본 논문은 대규모 다양한 화자 데이터에 대한 접근성에 크게 의존하는 심층 학습 기반 화자 인증 시스템의 한계를 해결하기 위해, 기존 화자 임베딩 간 보간을 통해 새로운 화자 ID를 합성하는 새로운 데이터 확장 방법인 INSIDE(Interpolating Speaker Identities in Embedding Space)를 제안합니다. INSIDE는 사전 훈련된 화자 임베딩 공간에서 가까운 화자 임베딩 쌍을 선택하고, 구면 선형 보간을 사용하여 중간 임베딩을 계산합니다. 이러한 보간된 임베딩은 음성 합성 시스템에 입력되어 해당 음성 파형을 생성하고, 생성된 데이터는 원본 데이터셋과 결합되어 하위 모델을 훈련하는 데 사용됩니다. 실험 결과, INSIDE로 확장된 데이터로 훈련된 모델은 실제 데이터로만 훈련된 모델보다 성능이 우수하며, 화자 인증에서 3.06%~5.24%의 상대적 성능 향상을 달성했습니다. 성별 분류 작업에서도 13.44%의 상대적 성능 향상을 보였으며, 다른 증강 기법과도 호환 가능하여 기존 훈련 파이프라인에 유연하고 확장 가능한 추가 기능으로 활용될 수 있습니다.
