(101)는 도 5에 도시된 구성요소들 이외에 추가적인 구성요소를 적어도 하나 더 포함할 수 있다. 일 실시예에 따르면, 전자 장치(101)의 구성요소들은 동일한 개체(entity)이거나, 별도의 개체를 구성할 수 있다.

일 실시예에 따르면, 서버(201)는 제2 음성 인식 모듈(515), 제2 자연어 처리 모듈(525), 및/또는 제2 텍스트 음성 변환 모듈(535)을 포함할 수 있다. 일 실시예에 따라, 전자 장치(101) 및 서버(201)의 음성 인식 모듈(510, 515), 자연어 처리 모듈(520, 525), 및/또는 텍스트 음성 변환 모듈(530, 535)은, 예를 들면, 도 2의 자연어 플랫폼(natural language platform)(220)의 구성요소에 대응하는 기능 및 동작을 포함할 수 있다.

다양한 실시예들에 따르면, 전자 장치(101)는 지능형 서비스(또는 음성 인식 서비스)(예: 지능형 개인 비서(intelligent assistant or intelligent personal assistant) 서비스)를 제공할 때, 각각의 모듈(예: 음성 인식 모듈, 자연어 처리 모듈 및/또는 텍스트 음성 변환 모듈) 단위로 전자 장치(101)의 처리와 서버(201)의 처리를 연속되게 처리하도록 할 수 있다. 예를 들면, 전자 장치(101)는 제1 음성 인식 모듈(510), 제1 자연어 처리 모듈(520) 및 제1 텍스트 음성 변환 모듈(530)의 순으로 사용자 명령을 처리할 수 있으며, 지정된 모듈에서의 처리가 서버(201)에서 처리되어야 하는 경우 전자 장치(101)의 해당 모듈에 대응되는 서버(201)의 모듈부터 전자 장치(101)의 해당 모듈에서의 처리를 이어서 수행하도록 할 수 있다.

일 실시예에 따르면, 전자 장치(101)는 제1 수준의 발화 데이터 처리 능력, 예를 들어, 제1 수준의 음성 인식 모듈과 제1 수준의 자연어 처리 모듈을 포함할 수 있다. 일 실시예에 따르면, 서버(201)는 전자 장치(101)의 제1 수준의 발화 데이터 처리 능력 보다 높은 제2 수준의 발화 데이터 처리 능력, 예를 들어, 제2 수준의 음성 인식 모듈과 제2 수준의 자연어 처리 모듈을 포함할 수 있다.

일 실시예에 따르면, 전자 장치(101)는 지능형 서비스를 제공할 때, 서버(201)와 상호작용하여 사용자 명령에 대한 분산 처리를 통해 정확하고 빠른 응답을 제공할 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 사용자 명령 처리에 대한 에러 또는 처리 불가능한 상황이 발생하는 경우, 에러 또는 처리 불가능한 상황에 대응하는 전자 장치(101)의 모듈과 관련된 중간 데이터(또는 전자 장치(101)의 해당 모듈에서 처리하던 데이터)를 서버(201)로 제공할 수 있다. 일 실시예에 따르면, 서버(201)는 중간 데이터를 수신하고, 중간 데이터에 기반하여 전자 장치(101)의 모듈에 대응하는 서버(201)의 모듈에서부터 사용자 명령에 대한 처리를 연속하여 처리할 수 있다. 예를 들면, 서버(201)는 사용자 명령에 대한 처리를 처음부터 시작하는 것이 아니라, 중간 데이터에 대응하는 부분부터 이어서 처리할 수 있다.

일 실시예에 따라, 제1 음성 인식 모듈(510) 및/또는 제2 음성 인식 모듈(515)은 사용자 발화에 따라 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다,

일 실시예에 따르면, 제1 음성 인식 모듈(510)은 eASR(embedded ASR) 모듈을 나타낼 수 있다. 일 실시예에 따른, 제1 음성 인식 모듈(510)은 사용자 발화에 따라 전자 장치(101)의 마이크(예: 도 2의 마이크(151))를 통해 수신된 음성 입력을 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 제1 자연어 처리 모듈(520)로 전달할 수 있다. 일 실시예에 따르면, 제1 음성 인식 모듈(510)은 음성 입력에 대해 텍스트 데이터로 변환을 처리할 수 없는 경우(예: 텍스트 데이터 변환에 실패하는 경우), 동작 501에서와 같이, 서버(201)의 제2 음성 인식 모듈(515)에서 음성 입력에 대응하는 텍스트 데이터 변환을 처리하도록 중간 데이터를 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 서버(201)로 전송할 수 있다. 일 실시예에 따라, 동작 501에서 전송되는 전자 장치(101)의 음성 인식 동작에서의 중간 데이터(예: 제1 중간 데이터)는, 예를 들면, 음성 인식 거절(예: eASR rejection) 여부, 음성 인식 결과, 음성 인식 스코어(score), 및/또는 도메인(domain)과 같은 정보와, 마이크(151)를 통해 수신된 음성 입력과 관련된 오디오 데이터를 포함할 수 있다.

다양한 실시예들에 따르면, 음성 인식 스코어는 수신된 음성 입력에 대한 음성 인식 결과의 신뢰도(confidence score)를 의미할 수 있다. 예를 들어, 음성 인식 결과의 신뢰도는 음성 인식 모듈(예: 제1 음성 인식 모듈(510))이 수신한 음성 입력을 텍스트로 변환한 예측 결과를 얼마나 확신하는지, 및/또는 그 결과가 얼마나 정확한지를 의미할 수 있다. 일 실시예에서, 음성 인식 스코어 및/또는 신뢰도는 일종의 확률로 표현될 수 있으며, 예를 들면, m(예: m = 0)부터 n(예: n = 1.0)까지의 수치로 설정될 수 있다.

다양한 실시예들에 따르면, 도메인은 사용자 명령어에 대응하는 동작을 수행하는 주체로써 어플리케이션, 서브 태스크(sub-task), 플랫폼에 포함된 플레이어, 및/또는 서비스를 포함할 수 있다.

일 실시예에 따라, 서버(201)는 전자 장치(101)로부터 중간 데이터(예: 제1 중간 데이터)를 수신하는 경우, 중간 데이터에 기반하여 전자 장치(101)에서 수행하던 처리 동작에 이어서(또는 연속하여) 해당 동작을 처리할 수 있다. 예를 들면, 서버(201)는 중간 데이터에 기반하여, 전자 장치(101)의 제1 음성 인식 모듈(510)에서 처리 실패를 식별하고, 제1 음성 인식 모듈(510)에 대응되는 서버(201)의 제2 음성 인식 모듈(515)을 이용하여 음성 입력에 대한 텍스트 데이터 변환을 처리할 수 있다. 일 실시예에 따라, 제2 음성 인식 모듈(515)은 ASR 모듈(예: 도 2의 ASR 모듈(221))을 나타낼 수 있다. 일 실시예에 따른, 제2 음성 인식 모듈(515)은 전자 장치(101)로부터 수신된 중간 데이터에 기반하여, 음성 입력을 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 제2 자연어 처리 모듈(525)로 전달할 수 있다. 일 실시예에 따르면, 서버(201)는 전자 장치(101)의 제1 음성 인식 모듈(510)에서의 처리에 이어서 제2 음성 인식 모듈(515), 제2 자연어 처리 모듈(525) 및 제2 텍스트 음성 변환 모듈(535)을 통해 음성 입력과 관련된 사용자 명령을 처리하고, 동작 507에서 처리 결과를 전자 장치(101)로 전송할 수 있다.

일 실시예에 따라, 제1 자연어 처리 모듈(520) 및/또는 제2 자연어 처리 모듈(525)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도(intent)를 파악할 수 있다. 예를 들면, 제1 자연어 처리 모듈(520) 및/또는 제2 자연어 처리 모듈(525)은 문법적 분석 및/또는 의미적 분석을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시예에 따르면, 제1 자연어 처리 모듈(520) 및/또는 제2 자연어 처리 모듈(525)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.

일 실시예에 따르면, 제1 자연어 처리 모듈(520)은 eNLU(embedded NLU) 모듈을 나타낼 수 있다. 일 실시예에 따른, 제1 자연어 처리 모듈(520)은 제1 음성 인식 모듈(510)에 의해 변환된 텍스트 데이터를 이용하여 사용자의 의도를 결정하고, 사용자 의도에 대한 정보(예: 텍스트)를 제1 텍스트 음성 변환 모듈(530)로 전달할 수 있다. 일 실시예에 따르면, 제1 자연어 처리 모듈(520)은 텍스트 데이터에 기반하여 사용자 의도 파악을 처리할 수 없는 경우(예: 사용자 의도 결정에 실패하는 경우), 동작 503에서와 같이, 서버(201)의 제2 자연어 처리 모듈(525)에서 텍스트 데이터에 기반한 사용자 의도 결정을 처리하도록 중간 데이터를 통신 모듈(190)을 통해 서버(201)로 전송할 수 있다. 일 실시예에 따라, 동작 503에서 전송되는 전자 장치(101)의 사용자 의도 파악 동작에서의 중간 데이터(예: 제2 중간 데이터)는, 예를 들면, 사용자 의도 파악 거절(예: eNLU rejection) 여부, 사용자 의도 파악 결과, 텍스트(또는 토크나이즈 텍스트(tokenized text)), 컨텍스트 정보(context information)(예: 실행 상태(execution status) 정보, 실행 히스토리(execution history) 정보), 도메인(domain) 정보, 인텐트(intent) 정보, 및/또는 슬롯(slot) 정보와 같은 다양한 정보를 포함할 수 있다.

일 실시예에 따라, 서버(201)는 전자 장치(101)로부터 중간 데이터(예: 제2 중간 데이터)를 수신하는 경우, 중간 데이터에 기반하여 전자 장치(101)에서 수행하던 처리 동작에 이어서(또는 연속하여) 해당 동작을 처리할 수 있다. 예를 들면, 서버(201)는 중간 데이터에 기반하여, 전자 장치(101)의 제1 자연어 처리 모듈(520)에서 처리 실패를 식별하고, 제1 자연어 처리 모듈(520)에 대응되는 서버(201)의 제2 자연어 처리 모듈(525)을 이용하여 텍스트 데이터에 대한 사용자 의도를 파악할 수 있다. 일 실시예에 따라, 제2 자연어 처리 모듈(525)은 NLU 모듈(예: 도 2의 NLU 모듈(223))을 나타낼 수 있다. 일 실시예에 따른, 제2 자연어 처리 모듈(525)은 전자 장치(101)로부터 수신된 중간 데이터의 텍스트 데이터에 기반하여 사용자 의도를 결정하고, 결정된 의도(예: 결정된 의도에 관련된 텍스트)를 제2 텍스트 음성 변환 모듈(535)로 전달할 수 있다. 일 실시예에 따르면, 서버(201)는 전자 장치(101)의 제1 자연어 처리 모듈(520)에서의 처리에 이어서 제2 자연어 처리 모듈(525) 및 제2 텍스트 음성 변환 모듈(535)을 통해 음성 입력과 관련된 사용자 명령을 처리하고, 동작 507에서 처리 결과를 전자 장치(101)로 전송할 수 있다.

일 실시예에 따라, 제1 텍스트 음성 변환 모듈(530) 및/또는 제2 텍스트 음성 변환 모듈(535)은 텍스트 형태의 정보를 음성 형태의 정보로 변환할 수 있다.

일 실시예에 따라, 제1 텍스트 음성 변환 모듈(530)은 eTTS(embedded TTS) 모듈을 나타낼 수 있다. 일 실시예에 따른, 제1 텍스트 음성 변환 모듈(530)은 제1 자연어 처리 모듈(520)에 의해 결정된 사용자 의도에 대응하는 텍스트를 음성 변환(또는 음성 합성)하여 스피커(예: 도 2의 스피커(155))를 통해 응답(또는 결과)을 사용자에게 제공할 수 있다. 일 실시예에 따르면, 제1 텍스트 음성 변환 모듈(530)은 사용자 의도에 대응하는 텍스트에 기반하여 텍스트-음성 변환을 처리할 수 없는 경우(예: 텍스트-음성 변환에 실패하는 경우), 동작 505에서와 같이, 서버(201)의 제2 텍스트 음성 변환 모듈(535)에서 텍스트에 기반한 텍스트-음성 변환을 처리하도록 중간 데이터를 통신 모듈(190)을 통해 서버(201)로 전송할 수 있다. 일 실시예에 따라, 동작 505에서 전송되는 전자 장치(101)의 텍스트-음성 변환 동작에서의 중간 데이터(예: 제3 중간 데이터)는, 예를 들면, 텍스트-음성 변환 거절(예: eTTS rejection) 여부, 텍스트-음성 변환 결과 및/또는 텍스트와 같은 정보를 포함할 수 있다.

일 실시예에 따라, 서버(201)는 전자 장치(101)로부터 중간 데이터(예: 제3 중간 데이터)를 수신하는 경우, 중간 데이터에 기반하여 전자 장치(101)에서 수행하던 처리 동작에 이어서(또는 연속하여) 해당 동작을 처리할 수 있다. 예를 들면, 서버(201)는 중간 데이터에 기반하여, 전자 장치(101)의 제1 텍스트 음성 변환 모듈(530)에서 처리 실패를 식별하고, 제1 텍스트 음성 변환 모듈(530)에 대응되는 서버(201)의 제2 텍스트 음성 변환 모듈(535)을 이용하여 텍스트에 대한 음성 변환을 수행할 수 있다. 일 실시예에 따라, 제2 텍스트 음성 변환 모듈(535)은 TTS 모듈(예: 도 2의 TTS 모듈(229))을 나타낼 수 있다. 일 실시예에 따른 제2 텍스트 음성 변환 모듈(535)은 전자 장치(101)로부터 수신된 중간 데이터의 텍스트에 기반하여 음성 변환을 수행하고, 수행된 결과(예: 오디오 데이터)를 전자 장치(101)로 전송할 수 있다. 일 실시예에 따르면, 서버(201)는 전자 장치(101)의 제1 텍스트 음성 변환 모듈(530)에서의 처리에 이어서 제2 텍스트 음성 변환 모듈(535)을 통해 음성 입력과 관련된 사용자 명령을 처리하고, 동작 507에서 처리 결과를 전자 장치(101)로 전송할 수 있다.

