기존 음성인식 시스템은 주변 노이즈로 인해 정확도 저하 문제를 겪고 있습니다. 본 발명은 이러한 문제점을 해결하고자 소리 입력신호와 영상 입력신호를 동시에 분석하는 혁신적인 음성인식 장치 및 동작방법을 제안합니다. 발화자의 입술 움직임 및 얼굴 영역 영상 정보를 활용하여 발화자의 정확한 위치를 파악하고, 주변 잡음원의 위치를 식별합니다. 이를 바탕으로 빔포밍 기술을 적용, 발화자의 음성은 선명하게 증폭하고 불필요한 잡음은 효과적으로 제거하여 음성인식의 성능을 대폭 향상시킵니다. 이 기술은 스마트 기기, AI 스피커 등 다양한 음성인식 기반 시스템에 적용되어 더욱 정확하고 안정적인 사용자 경험을 제공할 수 있습니다.