KR102435933B1

KR102435933B1 - 영상 컨텐츠에서의 음악 구간 검출 방법 및 장치

Info

Publication number: KR102435933B1
Application number: KR1020200134306A
Authority: KR
Inventors: 박지웅; 박훈민
Original assignee: 주식회사 엘지유플러스
Priority date: 2020-10-16
Filing date: 2020-10-16
Publication date: 2022-08-24
Anticipated expiration: 2040-10-16
Also published as: KR20220050530A

Abstract

영상 컨텐츠에서의 음악 구간 검출 방법 및 장치가 개시된다. 음악 구간 검출 방법은 영상 컨텐츠에 포함된 오디오 데이터로부터 특징을 추출하는 단계, 추출된 특징에 기초하여 오디오 데이터로부터 음악의 시작점을 결정하는 단계, 음악의 시작점에 대응하는 제1 프레임에서 추출된 특징을 저장하는 단계 및 제1 프레임의 다음 프레임인 제2 프레임에서 추출된 특징과 저장된 제1 프레임에서 추출된 특징에 기초하여 제2 프레임이 음악 구간에 해당되는지 여부를 결정하는 단계를 포함할 수 있다.

Description

영상 컨텐츠에서의 음악 구간 검출 방법 및 장치{METHOD AND APPARATUS FOR DETECTING MUSIC SECTIONS IN VIDEO CONTENT}

아래 실시예들은 영상 컨텐츠에서의 음악 구간 검출 기술에 관한 것이다.

최근에 VOD(Video on Demand)와 같은 영상 컨텐츠가 제공되는 중에 배경 음악에 대한 정보를 제공하는 기술이 등장하였다. 이 기술은, 영상 컨텐츠에는 다양한 음악과 노이즈가 포함되어 있는데, 오디오 전체에 대해, 오디오 지문 기술을 이용하여, 음악 메타 검색을 하는 방법에 의해 제공된다. 그러나 오디오 전체에 대해 음악 메타 검색을 하는 방법은 시간과 비용 면에서 비효율적이다. 특히 종래의 기술은 영상 컨텐츠의 어떤 구간에 음악이 포함되어 있는지를 알아내지 못하기 때문에, 영상 컨텐츠가 재생되고 있는 중에 음악이 제공된다면 그제서야 음악을 검색할 수 있기 때문에 불편함이 상당하다. 따라서, 종래 기술의 한계들을 극복하기 위한 연구가 필요한 실정이다.

일 실시예에 따른 영상 컨텐츠에서의 음악 구간 검출 방법은 영상 컨텐츠에 포함된 오디오 데이터로부터 특징을 추출하는 단계; 상기 추출된 특징에 기초하여 상기 오디오 데이터로부터 음악의 시작점을 결정하는 단계; 상기 음악의 시작점에 대응하는 제1 프레임에서 추출된 특징을 저장하는 단계; 및 상기 제1 프레임의 다음 프레임인 제2 프레임에서 추출된 특징과 상기 저장된 제1 프레임에서 추출된 특징에 기초하여 상기 제2 프레임이 음악 구간에 해당되는지 여부를 결정하는 단계를 포함할 수 있다.

상기 특징을 추출하는 단계는, 상기 오디오 데이터로부터 프레임 별로 MFCC(Mel-Frequency Cepstral Coefficient) 및 I-벡터 특징을 추출하는 단계; 및 상기 MFCC 및 상기 I-벡터 특징을 특징 추출 모델에 입력하여, 상기 특징 추출 모델로부터 프레임 별 X-벡터 특징을 획득하는 단계를 포함할 수 있다.

상기 특징 추출 모델은, 오디오 데이터에 포함된 잡음, 음성 및 음악을 구별하기 위한 특징을 추출하도록 학습되고, 학습된 후, 상기 소리의 종류를 분류하기 위한 특징을 나타내는 임베딩 레이어가 출력 레이어로 변경된 심층 신경망일 수 있다.

상기 음악 구간에 해당되는지 여부를 결정하는 단계는, 평균화된 X-벡터 특징을 심층 신경망 기반의 분류 모델에 입력하여, 각 프레임에 대응하는 오디오 데이터가 음악 또는 비-음악(non-music) 중 어느 하나인지를 결정하기 위한 라벨을 획득하는 단계를 포함할 수 있다.

상기 음악 구간에 해당되는지 여부를 결정하는 단계는, 상기 평균화된 X-벡터 특징을 심층 신경망 기반의 검증 모델에 적용하여 PLDA(probabilistic linear discriminant analysis) 스코어를 산출하는 단계; 상기 PLDA 스코어에 기초하여, 상기 라벨에 대해 보정을 수행하는 단계; 및 상기 보정된 라벨에 기초하여 상기 제2 프레임이 음악 구간에 해당되는지 여부를 결정하는 단계를 포함할 수 있다.

상기 음악 구간에 해당되는지 여부를 결정하는 단계는, 상기 제2 프레임이, 상기 인덱싱된 특징에 대해 미리 정해진 조건을 만족시키는 특징을 포함하는 경우, 상기 제2 프레임을 상기 제1 프레임과 동일한 음악을 포함하는 음악 구간에 해당되는 것으로 결정하는 단계를 포함할 수 있다.

상기 제2 프레임이 음악 구간에 해당되는 것으로 결정된 경우, 상기 제2 프레임의 다음 프레임인 제3 프레임에서 추출된 특징과, 상기 제2 프레임에서 추출된 특징에 기초하여 상기 제3 프레임이 음악 구간에 해당되는지 여부를 결정하는 단계를 더 포함할 수 있다.

상기 음악 구간은, 상기 음악 구간에 대응하는 음악의 오디오 지문과 음악 메타 데이터에 기초하여, 상기 음악에 대한 정보가 식별될 수 있다.