일 실시예에 따르면, 전자 장치(101)는 전자 장치(101) 내부에서 처리된 사용자 명령에 대응하는 처리 결과(예: 음성 신호)를 스피커(155)를 이용하여 외부로 출력하거나, 디스플레이 모듈(160)을 이용하여 처리 결과에 관련된 정보(예: 텍스트, 어플리케이션(또는 기능) 실행 화면)를 외부로 출력할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 통신 모듈(190)을 이용하여 서버(201)로부터 서버(201)에서 처리된 사용자 명령에 대응하는 처리 결과를 수신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 수신된 처리 결과(예: 음성 신호)를 스피커(155)를 이용하여 외부로 출력하거나, 디스플레이 모듈(160)을 이용하여 처리 결과에 관련된 정보(예: 텍스트, 어플리케이션(또는 기능) 실행 화면)를 외부로 출력할 수 있다.

도 6은 다양한 실시예들에 따른 전자 장치와 서버 간에 모듈 단위로 사용자 명령을 처리하는 동작을 도시하는 도면이다. 도 7은 다양한 실시예들에 따른 전자 장치와 서버 간에 모듈 단위로 사용자 명령을 처리하는 시나리오의 예를 도시하는 도면이다.

도 6 및 도 7에 도시한 바와 같이, 일 실시예에 따른 전자 장치(101)는 제1 음성 인식 모듈(510), 제1 자연어 처리 모듈(520) 및 제1 텍스트 음성 변환 모듈(530)을 포함할 수 있다. 일 실시예에 따른 제1 음성 인식 모듈(510)은 제1 음향 모델(acoustic model)(610)(또는 제1 인코더(encoder)) 및 제1 언어 모델(language model)(620)(또는 제1 디코더(decoder))를 포함할 수 있다. 일 실시예에 따른 제1 자연어 처리 모듈(520)은 제1 도메인 분류기(domain classifier)(630), 제1 인텐트 분류기(intent classifier)(640) 및 제1 슬롯 태거(slot tagger)(650)를 포함할 수 있다. 일 실시예에 따른 서버(201)는 제2 음성 인식 모듈(515), 제2 자연어 처리 모듈(525) 및 제2 텍스트 음성 변환 모듈(535)을 포함할 수 있다. 일 실시예에 따른 제2 음성 인식 모듈(515)은 제2 음향 모델(615)(또는 제2 인코더) 및 제2 언어 모델(625)(또는 제2 디코더)를 포함할 수 있다. 일 실시예에 따른 제2 자연어 처리 모듈(525)은 제2 도메인 분류기(635), 제2 인텐트 분류기(645) 및 제2 슬롯 태거(slot tagger)(655)를 포함할 수 있다.

일 실시예에 따른 음성 인식 모듈(510, 515)은 음성 데이터를 텍스트 정보로 변환하는 기능을 구현하기 위하여 음향 모델(예: 610, 615) 및 언어 모델(예: 620, 625)을 포함할 수 있다. 예를 들면, 음향 모델 및/또는 언어 모델은 인공 신경망을 포함할 수 있다.

일 실시예에 따라, 도 6 및 도 7에서, 실선 화살표에 따른 진행 동작은 전자 장치(101) 내부에서 사용자 명령을 처리하는 경우의 전자 장치(101)의 동작 루틴을 나타낼 수 있다. 일 실시예에 따라, 도 6 및 도 7에서, 점선 화살표에 따른 진행 동작은 전자 장치(101)가 사용자 명령을 처리하는 동안 서버(201)와 상호작용 하여, 전자 장치(101)의 각 모듈에 대응하는 서버(201)의 각 모듈에서, 전자 장치(101)의 동작을 이어서 사용자 명령을 처리하는 경우의 서버(201)의 동작 루틴을 나타낼 수 있다. 예를 들면, 전자 장치(101)는 제1 음성 인식 모듈(510), 제1 자연어 처리 모듈(520) 및 제1 텍스트 음성 변환 모듈(530)의 순서로 사용자 명령을 처리할 수 있으며, 사용자 명령을 처리하는 중에 서버(201)에서 사용자 명령이 처리되어야 하는 상황이 발생하는 경우, 각 모듈 단위로 그와 대응하는 서버(201)의 모듈부터 사용자 명령을 처리하도록 할 수 있다.

도 6을 참조하면, 일 실시예에 따라, 전자 장치(101)는 사용자 발화에 따라 음성이 수신되는 경우, 제1 음성 인식 모듈(510)에 의해, 수신된 음성에 대한 음성 인식을 수행하고, 음성 인식 처리 결과(예: 텍스트 데이터)를 제1 자연어 처리 모듈(520)에 전달할 수 있다(예시 601). 전자 장치(101)는, 제1 자연어 처리 모듈(520)에 의해, 음성 인식 처리 결과를 이용하여 자연어 처리(예: 사용자 의도 결정 및 텍스트 형태로 변환)를 수행하고, 자연어 처리 결과(예: 텍스트 형태의 정보)를 제1 텍스트 음성 변환 모듈(530)로 전달할 수 있다(예시 603). 전자 장치(101)는, 제1 텍스트 음성 변환 모듈(530)에 의해, 자연어 처리 결과(예: 텍스트 형태의 정보)를 음성 형태의 정보로 변환(예: 텍스트-음성 변환)할 수 있다(예시 605). 일 실시예에 따르면, 전자 장치(101)는 텍스트-음성 변환 결과(예: 음성 형태의 정보) 및/또는 텍스트를 스피커(155) 및/또는 디스플레이 모듈(160)에 전달할 수 있고, 스피커(155) 및/또는 디스플레이 모듈(160)를 통해 사용자 명령에 대한 처리 결과(또는 응답)를 출력할 수 있다.

일 실시예에 따라, 전자 장치(101)는 제1 음성 인식 모듈(510)에서 음성 인식 처리(예: 텍스트 데이터 변환)를 진행할 수 없는 경우, 통신 모듈(190)을 통해 제1 중간 데이터를 서버(201)로 전송할 수 있다(예시 611). 예를 들면, 전자 장치(101)는 서버(201)의 제2 음성 인식 모듈(515)에 의해 음성 인식 처리를 수행하도록 서버(201)에게 요청할 수 있다. 다른 실시예에 따라, 전자 장치(101)는 제1 자연어 처리 모듈(520)에서 자연어 처리(예: 사용자 의도 결정 및/또는 텍스트 형태로 변환)를 진행할 수 없는 경우, 통신 모듈(190)을 통해 제2 중간 데이터를 서버(201)로 전송할 수 있다(예시 621). 예를 들면, 전자 장치(101)는 서버(201)의 제2 자연어 처리 모듈(525)에 의해 자연어 처리를 수행하도록 서버(201)에게 요청할 수 있다. 다른 실시예에 따라, 전자 장치(101)는 제1 텍스트 음성 변환 모듈(530)에서 텍스트-음성 변환(또는 처리 결과 생성 또는 도출)을 진행할 수 없는 경우, 통신 모듈(190)을 통해 제3 중간 데이터를 서버(201)로 전송할 수 있다(예시 631).

다양한 실시예들에 따르면, 전자 장치(101)의 각 모듈(예: 제1 음성 인식 모듈(510), 제1 자연어 처리 모듈(520) 및 제1 텍스트 음성 변환 모듈(530))마다 서버(201)로 전달하는 중간 데이터(예: 제1 중간 데이터, 제2 중간 데이터, 제3 중간 데이터)를 정의할 수 있으며, 이는 각 모듈의 특성과 구조에 따라 상이할 수 있다. 이의 예시가, 후술하는 도면(예: 도 8 내지 도 14)을 참조하여 상세히 설명된다.

일 실시예에 따르면, 서버(201)는 전자 장치(101)로부터 수신되는 중간 데이터에 기반하여, 전자 장치(101)에서의 사용자 명령에 대한 처리를 이어서 처리할 수 있다.

예를 들면, 서버(201)는 제1 중간 데이터 수신(예시 611)에 기반하여, 제2 음성 인식 모듈(515), 제2 자연어 처리 모듈(525) 및 제2 텍스트 음성 변환 모듈(535)에 의해, 음성 인식 처리(예시 613), 자연어 처리(예시 615) 및 텍스트 변환(예시 741)과 같이, 음성 인식 처리 동작에서부터 사용자 명령을 처리하기 위한 동작을 순차적으로 수행하고, 그 처리 결과를 전자 장치(101)로 제공할 수 있다.

다른 예를 들면, 서버(201)는 제2 중간 데이터 수신(예시 621)에 기반하여, 제2 자연어 처리 모듈(525) 및 제2 텍스트 음성 변환 모듈(535)에 의해, 자연어 처리(예시 623) 및 텍스트 변환(예시 741)과 같이, 자연어 처리 동작에서부터 사용자 명령을 처리하기 위한 동작을 순차적으로 수행하고, 그 처리 결과를 전자 장치(101)로 제공할 수 있다.

다른 예를 들면, 서버(201)는 제3 중간 데이터 수신(예시 631)에 기반하여, 제2 텍스트 음성 변환 모듈(535)에 의해, 텍스트-음성 변환(예시 741)과 같이, 텍스트-음성 변환 동작에서부터 사용자 명령을 처리하기 위한 동작을 수행하고, 그 처리 결과를 전자 장치(101)로 제공할 수 있다.

일 실시예에 따라, 예시 611를 위한 전자 장치(101)와 서버(201) 간의 동작 예를 설명한다.

일 실시예에 따르면, 전자 장치(101)는 제1 음성 인식 모듈(510)을 통해 사용자의 음성을 오디오 데이터로써 수신하고, 수신된 오디오 데이터를 이용하여 자동 음성 인식(ASR)을 수행할 수 있다. 어떤 실시예에 따르면, 전자 장치(101)는 수신된 오디오 데이터를 서버(201)의 제2 음성 인식 모듈(515)에 전송할 수도 있다. 예를 들면, 전자 장치(101)의 제1 음성 인식 모듈(510)에서 사용자의 음성을 처리하지 못하는 경우, 서버(201)의 제2 음성 인식 모듈(515)에서 전자 장치(101)로부터 수신하여 저장된 오디오 데이터를 이용하여 빠른 처리를 수행하도록 할 수 있다. 예를 들면, 전자 장치(101)는 사용자의 음성에 대응하는 전체 오디오 데이터를 한 번에 전송하지 않고, 오디오 데이터를 부분적으로 전송하여, 추가로 소요되는 응답 시간을 줄일 수 있다. 또는, 전자 장치(101)에서 오디오 데이터를 이용하여 처리하는 동안, 서버(201)에서는 오디오 데이터를 이용하여 실제 자동 음성 인식 동작을 수행하지 않기 때문에 서버(201)의 자원 낭비를 줄일 수 있고, 필요에 따라 오디오 데이터를 이용한 빠른 처리가 가능할 수 있다.

일 실시예에 따르면, 전자 장치(101)는 제1 음성 인식 모듈(510)에서 자동 음성 인식을 수행하고, 그 결과 음성 인식에 실패하는 경우, 제1 중간 데이터를 서버(201)로 전송하여, 서버(201)의 제2 음성 인식 모듈(515)에서 음성 인식을 처리하도록 요청할 수 있다. 예를 들면, 서버(201)는 제2 음성 인식 모듈(515)을 이용하여 전자 장치(101)에서의 음성 인식 처리를 이어서 수행할 수 있다. 예를 들면, 서버(201)는 서버(201)의 제2 음성 인식 모듈(515)에서 제2 자연어 처리 모듈(525)로 이어지는 동작을 처리할 수 있다.

다른 실시예에 따르면, 전자 장치(101)는 제1 음성 인식 모듈(510)에서 자동 음성 인식을 수행하고, 이후 자연어 처리를 서버(201)에서 수행해야 하는지에 대해 판단할 수 있다. 일 실시예에 따라, 전자 장치(101)는 판단하는 결과에 따라 자연어 처리를 서버(201)로 이관하는 것을 결정하는 경우, 제1 음성 인식 모듈(510)의 음성 인식 처리 결과를 제1 중간 데이터로써 서버(201)로 전송하여, 서버(201)의 제2 자연어 처리 모듈(525)에서 자연어 처리를 수행하도록 요청할 수 있다. 예를 들면, 서버(201)는 제2 자연어 처리 모듈(525)을 이용하여 전자 장치(101)에서의 자연어 처리를 이어서 수행할 수 있다. 예를 들면, 서버(201)는 전자 장치(101)의 제1 음성 인식 모듈(510)에서 서버(201)의 제2 자연어 처리 모듈(525)로 이어지는 동작을 처리할 수 있다.

