AudioTurbo: Fast Text-to-Audio Generation with Rectified Diffusion
Created by
Haebom
저자
Junqi Zhao, Jinzheng Zhao, Haohe Liu, Yun Chen, Lu Han, Xubo Liu, Mark Plumbley, Wenwu Wang
개요
본 논문은 텍스트-음성 변환(TTA)에서 확산 모델의 느린 추론 속도 문제를 해결하기 위해 기존의 정류 흐름(rectified flow) 방식을 개선한 AudioTurbo 모델을 제안합니다. AudioTurbo는 사전 훈련된 TTA 모델로부터 생성된 결정적 노이즈 샘플 쌍을 이용하여 1차 ODE 경로를 학습합니다. 이를 통해 사전 훈련된 모델의 장점을 활용하면서 추론 속도를 크게 향상시킵니다. AudioCaps 데이터셋 실험 결과, AudioTurbo는 10개의 샘플링 단계만으로도 기존 모델들을 능가하는 성능을 보였으며, 정류 흐름 기반 가속 모델에 비해 추론 단계를 3단계로 줄였습니다.
시사점, 한계점
•
시사점:
◦
사전 훈련된 확산 모델을 활용하여 TTA 추론 속도를 효과적으로 개선할 수 있음을 보여줍니다.
◦
낮은 샘플링 단계에서도 우수한 성능을 달성하여 실시간 응용에 적합합니다.
◦
기존의 정류 흐름 방식의 한계점을 극복하고 새로운 가속화 방법을 제시합니다.
•
한계점:
◦
제안된 모델의 성능은 사용된 사전 훈련된 TTA 모델의 성능에 의존적일 수 있습니다.
◦
AudioCaps 데이터셋에 대한 실험 결과만 제시되어 다른 데이터셋에 대한 일반화 성능은 추가적인 연구가 필요합니다.