Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

AutoStyle-TTS: Retrieval-Augmented Generation based Automatic Style Matching Text-to-Speech Synthesis

Created by
  • Haebom

저자

Dan Luo, Chengyuan Ma, Weiqin Li, Jun Wang, Wei Chen, Zhiyong Wu

개요

본 논문은 음성 합성 기술의 발전으로 인해 자연스러움과 표현력에 대한 사용자의 기대치가 높아짐에 따라, 기존 연구에서 간과되었던 프롬프트 선택의 중요성을 강조합니다. 자연스럽고 생생한 의사소통 효과를 달성하기 위해 텍스트 내용에 따라 음성 스타일을 동적으로 조절하는 RAG(Retrieval-Augmented Generation) 기반의 TTS(Text-to-Speech) 프레임워크를 제안합니다. 다양한 맥락의 고품질 음성 샘플을 포함하는 음성 스타일 지식 데이터베이스를 구축하고, Llama, PER-LLM-Embedder, Moka를 사용하여 추출한 임베딩을 통해 지식 데이터베이스의 샘플과 매칭하여 합성에 가장 적합한 음성 스타일을 선택하는 스타일 매칭 기법을 개발했습니다. 실험적 연구를 통해 제안된 방법의 효과를 검증하였으며, 데모는 https://thuhcsi.github.io/icme2025-AutoStyle-TTS 에서 확인할 수 있습니다.

시사점, 한계점

•
시사점:
◦
RAG 기반 TTS 프레임워크를 통해 텍스트 내용에 따라 동적으로 음성 스타일을 조절하여 더욱 자연스럽고 생생한 음성 합성이 가능함을 보여줌.
◦
음성 스타일 지식 데이터베이스 구축 및 효과적인 스타일 매칭 기법 제시.
◦
Llama, PER-LLM-Embedder, Moka 등 다양한 임베딩 모델을 활용한 실험적 검증 수행.
•
한계점:
◦
사용된 음성 스타일 지식 데이터베이스의 크기 및 다양성에 대한 구체적인 설명 부족.
◦
다양한 언어 및 억양에 대한 일반화 가능성에 대한 추가 연구 필요.
◦
제안된 방법의 계산 비용 및 효율성에 대한 분석 부족.
👍
Made with Slashpage