일 실시예에 따라, 예시 611에서, 전자 장치(101)로부터 서버(201)로 전송되는 제1 중간 데이터는, 예를 들면, 제1 음성 인식 모듈(510)에서 처리가 불가능함을 나타내는 거절 정보, 제1 음성 인식 모듈(510)의 자동 음성 인식 수행 결과, 및 자동 음성 인식 수행 결과의 적합 정도를 나타내는 스코어 정보를 포함할 수 있다. 어떤 실시예에 따르면, 서버(201)의 제2 음성 인식 모듈(515)의 경우 후처리를 위한 후처리 모듈이 포함될 수 있으며, 전자 장치(101)의 제1 음성 인식 모듈(510)은 후처리 모듈에서 사용될 수 있는 정보(예: 도메인 정보)를 제1 중간 데이터에 포함하여 서버(201)의 제2 음성 인식 모듈(515)로 전달할 수도 있다. 예를 들면, 서버(201)의 제2 음성 인식 모듈(515)은 전자 장치(101)의 제1 음성 인식 모듈(510)로부터 수신된 정보를 이용하여 적합한 동작만을 수행하여 수행 시간을 단축시킬 수 있다. 예를 들면, 전자 장치(101)의 처리 결과가 적합할 수 있지만, 전자 장치(101)에서 활용할 수 없는 대량의 데이터가 필요한 도메인인 경우 서버(201)에서는 후처리(예: 도메인 결정)만을 수행할 수 있다.

일 실시예에 따르면, 도 6 또는 도 7에 예시한 바와 같이, 음성 인식 모듈(예: 제1 음성 인식 모듈(510), 제2 음성 인식 모듈(515))은 음향 모델(또는 인코더)(예: 제1 음향 모델(610), 제2 음향 모델(615))과 언어 모델(또는 디코더)(예: 제1 언어 모델(620), 제2 언어 모델(625))를 포함할 수 있다. 어떤 실시예에 따르면, 음성 인식 모듈(510, 515)은 음향 모델과 언어 모델도 보다 더 세분화하여 기능의 단위 또는 레이어 단위로 구분될 수 있다. 예를 들면, 음향 모델 및 언어 모델이 복수의 레이어를 포함하는 인공 신경망 구조일 경우, 입력 레이어, 히든 레이어, 및/또는 출력 레이어와 같이 세분화하여 음성 인식 동작을 처리할 수 있다.

일 실시예에 따라, 도 7을 참조하면, 전자 장치(101)는 제1 음성 인식 모듈(510)의 제1 음향 모델(610)의 처리 결과를 서버(201)의 제2 음성 인식 모듈(515)의 제2 언어 모델(625)에 전송할 수 있다(예시 701). 예를 들면, 전자 장치(101)는 제1 음성 인식 모듈(510)을 통해 사용자의 음성을 오디오 데이터로써 수신하고, 제1 음향 모델(610)을 통해 제1 자동 음성 인식(예: 음성 정보 확인)을 수행하고, 오디오 데이터의 음성 정보를 분석할 수 있다.

전자 장치(101)의 제1 음성 인식 모듈(510)은 수신된 오디오 데이터를 이용하여 제1 음향 모델(610)에서 자동 음성 인식에 따른 음성 정보를 분석하고, 제1 언어 모델(620)을 통해 제2 자동 음성 인식(예: 문법적 확인)을 진행할 수 없는 경우, 중간 데이터(예: 제 1 중간 데이터)를 서버(201)로 전송하여 제2 음성 인식 모듈(515)의 제2 언어 모델(625)에서 제2 자동 음성 인식을 처리하도록 요청할 수 있다. 예를 들면, 서버(201)는 제2 언어 모델(625)을 이용하여 전자 장치(101)에서의 음성 인식 처리를 이어서 수행할 수 있다.

어떤 실시예에 따르면, 전자 장치(101)의 제1 음성 인식 모듈(510)과 서버(201)의 제2 음성 인식 모듈(515) 간에는 배포 주기(예: 버전 업데이트)에 따라 각각의 버전(version)이 상이할 수 있으며, 전자 장치(101)와 서버(201)는 초기 동작 시에 제1 음성 인식 모듈(510)과 제2 음성 인식 모듈(515) 간의 호환 가능한 상태인지 여부를 확인하는 동작을 더 포함할 수 있다. 예를 들면, 전자 장치(101)와 서버(201)가 초기 연결 시에 정보(예: 버전 정보) 교환을 통해 호환 여부를 확인할 수 있다. 일 실시예에 따르면, 전자 장치(101)의 제1 음향 모델(610)의 결과를 서버(201)의 제2 언어 모델(625)에서 사용할 수 있도록 호환이 가능한 상황인 경우, 제1 음성 인식 모듈(510)은 제1 음향 모델(610)의 결과를 서버(201)의 제2 음성 인식 모듈(515)로 전송하여, 서버(201)의 자동 음성 인식의 수행 시간을 보다 단축시킬 수 있다. 예를 들면, 전자 장치(101)와 서버(201)는 초기 연결 시점에 서로의 호환 여부를 확인하고, 호환이 가능하지 않은 경우에는 예시 611의 예와 같이 오디오 데이터를 서버(201)의 제2 음성 인식 모듈(515)로 전송할 수 있고, 호환이 가능한 경우에는 예시 701의 예와 같이 전자 장치(101)의 제1 음향 모델(610)의 결과를 서버(201)의 제2 음성 인식 모듈(515)로 전송할 수 있다. 이를 통해, 이후에 서버(201)의 제2 음성 인식 모듈(515)에서 처리가 필요할 때, 서버(201)의 제2 음성 인식 모듈(515)에서는 호환 여부를 기반으로 제2 언어 모델(625)에서부터 동작을 이어서 바로 수행하도록 할 수 있다.

일 실시예에 따라, 예시 621를 위한 전자 장치(101)와 서버(201) 간의 동작 예를 설명한다.

일 실시예에 따르면, 전자 장치(101)는 제1 자연어 처리 모듈(520)에서 자연어 처리를 수행하고, 그 결과 자연어 처리에 실패하는 경우, 제2 중간 데이터를 서버(201)로 전송하여, 서버(201)의 제2 자연어 처리 모듈(525)에서 자연어 처리를 수행하도록 요청할 수 있다. 예를 들면, 서버(201)는 제2 자연어 처리 모듈(525)을 이용하여 전자 장치(101)에서의 자연어 처리를 이어서 수행할 수 있다. 예를 들면, 서버(201)는 전자 장치(101)의 제1 음성 인식 모듈(510)에서 서버(201)의 제2 자연어 처리 모듈(525)로 이어지는 동작을 처리할 수 있다. 일 실시예에 따라, 예시 621에서, 전자 장치(101)로부터 서버(201)로 전송되는 제2 중간 데이터는, 예를 들면, 사용자의 음성을 텍스트로 변환한 결과(예: 텍스트 또는 토크나이즈 텍스트)와 사용자의 의도를 이해하는 것에 도움이 되는 컨텍스트 정보(예: 실행 상태 정보, 실행 히스토리 정보)를 포함할 수 있다. 일 실시예에 따라, 컨텍스트 정보는 사용자가 현재 어떤 질문을 하고 있는지 및/또는 사용자 질문이 어떤 명령을 수행하는 것에 필요한 질문인지에 대한 상태 정보에 대응하는 실행 상태(execution status) 정보와, 사용자가 이전에 어떤 명령을 하였고, 어떤 동작이 수행되었는지에 대한 이력에 대응하는 실행 히스토리(execution history) 정보를 포함할 수 있다. 어떤 실시예에 따르면, 제2 중간 데이터는 자연어 처리 모듈의 전처리 동작 중 하나인 토크나이저의 결과를 포함할 수 있으며, 이는 사용자의 명령을 단어, 어미 및/또는 조사와 같은 토큰(token)의 단위로 나눈(또는 구분한) 결과를 포함할 수 있다.

일 실시예에 따르면, 도 6 또는 도 7에 예시한 바와 같이, 자연어 처리 모듈(예: 제1 자연어 처리 모듈(520), 제2 자연어 처리 모듈(525))은 도메인 분류기(예: 제1 도메인 분류기(630), 제2 도메인 분류기(635)), 인텐트 분류기(예: 제1 인텐트 분류기(640), 제2 인텐트 분류기(645)) 및 슬롯 태거(예: 제1 슬롯 태거(650), 제2 슬롯 태거(655))를 포함할 수 있고, 자연어 처리 모듈(520, 525)을 보다 세분화하여 자연어 처리 동작을 처리할 수도 있다. 예를 들면, 자연어 처리 모듈(520, 525)은 기능 단위 또는 레이어 단위에 따라 세부 모듈로 구분될 수 있으며, 전자 장치(101)는 제1 자연어 처리 모듈(520)의 각 세부 모듈 단위로 중간 데이터를 서버(201)로 전달하여 자연어 처리를 이어서 처리하도록 할 수 있다. 일 실시예에 따라, 도메인 분류기(630, 635)는 사용자가 발화하는 도메인이 어떤 것인지 판별하는 모듈을 나타낼 수 있다. 일 실시예에 따라, 인텐트 분류기(640, 645)는 사용자의 의도(또는 액션)가 무엇인지를 판별하는 모듈을 나타낼 수 있다. 일 실시예에 따라, 슬롯 태거(650, 655)는 사용자의 명령 속에 포함되어 있는 개체와 정보들을 추출하는 모듈을 나타낼 수 있다. 일 실시예에 따르면, 도메인 분류기(630, 635)는 음성 인식 모듈(510, 515)의 음성 인식 처리 결과에 기반하여 도메인(예: 어플리케이션)을 판별하고, 도메인 정보를 인텐트 분류기(640, 645)로 전달할 수 있다. 일 실시예에 따르면, 인텐트 분류(640, 645)는 도메인 정보에 기반하여 사용자의 의도(또는 액션)를 결정하고, 인텐트 정보(또는 액션 정보)를 슬롯 태거(650, 655)로 전달할 수 있다. 일 실시예에 따르면, 슬롯 태거(650, 655)는 인텐트 정보에 기반하여 슬롯(또는 파라미터)(예: 기능 수행을 위한 파라미터 정보)을 추출하고, 슬롯 정보를 텍스트 음성 변환 모듈(530, 535)로 전달할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제1 자연어 처리 모듈(520)에서 서버(201)의 제2 자연어 처리 모듈(525)로 중간 데이터를 전달하는 경우, 각 세부 모듈에 대응하는 중간 데이터 별로 제1 자연어 처리 모듈(520)에서 처리된 도메인 정보, 인텐트 정보 및/또는 슬롯 정보를 포함하여 전송할 수 있다.

일 실시예에 따라, 사용자 발화가 “Mark와 함께 스타 밸리에서 아메리카노 주문해줘!"인 것을 가정하면, 자연어 처리 모듈(520, 525)은 사용자 발화에 기반하여 도메인(예: 커피 주문 어플리케이션), 의도(또는 액션)(예: 스타 밸리(예: 주문 장소)에서 커피 주문), 및 슬롯(또는 파라미터)(예: 아메리카노)를 수집할 수 있다. 예를 들면, 자연어 처리 모듈(520, 525)은 사용자 발화로부터 사용자 명령 처리에 필요한 도메인, 의도(또는 액션), 및 슬롯(또는 파라미터)를 모두 수집할 수 있다.

일 실시예에 따라, 도 7을 참조하면, 전자 장치(101)는 제1 자연어 처리 모듈(520)의 제1 도메인 분류기(630)의 처리 결과(예: 도메인 정보)를 서버(201)의 제2 자연어 처리 모듈(525)의 제2 도메인 분류기(635)에 전송할 수 있다(예시 703). 예를 들면, 전자 장치(101)는 제1 도메인 분류기(630)를 통해 음성 인식 처리 결과에 기반한 도메인 판별을 수행하고, 그 결과 제1 도메인 분류기(630)를 통해 도메인 판별에 실패하는 경우, 중간 데이터를 서버(201)로 전송하여 제2 도메인 분류기(635)에서 도메인 판별을 처리하도록 요청할 수 있다. 일 실시예에 따라, 중간 데이터는 제1 도메인 분류기(630)에서 판별된 도메인 정보를 포함할 수 있다. 예를 들면, 서버(201)는 제2 도메인 분류기(635)를 이용하여 전자 장치(101)에서의 도메인 판별 동작을 이어서 수행할 수 있다. 어떤 실시예에 따르면, 전자 장치(101)는 제1 도메인 분류기(630)의 처리 결과(예: 도메인 정보)를 서버(201)의 제2 인텐트 분류기(645)로 전송할 수도 있다. 예를 들면, 전자 장치(101)는 제1 도메인 분류기(630)를 통해 도메인을 판별하고, 제1 인텐트 분류기(640)를 통해 사용자 의도 분석을 진행할 수 없는 경우, 중간 데이터를 서버(201)로 전송하여 서버(201)의 제2 인텐트 분류기(645)에서 사용자 의도를 결정하도록 요청할 수 있다.

일 실시예에 따라, 전자 장치(101)는 제1 자연어 처리 모듈(520)의 제1 인텐트 분류기(640)의 처리 결과(예: 인텐트 정보)를 서버(201)의 제2 자연어 처리 모듈(525)의 제2 인텐트 분류기(645)에 전송할 수 있다(예시 705). 예를 들면, 전자 장치(101)는 제1 인텐트 분류기(640)를 통해 도메인 정보에 기반한 사용자 의도를 분석하고, 그 결과 제1 인텐트 분류기(640)를 통해 사용자 의도 결정에 실패하는 경우, 중간 데이터를 서버(201)로 전송하여 제2 인텐트 분류기(645)에서 사용자 의도 결정을 처리하도록 요청할 수 있다. 일 실시예에 따라, 중간 데이터는 제1 도메인 분류기(630)에서 판별된 도메인 정보와 제1 인텐트 분류기(640)에서 판별된 인텐트 정보를 포함할 수 있다. 예를 들면, 서버(201)는 제2 인텐트 분류기(645)를 이용하여 전자 장치(101)에서의 사용자 의도 결정 동작을 이어서 수행할 수 있다. 어떤 실시예에 따르면, 전자 장치(101)는 제1 인텐트 분류기(640)의 처리 결과(예: 인텐트 정보)를 서버(201)의 제2 슬롯 태거(655)로 전송할 수도 있다. 예를 들면, 전자 장치(101)는 제1 인텐트 분류기(640)를 통해 사용자 의도를 결정하고, 제1 슬롯 태거(650)를 통해 파라미터 추출을 진행할 수 없는 경우, 중간 데이터를 서버(201)로 전송하여 서버(201)의 제2 슬롯 태거(655)에서 파라미터를 추출하도록 요청할 수 있다.