일 실시예에 따른 음악 구간 검출 방법을 수행하는 음악 구간 검출 장치는 메모리 및 프로세서를 포함하고, 상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들을 저장하고, 상기 인스트럭션들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는 상기 음악 구간 검출 장치가, 영상 컨텐츠에 포함된 오디오 데이터로부터 특징을 추출하고, 상기 추출된 특징에 기초하여 상기 오디오 데이터로부터 음악의 시작점을 결정하고, 상기 음악의 시작점에 대응하는 제1 프레임에서 추출된 특징을 저장하고, 상기 제1 프레임의 다음 프레임인 제2 프레임에서 추출된 특징과 상기 저장된 제1 프레임에서 추출된 특징에 기초하여 상기 제2 프레임이 음악 구간에 해당되는지 여부를 결정하도록 상기 음악 구간 검출 장치를 제어할 수 있다.

상기 프로세서는 상기 음악 구간 검출 장치가, 상기 오디오 데이터로부터 프레임 별로 MFCC(Mel-Frequency Cepstral Coefficient) 및 I-벡터 특징을 추출하고, 상기 MFCC 및 상기 I-벡터 특징을 특징 추출 모델에 입력하여, 상기 특징 추출 모델로부터 프레임 별 X-벡터 특징을 획득하도록 상기 음악 구간 검출 장치를 제어할 수 있다.

상기 프로세서는 상기 음악 구간 검출 장치가, 평균화된 X-벡터 특징을 심층 신경망 기반의 분류 모델에 입력하여, 각 프레임에 대응하는 오디오 데이터가 음악 또는 비-음악(non-music) 중 어느 하나인지를 결정하기 위한 라벨을 획득하도록 상기 음악 구간 검출 장치를 제어할 수 있다.

상기 프로세서는 상기 음악 구간 검출 장치가, 상기 평균화된 X-벡터 특징을 심층 신경망 기반의 검증 모델에 적용하여 PLDA(probabilistic linear discriminant analysis) 스코어를 산출하고, 상기 PLDA 스코어에 기초하여, 상기 라벨에 대해 보정을 수행하고, 상기 보정된 라벨에 기초하여 상기 제2 프레임이 음악 구간에 해당되는지 여부를 결정하도록 상기 음악 구간 검출 장치를 제어할 수 있다.

상기 프로세서는 상기 음악 구간 검출 장치가, 상기 제2 프레임이, 상기 인덱싱된 특징에 대해 미리 정해진 조건을 만족시키는 특징을 포함하는 경우, 상기 제2 프레임을 상기 제1 프레임과 동일한 음악을 포함하는 음악 구간에 해당되는 것으로 결정하도록 상기 음악 구간 검출 장치를 제어할 수 있다.

상기 프로세서는 상기 음악 구간 검출 장치가, 상기 제2 프레임이 음악 구간에 해당되는 것으로 결정된 경우, 상기 제2 프레임의 다음 프레임인 제3 프레임에서 추출된 특징과, 상기 제2 프레임에서 추출된 특징에 기초하여 상기 제3 프레임이 음악 구간에 해당되는지 여부를 결정하도록 상기 음악 구간 검출 장치를 제어할 수 있다.

일 실시예에 따르면 영상 컨텐츠에 포함된 음악을 식별하기 전에 음악이 포함된 구간을 정확하게 찾아낼 수 있다.

일 실시예에 따르면 음악이 포함된 구간에 대해서만 음악 메타 검색을 수행할 수 있도록 음악 구간을 검출함으로써 음악 검색에 대한 효율성을 증대시키고 속도를 향상시킬 수 있다.

일 실시예에 따르면 음악이 연속적으로 변경되어 제공되는 예능 프로그램과 같은 영상 컨텐츠에서 음악에 대한 정보를 효율적으로 식별할 수 있다.

도 1은 일 실시예에 따른 음악 구간 검출 시스템의 개요를 도시하는 도면이다.
도 2는 일 실시예에 따른 음악 구간 검출 방법을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 음악 구간 검출 방법에 기초하여 음악 구간들이 검출된 오디오 데이터의 일례이다.
도 4는 일 실시예에 따른 음악 구간 검출 방법이 수행되는 과정을 도시하는 도면이다.
도 5a 내지 도 5d는 일 실시예에 따른 영상 컨텐츠에 포함된 음악이 식별되는 과정을 도시하는 도면들이다.
도 6은 일 실시예에 따른 특징 추출 모델의 일례를 도시하는 도면이다.
도 7은 일 실시예에 따른 분류 모델 및 검증 모델의 일례를 도시하는 도면이다.
도 8은 다른 실시예에 따른 음악 구간 검출 방법을 설명하기 위한 흐름도이다.
도 9는 일 실시예에 따른 음악 구간 검출 장치의 구성을 도시하는 도면이다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

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

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 일 실시예에 따른 음악 구간 검출 시스템의 개요를 도시하는 도면이다.

본 명세서에서 설명하는 영상 컨텐츠에서의 음악 구간 검출 시스템은 VOD(Video on Demand)와 같은 영상 컨텐츠를 제공하는 중에 배경음악으로 제공되는 음악에 대한 정보를 효율적으로 제공하고, 음악에 대한 정보 식별의 속도를 향상시키기 위하여, 영상 컨텐츠에서 음악이 포함된 음악 구간을 검출하는 음악 구간 검출 방법을 개시할 수 있다. 음악 구간 검출 시스템은 영상 컨텐츠의 오디오 데이터로부터 음악의 시작점을 추출하고, 음악의 시작점에 대응하는 프레임으로부터 추출된 특징과 다음 프레임에서 추출된 특징을 비교하여, 다음 프레임도 동일한 음악을 포함하고 있는지 여부를 결정할 수 있다. 다음 프레임에도 시작점의 음악과 동일한 음악을 포함하는 경우, 시작점의 프레임과 다음 프레임이 음악 구간에 해당되는 것으로 결정될 수 있다.

