[논문]음성 합성 시스템의 품질 향상을 위한 한국어 문장 기호 전처리 시스템

이호준

doi:10.9708/jksci.2015.20.2.149

음성 합성 시스템의 품질 향상을 위한 한국어 문장 기호 전처리 시스템
Korean Sentence Symbol Preprocess System for the Improvement of Speech Synthesis Quality 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.20 no.2, 2015년, pp.149 - 156

초록
AI-Helper

본 논문에서는 한국어 문장 기호의 처리를 통해 자연스러운 음성 합성 결과를 생성하는 방법에 대해서 논의한다. 이를 위해 한국어 위키피디아 문서를 분석하여 문장 기호의 사용을 8가지 형태로 분류하고, 11개의 정규표현식 규칙으로 문장 기호를 처리하는 방안을 제시한다. 그 결과 63,000 문장에 대해 56%의 정확도와 71.45%의 재현율을 달성하였으며, 문장 기호 처리 결과를 SSML 기반의 음성 합성 표현으로 변환하여 음성 합성 결과의 품질을 향상시키는 방법을 제안한다.

Abstract ▼ AI-Helper

In this paper, we propose a Korean sentence symbol preprocessor for a SSML (speech synthesis markup language) supported speech synthesis system in order to improve the quality of the synthesized result. After the analysis of Korean Wikipedia documents, we propose 8 categories for the meaning of sentence symbols and 11 regular expression for the classification of each category. After the development of a Korean sentence symbol preprocess system we archived 56% of precision and 71.45% of recall ratio for 63,000 sentences.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 문장 기호의 의미 파악 및 처리 과정은 구문 분석 이전 단계에서 이루어져야 하기 때문에 본 연구에서는 문장 기호의 처리를 자연언어처리의 전 단계에서 수행하고자 한다. 그러므로 문장 기호의 전처리 과정에서는 텍스트에 표현된 문장 기호와 문장 기호 내부에서 사용된 어휘의 일반적 특성만을 이용하여 문장 기호의 유형과 의미를 분석하고자 한다.
따라서 문장 기호의 의미 파악 및 처리 과정은 구문 분석 이전 단계에서 이루어져야 하기 때문에 본 연구에서는 문장 기호의 처리를 자연언어처리의 전 단계에서 수행하고자 한다. 그러므로 문장 기호의 전처리 과정에서는 텍스트에 표현된 문장 기호와 문장 기호 내부에서 사용된 어휘의 일반적 특성만을 이용하여 문장 기호의 유형과 의미를 분석하고자 한다.
이를 위해 총 63,000 문장의 한국어 위키피디아 문서를 분석하여 문장 기호의 사용 패턴 및 의미를 분석하였으며, 이를 정규표현식으로 변환하여 문장 기호 전처리 시스템을 구축하였다. 또한 이렇게 만들어진 문장 기호 전처리 시스템을 한국어 음성 합성기와 연동하여 자연스러운 음성 합성 결과를 생성할 수 있는 방안을 제시하였다.
본 논문에서는 한국어 위키피디아 텍스트에서 나타나는 문장 기호를 처리하여 음성 합성 결과의 품질을 향상시키는 방안에 대해서 논의하였다. 이를 위해 총 63,000 문장의 한국어 위키피디아 문서를 분석하여 문장 기호의 사용 패턴 및 의미를 분석하였으며, 이를 정규표현식으로 변환하여 문장 기호 전처리 시스템을 구축하였다.
본 논문에서는 한국어 텍스트에서 나타나는 문장 기호를 음성 합성에 적합한 형태로 처리하여 음성 합성 결과의 품질을 향상시키는 방안에 대해서 논의한다. 정규표현식을 이용하여 문장 기호 전처리 시스템을 구축한 결과 56%의 정확도 (precision)와 71.
본 연구에서는 한국어 위키피디아 문서를 대상으로 텍스트에서 나타나는 문장 기호의 유형과 의미를 분석하였다. 이를 위해 HTML5와 JavaScript를 이용하여 문장 기호의 유형과 의미를 기술(annotation)할 수 있는 워크벤치(그림 1)를 개발하였다.
감정 표현 방법[9]에 관한 연구에서는 자연스러운 음성 합성 결과를 생성하기 위해 음성 합성 결과에 감정을 표현할 때 운율 및 음질의 역학을 분석하고 있다. 이 연구에서는 6명의 발화자에 의해 기쁨, 슬픔, 화남, 공포, 중립의 5가지 감정 상태로 표현된 60개의 데이터를 이용하여 감정에 따른 운율과 음질의 변화를 분석하여 이를 음성 합성 시스템에 적용하는 방법에 대해 논의하고 있다.