일 실시예에 따라, 전자 장치(101)는 제1 자연어 처리 모듈(520)의 제1 슬롯 태거(650)의 처리 결과(예: 슬롯 정보)를 서버(201)의 제2 자연어 처리 모듈(525)의 제2 슬롯 태거(655)에 전송할 수 있다(예시 707). 예를 들면, 전자 장치(101)는 제1 슬롯 태거(650)를 통해 인텐트 정보에 기반한 슬롯(또는 파라미터)을 추출하고, 그 결과 제1 슬롯 태거(650)를 통해 슬롯 추출에 실패하는 경우, 중간 데이터를 서버(201)로 전송하여 제2 슬롯 태거(655)에서 슬롯 추출을 처리하도록 요청할 수 있다. 일 실시예에 따라, 중간 데이터는 제1 도메인 분류기(630)에서 판별된 도메인 정보, 제1 인텐트 분류기(640)에서 판별된 인텐트 정보 및 제1 슬롯 태거(650)에서 추출된 슬롯 정보를 포함할 수 있다. 예를 들면, 서버(201)는 제2 슬롯 태거(655)를 이용하여 전자 장치(101)에서의 슬롯 추출 동작을 이어서 수행할 수 있다. 어떤 실시예에 따르면, 전자 장치(101)는 제1 슬롯 태거(650)의 처리 결과(예: 슬롯 정보)를 서버(201)의 제2 텍스트 음성 변환 모듈(535)로 전송할 수도 있다. 예를 들면, 전자 장치(101)는 제1 슬롯 태거(650)를 통해 슬롯을 추출하고, 제1 텍스트 음성 변환 모듈(530)을 통해 텍스트-음성 변환을 진행할 수 없는 경우, 중간 데이터를 서버(201)로 전송하여 서버(201)의 제2 텍스트 음성 변환 모듈(535)에서 텍스트-음성 변환을 처리하도록 요청할 수 있다.

일 실시예에 따르면, 서버(201)는 전자 장치(101)로부터 수신되는 중간 데이터를 이용하여 사용자 명령을 처리하는 경우, 예시 709에서와 같이 처리 결과를 전자 장치(101)로 전송할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(201)로부터 처리 결과를 수신하고, 처리 결과에 대해 스피커(155) 및/또는 디스플레이 모듈(160)을 통해 외부(예: 사용자)에게 출력할 수 있다.

본 개시의 다양한 실시예들에 따르면, 전자 장치(101)의 음성 인식 모듈(예: 도 5 내지 도 7의 제1 음성 인식 모듈(510), 자연어 처리 모듈(예: 도 5 내지 도 7의 제1 자연어 처리 모듈(520)) 및 텍스트 음성 변환 모듈(예: 도 5 내지 도 7의 제1 텍스트 음성 변환 모듈(530))은 프로세서(120)에 의해 구현될 수 있다. 예를 들면, 프로세서(120)에 포함되는 구성 요소들(예: 음성 인식 모듈, 자연어 처리 모듈 및 텍스트 음성 변환 모듈)은, 예를 들면, 하드웨어 모듈(예: 회로(circuitry))로 이해될 수 있지만, 다양한 실시예들이 이에 한정되지 않는다. 예를 들어, 프로세서(120)에 포함되는 구성 요소들은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다. 일 실시예에 따르면, 프로세서(120)에 포함되는 구성 요소들은 프로세서(120)에 의해 읽을 수 있는 저장 매체(storage medium)(예: 메모리(130))에 저장된 하나 이상의 인스트럭션들(instructions)을 포함하는 소프트웨어(예: 도 1의 프로그램(140))로서 구현될 수 있다. 일 실시예에 따르면, 음성 인식 모듈, 자연어 처리 모듈 및/또는 텍스트 음성 변환 모듈에서 수행하는 동작들은, 메모리(130)에 저장되고, 실행 시에, 프로세서(120)가 동작하도록 하는 인스트럭션들에 의해 실행될 수 있다.

이하에서는, 도 8 내지 도 14를 참조하여, 다양한 실시예들에 따른 전자 장치(101)에서 서버(201)로 각각의 데이터(예: 제1 중간 데이터, 제2 중간 데이터, 및/또는 제3 중간 데이터)를 전송하는 예시에 대하여 설명한다.

도 8 및 도 9는 다양한 실시예들에 따른 전자 장치에서 서버로 데이터를 전송하는 예를 도시하는 도면들이다.

일 실시예에 따라, 도 8 및 도 9에서는 전자 장치(101)의 제1 음성 인식 모듈(510)에서 서버(201)의 제2 음성 인식 모듈(515)로 전송되는 데이터의 예를 나타낼 수 있다.

도 8을 참조하면, 전자 장치(101)의 사용자가 오디오 데이터(audio data)(예: “More & More 재생해줘”라는 명령)을 입력하고, 전자 장치(101)의 제1 음성 인식 모듈(510)에서 “More & More”의 의미(예: 노래 제목인 것)를 식별하지 못하는 경우, 전자 장치(101)의 제1 음성 인식 모듈(510)에서는 사용자의 발화(또는 발음) 그대로 “모어 앤 모어”로 인식할 수 있다.

일 실시예에 따라, 전자 장치(101)에서 제1 음성 인식 모듈(510)을 통해 해당 명령이 음악과 관련된 것임을 확인할 수 있거나, 또는 음성 인식 결과의 신뢰도(confidence score)(또는 신뢰 점수)가 기준치보다 낮은 경우, 이를 서버(201)로 전송하여 보다 정확하게 처리하도록 할 수 있다.

일 실시예에 따라, 전자 장치(101)에서 서버(201)로 전송되는 데이터는 오디오(audio), 전자 장치(101)에서 인식한 텍스트(text) 결과(예: “모어 앤 모어 재생해줘”), 음악과 관련된 명령임을 나타내는 도메인(domain) 정보(예: “MUSIC”), 및 제1 음성 인식 모듈(510)이 인식한 음성 인식 결과의 신뢰도(또는 음성 인식 스코어(confidence score))(예: Confidence: 0.76)를 포함할 수 있다. 일 실시예에서, “Confidence”는 음성 인식 스코어로써, 음성 인식 모델(예: 제1 음성 인식 모듈(510))의 음성 인식 결과가 얼마나 신뢰될 수 있는지를 나타내며, 이는 다른 구성요소(예: 제1 자연어 처리 모듈(520))에서도 동일한 개념으로 사용될 수 있다.

일 실시예에 따라, 전자 장치(101)에서 서버(201)로 전송되는 데이터는 “Rejection” 및 “Rejection Type”을 포함할 수 있다. 일 실시예에서, “Rejection”은 해당 명령을 전자 장치(101)(예: 제1 음성 인식 모듈(510))에서 음성 인식을 처리할 수 있었는지에 대한 정보를 나타내며, “True” 또는 “False”로 표현될 수 있다. 일 실시예에서, “Rejection Type”은 “Rejection”이 “False”인 경우, 어떠한 이유로 음성 인식을 처리할 수 없었는지에 대한 정보를 나타내며, 정보를 일종의 타입(type)들로 구분하여 표현할 수 있다.

일 실시예에 따르면, 전자 장치(101)(예: 제1 음성 인식 모듈(510))에서 서버(201)(예: 제2 음성 인식 모듈(515))로 전송되는 데이터들 중 적어도 일부 데이터는, 경우에 따라 생략될 수도 있다. 예를 들면, 전자 장치(101)에서 사용자의 명령을 정상적으로 처리하였음을 명시적으로 서버(201)로 전달하지 않을 수 있고, 이는 전자 장치(101)에서 필요한 경우에만 서버(201)로 요청을 전송하는 형태가 될 수 있다.

일 실시예에 따르면, 도 8에 예시로 도시되어 있는 오디오 데이터는 도 9에 예시한 바와 같이, 여러 번에 걸쳐 청크(chunk) 단위로 전송될 수 있다. 예를 들면, 전자 장치(101)에서 서버(201)로 전송해야 하는 오디오 데이터의 크기가 크다면(예: 지정된 크기 이상인 경우) 이를 한 번에 전송하는 것에 긴 시간이 소요될 수 있다. 이에, 전자 장치(101)는 오디오 데이터를 지정된 단위(예: chunk)로 나누어 실시간으로 전송할 수 있다. 이러한 동작은 전자 장치(101)의 제1 음성 인식 모듈(510)에서 사용자의 명령을 인식하는 것과 병렬로 진행될 수 있으며, 전송되는 오디오 데이터가 마지막 데이터임을 나타내는 값(예: End: True) 또한 추가될 수 있다.

일 실시예에 따르면, 앞서 살펴 본 바와 같이, 전자 장치(101)는 오디오 데이터가 아닌 각 모델(예: 모듈 단위)의 중간 데이터를 전송할 수도 있는데, 이를 위한 호환성 확인을 위해 버전 정보(version information)가 활용될 수도 있다. 이의 예가 도 10, 도 11a 및 도 11b에 도시된다.

도 10은 다양한 실시예들에 따른 전자 장치와 서버 간에 호환성을 확인하는 예를 도시하는 도면이다. 도 11a 및 도 11b는 전자 장치와 서버 간에 버전에 따른 데이터 전송의 예를 도시하는 도면들이다.

도 10을 참조하면, 일 실시예에 따라, 전자 장치(101)는 서버(201)로 전자 장치(101)의 버전 정보(예: Version: v1.5)를 전달할 수 있다. 일 실시예에 따라, 서버(201)는 전자 장치(101)로부터 전자 장치(101)의 버전 정보를 수신하는 경우, 전자 장치(101)의 버전 정보에 기반하여 전자 장치(101)와 호환 여부(예: “Compatibility”)를 결정하고, 전자 장치(101)와 호환 여부에 대해 “True”(예: Compatibility: True) 또는 “False”(예: Compatibility: False)로 전달할 수 있다. 어떤 실시예에 따르면, 서버(201)는 서버(201)에서 처리할 수 있는 데이터의 타입(예: Data Type: Audio)을 전달할 수도 있다. 일 실시예에서, 전자 장치(101)가 서버(201)로 전달하는 버전 정보는, 예를 들면, 전자 장치(101)의 전체 버전에 관한 제1 버전 정보 및/또는 각 모듈 단위의 버전에 관한 제2 버전 정보를 포함할 수 있다.

일 실시예에 따라, 서버(201)의 버전이 v2.3이고, 지정된 하위 버전(예: v2.0)부터 호환이 가능하고, 전자 장치(101)의 버전이 v2.0(예: 도 11a 참조)이거나, 또는 전자 장치(101)의 버전이 v1.5(예: 도 11b 참조)인 것을 가정할 수 있다. 일 실시예에 따라, 도 11a에 예시한 바와 같이, 버전이 v2.0인 전자 장치(101)는 서버(201)와 호환이 가능할 수 있고, 모델(예: 제1 음성 인식 모듈(510)의 제1 음향 모델(610) 또는 제1 언어 모델(620))의 결과(예: 제1 음향 모델(610)의 중간 데이터)를 서버(201)로 전송할 수 있다. 다른 실시예에 따라, 도 11b에 예시한 바와 같이, 버전이 v1.5인 전자 장치(101)는 서버(201)와 호환되지 않으며, 모델(예: 제1 음성 인식 모듈(510)의 제1 음향 모델(610) 또는 제1 언어 모델(620))의 중간 데이터가 아닌 오디오 데이터를 서버(201)로 전송할 수 있다.

일 실시예에 따르면, 상기한 바와 같은 방식은 다른 모델(예: 자연어 처리 모듈(520, 525))에서도 유사하게 활용될 수 있다. 예를 들면, 전자 장치(101)와 서버(201)에서, 방대한 데이터를 이용하여 보다 범용적인 정보를 학습한 모델을 생성한 후, 그 모델의 결과를 이용하여 필요한 레이블들을 구분해내는 다양한 분류기(classifier)(예: 도메인 분류기(630, 635), 인텐트 분류기(640, 645) 및/또는 슬롯 태거(650, 655))를 구성하는 형태가 그 예가 될 수 있다. 이러한 경우, 전자 장치(101)에서 서버(201)로 전달될 수 있는 데이터는, 예를 들면, 도 12 내지 도 14에 예시된 바와 같이 텍스트 데이터 또는 미리 학습된 모델의 결과가 될 수 있다.

도 12, 도 13 및 도 14는 다양한 실시예들에 따른 전자 장치에서 서버로 데이터를 전송하는 예를 도시하는 도면들이다.

일 실시예에 따라, 도 12, 도 13 및 도 14에서는 전자 장치(101)의 제1 자연어 처리 모듈(520)에서 자연어 처리를 위해 서버(201)의 제2 자연어 처리 모듈(525)로 각 모듈 단위로 전송되는 데이터의 예를 나타낼 수 있다.

도 12를 참조하면, 도 12는 전자 장치(101)의 제1 도메인 분류기(630)로부터 서버(201)의 제2 도메인 분류기(635)로 전송되는 데이터의 예를 나타낼 수 있다.

