[논문]POSTTS : 자연어 분석을 통한 코퍼스 기반 한국어 TTS

하주홍; 정옥; 김병창; 이근배

문제 정의

본 논문에서는 보다 자연스러운 TTS 합성음을 위한 운소의 첨가와 음운 현상의 모델링에 필요한 자연어 처리 기법을 중심으로 코퍼스 기반 한국어 TTS 시스템에 대해 살펴보았다. 이를 통해 형태소 품사 정보와 음운 변이와의 관계, 구묶음과 언절 경계와의 관계를 파악하고, 한국어의 운율 생성에 필요한 언어 정보를 얻을 수 있었다.
본 논문에서는 형태소 분석, 품사 태깅, 구문 단위화 (chunking)를 통해 효율적인 자연어 처리를 하고, 음운 접속 정보에 의한 음운 현상 처리, 단위화와 기계학습 결과에 의한 휴지구간(phrase break) 추출 등에 기반한 보다 자연스러운 합성음을 생성하는 POSTTSD 시스템의 전반적인 소개를 목적으로 한다.
단위화 정보는 문장의 구조를 파악하고, 문장 내에서 역할이 같은 몇 개의 어절 단위로 묶는 것을 말한다. 이러한 단위화 정보는 구조상 그 자체만으로도 언절 경계가 될 수 있으나, 보다 안전하고 강건한 언절 경계 추정을 위해서 결정 트리와 상호 보완할 수 있는 방법을 고안하였다. 즉, 결정 트리의 결과와 단위화 결 과가 일치할 경우 추정된 언절 경계의 강도를 심화시키고, 일치하지 않을 경우 추정된 언절 경계의 강도를

제안 방법

TTS 시스템에서 정확한 발음 열 변환 및 자연스러운 합성음 생성의 기초 핵심 작업으로 그림 1과 같이 한국어 텍스트 분석을 수행한다.
문자발음 변환에서는 Sent3000DB4)중 9, 773문장을 사용하여 2, 030여 개의 CCV 변환 규칙을 생성하였다. 나머지 4, 973 문장을 변환기의 입력으로 사용해 출력 된 음소열과 형태소-음소열 말뭉치를 비교하여 변환기의 성능을 평가하였다. 4, 973 문장 중 4, 853 문장이 정확하게 음소열로 변환되어 97.
문자발음 변환에서는 Sent3000DB4)중 9, 773문장을 사용하여 2, 030여 개의 CCV 변환 규칙을 생성하였다. 나머지 4, 973 문장을 변환기의 입력으로 사용해 출력 된 음소열과 형태소-음소열 말뭉치를 비교하여 변환기의 성능을 평가하였다.
다양한 결과들을 도출, 처리, 분석하는데 지나치게 많은 시간이 소요될 수 있으며 잘못된 분석 결과를 얻어낼 확률도 그만큼 증가하게 되는 등의 문제가 있다. 본 논문에서는 위에서 언급한 문제점을 해결하기 위해 문장에 대해 명사구/동사구 패턴을 적용하여 문장을 단위화하였다. 단위화는 구문분석에 비해 감소된 분석시 간과 복잡도를 가지고 언절 경계 추정에 필요한 정보들을 생성한다.
이러한 비 한글 문자들도 일반적인 한글과 함께 음성으로 변환될 수 있도록 올바른 음소열로 변환하여야 한다. 본 연구에서는 숫자는 유한 오토마타를 사용하고, 날짜, 점수, 수식 등은 패턴을 분석하여 해당 발음으로 변환하였 다.
그 현상을 완벽하게 해소할 수는 없다. 본 연구에서는 이러한 데이터 부족 현상을 극복하기 위해 확률적 추정과 동시에 결정 트리를 언절 경계 추정에 사용하였다. ⑸
형태소 분석 결과를 바탕으로 언절 경계 후보 (띄어 쓰기)에 대해서 확률적 추정을 바탕으로 결정 트리를 사용하여 언절 경계를 수정한다. 언절 경계 후보를 기준으로 좌우 각각 7개 어절의 마지막 형태소의 품사 태그를 수정 시 자질(feature)로 사용한다.
형태소 분석기에 의한 형태소 품사 태그열과 정답 언 절 경계를 포함하는 형태소 품사 태그열을 비교하여 결정 트리를 C4.5에 의해 구축하고, 형태소 분석 결과와 현재 언절 경계 후보의 선행 어절에 대한 위치 정보를 사용해서 언절 경계를 추정하게 된다.
언절 경계 검출을 위하여 MBCNEWSDB3)를 사용했다. 훈련 데이터 부족을 보완하기 위해 앞에서 언급했 듯이 통계적 방법으로 언절 경계를 추출하고, 결정 트리를 이용하여 후처리를 수행하였다. 통계적 학습, 결정 트리 후 처리 학습, 평가 데이터를 4:5:1 비율로 했을 때 언절 경계 정확도 62.
휴지 구간(phrase break)을 제외하고 운율은 음의 피치(pitch)와 길이(duration), 세기(intensity) 세 요소로 볼 수 있는데, 음의 서]기의 경우 경험적으로 피치 나 길이에 비해 그 역할이 미미함으로 평균 세기를 미리 구해 추정 시에 사용하고, 본 장에서는 피치와 길이에 대한 학습과 추정을 다룬다.