음악 구간 검출 시스템은 현재 프레임의 오디오 데이터에 음악이 포함된 경우, 현재 프레임에서 추출된 특징에 기초하여 다음 프레임이 음악 구간에 해당되는지 여부를 결정할 수 있다. 음악 구간 검출 시스템은 현재 프레임에서 추출된 특징과 다음 프레임에서 추출된 특징이 유사한 경우, 다음 프레임이 음악 구간에 해당되는 것으로 결정할 수 있다.

도 1을 참조하면, 음악 구간 검출 시스템은 특징 추출 모델(110), 분류 모델(120) 및 검증 모델(130)을 포함할 수 있다. 추출 모델(110), 분류 모델(120) 및 검증 모델(130)은 딥러닝 뉴럴 네트워크 모델일 수 있다.

특징 추출 모델(110)은 영상 컨텐츠에서 추출된 오디오 데이터로부터 프레임 별로 특징을 추출할 수 있다. 특징 추출 모델(110)은 오디오 데이터의 MFCC(Mel-Frequency Cepstral Coefficient) 및 I-벡터 특징을 입력으로 하여, X-벡터 특징을 출력할 수 있다.

분류 모델(120)은 평균화된 X-벡터 특징을 입력으로 하여, 프레임에 음악이 포함되었는지, 포함되지 않았는지 여부를 나타내는 결과 값을 출력할 수 있다. 검증 모델(130)은 평균화된 X-벡터 특징을 입력으로 하여, 프레임에 음악, 잡음 및 음성 중 어떤 것이 포함되었는지를 나타내는 결과 값을 출력할 수 있다. 음악 구간 검출 시스템은 검증 모델(130)이 출력한 결과에 기초하여 음악 구간을 결정할 수 있다. 음악 구간 검출 시스템은 현재 프레임에서 추출된 특징과 다음 프레임에서 추출된 특징을 비교하는 과정에서 분류 모델(120)과 검증 모델(130)을 모두 이용하여, 보다 정확하게 음악 구간을 검출해낼 수 있다.

도 2는 일 실시예에 따른 음악 구간 검출 방법을 설명하기 위한 흐름도이다.

도 2를 참조하면 단계(210)에서 음악 구간 검출 장치는 영상 컨텐츠에 포함된 오디오 데이터로부터 특징을 추출할 수 있다. 영상 컨텐츠는 예를 들어, VOD(Video on Demand)인 예능 프로그램, 드라마, 또는 다큐멘터리 등일 수 있다.

음악 구간 검출 장치는 예를 들어, ffmpeg(Fast Forward Moving Pictures Expert Group)를 이용하여 MPEG(Moving Picture Experts Group) 형태의 영상 컨텐츠로부터 WAV(Waveform audio format) 형태의 오디오 데이터를 추출할 수 있다.

음악 구간 검출 장치는 오디오 데이터로부터 프레임 별로 MFCC 및 I-벡터 특징을 추출할 수 있다. 일 예에서 하나의 프레임은 1초를 단위로 할 수 있다. 음악 구간 검출 장치는 MFCC 및 I- 벡터 특징을 특징 추출 모델에 입력하여, 특징 추출 모델로부터 프레임 별 X-벡터 특징을 획득할 수 있다.

특징 추출 모델은, 심층 신경망(Deep Neural Network; DNN)에 기반할 수 있다. 특징 추출 모델은 오디오 데이터에 포함된 잡음, 음성 및 음악을 구별하기 위한 특징을 추출하도록 학습될 수 있다. 특징 추출 모델은 학습된 후, 소리의 종류를 분류하기 위한 특징을 나타내는 임베딩 레이어가 출력 레이어로 변경된 심층 신경망일 수 있다. 출력 노드는 잡음, 음성 및 음악을 구별하고, 잡음의 종류도 구별하도록 생성된 심층 신경망일 수도 있다.

단계(220)에서 음악 구간 검출 장치는 추출된 특징에 기초하여 오디오 데이터로부터 음악의 시작점을 결정할 수 있다. 음악 구간 검출 장치는 1초 프레임 단위로 이동하면서 음악이 시작되는 음악의 시작점을 결정할 수 있다.

단계(230)에서 음악 구간 검출 장치는 음악의 시작점에 대응하는 제1 프레임에서 추출된 특징을 저장할 수 있다. 예를 들어, 음악 구간 검출 장치는 제1 프레임에서 추출된 특징을 버퍼에 저장할 수 있고, 또한, 제1 프레임에서 추출된 특징에 대해 인덱싱을 수행할 수 있다.

단계(240)에서 음악 구간 검출 장치는 제1 프레임의 다음 프레임인 제2 프레임에서 추출된 특징과 저장된 제1 프레임에서 추출된 특징에 기초하여 제2 프레임이 음악 구간에 해당되는지 여부를 결정할 수 있다.

