본 논문은 기존의 캐스케이드 또는 2단계 방식의 신경망 기반 음성합성(TTS) 시스템보다 자연스러운 음성을 생성하는 직접적인 텍스트-음파형태(E2E) 모델링의 장점을 활용하면서도, 계산 복잡도와 메모리 소모량이 많은 기존 E2E 모델의 한계를 극복하기 위해 경량화된 E2E-TTS(LE2E) 모델을 제안합니다. LE2E 모델은 LJSpeech 데이터셋을 사용하여 평가되었으며, 최첨단 성능을 달성하면서 모델 파라미터는 최대 90% 감소하고 실시간 처리 속도는 10배 향상되었음을 보여줍니다. 또한, 제안된 E2E 학습 방식이 2단계 방식으로 학습된 동등한 구조보다 더 나은 음성 품질을 달성함을 증명합니다. 결론적으로 LE2E는 실시간, 고품질, 저자원 TTS 애플리케이션, 특히 온디바이스 애플리케이션 개발에 유망한 접근 방식임을 제시합니다.