제안 방법

본 연구에서는 문장 기호의 의미를 원어, 연대, 설명, 대화, 인용, 강조, 기호, 빈자리의 8가지로 설정하였으며, 각 의미에서 주로 나타나는 상위 3개의 문장 기호 패턴을 정리해보면 표 5와 같다.
본 연구에서는 한국어 위키피디아 문서를 대상으로 텍스트에서 나타나는 문장 기호의 유형과 의미를 분석하였다. 이를 위해 HTML5와 JavaScript를 이용하여 문장 기호의 유형과 의미를 기술(annotation)할 수 있는 워크벤치(그림 1)를 개발하였다. UTF-8로 인코딩된 텍스트 문서를 워크벤치를 통해 읽으면 웹 브라우저에 해당 문서의 내용이 표현되며, 마우스를 클릭하여 문장 기호로 표현된 부분을 선택할 수 있다.
본 논문에서는 한국어 위키피디아 텍스트에서 나타나는 문장 기호를 처리하여 음성 합성 결과의 품질을 향상시키는 방안에 대해서 논의하였다. 이를 위해 총 63,000 문장의 한국어 위키피디아 문서를 분석하여 문장 기호의 사용 패턴 및 의미를 분석하였으며, 이를 정규표현식으로 변환하여 문장 기호 전처리 시스템을 구축하였다. 또한 이렇게 만들어진 문장 기호 전처리 시스템을 한국어 음성 합성기와 연동하여 자연스러운 음성 합성 결과를 생성할 수 있는 방안을 제시하였다.
표 6부터 표 13까지의 내용을 살펴보면, 3절에서 분석된 데이터를 이용하여 각 패턴에서 사용된 문장 기호를 분석하였고, 문장 기호의 내부 내용을 추상적으로 표현하여 이를 정규표현식으로 변환하였다. 이때 각각의 정규표현식은 겹치는 부분이 없도록 조정되었다.