이론/모형

언절 경계 검출을 위하여 MBCNEWSDB3)를 사용했다. 훈련 데이터 부족을 보완하기 위해 앞에서 언급했 듯이 통계적 방법으로 언절 경계를 추출하고, 결정 트리를 이용하여 후처리를 수행하였다.
이런 방식으로 학습 데이터를 피치, 길이 각각 4개 씩 8개 파일을 생성한다. 학습은 기계 학습 툴 중 하나인 Weka2)로 이루어졌다.

성능/효과

나머지 4, 973 문장을 변환기의 입력으로 사용해 출력 된 음소열과 형태소-음소열 말뭉치를 비교하여 변환기의 성능을 평가하였다. 4, 973 문장 중 4, 853 문장이 정확하게 음소열로 변환되어 97.5%의 변환율을 보였고, 자소 218, 687개 중 218, 514개가 정확하게 변환되어 자 소 변환율은 99.9%가 되었다. 모든 문장이 정확하게 변환되지 못한 주요 요인은 음소열 미등록어에 대해서 같은 기본 자소단위가 다른 두 발음으로 변하는 경우가 대부분이었다.
그리고 품사 태깅의 오류에 의해서 음소열이 바르지 못하게 변환된 것도 있었다. MBCNEWSDB의 210문장에 대한 자소열-음소열 변환 실험에서 85.5%의 문장과 99.0%의 자소가 정확하게 음소로 변환되었으며, 언절 경계 검출 후 자소열-음소 열 변환은 90.8%와 99.3%로 향상되었다.
자소열 형태소 사전에는 여러 어절에 걸친 형태소를 분석하기 위한 다어절어 사전을 포함하고 있다. 그리고 자소열- 형태소 패턴 사전을 이용하면 분석 실패 후 추가분석 을 하는 기존의 방법과는 달리 형태소 위치와 개수에 무관하게 미등록어 추정이 가능하다. 그리고 패턴사전 은 등록어와 같은 방법으로 미등록어의 품사를 추정할 수 있도록 하여 형태소 분석기의 구조를 간단하게 하는 효과가 있다.
미등록어 추정이 가능한 품사 태거의 분석 결과를 사용하여 각 형태소의 분류와 이형태 정보로 형태소- 음소열 사전을 검색하면 각 형태소의 가능한 발음들을 얻을 수 있다. 음소열 미등록어인 경우에는 형태소-음 소열 패턴 사전으로부터 경계 자소의 가능한 음운변이에 따라 음소열 패턴들이 검색된다.
본 논문에서는 보다 자연스러운 TTS 합성음을 위한 운소의 첨가와 음운 현상의 모델링에 필요한 자연어 처리 기법을 중심으로 코퍼스 기반 한국어 TTS 시스템에 대해 살펴보았다. 이를 통해 형태소 품사 정보와 음운 변이와의 관계, 구묶음과 언절 경계와의 관계를 파악하고, 한국어의 운율 생성에 필요한 언어 정보를 얻을 수 있었다.
음성 합성에 대한 연구가 18세기부터 시작되었지만 음성 합성을 위한 텍스트 분석은 20세기 후반에야 이루어졌다. 최초의 완전한 TTS (Text-to-Speech)는 영어를 대상으로 하는 MITalk으로 일반 단어뿐만 아니라 특수기호나 숫자, 약어 등도 음성 합성이 가능하였다. 그 뿐만 아니라 형태소 분석이나 문자 발음 변환(grapheme-to-phoneme)에 사용된 기법들도 정교하여 텍스트 분석의 필요성에 대한 선례를 남겼다.
훈련 데이터 부족을 보완하기 위해 앞에서 언급했 듯이 통계적 방법으로 언절 경계를 추출하고, 결정 트리를 이용하여 후처리를 수행하였다. 통계적 학습, 결정 트리 후 처리 학습, 평가 데이터를 4:5:1 비율로 했을 때 언절 경계 정확도 62.74%, 띄어쓰기 정확도 85.57%로 통계적 방법만 사용한 것보다 각각 10%, 4%의 성능 향상을 보였다.

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

POSTTS : 자연어 분석을 통한 코퍼스 기반 한국어 TTS
POSTTS : Corpus Based Korean TTS based on Natural Language Analysis 원문보기

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

POSTTS : 자연어 분석을 통한 코퍼스 기반 한국어 TTS POSTTS : Corpus Based Korean TTS based on Natural Language Analysis 원문보기

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

POSTTS : 자연어 분석을 통한 코퍼스 기반 한국어 TTS
POSTTS : Corpus Based Korean TTS based on Natural Language Analysis 원문보기

AI 본문요약
AI-Helper