도 12에 예시된 바와 같이, 전자 장치(101)의 사용자가 지정된 명령(예: “밤편지를 켜줘”라는 명령)을 입력할 수 있다. 일 실시예에 따라, 지정된 명령은 사용자에 의해 텍스트 데이터(text data)로 입력되고, 텍스트 데이터가 제1 자연어 처리 모듈(520)의 입력 값으로 입력될 수 있다. 다른 실시예에 따라, 지정된 명령은 사용자에 의해 음성 명령으로 입력되고, 제1 음성 인식 모듈(510)에서 음성 명령을 텍스트로 변환된 결과 값(또는 텍스트 데이터)이 제1 자연어 처리 모듈(520)의 입력 값으로 입력될 수 있다. 일 실시예에 따라, 전자 장치(101)는 지정된 명령의 입력에 대해, 전자 장치(101)의 제1 자연어 처리 모듈(520)(예: 제1 도메인 분류기(630))에서 “밤편지”의 의미(예: 노래 제목인 것)를 식별하지 못하는 경우, 전자 장치(101)의 제1 자연어 처리 모듈(520)(예: 제1 도메인 분류기(630))에서는 해당 명령이 TV 프로그램, 디바이스 및/또는 음악과 같은 다양한 대상들 중 어떤 대상을 켜야 하는지가 모호하게 인식될 수 있다.

예를 들면, 제1 자연어 처리 모듈(520)의 제1 도메인 분류기(630)는 자연어 처리 결과의 신뢰도(또는 신뢰 점수)(예: Confidence: 0.3)와 함께 해당 명령의 도메인을 디바이스 컨트롤에 해당하는 “Device”로 분류하는 반면, 신뢰도가 기준치를 통과하지 못하기 때문에 서버(201)로 자연어 처리를 위한 요청을 전달할 수 있다. 일 실시예에 따라, 서버(201)는 전자 장치(101)로부터의 수신된 데이터에 기반한 자연어 처리를 통해 “밤편지”가 노래 제목이라는 것을 식별할 수 있고 보다 적합한 결과를 추론할 수 있다.

일 실시예에 따라, 전자 장치(101)에서 서버(201)로 전송되는 데이터는 사용자 명령에 해당하는 텍스트(예: “밤편지를 켜줘”), 분류된 도메인(예: 디바이스 컨트롤에 관련된 명령임을 나타내는 “Device”), 및 제1 도메인 분류기(630)가 처리한 자연어 처리 결과의 신뢰도(예: Confidence: 0.3)를 포함할 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 서버(201)로 전송되는 데이터는 처리되지 못한 이유를 나타내는 일종의 타입 데이터(예: Rejection Type), 전처리 동작의 결과(예: Preprocessing Data) 및/또는 토크나이즈 텍스트(예: Tokenized Text)를 포함할 수도 있다. 일 실시예에서, 토크나이즈 텍스트는 전처리 동작의 결과물(예: Preprocessing Data)에 포함될 수 있으며, 이후 서버(201)의 추론 동작에서 의미 있는 단어나 문구를 인식하기 쉽도록 하기 위한 것으로, 예를 들면, 문장을 단어 단위로 구분하거나, 여러 문장을 각 문장 단위로 구분하는 것을 포함할 수 있다. 일 실시예에서, 전처리 동작에서는 토큰화(tokenization) 외에도, 예를 들면, ‘has’를 ‘have’로 변경하는 것과 같은 표제어 추출(lemmatization), 어간을 찾아주는 어간 추출(stemming)도 포함될 수 있으며, 언어 특성에 따라 다양한 전처리 동작이 추가 및/또는 변경될 수 있다.

도 13을 참조하면, 도 13은 전자 장치(101)의 제1 인텐트 분류기(640)로부터 서버(201)의 제2 인텐트 분류기(645)로 전송되는 데이터의 예를 나타낼 수 있다.

일 실시예에 따라, 도 13에서는 전자 장치(101)가 도메인 분류 동작에서, 음악에 해당하는 도메인(예: ‘MUSIC’)과 영화에 해당하는 도메인(예: ‘MOVIE’)을 구분하지 않고, 포괄적 도메인(예: ‘MEDIA’라는 하나의 도메인)으로 처리하는 경우의 예를 나타낼 수 있다. 예를 들면, 도 13에 예시한 바와 같이, 전자 장치(101)의 제1 자연어 처리 모듈(520)에서 “테넷 재생해줘”라는 명령에 대해, ‘MEDIA’ 도메인이라는 것까지 추론하고, 영화 “테넷”의 ‘MOVIE’ 도메인을 식별하지 못하는 경우를 나타낼 수 있다.

일 실시예에 따라, 전자 장치(101)는 제1 자연어 처리 모듈(520)의 자연어 처리에 의해 영화 재생과 음악 재생을 명확히 구분하지 못함에 따라, 제1 인텐트 분류기(640)에서 사용자의 의도에 해당하는 의도(intent)를 “음악 재생”으로 모호하게 분류할 수 있다. 이와 같이, 전자 장치(101)에서 제1 자연어 처리 모듈(520)을 통해 해당 명령이 “MEDIA” 재생과 관련된 것임을 확인할 수 있으나, 자연어 처리 결과의 신뢰도가 기준치보다 낮은 경우, 이를 서버(201)로 전송하여 사용자 의도를 보다 정확하게 처리하도록 할 수 있다.

일 실시예에 따라, 전자 장치(101)에서 서버(201)로 전송되는 데이터는 전자 장치(101)에서 인식한 텍스트(text)(예: “테넷 재생해줘”), “MEDIA” 재생 관련된 명령임을 나타내는 도메인(domain)(예: “MEDIA”), 사용자의 의도가 음악 재생임을 나타내는 인텐트(intent)(예: “PlayMusic”) 및 제1 인텐트 분류기(640)가 처리한 인텐트 분류 결과의 신뢰도(예: Confidence: 0.4) 및 전처리 동작의 결과(예: Preprocessing Data)를 포함할 수 있다. 일 실시예에 따라, 제1 자연어 처리 모듈(520)의 제1 인텐트 분류기(640)의 신뢰도가 기준치를 통과하지 못하기 때문에 서버(201)로 자연어 처리를 위한 요청을 전달할 수 있다. 일 실시예에 따라, 서버(201)는 전자 장치(101)로부터의 수신된 데이터에 기반한 자연어 처리를 통해 사용자의 의도가 “영화 재생”이고, “테넷”이 영화 제목이라는 것을 식별할 수 있고 보다 적합한 결과를 추론할 수 있다.

도 14를 참조하면, 도 14는 전자 장치(101)의 제1 인텐트 분류기(640)로부터 서버(201)의 제2 인텐트 분류기(645)로 전송되는 데이터의 예를 나타낼 수 있다. 일 실시예에 따라, 도 14에서는, 도 13에 예시한 바와 같은 데이터에 더하여, 이력 데이터(예: “ExecutionHistory”)가 더 포함되는 경우에 대한 예를 나타낼 수 있다.

일 실시예에 따라, 도 14의 예시된 바와 같이, 전자 장치(101)의 제1 자연어 처리 모듈(520)에서 “보헤미안 랩소디 재생해줘”라는 명령이 서버(201)로 전달될 수 있으나, 예를 들면, “보헤미안 랩소디”는 영화 도메인과 음악 도메인 모두가 포함되는 포괄적 도메인(예: “MEDIA”)으로 처리 될 수 있으며, 이러한 경우 사용자의 의도가 모호하게 분류(예: “PlayMusic”)될 수 있다. 이러한 경우, 이력 데이터에 기반하여 사용자의 이전 명령(예: “음악 찾아줘”)을 알 수 있다면, 서버(201)의 제2 인텐트 분류기(645)에서 사용자의 의도가 음악 재생에 관한 의도라는 것을 보다 정확하게 추론할 수 있다.

일 실시예에 따라, 전자 장치(101)의 음성 인식 수행 이력에 따른 이력 데이터는, 도 14에 예시한 바와 같이, 한 번에 전송되거나, 음성 인식 수행 시기마다 또는 일정 시기마다 전송될 수도 있다. 일 실시예에서, 이력 데이터가 한 번에 전송되는 경우에는, 해당 시점 이전에 전자 장치(101)에서 성공적으로 처리된 이력(예: 사용자의 명령)이 포함될 수 있다. 일 실시예에서, 이력 데이터가 음성 인식 수행 시기 또는 일정 시기마다 전송되는 경우에는, 전자 장치(101)에서 사용자 명령 처리가 이루어질 때마다 이력 데이터가 서버(201)로 전송될 수 있으며, 전자 장치(101)에서 성공적으로 처리된 이력(예: 사용자의 명령)이 포함될 수 있다. 어떤 실시예에 따르면, 서버(201)의 수행 이력 또한 전자 장치(101)와 공유될 수 있으며, 이력 데이터의 공유는 지정된 저장소(예: 클라우드)를 이용하여 이루어질 수도 있다.

본 개시의 다양한 실시예들에 따른 전자 장치(101)는, 통신 모듈(190), 마이크(151), 디스플레이 모듈(160), 및 상기 통신 모듈(190), 상기 마이크(151) 및 상기 디스플레이 모듈(160)과 작동적으로 연결된 프로세서(120)를 포함하고, 상기 프로세서(120)는, 상기 마이크(151)를 통해 사용자 발화에 따른 사용자 음성을 수신하고, 사용자 음성에 따른 사용자 명령을 처리하기 위한 자연어 플랫폼(natural language platform)을 이용하여 상기 수신된 사용자 음성에 대한 음성 인식을 수행하고, 상기 음성 인식을 수행하는 동안, 서버(201)와 상호작용에 기반한 상기 사용자 명령의 처리 여부를 결정하고, 상기 서버(201)와 상호작용에 기반한 처리를 결정하는 것에 기반하여, 상기 음성 인식의 수행 상태에 대응하는 중간 데이터를 생성하고, 상기 통신 모듈(190)을 통해 상기 중간 데이터를 상기 서버(201)로 전송하고, 상기 중간 데이터에 기반하여 상기 사용자 명령에 대해 처리된 처리 결과를 상기 서버(201)로부터 수신하고, 상기 디스플레이 모듈(160)을 통해 상기 처리 결과를 표시하도록 할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 자연어 플랫폼은, 음성 인식 모듈(예: 도 5의 제1 음성 인식 모듈(510)), 자연어 처리 모듈(예: 도 5의 제1 자연어 처리 모듈(520)) 및 텍스트 음성 변환 모듈(예: 도 5의 제1 텍스트 음성 변환 모듈(530))을 포함하고, 상기 프로세서(120)는, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 및 상기 텍스트 음성 변환 모듈의 모듈 단위로 상기 사용자 명령을 처리하도록 설정된 전자 장치.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 또는 상기 텍스트 음성 변환 모듈에 각각 대응하는 중간 데이터를 생성하고, 상기 중간 데이터에 대응하는 상기 서버(201)의 모듈에 기반하여 상기 사용자 명령에 대한 처리를 수행하도록 상기 서버(201)에 요청할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 및 상기 텍스트 음성 변환 모듈의 특성에 기반하여 각 모듈 별로 상이한 중간 데이터를 생성할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 음성 인식 모듈을 이용하여, 상기 사용자 음성에 대응하는 오디오 데이터에 대한 자동 음성 인식(ASR, automatic speech recognition)을 수행하고, 상기 자동 음성 인식이 실패하는 경우, 자동 음성 인식에 관련된 제1 중간 데이터를 상기 서버(201)로 전송할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 자동 음성 인식이 성공하는 경우, 상기 자연어 처리 모듈을 이용하여, 자동 음성 인식 처리 결과에 기반하여 자연어 처리를 수행하고, 상기 자연어 처리에 실패하는 경우, 자연어 처리에 관련된 제2 중간 데이터를 상기 서버(201)로 전송할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 자연어 처리에 성공하는 경우, 상기 텍스트 음성 변환 모듈을 이용하여, 텍스트-음성 변환을 수행하고, 상기 텍스트-음성 변환에 실패하는 경우, 텍스트 처리에 관련된 제3 중간 데이터를 상기 서버(201)로 전송할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 음성 인식을 수행하는 동안, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 또는 상기 텍스트 음성 변환 모듈에서 처리에 실패하는 경우, 상기 서버와 상호작용에 의한 처리를 결정하고, 상기 처리에 실패에 대응하는 부분에 연속하여 상기 사용자 명령을 처리하도록 상기 서버(201)에 요청할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 처리 결과를 제공하는 동작 주체를 판단하고, 상기 처리 결과와 상기 동작 주체에 대한 정보를 포함하는 사용자 인터페이스를 제공할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 사용자 음성 수신에 기반하여, 상기 사용자 음성에 대응하는 오디오 데이터를 서버(201)로 전송하고, 상기 전자 장치(101)와 상기 서버(201) 간에 호환성 여부를 판단할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 프로세서(120)는, 상기 사용자 음성으로부터, 상기 전자 장치(101)에 저장된 컨텐츠와 관련성을 식별하는 경우, 상기 관련성 및 해당 컨텐츠에 대한 정보를 포함하는 컨텐츠 정보를 상기 중간 데이터와 함께 상기 서버(201)에 전송할 수 있다.

이하에서는 다양한 실시예들의 전자 장치(101)의 동작 방법에 대해서 상세하게 설명한다. 다양한 실시예들에 따라, 이하에서 설명하는 전자 장치(101)에서 수행하는 동작들은, 전자 장치(101)의 적어도 하나의 프로세싱 회로를 포함하는 프로세서(120)에 의해 실행될 수 있다. 일 실시예에 따라, 전자 장치(101)에서 수행하는 동작들은, 메모리(130)에 저장되고, 실행 시에, 프로세서(120)가 동작하도록 하는 인스트럭션들에 의해 실행될 수 있다.

도 15는 다양한 실시예들에 따른 전자 장치의 동작 방법을 도시하는 흐름도이다.