일 실시예에서 음악 구간 검출 장치는 제2 프레임이, 인덱싱된 특징에 대해 미리 정해진 조건을 만족시키는 특징을 포함하는 경우, 제2 프레임을 제1 프레임과 동일한 음악을 포함하는 음악 구간에 해당되는 것으로 결정할 수 있다. 음악 구간 검출 장치는 제2 프레임의 특징이 미리 정해진 조건에 기초하여 제1 프레임의 특징과 유사한 것으로 결정된 경우, 제1 프레임과 제2 프레임이 동일한 음악을 포함하는 것으로 결정할 수 있다. 이 경우, 음악 구간 검출 장치는 제2 프레임이 음악 구간에 해당되는 것으로 결정할 수 있다. 음악 구간 검출 장치는 제1 프레임의 특징과 미리 정해진 기준에 기초하여 유사하지 않는 것으로 판단되는 특징을 포함하는 프레임이 발견되면, 제1 프레임의 특징과 유사하지 않은 특징을 포함하는 프레임의 전 프레임까지를 음악 구간으로 결정할 수 있다. 음악 구간 검출 장치는 시작점의 음악과 음악을 포함하는, 제1 프레임 다음의 연속적인 프레임들을 음악 구간으로 결정할 수 있다. 음악 구간 검출 장치는 시작점과 다른 음악을 포함하는 프레임을 발견하면, 그 프레임부터는 다른 음악의 음악 구간으로 결정할 수도 있다.

다른 실시예에서 음악 구간 검출 장치는 오디오 데이터로부터 특징을 추출하는 과정에서 획득한 X-벡터 특징에 대해 평균화를 수행할 수 있다. 음악 구간 검출 장치는 평균화된 X-벡터 특징을 심층 신경망 기반의 분류 모델에 입력하여, 각 프레임에 대응하는 오디오 데이터가 음악 또는 비-음악(non-music) 중 어느 하나인지를 결정하기 위한 라벨을 획득할 수 있다. 오디오 데이터가 음악 또는 비-음악 중 어느 하나인지를 결정하기 위한 라벨은 예를 들어 도 5a와 같을 수 있다. 도 5a를 참조하면, 영상 컨텐츠에서 16초에서의 오디오 데이터는 음악을 포함하고 있을 수 있고, 영상 컨텐츠에서 50초에서의 오디오 데이터는 음악을 포함하고 있지 않을 수 있다.

음악 구간 검출 장치는 평균화된 X-벡터 특징을 심층 신경망 기반의 검증 모델에 적용하여 PLDA(probabilistic linear discriminant analysis) 스코어를 산출할 수 있다. 검증 모델은 잡음 모델, 음악 모델, 음성 모델 및 혼합 모델을 포함할 수 있다. 음악 구간 검출 장치는 평균화된 X-벡터 특징을 잡음 모델, 음악 모델, 음성 모델 및 혼합 모델 각각에 적용하여 PLDA 스코어를 산출할 수 있다. 음악 구간 검출 장치는 PLDA 스코어가 임계 값 이상인 모델에 대응하는 클래스가 오디오 데이터에 포함된 것으로 결정할 수 있다. 예를 들어, 잡음 모델과 음악 모델에 적용되어 산출된 PLDA 스코어가 임계 값 이상인 경우, 음악 구간 검출 장치는 제2 프레임의 오디오 데이터에 음악과 잡음이 포함된 것으로 결정할 수 있다.

음악 구간 검출 장치는 PLDA 스코어에 기초하여, 라벨에 대해 보정을 수행할 수 있다. 즉, 검증 모델은, 분류 모델에서 출력되어, 음악 및 비-음악인지 여부만 결정되어 출력된 라벨에 대해, 음악으로 분류된 프레임의 오디오 데이터에 포함된 클래스를 보다 자세하게 분류한 라벨로 보정할 수 있다. 검증 모델이 출력한 라벨은 도 5b와 같을 수 있다. 도 5b를 참조하면, 영상 컨텐츠에서 16초에서의 오디오 데이터는 음악과 잡음을 포함할 수 있다. 16초에서의 오디오 데이터는 도 5a에서 음악이라고만 분류되었지만, 검증 모델에 의해 음악과 잡음을 모두 포함하는 것으로 보정될 수 있다. 17초에서의 오디오 데이터는 음악과 음성을 포함하고, 50초에서의 오디오 데이터는 잡음과 음성을 포함할 수 있다. 50초에서의 오디오 데이터는 도 5a에서 비-음악이라고만 분류되었지만, 검증 모델의 의해 잡음과 음성을 포함하는 것으로 보정될 수 있다. 55초에서의 오디오 데이터는 잡음만을 포함할 수 있다. 음악 구간 검출 장치는 보정된 라벨에 기초하여 제2 프레임이 음악 구간에 해당되는지 여부를 결정할 수 있다.

제2 프레임이 음악 구간에 해당되는 것으로 결정된 경우, 음악 구간 결정 장치는 제2 프레임의 다음 프레임인 제3 프레임에서 추출된 특징과, 제2 프레임에서 추출된 특징에 기초하여 제3 프레임이 음악 구간에 해당되는지 여부를 결정할 수 있다. 음악 구간 검출 장치는 제3 프레임에서 추출된 특징과 제2 프레임에서 추출된 특징이 미리 정해진 기준에 기초하여 유사한 것으로 결정된 경우, 제3 프레임도 음악 구간에 해당되는 것으로 결정할 수 있다.

즉, 현재 프레임이 이전 프레임과 같은 음악을 포함하는 것으로 결정된 경우, 음악 구간 검출 장치는 현재 프레임에서 추출된 특징과 다음 프레임에서 추출된 특징을 비교하여, 현재 프레임과 다음 프레임이 같은 음악을 포함하는지 여부를 결정할 수 있다. 만약 이전 프레임, 현재 프레임 및 다음 프레임이 모두 같은 음악을 포함하고, 다음 프레임의 다음 프레임은 음악을 포함하지 않는 것으로 결정되었다면, 음악 구간 검출 장치는 이전 프레임, 현재 프레임 및 다음 프레임을 음악 구간으로 결정할 수 있다.

