초록

AI-Helper

이 논문에서 논해지는 음성변환이라는 것은 어떤 화자의 음성(소스)을 다른 화자의 음성(타겟)으로 바꾸는 것이다. 이 때, 모든 음소들을 녹음해서 데이터베이스화한 음성끼리 매칭시키는 것이 아니라, 몇 번의 학습을 통하여 음색의 특징을 파악한 후 나온 변환함수를 이용하여 원래 화자의 음성을 타겟 음성으로 변환하는 시스템을 제안하고자 한다. 여기서, 음색의 특징들을 추출한 후, 변환함수를 만들기 위한 트레이닝을 위한 방법으로 Gaussian Mixture Modeling을 이용할 것이다.

이 논문에서 논해지는 음성변환이라는 것은 어떤 화자의 음성(소스)을 다른 화자의 음성(타겟)으로 바꾸는 것이다. 이 때, 모든 음소들을 녹음해서 데이터베이스화한 음성끼리 매칭시키는 것이 아니라, 몇 번의 학습을 통하여 음색의 특징을 파악한 후 나온 변환함수를 이용하여 원래 화자의 음성을 타겟 음성으로 변환하는 시스템을 제안하고자 한다. 여기서, 음색의 특징들을 추출한 후, 변환함수를 만들기 위한 트레이닝을 위한 방법으로 Gaussian Mixture Modeling을 이용할 것이다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 이 논문에서는 GMM 확률모델링을 이용하여 원래의 화 자의 목소리를 특정한 다론 사람의 목소리로 변환시키는 시스템올 제안하였다. 이것은 소스와 타겟 화자의 모든 음 성올 녹음하여 데이터베이스화하지 않고도 일부의 음성들 을 학습울 통해 음성변환시스템을 구현할 수 있다는 면에서 상당한 노력과 시간을 절감하게 해준다.

제안 방법

• source와 target의 spectral envelope과 EM 알고리 즘에 의해서 추정된 GMM의 파라미터를 이용하여 least square 최적화 과정을 필요한 만큼 반복하여 변 환함수를 학습한다. 이 학습과정을 그림으로 나타내면 다음과 같다.

이론/모형

• Gaussian Mixture Model 은 local model 로써 각 componentse] model로 Gaussian Normal distribution 을 사용한다. Normal distribution 은 mean μ와 covariance £로 완벽 하게 specify된다.
• 여기서 훈련방법으로는 확률모델링 방식의 Gaussian Mixture Modeling(GMM)방식올 이용하여 spectral envelope을 modeling# 것이다.

성능/효과

• 사람의 음성 언어를 통해서 컴퓨터나 기계를 조작하려는 많은 연구가 지난 5。년간 진행되어왔다. 컴퓨터와 자유자 재로 대화를 나눌 수 있는 시스템의 개발 과정에서 인간 언 어에 대한 이해의 폭을 넓혔고, 음성인식, 화자인식, 음성 합성 등에서 많은 기술적인 진전을 보여왔다. 인터넷의 확 산에 따라 수많은 보통 사람들의 생활양식에 변화를 가져 올 수 있는 많은 서비스와 정보가 사람들에게 인터넷을 통해서 제공되고 있다.

후속연구

• 앞으 로 모바일 환경으로 가는 것이 필수 불가결한데, 앞으로 음 성은 PDA와 같은 모바일 분야의 제 1의 인터페이스가 될 것이다, 또한 지금의 “ ARS 시스템” 등은 정해진 사람의 목소리만으로 서비스가 가능하지 만, 음성 변환 시스템이 적 용된다면 자신이 원하는 사람의 목소리로 “ 호텔예약시스 템” 이나 “ 자동통역전화” 시스템을 받을 수 있을 것이다. 또한 인터넷 방송에서의 사이버 앵커 둥에도 활용할 수 있으며, 이러한 음성변환 시스템의 개발이라는 것은 아직 발달이 미비한 음성 연구의 발달에 기여를 할 것이다.
• 이러한 음성기술은 여러 방면에서 활용이 가눙하다. 앞으 로 모바일 환경으로 가는 것이 필수 불가결한데, 앞으로 음 성은 PDA와 같은 모바일 분야의 제 1의 인터페이스가 될 것이다, 또한 지금의 “ ARS 시스템” 등은 정해진 사람의 목소리만으로 서비스가 가능하지 만, 음성 변환 시스템이 적 용된다면 자신이 원하는 사람의 목소리로 “ 호텔예약시스 템” 이나 “ 자동통역전화” 시스템을 받을 수 있을 것이다. 또한 인터넷 방송에서의 사이버 앵커 둥에도 활용할 수 있으며, 이러한 음성변환 시스템의 개발이라는 것은 아직 발달이 미비한 음성 연구의 발달에 기여를 할 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기