효율적인 음성합성을 위한 음성합성 모델

국문 초록 (Abstract)

현대 사회에서는 다양한 정보들을 음성합성 기술을 통해 음성정보로 얻을 수 있다. 기존 음성합성에 널리 쓰이는 Tacotron은 자기회귀적 음성합성 모델을 사용해 느린 음성 합성 속도라는 한계가 있다. 본 연구에서는 효율적인 음성 합성을 위해 비자기회귀적 음성합성 모델인 Glow-TTS을 활용하였다. Glow-T TS은 자기회귀 방식이 아닌 병렬로 스펙트로그램을 생성하여 합성 시간이 크게 단축되어 자기회귀적 음성합성 모델에 비해 합성속도가 빠르다는 장점이 있다. 음성합성 기술은 학습시키고자하는 음성소스, Mel spectrogram을 생성해 주는 음성합성 모델, 그리고 Mel spectrogram을 음성으로 변환해 주는 보코더가 핵심이다. 본 연구에서 음성 데이터는 한국 남성이 녹음한 한국 음성 데이터셋을 사용하였고 음성합성 모델로는 Glow-TTS을 이용해 만든 한국어 감정 합성 모델에 대해 다루고 있다. 본 연구 결과는 효율적인 음성합성을 시스템을 개발하는데 기초자료로 활용될 수 있을 것이다.

목차 (Table of Contents)

• 초록
• 1. 서론
• 2. 음성합성 시스템
• 3. 음성합성모델과 보코더 선택
• 3. 결론
• 참고문헌