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.

Accelerating Autoregressive Speech Synthesis Inference With Speech Speculative Decoding

Created by
  • Haebom

저자

Zijian Lin, Yang Zhang, Yougen Yuan, Yuming Yan, Jinjiang Liu, Zhiyong Wu, Pengfei Hu, Qun Yu

개요

본 논문은 언어 모델을 활용한 최신 자기회귀 음성 합성 모델의 성능은 뛰어나지만, 다음 토큰 예측의 순차적 특성으로 인해 추론 속도가 느린 문제점을 해결하기 위해, Speech Speculative Decoding (SSD) 프레임워크를 제안합니다. SSD는 경량화된 초안 모델을 사용하여 후보 토큰 시퀀스를 생성하고, 제안된 SSD 프레임워크를 통해 대상 모델이 병렬적으로 검증하는 방식입니다. 실험 결과, SSD는 기존 자기회귀 디코딩에 비해 1.4배의 속도 향상을 달성하면서 높은 충실도와 자연스러움을 유지하는 것으로 나타났습니다. 주관적 평가 또한 추론 속도를 높이면서 대상 모델의 지각 품질을 유지하는 SSD의 효과를 입증했습니다.

시사점, 한계점

•
시사점:
◦
자기회귀 음성 합성 모델의 추론 속도를 크게 향상시킬 수 있는 새로운 방법 제시.
◦
경량 모델과 병렬 처리를 통해 속도와 품질을 동시에 개선.
◦
주관적 평가를 통해 속도 향상이 음질 저하 없이 이루어짐을 확인.
•
한계점:
◦
제안된 방법의 성능 향상은 특정 모델과 데이터셋에 국한될 가능성 존재.
◦
초안 모델의 성능이 최종 결과에 영향을 미칠 수 있음.
◦
다양한 음성 합성 모델 및 데이터셋에 대한 추가적인 실험이 필요.
👍
Made with Slashpage