본 논문은 기존 Text-to-Speech (TTS) 시스템의 한계점을 극복하기 위해 최적 수송 조건부 흐름 일치(optimal transport conditional flow matching)를 활용한 새로운 TTS 방법인 OZSpeech를 제안합니다. OZSpeech는 토큰 형태의 분리된 음성 구성 요소를 사용하여 각 음성 속성을 정확하게 모델링함으로써, 입력 음성의 특징을 정확하게 복제하는 능력을 향상시킵니다. 기존 방법과 달리 OZSpeech는 한 단계 샘플링과 학습된 사전 정보를 조건으로 사용하여 이전 상태를 무시하고 샘플링 단계 수를 줄임으로써 계산 비용을 절감합니다. 실험 결과, OZSpeech는 콘텐츠 정확도, 자연스러움, 운율 생성 및 화자 스타일 보존 측면에서 기존 방법보다 우수한 성능을 달성했습니다.