단계(210) 내지 단계(240)에 의해 결정된 음악 프레임은 도 5c와 같을 수 있다. 도 5c를 참조하면, 16초부터 30초까지의 각 프레임에는 동일한 음악이 포함되어, 영상 컨텐츠가 16초부터 30초까지 제공되는 동안에는 하나의 음악이 제공될 수 있다. 또한, 5분 22초부터 6분 10초까지의 각 프레임에는 동일한 음악이 포함되어, 영상 컨텐츠가 5분 22초부터 6분 10초까지 제공되는 동안에는 하나의 음악이 제공될 수 있다. 여기서, 16초부터 30초까지의 음악과 5분 22초부터 6분 10초까지의 음악은 서로 다른 음악일 수도 있고 같은 음악일 수도 있다.

음악 구간은, 음악 구간에 대응하는 음악의 오디오 지문과 음악 메타 데이터에 기초하여, 음악에 대한 정보가 식별될 수 있다. 음악에 대한 정보가 식별된 라벨은 도 5d와 같을 수 있다. 도 5d를 참조하면, 음악 구간들 각각의 음악에 대한 정보가 식별되어 제공될 수 있다. 음악에 대한 정보는 곡명, 가수명 및 앨범 커버 사진 등을 포함할 수 있다.

도 3은 일 실시예에 따른 음악 구간 검출 방법에 기초하여 음악 구간들이 검출된 오디오 데이터의 일례이다.

도 3을 참조하면, 참조번호(310)은 음악을 포함하는 음악 구간들을 나타낼 수 있다. 음악 구간 검출 장치는 오디오 데이터로부터 음악을 포함하는 음악 구간들을 검출해낼 수 있다. 음악 구간들 각각은 동일한 음악을 포함할 수도 있고 서로 다른 음악을 포함할 수도 있다. 음악 구간 각각에서 음악 구간에 해당되는 것으로 결정된 마지막 프레임들 각각에서 추출된 특징들은 그 다음 프레임들로부터 추출된 특징들과는 미리 정해진 기준에 기초하여 유사하지 않은 것으로 결정될 수 있다.

도 4는 일 실시예에 따른 음악 구간 검출 방법이 수행되는 과정을 도시하는 도면이다.

도 4를 참조하면 단계(455)에서 전처리 특징 추출이 수행될 수 있고, 단계(460)에서는 분류가 수행될 수 있으며, 단계(465)에서 출력이 수행될 수 있다.

음악 구간 검출 장치는 VOD(405)로부터 오디오 데이터(410)를 추출할 수 있다. 음악 구간 검출 장치는 오디오 데이터(410)를 프레임 단위로 이동하면서 음악의 시작점을 결정할 수 있다.

음악 구간 검출 장치는 음악의 시작점을 결정하고, 음악 구간을 결정하기 위하여, 오디오 데이터(410)로부터 MFCC 특징 및 i-벡터 특징(415)를 추출할 수 있다. 음악 구간 검출 장치는 MFCC 특징 및 i-벡터 특징(415)을 특징 추출 모델(420)에 입력하여 x-벡터 특징(425)을 획득할 수 있다.

음악 구간 검출 장치는 x-벡터 특징(425)을 평균화하여 1차로 분류 모델(430)에 입력하고 2차로 검증 모델(435)에 입력할 수 있다. 분류 모델(430)은 평균화된 x-벡터 특징(425)에 기초하여 오디오 데이터가 음악인지, 음악이 아닌지 분류할 수 있다. 검증 모델(435)은 평균화된 x-벡터 특징(425)을 잡음 모델, 음악 모델, 음성 모델 및 혼합 모델에 적용하여 PLDA 스코어를 산출할 수 있다. 검증 모델(435)은 실시예에 따라, 스코어가 가장 높은 것으로 나온 모델의 클래스에 기초하여 오디오 데이터의 종류를 결정할 수 있고, 또는 스코어가 임계 값 이상인 모델의 클래스에 기초하여 오디오 데이터에 포함된 소리의 종류를 결정할 수 있다.

음악 구간 검출 장치는 분류 모델(430)과 검증 모델(435)을 통해 프레임 단위의 라벨(440)을 생성할 수 있다. 단계에서 음악 구간 검출 장치는 프레임 단위로 생성된 라벨과 시간 정보에 대해 보정을 수행하여 음악 구간의 검출 결과(445)를 포함하는 라벨(450)출력할 수 있다. 음악 구간 검출 장치는 프레임마다 결과가 출력된 라벨에 대해 보정을 수행하여 음악 구간의 검출 결과(445)와 같이 음악 구간끼리 그룹핑되어 있는 라벨(450)을 출력할 수 있다. 라벨(450)을 참조하면, 21초부터 28초까지는 음악 구간이고, 28초부터 29초는 음악 구간이 아니며, 29초부터 32초까지는 음악 구간일 수 있다. 실시예에 따라 21초부터 28초까지의 음악이 29초부터 32초까지의 음악과 동일할 수도 있고 다를 수도 있다.

도 6은 일 실시예에 따른 특징 추출 모델의 일례를 도시하는 도면이다.

도 6을 참조하면, 오디오 데이터로부터 프레임 별로 추출된 MFCC 및 I-벡터 특징(610)이 특징 추출 모델(620)의 입력 레이어(입력 노드)에 입력될 수 있다. 특징 추출 모델(620)은 입력된 MFCC 및 I-벡터 특징(610)에 기초하여 X-벡터 특징(650)을 추출할 수 있다.

출력 레이어(출력 노드)(640)는 여러 잡음의 종류와 음성, 음악 등을 구별 가능 하도록 설계될 수 있다. 특징 추출 모델(620)은 학습이 완료된 후에, 임베딩 레이어(630)를 출력 레이어(640)로 변경하여, 임베딩 특징을 출력할 수 있다.

