지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
Autoregressive한 TTS 모델은 불안정성과 속도 저하라는 본질적인 문제를 안고 있다. 모델이 time step t의 데이터를 잘못 예측했을 때, 그 뒤의 데이터도 모두 잘못 예측하는 것이 불안정성 문제이다. 음성 출력 속도 저하 문제는 모델이 time step t의 데이터를 예측하려면 time step 1부터 t-1까지의 예측이 선행해야 한다는 조건에서 발생한다. 본 연구는 autoregression이 야기하는 문제의 대안으로 end-to-end non-autoregressive 가속 TTS 모델을 제안한다. 본 연구의 모델은 Tacotron 2 – WaveNet 모델과 근사한 MOS, 더 높은 안정성 및 출력 속도를 보였다. 본 연구는 제안한 모델을 토대로 non-autoregressive한 TTS 모델 개선에 시사점을 제공하고자 한다.
목차
Abstract
1. 서론
2. 모델
3. 평가
4. 결론
References
국문초록
참고문헌 (18)
참고문헌 신청
Arik, S. O. / Deep voice: Real-time neural text-to-speech
Cho, K. / Boltzmann machines and denoising autoencoders for image denoising
Dvorak, J. L. / 2011 / Moving wearables into the mainstream : Taming the Borg / Springer
Griffin, D. / 1983 / Signal estimation from modified short-time Fourier transform / Proceedings of the 8th International Conference on Acoustics, Speech, and Signal Processing :804~807
Holmes, J. / 2002 / Speech synthesis and recognition / CRC Press
Cho, K. / Boltzmann machines and denoising autoencoders for image denoising
Dvorak, J. L. / 2011 / Moving wearables into the mainstream : Taming the Borg / Springer
Griffin, D. / 1983 / Signal estimation from modified short-time Fourier transform / Proceedings of the 8th International Conference on Acoustics, Speech, and Signal Processing :804~807
Holmes, J. / 2002 / Speech synthesis and recognition / CRC Press
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-700-000154426