딥러닝 기반 End-to-End 음성 합성 시스템의 계산 효율화 (2019~2020)

자동회귀적(autoregressive)으로 동작하는 딥러닝 기반 음성합성 모델은 음성 합성 속도를 개선하고자 여러가지 경량화 기술을 적용하였다. 본 연구를 수행한 결과, 베이스라인 모델의 1.6%의 연산량과, 2.75%의 파라미터, CPU thread 하나를 사용하였음에도 불구하고 경량화된 모델의 음성 합성 속도가 음성 합성의 품질 저하 없이 GPU의 0.72배 속도로 합성한다.

Minsu Kang, Jihyun Lee, Simin Kim, Seungju Kim, Injung Kim

Funded by: NC Soft