도 15를 참조하면, 동작 1501에서, 전자 장치(101)의 프로세서(120)는 음성 입력을 감지할 수 있다. 일 실시예에 따르면, 프로세서(120)는 전자 장치(101)의 마이크(151)를 통해 입력된 사용자 발화에 대응되는 음성 신호(또는 오디오 데이터)를 수신할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 음성 입력에 대응하는 오디오 데이터를 서버(201)로 전송하는 동작을 더 포함할 수 있다. 예를 들어, 프로세서(120)는 상기 오디오 데이터가 마지막 데이터인지 여부와 관련된 정보를 더 포함하여 서버(201)로 전송하는 동작을 수행할 수 있다.

동작 1503에서, 프로세서(120)는 음성 인식을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 수신된 음성 입력과 관련된 오디오 데이터를 텍스트 데이터(text data)로 변환, 텍스트 데이터에 기반한 자연어 처리를 통해 사용자 의도 결정, 및/또는 사용자 의도에 관련된 데이터를 텍스트-음성 변환하는 것과 같은 사용자 명령을 처리하기 위한 동작을 순차적으로 수행할 수 있다.

동작 1505에서, 프로세서(120)는 서버(201)와 상호작용이 필요한지 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 지능형 서비스를 위한 각 모듈(예: 제1 음성 인식 모듈(510), 제1 자연어 처리 모듈(520) 및 제1 텍스트 음성 변환 모듈(530)) 단위로 사용자 명령을 처리하기 위한 음성 인식을 수행할 수 있고, 음성 인식을 수행하는 동안 어느 모듈에서 처리가 불가(또는 실패)하는 경우, 서버(201)와의 상호작용을 결정할 수 있다.

동작 1505에서, 프로세서(120)는 서버(201)와 상호작용이 필요하지 않은 경우(예: 동작 1505의 ‘아니오’), 예를 들면, 음성 인식을 진행하는 동안 처리 불가(또는 실패)가 없는 경우, 동작 1507에서, 음성 인식의 완료 여부를 판단할 수 있다.

동작 1507에서, 프로세서(120)는 음성 인식이 완료되지 않은 경우(예: 동작 1507의 ‘아니오’), 동작 1503으로 진행하여, 동작 1503 이하의 동작을 수행할 수 있다.

동작 1507에서, 프로세서(120)는 음성 인식이 완료되는 경우(예: 동작 1507의 ‘예’), 동작 1515에서, 음성 인식 수행에 따른 처리 결과를 출력할 수 있다. 일 실시예에 따르면, 프로세서(120)는 스피커(155) 및/또는 디스플레이 모듈(160)을 통해 처리 결과에 관련된 정보를 청각적 및/또는 시각적 정보로 출력할 수 있다.

동작 1505에서, 프로세서(120)는 서버(201)와 상호작용이 필요한 경우(예: 동작 1505의 ‘예’), 예를 들면, 음성 인식을 진행하는 동안 지정된 모듈에서 처리 불가(또는 실패)가 있는 경우, 동작 1509에서, 수행 결과에 기반하여 중간 데이터를 생성할 수 있다. 일 실시예에 따르면, 프로세서(120)는 음성 인식을 진행하는 동안 처리 불가에 대응하는 모듈까지 수행된 수행 결과에 대응하는 중간 데이터(예: 제1 중간 데이터, 제2 중간 데이터 또는 제3 중간 데이터)를 생성할 수 있다.

동작 1511에서, 프로세서(120)는, 통신 모듈(190)을 이용하여, 중간 데이터를 서버(201)로 전송할 수 있다. 예를 들면, 프로세서(120)는 사용자 명령을 처리하는 동안, 일정 부분에서 서버(201)에 의해 처리가 필요한 경우, 중간 데이터에 기반하여 전자 장치(101)의 해당 모듈에 대응되는 서버(201)의 모듈에서 처리를 이어서 수행하도록 서버(201)에 요청할 수 있다.

동작 1513에서, 프로세서(120)는, 통신 모듈(190)을 통해, 서버(201)로부터 사용자 명령에 대한 처리 결과를 수신할 수 있다.

동작 1515에서, 프로세서(120)는 서버(201)로부터 수신된 처리 결과를 출력할 수 있다. 일 실시예에 따르면, 프로세서(120)는 스피커(155) 및/또는 디스플레이 모듈(160)을 통해 처리 결과에 관련된 정보를 청각적 및/또는 시각적 정보로 출력할 수 있다.

도 16은 다양한 실시예들에 따른 전자 장치에서 사용자 명령을 모듈 단위로 처리하는 동작 방법을 도시하는 흐름도이다.

일 실시예에 따르면, 전자 장치(101)는 지능형 서비스를 위한 음성 인식 모듈(예: 도 5 내지 도 7의 제1 음성 인식 모듈(510)), 자연어 처리 모듈(예: 도 5 내지 도 7의 제1 자연어 처리 모듈(520)) 및 텍스트 음성 변환 모듈(예: 도 5 내지 도 7의 제1 텍스트 음성 변환 모듈(530))을 포함할 수 있고, 각 모듈 단위로 사용자 명령을 처리하거나, 또는 각 모듈에 대응하는 중간 데이터를 서버(201)로 제공하여, 서버(201)에 의해 사용자 명령을 연속되게 처리하도록 할 수 있다.

도 16을 참조하면, 동작 1601에서, 전자 장치(101)의 프로세서(120)는 음성 입력을 수신할 수 있다. 일 실시예에 따르면, 프로세서(120)는 전자 장치(101)의 마이크(151)를 통해 입력된 사용자 발화에 대응하는 음성 신호(또는 오디오 데이터)를 수신할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 음성 입력에 대응하는 오디오 데이터를 서버(201)로 전송하는 동작을 더 포함할 수 있다.

동작 1603에서, 프로세서(120)는 자동 음성 인식(ASR)을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 음성 인식 모듈(예: 도 5 내지 도 7의 제1 음성 인식 모듈(510))을 이용하여, 음성 입력에 대응하는 오디오 데이터에 대한 자동 음성 인식을 수행할 수 있다.

동작 1605에서, 프로세서(120)는 자동 음성 인식의 성공 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 음성 인식 모듈(510)에서 자동 음성 인식이 성공하는지 여부를 판단할 수 있다.

동작 1605에서, 프로세서(120)는 자동 음성 인식이 실패하는 경우(예: 동작 1605의 ‘아니오’), 동작 1621에서, 자동 음성 인식에 관련된 제1 중간 데이터를 서버(201)로 전송할 수 있다. 일 실시예에 따르면, 프로세서(120)는 음성 입력에 대해 자동 음성 인식(예: 텍스트 데이터로 변환)을 처리할 수 없는 경우, 서버(201)의 음성 인식 모듈(예: 도 5 내지 도 7의 제2 음성 인식 모듈(515))에서 음성 입력에 대응하는 자동 음성 인식을 처리하도록 제1 중간 데이터를 통신 모듈(190)을 통해 서버(201)로 전송할 수 있다. 일 실시예에 따라, 제1 중간 데이터는, 예를 들면, 음성 인식 거절(예: eASR rejection) 여부, 음성 인식 결과, 음성 인식 스코어(score), 및/또는 도메인(domain)과 같은 정보를 포함할 수 있다.

일 실시예에 따라, 서버(201)는 전자 장치(101)로부터 제1 중간 데이터를 수신하고, 제1 중간 데이터에 기반하여 전자 장치(101)의 제1 음성 인식 모듈(510)에 대응되는 제2 음성 인식 모듈(515)을 이용하여 음성 입력에 대한 텍스트 데이터 변환을 처리할 수 있다. 일 실시예에 따르면, 서버(201)는 전자 장치(101)의 제1 음성 인식 모듈(510)에서의 처리에 이어서 제2 음성 인식 모듈(515), 제2 자연어 처리 모듈(525) 및 제2 텍스트 음성 변환 모듈(535)을 통해 음성 입력과 관련된 사용자 명령을 처리하고, 그 처리 결과를 전자 장치(101)로 전송할 수 있다. 일 실시예에 따르면, 프로세서(120)는, 동작 1627에서, 통신 모듈(190)을 통해 서버(201)로부터 결과를 수신하고, 동작 1615에서, 수신된 결과를 출력할 수 있다.

동작 1605에서, 프로세서(120)는 자동 음성 인식이 성공하는 경우(예: 동작 1605의 ‘예’), 동작 1607에서, 자연어 처리를 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 자연어 처리 모듈(예: 도 5 내지 도 7의 제1 자연어 처리 모듈(520))을 이용하여, 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 결정할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 제1 음성 인식 모듈(510)에서 동작 1603 및 동작 1605에 따라 자동 음성 인식을 수행한 이후, 자연어 처리를 서버(201)에서 수행해야 하는지 여부를 판단할 수도 있다. 일 실시예에 따라, 프로세서(120)는 판단하는 결과에 따라 자연어 처리를 서버(201)로 이관하는 것을 결정하는 경우, 제1 중간 데이터를 서버(201)로 전송하여, 서버(201)의 자연어 처리 모듈(예: 도 5 내지 도 7의 제2 자연어 처리 모듈(525))에서 자연어 처리를 수행하도록 요청할 수도 있으며, 이러한 경우, 동작 1607, 동작 1609, 동작 1611 및/또는 동작 1613은 수행하지 않을 수 있다.

동작 1609에서, 프로세서(120)는 자연어 처리의 성공 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 자연어 처리 모듈(520)에서 텍스트 데이터를 이용한 사용자 의도가 파악 가능한지 여부를 판단할 수 있다.

동작 1609에서, 프로세서(120)는 자연어 처리에 실패하는 경우(예: 동작 1609의 ‘아니오’), 동작 1623에서, 자연어 처리에 관련된 제2 중간 데이터를 서버(201)로 전송할 수 있다. 일 실시예에 따르면, 프로세서(120)는 텍스트 데이터를 이용하여 자연어 처리(예: 사용자 의도 결정)를 처리할 수 없는 경우, 서버(201)의 제2자연어 처리 모듈(525)에서 자연어 처리를 수행하도록 제2 중간 데이터를 통신 모듈(190)을 통해 서버(201)로 전송할 수 있다. 일 실시예에 따라, 제2 중간 데이터는, 예를 들면, 사용자 의도 파악 거절(예: eNLU rejection) 여부, 사용자 의도 파악 결과, 텍스트(또는 토크나이즈 텍스트(tokenized text)), 컨텍스트 정보(context information)(예: 실행 상태(execution status) 정보, 실행 히스토리(execution history) 정보), 도메인(domain) 정보, 인텐트(intent) 정보, 및/또는 슬롯(slot) 정보와 같은 다양한 정보를 포함할 수 있다.

일 실시예에 따라, 서버(201)는 전자 장치(101)로부터 제2 중간 데이터를 수신하고, 제2 중간 데이터에 기반하여 전자 장치(101)의 제1 자연어 처리 모듈(520)에 대응되는 서버(201)의 제2 자연어 처리 모듈(525)을 이용하여 텍스트 데이터에 대한 사용자 의도를 결정할 수 있다. 일 실시예에 따르면, 서버(201)는 전자 장치(101)의 제1 자연어 처리 모듈(520)에서의 처리에 이어서 제2 자연어 처리 모듈(525) 및 제2 텍스트 음성 변환 모듈(535)을 통해 음성 입력과 관련된 사용자 명령을 처리하고, 그 처리 결과를 전자 장치(101)로 전송할 수 있다. 일 실시예에 따르면, 프로세서(120)는, 동작 1627에서, 통신 모듈(190)을 통해 서버(201)로부터 결과를 수신하고, 동작 1615에서, 수신된 결과를 출력할 수 있다.

동작 1609에서, 프로세서(120)는 자연어 처리에 성공하는 경우(예: 동작 1609의 ‘예’), 동작 1611에서, 텍스트를 음성으로 변환(예: 텍스트-음성 변환)을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 텍스트 음성 변환 모듈(예: 도 5 내지 도 7의 제1 텍스트 음성 변환 모듈(530))을 이용하여, 텍스트 형태의 정보를 음성 형태의 정보로 변환할 수 있다.

동작 1613에서, 프로세서(120)는 텍스트 변환의 성공 여부를 판단할 수 있다. 일 실시예에 따르면, 프로세서(120)는 제1 텍스트 음성 변환 모듈(530)에서 사용자 의도에 대응하는 텍스트를 이용한 텍스트-음성 변환이 가능한지 여부를 판단할 수 있다.

동작 1613에서, 프로세서(120)는 텍스트의 음성 변환에 실패하는 경우(예: 동작 1613의 ‘아니오’), 동작 1625에서, 텍스트 처리에 관련된 제3 중간 데이터를 서버(201)로 전송할 수 있다. 일 실시예에 따르면, 프로세서(120)는 사용자 의도에 대응하는 텍스트를 이용하여 텍스트-음성 변환을 처리할 수 없는 경우, 서버(201)의 텍스트 음성 변환 모듈(예: 도 5 내지 도 7의 제2 텍스트 음성 변환 모듈(535))에서 텍스트에 기반한 텍스트-음성 변환을 처리하도록 제3 중간 데이터를 통신 모듈(190)을 통해 서버(201)로 전송할 수 있다. 일 실시예에 따라, 제3 중간 데이터는, 예를 들면, 텍스트-음성 변환 거절(예: eTTS rejection) 여부, 텍스트-음성 변환 결과 및/또는 텍스트와 같은 정보를 포함할 수 있다. 일 실시예에 따라, 서버(201)는 전자 장치(101)로부터 제3 중간 데이터를 수신하고, 제3 중간 데이터에 기반하여 전자 장치(101)의 제1 텍스트 음성 변환 모듈(530)에 대응되는 서버(201)의 제2 텍스트 음성 변환 모듈(535)을 이용하여 텍스트에 대한 음성 변환을 수행할 수 있다. 일 실시예에 따르면, 서버(201)는 전자 장치(101)의 제1 텍스트 음성 변환 모듈(530)에서의 처리에 이어서 제2 텍스트 음성 변환 모듈(535)을 통해 음성 입력과 관련된 사용자 명령을 처리하고, 그 처리 결과를 전자 장치(101)로 전송할 수 있다. 일 실시예에 따르면, 프로세서(120)는, 동작 1627에서, 통신 모듈(190)을 통해 서버(201)로부터 결과를 수신하고, 동작 1615에서, 수신된 결과를 출력할 수 있다.