도 7은 일 실시예에 따른 분류 모델 및 검증 모델의 일례를 도시하는 도면이다.

도 7을 참조하면, 음악 구간 검출 장치는 각 프레임들의 X-벡터 특징(710)을 특정한 개수를 기준으로 평균을 내, 평균화된 X-벡터 특징(720)을 산출할 수 있다. 음악 구간 검출 장치는 평균화된 X-벡터 특징(720)을 분류 모델(730)에 입력하여 이분법적으로 결정된 라벨(750)을 획득할 수 있다. 음악 구간 검출 장치는 평균화된 X-벡터 특징(720)을 검증 모델(740)에 입력하여 보정된 라벨(760)을 획득할 수 있다. 검증 모델(740)은 평균화된 X-벡터 특징(720)에 대한 PLDA 스코어를 산출할 수 있고, 스코어를 기준으로, 잡음 모델, 음악 모델, 음성 모델 및 혼합 모델과의 유사도를 비교할 수 있다. 검증 모델(740)은 비교 결과에 기초하여 평균화된 X-벡터 특징(720)에 대응하는 오디오 데이터에 어떠한 소리가 포함되어 있는지 여부를 결정할 수 있다.

분류 모델(730)과 검증 모델(740)은 X-벡터 특징(720)에 기초하여 분류가 수행되기 전에 미리 생성될 수 있다.

도 8은 다른 실시예에 따른 음악 구간 검출 방법을 설명하기 위한 흐름도이다.

도 8을 참조하면 단계(810)에서 영상 컨텐츠의 오디오 데이터로부터 음악 구간 검출 장치는 음악의 시작점을 추출할 수 있다. 음악 구간 검출 장치는 오디오 데이터를 1초 프레임 단위로 이동(shifting)하면서, 딥러닝 기반의 분류기(Classifier))를 이용하여 클래스를 분류함으로써 음악의 시작점을 검출할 수 있다. 분류기는 오디오 데이터를 프레임 별로 음악, 음악+잡음, 음악+음성 등으로 분류할 수 있다.

단계(820)에서 음악 구간 검출 장치는 시작점에 대응하는 프레임으로부터 추출된 특징에 대해 인덱싱을 수행할 수 있고, 단계(830)에서 시작점에 대응하는 프레임으로부터 추출된 특징을 버퍼에 저장할 수 있다.

단계(840)에서 음악 구간 검출 장치는 시작점에 대응하는 프레임에서 추출된 특징을 기준으로 하여, 시작점에 대응하는 프레임의 후속 프레임을 분석할 수 있다. 음악 구간 검출 장치는 음악 가중치를 반영하여 후속 프레임을 분석할 수 있다. 음악 구간 검출 장치는 단계(850)에서, 후속 프레임 중 버퍼에 저장된 특징과 유사한 특징을 가지는 것으로 결정된 프레임을 시작점에 대응하는 프레임과 그룹핑하여 음악이 포함된 구간을 검출할 수 있다.

도 9는 일 실시예에 따른 음악 구간 검출 장치의 구성을 도시하는 도면이다.

도 9을 참조하면, 음악 구간 검출 장치(900)는 본 명세서에서 설명한 음악 구간 검출 장치에 대응할 수 있다. 음악 구간 검출 장치(900)는 통신기(910), 프로세서(920) 및 메모리(930)를 포함할 수 있다. 또한, 실시예에 따라 음악 구간 검출 장치(900)는 데이터베이스(940)를 더 포함할 수도 있다.

실시예에 따라 음악 구간 검출 장치(900)는 VOD를 제공하는 셋톱 박스에 내장되어 있거나, 또는 셋톱 박스와는 별도의 장치일 수 있고, 셋톱 박스에 영상 컨텐츠를 제공하는 서버 내에 위치해 있을 수도 있다.

메모리(930)는 프로세서(920)에 연결되고, 프로세서(920)에 의해 실행가능한 인스트럭션들, 프로세서(920)가 연산할 데이터 또는 프로세서(920)에 의해 처리된 데이터를 저장할 수 있다. 메모리(930)는, 예를 들어 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체(예컨대, 하나 이상의 디스크 저장 장치, 플래쉬 메모리 장치, 또는 기타 비휘발성 솔리드 스테이트 메모리 장치)를 포함할 수 있다.

통신기(910)는 외부 장치(예를 들어, 서버 또는 셋톱 박스)와 통신하기 위한 인터페이스를 제공한다. 통신기(910)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다.

데이터베이스(940)는 음악 구간 검출 장치(900)가 영상 컨텐츠에서의 음악 구간 검출 방법을 수행하는 데 있어서 필요한 데이터를 저장할 수 있다. 예를 들어, 데이터베이스(940)는 특징 추출 모델, 분류 모델 및 검증 모델의 학습된 파라미터 정보를 저장할 수 있다.

프로세서(920)는 음악 구간 검출 장치(900) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행하고, 음악 구간 검출 장치(900)의 전체적인 동작을 제어할 수 있다. 프로세서(920)는 도 2에서 설명된 음악 구간 검출 장치(900)의 동작과 관련된 하나 이상의 동작을 수행할 수 있다.

예를 들어, 프로세서(920)는 음악 구간 검출 장치(900)가 영상 컨텐츠에 포함된 오디오 데이터로부터 특징을 추출하도록 음악 구간 검출 장치(900)를 제어할 수 있다. 프로세서(920)는 음악 구간 검출 장치(900)가 오디오 데이터로부터 프레임 별로 MFCC 및 I-벡터 특징을 추출하고, MFCC 및 I-벡터 특징을 특징 추출 모델에 입력하여, 특징 추출 모델로부터 프레임 별 X-벡터 특징을 획득하도록 음악 구간 검출 장치(900)를 제어할 수 있다.

