FuseCodec: Semantic-Contextual Fusion and Supervision for Neural Codecs
Created by
Haebom
저자
Md Mubtasim Ahasan, Rafat Hasan Khan, Tasnim Mohiuddin, Aman Chadha, Tariq Iqbal, M Ashraful Amin, Amin Ahsan Ali, Md Mofijul Islam, A K M Mahbubur Rahman
개요
FuseCodec은 음성 토큰화 분야에서 음향, 의미론적, 맥락적 표현을 통합하는 새로운 접근 방식을 제시합니다. 기존의 신경 코덱이 저수준 음향 특징을 포착하는 데 중점을 둔 반면, FuseCodec은 의미론적 및 맥락적 단서를 통합하여 음성 언어 모델링의 성능을 향상시킵니다. 이를 위해 잠재 표현 융합, 글로벌 의미-맥락적 감독, 시간 정렬된 맥락적 감독 등 세 가지 핵심 기술을 사용합니다. FuseCodec-TTS를 통해 제로샷 음성 합성에 대한 적용 가능성을 입증했으며, LibriSpeech 데이터셋에서 기존 모델을 능가하는 성능을 보였습니다.