동작 1613에서, 프로세서(120)는 텍스트 변환에 성공하는 경우(예: 동작 1613의 ‘예’), 동작 1615에서, 음성 입력과 관련된 사용자 명령에 대한 처리 결과를 출력할 수 있다. 일 실시예에 따르면, 프로세서(120)는 스피커(155) 및/또는 디스플레이 모듈(160)을 통해 처리 결과에 관련된 정보를 청각적 및/또는 시각적 정보로 출력할 수 있다.

도 17은 다양한 실시예들에 따른 전자 장치의 음성 처리 동작의 예를 도시하는 흐름도이다.

일 실시예에 따르면, 지능형 서비스에서 전자 장치(101)의 컨텐츠 정보(또는 개인 정보)를 활용하는 경우, 서버(201)에서는 보다 정확하게 사용자 명령을 처리 및 수행할 수 있다. 예를 들면, 전자 장치(101)는 음성 인식 모듈에서 사용자가 발화하는 단어가 전자 장치(101)에 저장된 컨텐츠(예: 연락처, 사진 및/또는 어플리케이션) 중 적어도 하나에 대응하는지 식별할 수 있는 경우, 서버(201)에서 사용자의 음성 입력을 보다 정확하게 텍스트로 변환할 수 있고, 그에 따라 사용자 의도를 이해(또는 결정)하는 데에 정확성을 높일 수 있다. 예를 들면, 전자 장치(101)의 컨텐츠 정보는 전자 장치(101)에서 서버(201)로 전송되는 중간 데이터에 포함될 수 있다. 일 예를 들면, 사용자 발화가 “홍길동에게 전화해줘!”인 것을 가정하면, 전자 장치(101)는 “홍길동”이라는 단어가 전자 장치(101)에 저장된 컨텐츠 정보(예: 연락처 정보)인 것을 함께 전달할 수 있다. 이를 통해, 서버(201)에서는 컨텐츠 정보 매칭 동작을 생략할 수 있으며, 컨텐츠 정보에 대한 보안 강화와 컨텐츠 정보 관리에 필요한 자원을 절약할 수 있는 효과가 있다. 도 17에서는 컨텐츠 정보를 중간 데이터와 함께 제공하는 전자 장치(101)의 동작 방법을 나타낼 수 있다.

도 17을 참조하면, 동작 1701에서, 전자 장치(101)의 프로세서(120)는 음성 입력을 수신할 수 있다. 일 실시예에 따르면, 프로세서(120)는 전자 장치(101)의 마이크(151)를 통해 입력된 사용자 발화에 대응하는 음성 신호(또는 오디오 데이터)를 수신할 수 있다.

동작 1703에서, 프로세서(120)는 음성 인식을 수행할 수 있다. 일 실시예에 따르면, 프로세서(120)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터로 변환, 텍스트 데이터에 기반한 자연어 처리를 통해 사용자 의도 결정, 및/또는 사용자 의도에 관련된 데이터를 텍스트-음성 변환하는 것과 같은 사용자 명령을 처리하기 위한 동작을 순차적으로 수행할 수 있다.

동작 1705에서, 프로세서(120)는 음성 입력에 대해 전자 장치(101)의 컨텐츠와 관련성 여부를 식별할 수 있다. 일 실시예에 따르면, 프로세서(120)는 음성 인식을 수행하는 동안, 사용자 발화에 따른 음성 입력으로부터 전자 장치(101)에 저장된(또는 설치된) 컨텐츠(예: 연락처, 사진 및/또는 어플리케이션)와 관련이 있는지 여부를 식별할 수 있다. 일 실시예에 따라, 프로세서(120)는 음성 입력이 전자 장치(101)의 컨텐츠와 관련이 있는 것으로 판단하는 경우, 관련성(예: 관련 유무)과 해당 컨텐츠에 대한 정보를 포함하는 컨텐츠 정보(또는 개인 정보)를 생성하는 동작을 포함할 수 있다.

동작 1707에서, 프로세서(120)는 서버(201)와 상호작용이 필요한 상태를 감지할 수 있다. 일 실시예에 따르면, 프로세서(120)는 지능형 서비스를 위한 각 모듈(예: 제1 음성 인식 모듈(510), 제1 자연어 처리 모듈(520) 및 제1 텍스트 음성 변환 모듈(530)) 단위로 사용자 명령을 처리하기 위한 음성 인식을 수행할 수 있고, 음성 인식을 수행하는 동안 어느 모듈에서 처리가 불가(또는 실패)하는 경우, 서버(201)와의 상호작용을 결정할 수 있다.

동작 1709에서, 프로세서(120)는 중간 데이터를 생성할 수 있다. 일 실시예에 따르면, 프로세서(120)는 서버(201)와 상호작용이 필요한 경우, 해당 모듈까지 수행된 수행 결과에 대응하는 중간 데이터(예: 제1 중간 데이터, 제2 중간 데이터 또는 제3 중간 데이터)를 생성할 수 있다. 어떤 실시예에 따르면, 프로세서(120)는 중간 데이터를 생성하는 동작에서, 컨텐츠 정보를 중간 데이터에 포함하여 생성할 수도 있다.

동작 1711에서, 프로세서(120)는, 통신 모듈(190)을 이용하여, 중간 데이터 및 컨텐츠 정보를 서버(201)로 전송할 수 있다. 예를 들면, 프로세서(120)는 사용자 명령을 처리하는 동안, 일정 부분에서 서버(201)에 의해 처리가 필요한 경우, 중간 데이터에 기반하여 전자 장치(101)의 해당 모듈에 대응되는 서버(201)의 모듈에서 처리를 연속하여 수행하도록 서버(201)에 요청하고, 관련된 컨텐츠 정보를 함께 제공할 수 있다.

도 18 및 도 19는 다양한 실시예들에 따른 전자 장치에서 제공하는 사용자 인터페이스의 예를 도시하는 도면들이다.

일 실시예에 따라, 도 18 및 도 19에서는 사용자 명령에 대한 처리 결과를 사용자에게 제공할 때, 처리 결과를 제공하는 동작 주체(또는 처리 주체)에 대한 정보를 포함하는 사용자 인터페이스의 예를 나타낼 수 있다.

일 실시예에 따라, 도 18은 사용자 명령에 대해 전자 장치(101)에서 처리된 경우에 제공될 수 있는 제1 사용자 인터페이스(예: 예시 화면)의 일 예를 나타낼 수 있다. 일 실시예에 따라, 도 19는 사용자 명령에 대해 서버(201)에서 처리된 경우에 제공될 수 있는 제2 사용자 인터페이스(예: 예시 화면)의 일 예를 나타낼 수 있다.

도 18 및 도 19를 참조하면, 제1 사용자 인터페이스 및 제2 사용자 인터페이스는 사용자 명령에 대한 처리 결과에 관련된 적어도 하나의 객체(예: 제1 객체(1810) 및/또는 제2 객체(1820))와 사용자 명령을 처리한 주체(예: 전자 장치(101) 또는 서버(201))에 관련된 적어도 하나의 객체(예: 제3 객체(1830) 또는 제4 객체(1930))를 포함할 수 있다.

일 실시예에 따르면 제1 객체(1810)는 사용자 명령을 자동 음성 인식하여 텍스트 데이터로 변환한 정보(예: 사용자 발화 정보)를 포함할 수 있다. 일 실시예에 따르면, 제2 객체(1820)는 사용자 명령 처리 결과에 기반하여 수행되어야 할 동작과 관련된 정보를 포함할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 사용자 명령에 대응하는 처리 결과(예: 제1 객체(1810) 및/또는 제2 객체(1820))를 제공할 때, 사용자 명령에 대해 전자 장치(101) 또는 서버(201)에서의 처리 여부를 판단할 수 있고, 판단하는 결과에 기반하여 제1 사용자 인터페이스 또는 제2 사용자 인터페이스를, 디스플레이 모듈(160)에 표시하여 사용자에게 제공할 수 있다.

예를 들면, 전자 장치(101)는 사용자 명령에 대해 전자 장치(101)에서 처리된 경우, 처리 결과(예: 제1 객체(1810), 제2 객체(1820))에, 처리 주체가 전자 장치(101)인 것을 나타내는 제3 객체(1830)(예: 전자 장치(101)를 식별할 수 있는 이미지(또는 아이콘) 및/또는 텍스트))를 포함하는 제1 사용자 인터페이스를 제공할 수 있다. 다른 예를 들면, 전자 장치(101)는 사용자 명령에 대해 서버(201)에서 처리된 경우, 처리 결과(예: 제1 객체(1810), 제2 객체(1820))에, 처리 주체가 서버(201)인 것을 나타내는 제4 객체(1930)(예: 서버(201)를 식별할 수 있는 이미지(또는 아이콘) 및/또는 텍스트))를 포함하는 제2 사용자 인터페이스를 제공할 수 있다.

일 실시예에 따르면, 사용자 명령에 대한 처리 주체에 대한 정보는, 사용자에 의한 전자 장치(101)의 설정에 따라, 도 18 또는 도 19와 같이 처리 주체에 관련된 정보(예: 제3 객체(1830) 또는 제4 객체(1930))를 포함하는 다른 사용자 인터페이스로 제공되거나, 처리 주체에 관련된 정보는 포함하지 않고 처리 결과(예: 제1 객체(1810) 및/또는 제2 객체(1820))에 관련된 정보만을 포함하는 사용자 인터페이스로 제공될 수 있다.

도 20은 다양한 실시예들에 따른 전자 장치에서 제공하는 사용자 인터페이스의 예를 도시하는 도면이다.

일 실시예에 따라, 도 20에서는 사용자 명령에 대한 동작 주체(또는 서버(201)와의 상호작용 여부)를 설정하는 사용자 인터페이스의 예를 나타낼 수 있다.

도 20을 참조하면, 사용자 명령에 대해 전자 장치(101)에서 처리 또는 서버(201)와 상호작용에 의한 처리 여부를 설정할 수 있는 사용자 인터페이스(예: 예시 화면)의 일 예를 나타낼 수 있다.

도 20을 참조하면, 사용자는 사용자 인터페이스를 통해, 전자 장치(101)에서의 사용자 명령에 대한 처리 여부를 설정할 수 있다. 예를 들면, 사용자 인터페이스는 사용자 명령에 대한 처리 방법을 가이드 하는 객체(2010)(예: 텍스트 정보)와 해당 옵션의 활성화 또는 비활성화를 설정할 수 있는 객체(2020)(예: 설정 버튼)를 포함할 수 있다. 일 실시예에 따르면, 사용자는 객체(2020)의 선택에 의한 옵션 설정(예: 활성화 또는 비활성화 설정)을 통해 사용자 명령에 대한 전자 장치(101) 또는 서버(201)에 의한 처리 여부를 설정할 수 있다.

예를 들면, 해당 옵션이 비활성화되어 있는 경우, 사용자 명령은 전자 장치(101)에서부터 처리가 시작되지 않고, 항상 서버(201)를 통해 처리될 수 있다. 다른 예를 들면, 해당 옵션이 활성화되어 있는 경우, 사용자 명령은 전자 장치(101)에서부터 처리가 시작되고, 필요에 따라 서버(201)와 상호작용에 의해 처리될 수 있다. 추가적으로 또는 대체적으로, 전자 장치(101)의 처리를 서버(201)가 이어서 진행할 수 있기 때문에, 사용자 인터페이스는 전자 장치(101)의 지정된 모듈까지만 전자 장치(101)에서 처리하도록 하는 옵션 설정을 더 포함할 수도 있다. 예를 들면, 사용자의 음성이 서버(201)로 전송되는 것을 차단하기 위해, 사용자는 자동 음성 인식 동작까지 전자 장치(101)에서 처리하고, 이후 동작은 서버(201)에서 처리하도록 설정할 수 있다.