프로세서(920)는 음악 구간 검출 장치(900)가 추출된 특징에 기초하여 오디오 데이터로부터 음악의 시작점을 결정하고, 음악의 시작점에 대응하는 제1 프레임에서 추출된 특징을 저장하도록 음악 구간 검출 장치(900)를 제어할 수 있다.

프로세서(920)는 음악 구간 검출 장치(900)가 제1 프레임의 다음 프레임인 제2 프레임에서 추출된 특징과 저장된 제1 프레임에서 추출된 특징에 기초하여 제2 프레임이 음악 구간에 해당되는지 여부를 결정할 수 있다. 프로세서(920)는 음악 구간 검출 장치(900)가 평균화된 X-벡터 특징을 심층 신경망 기반의 분류 모델에 입력하여, 각 프레임에 대응하는 오디오 데이터가 음악 또는 비-음악(non-music) 중 어느 하나인지를 결정하기 위한 라벨을 획득하도록 음악 구간 검출 장치(900)를 제어할 수 있다.

프로세서(920)는 음악 구간 검출 장치(900)가 평균화된 X-벡터 특징을 심층 신경망 기반의 검증 모델에 적용하여 PLDA 스코어를 산출하고, PLDA 스코어에 기초하여, 라벨에 대해 보정을 수행하며, 보정된 라벨에 기초하여 제2 프레임이 음악 구간에 해당되는지 여부를 결정하도록 음악 구간 검출 장치(900)를 제어할 수 있다.

프로세서(920)는 음악 구간 검출 장치(900)가 제2 프레임이, 인덱싱된 특징에 대해 미리 정해진 조건을 만족시키는 특징을 포함하는 경우, 제2 프레임을 제1 프레임과 동일한 음악을 포함하는 음악 구간에 해당되는 것으로 결정하도록 음악 구간 검출 장치(900)를 제어할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

110, 420, 620: 특징 추출 모델 120, 430, 730: 분류 모델
130, 435, 740: 검증 모델 900: 음악 구간 검출 장치
910: 통신기 920: 프로세서
930: 메모리 940: 데이터베이스

