증류 없는 학습
기존 교사 학생 방식에서 사용하는 밀도 증류를 요구하지 않는다. 생성적 적대 학습을 이용해 비자기회귀 파형 생성 모델을 직접 학습하는 구성을 제시한다.
여러 해상도의 스펙트로그램
스펙트로그램 손실을 여러 해상도에서 계산하고 적대적 손실과 함께 최적화한다. 음성 파형의 시간 주파수 분포를 하나의 해상도로만 비교하지 않고 여러 관점에서 포착하려는 방식이다.
작은 구조와 청감
연구는 작은 모델 구조에서도 음성 품질과 효율을 함께 확보하는 문제를 다룬다. 트랜스포머 기반 텍스트 음성 합성 구성 안에서 청감 평가도 수행한다.
비교할 때의 조건
모델이 작다는 사실과 전체 합성 지연이 짧다는 사실은 구별해야 한다. 파형 생성 앞단의 처리와 장비가 달라질 수 있으므로 모델 매개변수 수, 생성 시간, 최종 청감을 각각 비교해야 한다.
관련 문서
WaveNet / MelGAN / HiFi-GAN 보코더 / WaveGlow / Tacotron 2 / DiffWave