본 개시의 다양한 실시예들에 따른 전자 장치(101)에서 수행하는 동작 방법은, 마이크(151)를 통해 사용자 발화에 따른 사용자 음성을 수신하는 동작, 사용자 음성에 따른 사용자 명령을 처리하기 위한 자연어 플랫폼(natural language platform)을 이용하여 상기 수신된 사용자 음성에 대한 음성 인식을 수행하는 동작, 상기 음성 인식을 수행하는 동안, 서버(201)와 상호작용에 기반한 상기 사용자 명령의 처리 여부를 결정하는 동작, 상기 서버(201)와 상호작용에 기반한 처리를 결정하는 것에 기반하여, 상기 음성 인식의 수행 상태에 대응하는 중간 데이터를 생성하는 동작, 통신 모듈(190)을 통해 상기 중간 데이터를 상기 서버(201)로 전송하는 동작, 상기 중간 데이터에 기반하여 상기 사용자 명령에 대해 처리된 처리 결과를 상기 서버(201)로부터 수신하는 동작, 및 디스플레이 모듈(160)을 통해 상기 처리 결과를 표시하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 자연어 플랫폼은, 음성 인식 모듈(예: 도 5의 제1 음성 인식 모듈(510)), 자연어 처리 모듈(예: 도 5의 제1 자연어 처리 모듈(520)) 및 텍스트 음성 변환 모듈(예: 도 5의 제1 텍스트 음성 변환 모듈(530))을 포함하고, 상기 음성 인식을 수행하는 동작은, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 및 상기 텍스트 음성 변환 모듈의 모듈 단위로 상기 사용자 명령을 처리하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 중간 데이터를 생성하여 전송하는 동작은, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 또는 상기 텍스트 음성 변환 모듈에 각각 대응하는 중간 데이터를 생성하는 동작, 상기 중간 데이터에 대응하는 상기 서버(201)의 모듈에 기반하여 상기 사용자 명령에 대한 처리를 수행하도록 상기 서버(201)에 요청하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 중간 데이터를 생성하는 동작은, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 및 상기 텍스트 음성 변환 모듈의 특성에 기반하여 각 모듈 별로 상이한 중간 데이터를 생성하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 중간 데이터를 전송하는 동작은, 상기 음성 인식 모듈을 이용하여, 상기 사용자 음성에 대응하는 오디오 데이터에 대한 자동 음성 인식(ASR, automatic speech recognition)을 수행하는 동작, 상기 자동 음성 인식이 실패하는 경우, 자동 음성 인식에 관련된 제1 중간 데이터를 상기 서버로 전송하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 중간 데이터를 전송하는 동작은, 상기 자동 음성 인식이 성공하는 경우, 상기 자연어 처리 모듈을 이용하여, 자동 음성 인식 처리 결과에 기반하여 자연어 처리를 수행하는 동작, 상기 자연어 처리에 실패하는 경우, 자연어 처리에 관련된 제2 중간 데이터를 상기 서버(201)로 전송하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 중간 데이터를 전송하는 동작은, 상기 자연어 처리에 성공하는 경우, 상기 텍스트 음성 변환 모듈을 이용하여, 텍스트-음성 변환을 수행하는 동작, 상기 텍스트-음성 변환에 실패하는 경우, 텍스트 처리에 관련된 제3 중간 데이터를 상기 서버(201)로 전송하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 사용자 명령의 처리 여부를 결정하는 동작은, 상기 음성 인식을 수행하는 동안, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 또는 상기 텍스트 음성 변환 모듈에서 처리에 실패하는 경우, 상기 서버(201)와 상호작용에 의한 처리를 결정하는 동작, 상기 처리에 실패에 대응하는 부분에 연속하여 상기 사용자 명령을 처리하도록 상기 서버(201)에 요청하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따르면, 상기 처리 결과를 표시하는 동작은, 상기 처리 결과를 제공하는 동작 주체를 판단하는 동작, 상기 처리 결과와 상기 동작 주체에 대한 정보를 포함하는 사용자 인터페이스를 제공하는 동작을 포함할 수 있다.

본 명세서와 도면에 개시된 본 개시의 다양한 실시예들은 본 개시의 기술 내용을 쉽게 설명하고 본 개시의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 개시의 범위를 한정하고자 하는 것은 아니다. 따라서 본 개시의 범위는 여기에 개시된 실시예들 이외에도 본 개시의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다.

101: 전자 장치
120: 프로세서
151: 마이크
155: 스피커
160: 디스플레이 모듈
220: 자연어 플랫폼
510, 515: 음성 인식 모듈
520, 525: 자연어 처리 모듈
530, 535: 텍스트 음성 변환 모듈
201: 서버

Claims (20)

1. 전자 장치에 있어서,
   통신 모듈;
   마이크;
   디스플레이 모듈; 및
   상기 통신 모듈, 상기 마이크 및 상기 디스플레이 모듈과 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는,
   상기 마이크를 통해 사용자 발화에 따른 사용자 음성을 수신하고,
   사용자 음성에 따른 사용자 명령을 처리하기 위한 복수의 순차적인 태스크들을 처리하는 자연어 플랫폼(natural language platform)을 이용하여 상기 수신된 사용자 음성에 따른 사용자 명령을 처리하는 경우,
   상기 전자 장치의 자연어 플랫폼을 이용하여 상기 사용자 명령을 처리하기 위한 복수의 순차적인 태스크들을 처리하는 동안, 상기 복수의 순차적인 태스크들 중 특정 태스크의 처리를 실패하고,
   상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 서버의 자연어 플랫폼을 이용하여 처리하는 것으로 결정하고,
   상기 특정 태스크의 처리의 실패를 나타내는 정보 및 상기 특정 태스크 이전의 태스크들을 처리한 결과를 포함하는 중간 데이터를 생성하고,
   상기 통신 모듈을 통해 상기 중간 데이터를 상기 서버로 전송하고,
   상기 서버가 특정 태스크 이전의 태스크들을 처리한 결과를 이용하여 상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리한 결과를 상기 서버로부터 수신하고,
   상기 수신된 사용자 음성에 따른 사용자 명령을 처리한 결과를 출력하도록 설정된 전자 장치.
   
2. 제1항에 있어서,
   상기 전자 장치의 자연어 플랫폼은, 음성 인식 모듈, 자연어 처리 모듈 및 텍스트 음성 변환 모듈을 포함하고,
   상기 프로세서는,
   상기 음성 인식 모듈, 상기 자연어 처리 모듈 및 상기 텍스트 음성 변환 모듈의 모듈을 이용하여 상기 사용자 명령을 처리하기 위한 복수의 순차적인 태스크들을 처리하도록 설정된 전자 장치.
   
3. 제2항에 있어서, 상기 프로세서는,
   상기 음성 인식 모듈, 상기 자연어 처리 모듈 또는 상기 텍스트 음성 변환 모듈 중 상기 특정 태스크의 처리를 실패한 모듈에 대응하는 중간 데이터를 생성하고,
   상기 서버의 자연어 플랫폼에 포함된 모듈들 중 상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리하기 위한 모듈을 이용하여 상기 생성된 중간 데이터를 이용하여 상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리하도록 상기 서버에 요청하도록 설정된 전자 장치.
   
4. 제3항에 있어서, 상기 프로세서는,
   상기 음성 인식 모듈, 상기 자연어 처리 모듈 및 상기 텍스트 음성 변환 모듈의 특성에 기반하여 각 모듈 별로 상이한 중간 데이터를 생성하도록 설정된 전자 장치.
   
5. 제2항에 있어서, 상기 프로세서는,
   상기 음성 인식 모듈을 이용하여, 상기 사용자 음성에 대응하는 오디오 데이터에 대한 자동 음성 인식(ASR, automatic speech recognition)을 수행하고,
   상기 자동 음성 인식이 실패하는 경우, 자동 음성 인식에 관련된 제1 중간 데이터를 상기 서버로 전송하도록 설정된 전자 장치.
   
6. 제5항에 있어서, 상기 프로세서는,
   상기 자동 음성 인식이 성공하는 경우, 상기 자연어 처리 모듈을 이용하여, 자동 음성 인식 처리 결과에 기반하여 자연어 처리를 수행하고,
   상기 자연어 처리에 실패하는 경우, 자연어 처리에 관련된 제2 중간 데이터를 상기 서버로 전송하도록 설정된 전자 장치.
   
7. 제6항에 있어서, 상기 프로세서는,
   상기 자연어 처리에 성공하는 경우, 상기 텍스트 음성 변환 모듈을 이용하여, 텍스트-음성 변환을 수행하고,
   상기 텍스트-음성 변환에 실패하는 경우, 텍스트 처리에 관련된 제3 중간 데이터를 상기 서버로 전송하도록 설정된 전자 장치.
   
8. 제2항에 있어서, 상기 프로세서는,
   상기 전자 장치의 자연어 플랫폼을 이용하여 상기 사용자 명령을 처리하기 위한 복수의 순차적인 태스크들을 처리하는 동안,, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 또는 상기 텍스트 음성 변환 모듈에 의한 특정 태스크의 처리를 실패하는 경우, 상기 서버의 자연어 플랫폼을 이용하여 상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리하는 것으로 결정하고,
   상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리하도록 상기 서버에 요청하도록 설정된 전자 장치.
   
9. 제1항에 있어서, 상기 프로세서는,
   상기 사용자 음성에 따른 사용자 명령을 처리한 결과를 출력하는 동작 주체를 판단하고,
   상기 사용자 음성에 따른 사용자 명령을 처리한 결과와 상기 동작 주체에 대한 정보를 포함하는 사용자 인터페이스를 출력하도록 설정된 전자 장치.
   
10. 제1항에 있어서, 상기 프로세서는,
    상기 사용자 음성 수신에 기반하여, 상기 사용자 음성에 대응하는 오디오 데이터를 서버로 전송하고,
    상기 전자 장치와 상기 서버 사이의 호환성 여부를 판단하도록 설정된 전자 장치.
    
11. 제1항에 있어서, 상기 프로세서는,
    상기 사용자 음성 및 상기 전자 장치에 저장된 컨텐츠 사이의 관련성을 식별하는 경우, 상기 관련성 및 상기 전자 장치에 저장된 컨텐츠에 대한 정보를 포함하는 컨텐츠 정보를 상기 중간 데이터와 함께 상기 서버에 전송하도록 설정된 전자 장치.
    
12. 전자 장치의 동작 방법에 있어서,
    상기 전자 장치의 마이크를 통해 사용자 발화에 따른 사용자 음성을 수신하는 동작;
    사용자 음성에 따른 사용자 명령을 처리하기 위한 복수의 순차적인 태스크들을 처리하는 자연어 플랫폼(natural language platform)을 이용하여 상기 수신된 사용자 음성에 따른 사용자 명령을 처리하는 경우, 상기 전자 장치의 자연어 플랫폼을 이용하여 상기 사용자 명령을 처리하기 위한 복수의 순차적인 태스크들을 처리하는 동안, 상기 복수의 순차적인 태스크들 중 특정 태스크의 처리를 실패하는 동작;
    상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 서버의 자연어 플랫폼을 이용하여 처리하는 것으로 결정하는 동작;
    상기 특정 태스크의 처리의 실패를 나타내는 정보 및 상기 특정 태스크 이전의 태스크들을 처리한 결과를 포함하는 중간 데이터를 생성하는 동작;
    상기 전자 장치의 통신 모듈을 통해 상기 중간 데이터를 상기 서버로 전송하는 동작;
    상기 서버가 상기 특정 태스크 이전의 태스크들을 처리한 결과를 이용하여 상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리한 결과를 상기 서버로부터 수신하는 동작; 및
    상기 수신된 사용자 음성에 따른 사용자 명령을 처리한 결과를 표시하는 동작을 포함하는 방법.
    
13. 제12항에 있어서,
    상기 전자 장치의 자연어 플랫폼은, 음성 인식 모듈, 자연어 처리 모듈 및 텍스트 음성 변환 모듈을 포함하고,
    상기 방법은,
    상기 음성 인식 모듈, 상기 자연어 처리 모듈 및 상기 텍스트 음성 변환 모듈을 이용하여 상기 사용자 명령을 처리하기 위한 복수의 순차적인 태스크들을 처리하는 동작을 포함하는 방법.
    
14. 제13항에 있어서, 상기 방법은,
    상기 음성 인식 모듈, 상기 자연어 처리 모듈 또는 상기 텍스트 음성 변환 모듈 중 상기 특정 태스크의 처리를 실패한 모듈에 대응하는 중간 데이터를 생성하는 동작,
    상기 서버의 자연어 플랫폼에 포함된 모듈들 중 상기 상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리하기 위한 모듈을 이용하여 상기 생성된 중간 데이터를 이용하여 상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리하도록 상기 서버에 요청하는 동작을 포함하는 방법.
    
15. 제14항에 있어서, 상기 방법은
    상기 음성 인식 모듈, 상기 자연어 처리 모듈 및 상기 텍스트 음성 변환 모듈의 특성에 기반하여 각 모듈 별로 상이한 중간 데이터를 생성하는 동작을 포함하는 방법.
    
16. 제13항에 있어서, 상기 방법은
    상기 음성 인식 모듈을 이용하여, 상기 사용자 음성에 대응하는 오디오 데이터에 대한 자동 음성 인식(ASR, automatic speech recognition)을 수행하는 동작,
    상기 자동 음성 인식이 실패하는 경우, 자동 음성 인식에 관련된 제1 중간 데이터를 상기 서버로 전송하는 동작을 포함하는 방법.
    
17. 제16항에 있어서, 상기 방법은,
    상기 자동 음성 인식이 성공하는 경우, 상기 자연어 처리 모듈을 이용하여, 자동 음성 인식 처리 결과에 기반하여 자연어 처리를 수행하는 동작,
    상기 자연어 처리에 실패하는 경우, 자연어 처리에 관련된 제2 중간 데이터를 상기 서버로 전송하는 동작을 포함하는 방법.
    
18. 제17항에 있어서, 상기 방법은,
    상기 자연어 처리에 성공하는 경우, 상기 텍스트 음성 변환 모듈을 이용하여, 텍스트-음성 변환을 수행하는 동작,
    상기 텍스트-음성 변환에 실패하는 경우, 텍스트 처리에 관련된 제3 중간 데이터를 상기 서버로 전송하는 동작을 포함하는 방법.
    
19. 제13항에 있어서, 상기 방법은,,
    상기 전자 장치의 자연어 플랫폼을 이용하여 상기 사용자 명령을 처리하기 위한 복수의 순차적인 태스크들을 처리하는 동안, 상기 음성 인식 모듈, 상기 자연어 처리 모듈 또는 상기 텍스트 음성 변환 모듈에 의한 특정 태스크의 처리를 실패하는 경우, 상기 서버의 자연어 플랫폼을 이용하여 상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리하는 것으로 결정하는 동작,
    상기 특정 태스크 및 상기 특정 태스크 다음의 태스크들을 처리하도록 상기 서버에 요청하는 동작을 포함하는 방법.
    
20. 제12항에 있어서, 상기 방법은,
    상기 사용자 음성에 따른 사용자 명령을 처리한 결과를 출력하는 동작 주체를 판단하는 동작,
    상기 사용자 음성에 따른 사용자 명령을 처리한 결과와 상기 동작 주체에 대한 정보를 포함하는 사용자 인터페이스를 출력하는 동작을 포함하는 방법.