Claims

영상 컨텐츠에서의 음악 구간 검출 방법에 있어서,
영상 컨텐츠에 포함된 오디오 데이터로부터 특징을 추출하는 단계;
상기 추출된 특징에 기초하여 상기 오디오 데이터로부터 음악의 시작점을 결정하는 단계;
상기 음악의 시작점에 대응하는 제1 프레임에서 추출된 특징을 저장하는 단계; 및
상기 제1 프레임의 다음 프레임인 제2 프레임에서 추출된 특징과 상기 저장된 제1 프레임에서 추출된 특징에 기초하여 상기 제2 프레임이 음악 구간에 해당되는지 여부를 결정하는 단계
를 포함하고,
상기 음악 구간에 해당되는지 여부를 결정하는 단계는,
상기 오디오 데이터의 각 프레임에 대응하는 오디오 데이터가 음악 또는 비-음악(non-music) 중 어느 하나인지를 결정하기 위한 라벨을 획득하는 단계;
상기 오디오 데이터로부터 추출된 특징을 잡음 모델, 음악 모델, 음성 모델 및 혼합 모델을 포함하는 검증 모델에 적용하여 각 모델의 스코어를 산출하는 단계; 및
상기 산출된 스코어에 기초하여, 상기 음악으로 결정된 라벨을 음악, 음악과 음성 및 음악과 잡음 중 어느 하나의 라벨로 보정하는 단계
를 포함하는,
음악 구간 검출 방법.
제1항에 있어서,
상기 특징을 추출하는 단계는,
상기 오디오 데이터로부터 프레임 별로 MFCC(Mel-Frequency Cepstral Coefficient) 및 I-벡터 특징을 추출하는 단계; 및
상기 MFCC 및 상기 I-벡터 특징을 특징 추출 모델에 입력하여, 상기 특징 추출 모델로부터 프레임 별 X-벡터 특징을 획득하는 단계를 포함하는,
음악 구간 검출 방법.
제2항에 있어서,
상기 특징 추출 모델은,
오디오 데이터에 포함된 잡음, 음성 및 음악을 구별하기 위한 특징을 추출하도록 학습되고,
학습된 후, 소리의 종류를 분류하기 위한 특징을 나타내는 임베딩 레이어가 출력 레이어로 변경된 심층 신경망인,
음악 구간 검출 방법.
제1항에 있어서,
상기 음악 구간에 해당되는지 여부를 결정하는 단계는,
평균화된 X-벡터 특징을 심층 신경망 기반의 분류 모델에 입력하여, 각 프레임에 대응하는 오디오 데이터가 음악 또는 비-음악(non-music) 중 어느 하나인지를 결정하기 위한 라벨을 획득하는 단계를 포함하는,
음악 구간 검출 방법.
제4항에 있어서,
상기 음악 구간에 해당되는지 여부를 결정하는 단계는,
상기 평균화된 X-벡터 특징을 심층 신경망 기반의 검증 모델에 적용하여 PLDA(probabilistic linear discriminant analysis) 스코어를 산출하는 단계;
상기 PLDA 스코어에 기초하여, 상기 라벨에 대해 보정을 수행하는 단계; 및
상기 보정된 라벨에 기초하여 상기 제2 프레임이 음악 구간에 해당되는지 여부를 결정하는 단계를 포함하는,
음악 구간 검출 방법.
제1항에 있어서,
상기 음악 구간에 해당되는지 여부를 결정하는 단계는,
상기 제2 프레임이, 인덱싱된 특징에 대해 미리 정해진 조건을 만족시키는 특징을 포함하는 경우, 상기 제2 프레임을 상기 제1 프레임과 동일한 음악을 포함하는 음악 구간에 해당되는 것으로 결정하는 단계를 포함하는,
음악 구간 검출 방법.
제1항에 있어서,
상기 제2 프레임이 음악 구간에 해당되는 것으로 결정된 경우,
상기 제2 프레임의 다음 프레임인 제3 프레임에서 추출된 특징과, 상기 제2 프레임에서 추출된 특징에 기초하여 상기 제3 프레임이 음악 구간에 해당되는지 여부를 결정하는 단계를 더 포함하는,
음악 구간 검출 방법.
제1항에 있어서,
상기 음악 구간은,
상기 음악 구간에 대응하는 음악의 오디오 지문과 음악 메타 데이터에 기초하여, 상기 음악에 대한 정보가 식별되는,
음악 구간 검출 방법.
하드웨어와 결합되어 제1항 내지 제8항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
음악 구간 검출 방법을 수행하는 음악 구간 검출 장치에 있어서,
메모리 및 프로세서를 포함하고,
상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들을 저장하고,
상기 인스트럭션들이 상기 프로세서에 의해 실행될 때, 상기 프로세서는 상기 음악 구간 검출 장치가,
영상 컨텐츠에 포함된 오디오 데이터로부터 특징을 추출하고,
상기 추출된 특징에 기초하여 상기 오디오 데이터로부터 음악의 시작점을 결정하고,
상기 음악의 시작점에 대응하는 제1 프레임에서 추출된 특징을 저장하고,
상기 제1 프레임의 다음 프레임인 제2 프레임에서 추출된 특징과 상기 저장된 제1 프레임에서 추출된 특징에 기초하여 상기 제2 프레임이 음악 구간에 해당되는지 여부를 결정하고,
상기 오디오 데이터의 각 프레임에 대응하는 오디오 데이터가 음악 또는 비-음악(non-music) 중 어느 하나인지를 결정하기 위한 라벨을 획득하고,
상기 오디오 데이터로부터 추출된 특징을 잡음 모델, 음악 모델, 음성 모델 및 혼합 모델을 포함하는 검증 모델에 적용하여 각 모델의 스코어를 산출하고,
상기 산출된 스코어에 기초하여, 상기 음악으로 결정된 라벨을 음악, 음악과 음성 및 음악과 잡음 중 어느 하나의 라벨로 보정하도록 상기 음악 구간 검출 장치를 제어하는,
음악 구간 검출 장치.
제10항에 있어서,
상기 프로세서는 상기 음악 구간 검출 장치가,
상기 오디오 데이터로부터 프레임 별로 MFCC(Mel-Frequency Cepstral Coefficient) 및 I-벡터 특징을 추출하고,
상기 MFCC 및 상기 I-벡터 특징을 특징 추출 모델에 입력하여, 상기 특징 추출 모델로부터 프레임 별 X-벡터 특징을 획득하도록 상기 음악 구간 검출 장치를 제어하는,
음악 구간 검출 장치.
제11항에 있어서,
상기 특징 추출 모델은,
오디오 데이터에 포함된 잡음, 음성 및 음악을 구별하기 위한 특징을 추출하도록 학습되고,
학습된 후, 소리의 종류를 분류하기 위한 특징을 나타내는 임베딩 레이어가 출력 레이어로 변경된 심층 신경망인,
음악 구간 검출 장치.
제10항에 있어서,
상기 프로세서는 상기 음악 구간 검출 장치가,
평균화된 X-벡터 특징을 심층 신경망 기반의 분류 모델에 입력하여, 각 프레임에 대응하는 오디오 데이터가 음악 또는 비-음악(non-music) 중 어느 하나인지를 결정하기 위한 라벨을 획득하도록 상기 음악 구간 검출 장치를 제어하는,
음악 구간 검출 장치.
제13항에 있어서,
상기 프로세서는 상기 음악 구간 검출 장치가,
상기 평균화된 X-벡터 특징을 심층 신경망 기반의 검증 모델에 적용하여 PLDA(probabilistic linear discriminant analysis) 스코어를 산출하고,
상기 PLDA 스코어에 기초하여, 상기 라벨에 대해 보정을 수행하고,
상기 보정된 라벨에 기초하여 상기 제2 프레임이 음악 구간에 해당되는지 여부를 결정하도록 상기 음악 구간 검출 장치를 제어하는,
음악 구간 검출 장치.
제10항에 있어서,
상기 프로세서는 상기 음악 구간 검출 장치가,
상기 제2 프레임이, 인덱싱된 특징에 대해 미리 정해진 조건을 만족시키는 특징을 포함하는 경우, 상기 제2 프레임을 상기 제1 프레임과 동일한 음악을 포함하는 음악 구간에 해당되는 것으로 결정하도록 상기 음악 구간 검출 장치를 제어하는,
음악 구간 검출 장치.
제10항에 있어서,
상기 프로세서는 상기 음악 구간 검출 장치가,
상기 제2 프레임이 음악 구간에 해당되는 것으로 결정된 경우, 상기 제2 프레임의 다음 프레임인 제3 프레임에서 추출된 특징과, 상기 제2 프레임에서 추출된 특징에 기초하여 상기 제3 프레임이 음악 구간에 해당되는지 여부를 결정하도록 상기 음악 구간 검출 장치를 제어하는,
음악 구간 검출 장치.
제10항에 있어서,
상기 음악 구간은,
상기 음악 구간에 대응하는 음악의 오디오 지문과 음악 메타 데이터에 기초하여, 상기 음악에 대한 정보가 식별되는,
음악 구간 검출 장치.