성능/효과

11개의 정규표현식을 이용하여 문장 기호를 8가지 형태의 의미로 분석한 결과 56%의 정확도와 71.45%의 재현율을 기록하였으며, 분석된 문장 기호의 의미에 적합한 형태로 SSML 문서를 생성하여 음성 합성기의 입력으로 사용하였다.
8개 항목 전체에 대한 정확도는 56%이고 재현율은 71.45%였으며 F-score는 62.79로 3절에서 예상한 바와 같이 적은 수의 규칙만으로도 대부분의 의미 파악이 가능하다는 것을 보여주고 있다. 강조와 대화, 인용 및 기호는 재현율에 비해 정확도가 낮게 나타났는데, 특히 강조, 대화, 인용은 3절의 데이터 분석 과정에서도 정확한 의미 구분이 어려웠던만큼 이들에 대한 명확한 가이드라인의 설정이 요구된다.
문장 기호는 실제 텍스트에서 매우 빈번하게 나타나는데, 한글 위키피디아에서 무작위로 63,000 문장을 추출하여 분석한 결과 약 40%인 24,945개의 문장에서 하나 이상의 문장 기호가 사용되고 있는 것을 확인할 수 있었다. 데이터 분석 결과 전체 24,945 문장에서 사용된 문장 기호 중에서 예문 (2)나 (3)과 같이 음성 발화를 하는 경우 텍스트에 대한 적절한 처리가 필요한 경우가 약 88%인 것으로 조사되었다. 따라서 범용적인 음성 합성기를 이용하여 위키피디아 문서를 음성으로 변환하는 경우 텍스트에 표현된 문장 기호를 적절히 처리하지 않으면 전체 문장의 1/3 이상은 듣는 사람이 이해하기 어려운 형태가 될 수 있다.
한글 맞춤범 일부 개정안에서 설명하고 있는 문장 기호와 비교해볼 때 겹낫표(『』)나 홑낫표(｢｣) 는 위키피디아 문서에서 나타나지 않았고 대신 두 개 이상의 문장 기호가 결합되어 사용되는 경우를 확인할 수 있었다. 또한 동일한 작은 따옴표나 소괄호도 표 4에서와 같이 다양한 형태로 나타나는 것을 확인할 수 있었다.
문장 기호는 실제 텍스트에서 매우 빈번하게 나타나는데, 한글 위키피디아에서 무작위로 63,000 문장을 추출하여 분석한 결과 약 40%인 24,945개의 문장에서 하나 이상의 문장 기호가 사용되고 있는 것을 확인할 수 있었다. 데이터 분석 결과 전체 24,945 문장에서 사용된 문장 기호 중에서 예문 (2)나 (3)과 같이 음성 발화를 하는 경우 텍스트에 대한 적절한 처리가 필요한 경우가 약 88%인 것으로 조사되었다.
문장 기호의 중첩 사용 정도를 살펴보면, 전체 25,657개의 문장 기호에서 단독으로 문장 기호가 사용된 경우는 25,090개였고, 2중 기호는 565개, 3중 기호는 2개로 나타났다. 특히 3중으로 표현된 문장 기호는 전부 컴퓨터 프로그램의 일부로, 3중 표현은 일반적인 상황에서는 거의 발생하지 않는 것으로 분석되었다.
그림 3을 살펴보면 유지의 경우 첫 번째 기호인 작은 따옴표가 전체 문장 기호의 73%를차지하고 있으며, 다섯 번째 기호인 중괄호까지 포함하면 전체의 93%, 그리고 10개의 기호까지 모두 포함하면 전체의 95%를 포함하는 것으로 분석되었다. 삭제의 경우에는 첫 번째 기호인 소괄호가 전체 문장 기호의 95%를 차지하고 있으며, 10개의 기호를 모두 포함하면 전체의 98%를 포함하는 것으로 분석되었다.
본 논문에서는 한국어 텍스트에서 나타나는 문장 기호를 음성 합성에 적합한 형태로 처리하여 음성 합성 결과의 품질을 향상시키는 방안에 대해서 논의한다. 정규표현식을 이용하여 문장 기호 전처리 시스템을 구축한 결과 56%의 정확도 (precision)와 71.45%의 재현율(recall)을 달성하였으며, 이러한 문장 기호 처리 결과를 활용하여 자연스러운 음성 합성 결과를 생성하는 방법을 제안한다.
문장 기호의 중첩 사용 정도를 살펴보면, 전체 25,657개의 문장 기호에서 단독으로 문장 기호가 사용된 경우는 25,090개였고, 2중 기호는 565개, 3중 기호는 2개로 나타났다. 특히 3중으로 표현된 문장 기호는 전부 컴퓨터 프로그램의 일부로, 3중 표현은 일반적인 상황에서는 거의 발생하지 않는 것으로 분석되었다. 유지로 분류된 문장 기호의 의미를 살펴보면 표 2와 같고, 삭제로 분류된 문장 기호의 의미를 살펴보면 표 3과 같다.
총 25,657개의 문장 기호 중 유지와 삭제의 유형으로 많이 나타난 문장 기호를 빈도순으로 각각 10개씩 뽑아서 정리해보면 표 4와 같다. 한글 맞춤범 일부 개정안에서 설명하고 있는 문장 기호와 비교해볼 때 겹낫표(『』)나 홑낫표(｢｣) 는 위키피디아 문서에서 나타나지 않았고 대신 두 개 이상의 문장 기호가 결합되어 사용되는 경우를 확인할 수 있었다. 또한 동일한 작은 따옴표나 소괄호도 표 4에서와 같이 다양한 형태로 나타나는 것을 확인할 수 있었다.
또한 최근 발표된 한글 맞춤법 일부 개정안[1]에 따르면 텍스트에서 사용된 문장 기호의 의미는 크게 강조, 대화, 인용, 기호, 빈자리, 설명, 원어, 연대 등의 8가지로 구분지어 볼 수 있다. 한글 맞춤법 일부 개정안의 문헌 자료를 분석한 결과 강조, 대화, 인용, 기호, 빈자리의 다섯 가지 의미는 주로 유지의 유형과 연관성이 높고, 설명, 원어, 연대의 세 가지 의미는 주로 삭제 유형과 연관성이 높은 것으로 분석되었다.

