인도어 TTS 성능 평가: 대규모 쌍별 비교 분석 및 선호도 모델링

요약

본 연구는 언어적 다양성과 음성 인식의 다차원성을 고려하여, 인도어(Indic languages)를 포함한 다국어 TTS 시스템을 평가하는 통제된 다차원 쌍별 평가 프레임워크를 제시합니다. 10개 인도어권 언어와 5K+ 문장을 사용하여 7개의 최신 TTS 시스템을 평가하고, 1900명 이상의 원어민 평가자로부터 12만 건 이상의 비교 데이터를 수집했습니다. 이 데이터를 기반으로 브래들리-테리(Bradley-Terry) 모델링을 통해 다국어 리더보드를 구축하고, SHAP 분석을 활용하여 인간의 선호도를 해석하며 각 음성 품질 차원별로

핵심 포인트

• 10개 인도어권 언어와 5K+ 문장을 사용하여 7개의 최신 TTS 시스템에 대한 평가를 진행했습니다.
• 1900명 이상의 원어민 평가자로부터 총 12만 건 이상의 쌍별 비교 데이터를 수집했습니다.
• 평가 시 청취 가능성(Intelligibility), 표현력(Expressiveness), 음질(Voice Quality) 등 6가지 다차원적 관점에서 인간의 선호도를 분석했습니다.
• 브래들리-테리 모델링을 통해 객관적인 다국어 리더보드를 구축하고, SHAP 분석으로 성능 차원의 원인을 해석합니다.