티벳 TTS: 대규모 모델 적응을 통한 저자본 티벳 음성 합성

요약

이 논문은 제한된 자원과 복잡한 언어 구조를 가진 티벳 텍스트-음성 합성(TTS) 문제를 해결하기 위한 대규모 모델 기반 시스템을 제시합니다. 제안된 시스템은 기존의 대규모 음성 합성 모델에 티벳 지향적인 텍스트 표현 및 토큰화기 적응, 그리고 다국어 적응 훈련을 통합했습니다. 실험 결과, 이 시스템은 저자본 조건에서도 매우 안정적이고 자연스러우며 이해 가능한 티벳 음성을 생성하여 기존 상업용 인터페이스를 능가하는 성능을 입증했습니다.

핵심 포인트

• 티벳 TTS는 제한된 데이터 자원과 복잡한 언어 매핑이라는 어려움이 있었습니다.
• 제안된 시스템은 대규모 모델 백본에 티벳 특화 텍스트 적응 및 다국어 적응 훈련을 결합하여 성능을 향상시켰습니다.
• 실험 결과, 이 시스템은 저자본 조건에서도 높은 MOS 점수(4.28~4.35)와 발음 정확도(96.6%~97.6%)를 달성하며 상업용 제품보다 우수한 성능을 보였습니다.
• 이 접근 방식은 향후 다방언 티벳 음성 합성 시스템 구축의 기술적 기반을 제공합니다.