후속연구

현재 시스템에서는 강조, 대화, 인용에 대한 처리가 다소 미흡한 것으로 분석되었는데, 향후 연구로 이들을 명확하게 구분할 수 있는 가이드라인의 제시 및 이를 기반으로 시스템의 성능 향상을 진행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	문장 기호 전처리 시스템을 구축하여 음성 합성을 해야하는 기술의 개발이 중요한 이유는?	최근 스마트 기기 등에서 음성 표현을 이용한 상호 작용이 활발히 이루어지면서 음성 합성이나 음성 인식 기술이 다양한 분야에 적용되고 있는데[2, 3, 4, 5, 6, 7], 아직까지 텍스트에 표현된 문장 기호의 적절한 처리에 대한 연구는 전무한 실정이다. 또한 글로 표현된 문장을 청각 신호로 변환하는 음성 합성 기술의 경우 시각 장애를 가진 장애인들에게 매우 중요한 의사소통 수단이 되기 때문에 텍스트로 이루어진 문장을 자연스러운 음성으로 변환하는 기술의 개발은 매우 중요하다고 할 수 있다.
	음성은 어떤 표현인가?	음성은 글로 쓰여진 문장(텍스트, text)을 소리내어 읽은 문장의 청각적 표현이지만, 문장 부호 등에 대한 처리가 제대로 되지 못하면 텍스트로 표현된 문장을 그대로 읽었을 경우 음성 표현이 매우 부자연스러울 수 있다. 예를 들어 아래 예제 (1)의 경우에는 텍스트에 표현된 문장 기호인 홑화살괄호 [1]를 무시하고 모든 텍스트를 그대로 발화해도 되지만, 동일한 방법으로 예제 (2)를 발화한다면 매우 부자연스러운 음성 표현이 될 수 있다.
	음성 표현이 부자연스러운 경우는?	음성은 글로 쓰여진 문장(텍스트, text)을 소리내어 읽은 문장의 청각적 표현이지만, 문장 부호 등에 대한 처리가 제대로 되지 못하면 텍스트로 표현된 문장을 그대로 읽었을 경우 음성 표현이 매우 부자연스러울 수 있다. 예를 들어 아래 예제 (1)의 경우에는 텍스트에 표현된 문장 기호인 홑화살괄호 [1]를 무시하고 모든 텍스트를 그대로 발화해도 되지만, 동일한 방법으로 예제 (2)를 발화한다면 매우 부자연스러운 음성 표현이 될 수 있다.

참고문헌 (10)

Revised Guidelines on Korean Orthography, Ministry of Culture, Sports and Tourism, 2014.
Jin-Hyung Kim, So-Young Park, "Rule-based Speech Recognition Error Correction for Mobile Environment," Journal of the Korea Society of Computer and Information, vol. 17, no. 10, pp. 25-33, October 2012.

원문보기 상세보기
Gyeongyong Heo, Woo-Young Jang, Jun-Pyo Park, "Digital Doorlock with Voice Recognition," Proceedings of the Korean Society of Computer Information Conference, pp. 269-270, July 2012.
Seong Jin Cho, Seongho Lee, Sungyoung Lee, "Design of Emotion Recognition system utilizing fusion of Speech and Context based emotion recognition in Smartphone," Proceedings of the Korean Society of Computer Information Conference, pp. 323-324, July 2012.
Kee-Beak Kim, Jong-Ho Choi, "Contents Navigation System using Speech Recognition," KSCI Review, vol. 15, no. 1, pp. 99-102, June 2007.
Myung-Hun Kim, Chi-Geun Lee, In-Mi So, Sung-Tae Jung, "Design and Implementation of a Bimodal User Recognition System using Face and Audio," Journal of the Korea Society of Computer and Information, vol. 10, no. 5, pp. 353-362, November, 2005.
Jin-Koo Ji, Sung-Il Yun, "Design and Implementation of Speaker Verification System Using Voice," Journal of the Korea Society of Computer and Information, vol. 5, no. 3, pp. 91-98, September 2000.
Sangho Lee, Yung-Hwan Oh, "Tree-based modeling of prosodic phrasing and segmental duration for Korean TTS systems," Speech Communication, vol. 28, no. 4, pp. 283-300, 1999.

상세보기
Sang-Min Lee, Ho-Joon Lee, "How to Express Emotion: Role of Prosody and Voice Quality Parameters," Journal of the Korea Society of Computer and Information, vol. 19, no. 11, pp. 159-166, November, 2014.

원문보기 상세보기
Gi-Jeong Lim, Jung-Chul Lee, "Improvement of Naturalness for a HMM-based Korean TTS using the prosodic boundary information," Journal of the Korea Society of Computer and Information, vol. 17, no. 9, pp. 75-84, September 2012.

원문보기 상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증