선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 은닉 마르코프 모델 기반의 음성 합성기에서 기본주파수와 성도길이의 상관관계를 이용한 목소리 변환을 시도하였고 그 유효성을 입증하기 위해 두 가지 주관적 평가를 진행하였다. 구현한 HTS의 사양을 설명하고 실험 방법에 대한 설명, 그리고 주관적 평가 결과들에 대해 살펴보겠다.
- 인간 청각 능력은 자연에 존재하는 음성들로부터 훈련되어지는데, 특정 기본주파수에 대해 적절한 스펙트럼 포락선 패턴이 존재하고 이러한 관계가 끊임없이 학습되고 있다고 분석하고 있다. 본 논문에서는 다량의 음성 데이터를 활용하여 이를 좀 더 세밀한 분석하고 두 인자의 상관관계를 회귀분석을 통해 모델링 하고자 한다. 앞서 구한 화자의 기본주파수와 성도길이 에 대해 scatter plot을 하면 <그림 3>과 같다.
- 남성과 여성을 비교해 보면 일반적으로 남성이 여성에 비해 더 큰 신체구조를 갖는다고 할 수 있고 이는 곧 남성의 목소리는 여성에 비해 더 낮은 기본주파수를 갖고 축소된 형태의 스펙트럼 포락선을 갖는다고 할 수 있다. 본 논문에서는 다수의 화자의 목소리를 활용하여 화자별로 평균 기본주파수와 성도길이를 추정하고 이들의 상관관계를 분석한다. 분석에 사용된 음성데이터베이스는 SNR 20dB 이상의 비교적 조용한 사무실 환경에서 16㎑ 표본화율로 수집되었다.
- 본 논문에서는 두 명의 전문 성우로부터 수집한 음성 데이터베이스로 화자 종속적 음성 합성기를 구현하였다. 성우는 30대의 남성, 여성 성우이다.
- 본 논문에서는 은닉 마르코프 모델 기반의 음성 합성 시스템에서 목소리 변환을 시도하였다. 이는 통계적 매개변수 기반 음성합성 방식이 다양한 목소리 특징을 만들 수 있다는 장점을 이용한 것으로 목소리 변환의 방법에 있어서 한 가지 기준을 제시하였다.
- 본 논문에서는 은닉 마르코프 모델 기반의 음성 합성기에서 기본주파수와 성도길이의 상관관계를 이용한 목소리 변환을 시도하였고 그 유효성을 입증하기 위해 두 가지 주관적 평가를 진행하였다. 구현한 HTS의 사양을 설명하고 실험 방법에 대한 설명, 그리고 주관적 평가 결과들에 대해 살펴보겠다.
- 여기서 스펙트럼 포락선의 변환은 화자의 성도길이의 변환을 의미한다. 본 논문에서는 이와 같은 방식의 목소리 변환은 음질 저하가 일어나지 않는다는 것을 주관적 음질 평가를 통해 확인하였다.
- 본 논문의 핵심은 기본주파수와 성도길이의 상관관계 모델링과 이를 활용하여 목소리를 변환하는데 있어서 기준과 방향을 제시하였다는 것이다. 이러한 목소리 변환 방법의 유효성을 확인하기 위해 다양한 주관적 평가를 실시하였고 그 결과 본 논문에서 제시한 방법이 음질을 저하시키지 않으면서 사람들로 하여금 더 선호되는 목소리를 만들 수 있다는 것을 검증할 수 있었다.
가설 설정
- 실제로 켑스트럼 차수가 9 또는 그 이상에서 처음 두 개의 포먼트를 나타낼 수 있다. 만약 켑스트럼 차수가 이 범위를 넘어서면 스펙트럼의 미세한 세부 사항을 보다 잘 표현 할 수 있지만, 스펙트럼 포락선이 13 차의 켑스트럼 차수로도 충분히 표현된다고 가정하였다. 그 후 채널 왜곡을 보상하기 위해 켑스트럼 평균, 분산 정규화 과정을 거쳤다(Saheer et al.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.