← SELECTED WORK← 프로젝트HAN GYU®
02 / 05

CONNECTED MOBILITY / APPLIED AI SYSTEM커넥티드 모빌리티 / 응용 AI 시스템

20222022

(02)

Voice
Updated

A vehicle voice-recognition platform that learns from difficult requests and delivers a device-specific model back over the air.인식이 어려운 음성 명령을 학습 데이터로 삼고, 차량별 모델을 무선으로 다시 전달하는 차량용 음성 인식 플랫폼이에요.

SCROLL TO READ스크롤해서 읽기
VOICESTT VOTEDEVICE DATAOTAVEHICLE VOICE / UPDATE PATHVOICE → PERSONAL MODEL → SECURE OTA

CONNECTED MOBILITY / 02커넥티드 모빌리티 / 02

Voice / 02음성 / 02

Recognition data returns as a vehicle-specific model인식 데이터가 차량별 모델로 다시 돌아와요

01 / CONTEXT맥락

The starting point출발점

Vehicle interfaces need voice commands to work across changing noise, tones, accents, and speaking habits. A single recognition service can fail quietly, while an improved personal model still needs a safe path back to the vehicle.차량 인터페이스의 음성 명령은 소음, 목소리 톤, 억양, 말버릇에 따라 달라져요. 하나의 인식 서비스는 눈에 띄지 않게 실패할 수 있고, 개인화된 모델을 만들더라도 차량으로 안전하게 돌려보내는 경로가 필요해요.

CONTRIBUTION기여한 일
  • Speech-to-Text API integrationSpeech-to-Text API 연동
  • Server and database design서버·데이터베이스 설계
  • OTA workflowOTA 흐름 구현
  • End-to-end system implementation엔드투엔드 시스템 구현
TOOLS도구

Speech-to-Text APIs / Server / Database / OTA

YEAR연도

20222022

02 / QUESTION질문

How might a vehicle compare multiple recognition results, learn from failures by device, and return a more useful model without making an update unsafe?여러 음성 인식 결과를 비교하고, 각 차량에서 인식이 어려웠던 데이터를 학습에 활용해, 업데이트를 안전하게 차량으로 돌려보내려면 어떻게 해야 할까요?

03 / METHOD방법

Voice → compare → learn → deliver음성 → 비교 → 학습 → 전달

The vehicle submits a voice command to multiple Speech-to-Text APIs. The service compares their text results and uses the most frequently recognized result for the command. Low-recognition or incorrect data is stored with the device ID, then used to build a personalized model that can be delivered back to that vehicle through the OTA platform.차량은 음성 명령을 여러 Speech-to-Text API에 전달해요. 서비스는 반환된 텍스트를 비교하고 가장 많이 인식된 결과로 명령을 판단해요. 인식률이 낮거나 잘못 인식된 데이터는 디바이스 ID와 함께 저장하고, 개인화 모델을 만든 뒤 OTA 플랫폼으로 해당 차량에 전달해요.

01Voice command음성 명령
02STT result comparisonSTT 결과 비교
03Device-scoped data차량별 데이터
04Personalized model개인화 모델
05OTA deliveryOTA 전달

04 / SYSTEM MAP시스템 맵

A better voice model needs a path from the vehicle—and safely back again.더 나은 음성 모델은 차량에서 시작해, 안전하게 다시 차량으로 돌아와야 해요.

The system treats voice recognition as a closed loop. It compares several STT results at request time, records difficult cases by device, generates a personalized model, and returns it through an authenticated OTA delivery flow.이 시스템은 음성 인식 결과가 다시 차량으로 돌아가는 과정을 다뤄요. 요청 시점에는 여러 STT 결과를 비교하고, 인식이 어려운 경우는 차량별로 기록해 개인화 모델을 만든 뒤 인증된 OTA 흐름으로 다시 보내요.

01

Voice recognition gateway음성 인식 게이트웨이

A voice command from the vehicle is sent to multiple Speech-to-Text APIs. Their text outputs are compared, and the most frequently recognized result is used to identify the command.차량의 음성 명령을 여러 Speech-to-Text API에 전달해요. 반환된 텍스트를 비교하고, 가장 많이 인식된 결과로 명령을 판단해요.

  • Voice input음성 입력
  • STT candidatesSTT 후보
  • Command result명령 결과

02

Device data and learning차량별 데이터와 학습

Low-recognition and incorrect results are stored with a device ID. The server aggregates that history to create a model that can reflect a user's voice tone, intonation, and word habits.인식률이 낮거나 잘못 인식된 결과를 디바이스 ID와 함께 저장해요. 서버는 이력을 모아 목소리 톤, 억양, 말버릇을 반영할 수 있는 개인화 모델을 만들어요.

  • Device ID디바이스 ID
  • Learning data학습 데이터
  • Personalized model개인화 모델

03

Authenticated OTA delivery인증된 OTA 전달

The OTA service delivers the personal model to its matching vehicle. It supports resumed downloads, verifies the downloaded file, and begins the update only after confirming that the vehicle is stopped.OTA 서비스는 개인화 모델을 해당 차량에 전달해요. 중단된 다운로드를 재개하고, 파일을 검증하며, 차량이 정차한 상태를 확인한 뒤 업데이트를 시작해요.

