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.

When Humans Growl and Birds Speak: High-Fidelity Voice Conversion from Human to Animal and Designed Sounds

Created by
  • Haebom

저자

Minsu Kang, Seolhee Lee, Choonghyeon Lee, Namhyun Cho

개요

본 논문은 인간의 음성을 동물 소리 또는 디자인된 음성으로 변환하는 인간-비인간 음성 변환(H2NH-VC) 기술에 관한 연구이다. 기존 연구들이 주로 개 짖는 소리와 16kHz 또는 22.05kHz 오디오 변환에 집중한 것과 달리, 이 연구는 사자 울음소리, 새소리와 같은 자연음과 합성된 으르렁거림과 같은 디자인된 음성을 포함한 다양한 비음성 사운드를 다룬다. 다양한 비음성 사운드와 44.1kHz 고품질 오디오 변환을 처리하기 위해, 인간과 비인간 음성 모두에 최적화된 전처리 파이프라인과 향상된 CVAE 기반 H2NH-VC 모델을 제안한다. 실험 결과, 제안된 방법은 품질, 자연스러움, 유사성 MOS 측면에서 기존 방법보다 우수한 성능을 보이며 다양한 비인간 음색에 걸쳐 효과적인 음성 변환을 달성했다. 데모 샘플은 https://nc-ai.github.io/speech/publications/nonhuman-vc/ 에서 확인 가능하다.

시사점, 한계점

시사점:
기존 연구보다 훨씬 다양한 비음성 사운드(자연음, 디자인된 음성 포함)에 대한 H2NH-VC를 성공적으로 구현하였다.
44.1kHz 고품질 오디오 변환을 지원하는 향상된 모델과 전처리 파이프라인을 제시하였다.
품질, 자연스러움, 유사성 측면에서 기존 방법을 능가하는 성능을 입증하였다.
한계점:
논문에서 구체적인 모델 아키텍처 및 전처리 파이프라인의 세부 사항이 부족하다.
다양한 비음성 사운드에 대한 일반화 성능 평가가 더 필요하다.
실제 동물 소리와의 주관적 비교 평가가 제시되지 않았다.
👍