기록지

📜 Y. Wang et al., "Tacotron: Towards End-to-End Speech Synthesis," in Interspeech, 2017 논문 3줄 요약 복잡한 구조의 현대 TTS 모델을 end-to-end 구조로 변화하였다. 쌍으로 학습하여 더 많은 데이터, 더 다양한 특징의 학습이 가능해졌다. 오디오 샘플 단위의 생성이 아닌, Mel-spectrogram 프레임 단위로 음성을 생성하여 더 빠른 학습과 추론이 가능하다. Abstract Text-to-Speech (TTS, 문자 음성 변환) 시스템은 일반적으로 텍스트 분석을 위한 frontend와 음향 모델(acoustic model), 오디오 합성 모듈(audio synthesis module)로 구성됩니다. 각 구성 요소를 구축에..

📜 A. Oord et al., "WaveNet: A Generative Model for Raw Audio," in arXiv, 2016. 논문 1줄 요약 WaveNet은 dilated causal convolution을 기반으로 audio waveform을 생성하는 딥러닝 모델입니다. Abstract 본 논문은 오디오 파형(audio waveform)을 생성하는 신경망인 "WaveNet"을 소개합니다. WaveNet은 모든 이전의 오디오 샘플로부터 조절된 각 오디오 샘플에 대한 분포를 예측하는 확률적이며 auto-regressive한 모델입니다. WaveNet은 각각의 발화자(speaker)에 유사하게 특징을 포착하고 이를 조절함으로써 다른 발화자의 목소리로 바꿀 수 있습니다. 1. Introduct..