  • User authentication사용자 인증
  • Verified download검증된 다운로드
  • Model update모델 업데이트

05 / VOICE UPDATE SPECIMEN

Recognition improves
when results feed back into learning.

This interaction model turns the paper’s recognition and delivery loop into a readable sequence. The commands below are illustrative—not production voice data.

VOICE / MODEL DELIVERY DESKILLUSTRATIVE SYSTEM FLOW

VOICE INPUTS 3

STT COMPARISON / 01MOST FREQUENT RESULT

SAMPLE VOICE INPUT

Set cabin temperature

A sample command used to show how multiple text results can converge on one vehicle action.

  1. 01STT CANDIDATESGoogle STT / cabin temperature
  2. 02STT CANDIDATESClova STT / cabin temperature
  3. 03STT CANDIDATESKakao STT / cabin temperature
SELECT A SYSTEM STEP

Choose a system step. This visual is an explanatory prototype and does not send a command or update.

06 / PROTOTYPE READOUT구현 결과

Delivery needs to preserve both the model and the conditions around it.모델을 전달하는 과정에서는 그 주변의 조건까지 함께 지켜야 해요.

The implementation focuses on the operating conditions described in the paper: per-device learning data, resumable downloads when a connection is interrupted, and an update guard that checks whether the vehicle is stopped.구현은 논문에서 다룬 운용 조건을 중심으로 설계했어요. 차량별 학습 데이터, 연결이 끊겼을 때 다시 받을 수 있는 다운로드, 차량이 멈춰 있는지 확인하는 업데이트 가드가 그 조건이에요.

ID

DEVICE-SCOPED DATA차량별 데이터

Recognition data is matched to the originating vehicle so a personalized model can return to the correct device.음성 인식 데이터는 발생한 차량과 연결해, 개인화 모델이 올바른 디바이스로 돌아가게 해요.

STOP

OTA UPDATE GUARDOTA 업데이트 가드

The system confirms that the vehicle is stopped before starting the wireless update.무선 업데이트를 시작하기 전에 차량이 정차한 상태인지 확인해요.

RESUME

RECOVERABLE DOWNLOAD복구 가능한 다운로드

Interrupted downloads are resumed under better network conditions, then checked against the original file size.연결이 끊기면 더 나은 네트워크 조건에서 다운로드를 이어가고, 원본 파일 크기와 비교해 검증해요.

IMPLEMENTATION CONDITIONS / 2022 KOREAN INSTITUTE OF COMMUNICATIONS AND INFORMATION SCIENCES CONFERENCE PAPER구현 조건 / 2022 한국통신학회 학계종합학술발표회 논문

07 / OUTCOME결과

The implemented platform connects recognition, device-specific data collection, model generation, and wireless delivery as one end-to-end vehicle voice system.음성 인식, 차량별 데이터 수집, 모델 생성, 무선 전달을 하나의 차량용 음성 시스템으로 구현했어요.

“Personalization is not only a model problem. It also depends on data ownership, recoverable delivery, vehicle state, and the security of the path between server and car.개인화는 모델만의 문제가 아니에요. 데이터가 어느 차량에서 왔는지, 다운로드를 다시 이어받을 수 있는지, 차량이 안전한 상태인지, 서버와 차량 사이 연결이 보호되는지까지 함께 다뤄야 해요.”

08 / FIELD RECORD필드 기록

System record

I built the voice-recognition and data path from the vehicle through the server. The service calls multiple Speech-to-Text APIs, compares their outputs, and uses the result recognized most often to determine the command.

Results with poor recognition or incorrect transcription are collected with the vehicle’s device ID. That data becomes the basis for a user-specific recognition model, which the OTA platform sends back to the matching vehicle after authentication and download verification.

What the implementation had to account for

  • More recognition services can improve the chance of a useful result, but they also add response-time and network constraints.
  • A personalized model needs enough device-specific history before it can be trusted.
  • OTA delivery needs interruption recovery, file verification, a stopped-vehicle guard, and security that protects the connection between server and vehicle.

시스템 기록

차량에서 서버까지 이어지는 음성 인식과 데이터 경로를 구현했어요. 서비스는 여러 Speech-to-Text API를 호출해 결과를 비교하고, 가장 많이 인식된 결과를 명령으로 사용해요.

인식률이 낮거나 잘못 인식된 결과는 차량의 디바이스 ID와 함께 수집해요. 이 데이터는 사용자별 음성 인식 모델의 기반이 되고, OTA 플랫폼은 인증과 다운로드 검증을 거친 뒤 해당 차량으로 모델을 다시 전달해요.

구현에서 고려한 조건

  • 여러 인식 서비스를 함께 쓰면 유용한 결과를 얻을 가능성은 높아지지만, 응답 시간과 네트워크 제약도 함께 커져요.
  • 개인화 모델은 신뢰할 만큼의 차량별 이력이 쌓여야 해요.
  • OTA 전달에는 중단 다운로드 복구, 파일 검증, 정차 상태 확인, 서버와 차량 사이 연결을 지키는 보안이 필요해요.