KR102386635B1 - 음소의 특성에 관한 통계적 분석에 기초하여 자동적으로 음성 합성 데이터를 평가하는 방법 및 장치 - Google Patents
음소의 특성에 관한 통계적 분석에 기초하여 자동적으로 음성 합성 데이터를 평가하는 방법 및 장치 Download PDFInfo
- Publication number
- KR102386635B1 KR102386635B1 KR1020200046219A KR20200046219A KR102386635B1 KR 102386635 B1 KR102386635 B1 KR 102386635B1 KR 1020200046219 A KR1020200046219 A KR 1020200046219A KR 20200046219 A KR20200046219 A KR 20200046219A KR 102386635 B1 KR102386635 B1 KR 102386635B1
- Authority
- KR
- South Korea
- Prior art keywords
- speech synthesis
- data
- analysis unit
- error
- synthesis data
- Prior art date
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 170
- 238000003786 synthesis reaction Methods 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007619 statistical method Methods 0.000 title abstract description 3
- 238000004458 analytical method Methods 0.000 claims abstract description 139
- 238000012360 testing method Methods 0.000 claims abstract description 48
- 230000004044 response Effects 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 51
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/69—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for evaluating synthetic or decoded voice signals
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Probability & Statistics with Applications (AREA)
- Machine Translation (AREA)
Abstract
음소의 특성에 관한 통계적 분석에 기초하여 자동적, 객관적으로 음성 합성 데이터를 평가하는 방법 및 장치에 관한 것이다. 일실시예는 적어도 하나의 문장을 포함하는 텍스트 데이터 및 해당 문장의 음성 합성 데이터를 포함하는 테스트 세트에 강제 음성 정렬을 적용하여, 테스트 세트에 포함된 분석 단위 별 특성을 획득하는 단계; 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터에 기초하여, 분석 단위 별 특성의 표준 점수를 계산하는 단계; 및 분석 단위 별 특성의 표준 점수에 기초하여, 음성 합성 데이터를 평가하는 단계를 포함한다.
Description
음소의 특성에 관한 통계적 분석에 기초하여 자동적으로 음성 합성 데이터를 평가하는 방법 및 장치에 관한 것이다.
음성 합성 기술은 텍스트 입력에 대응하는 말 소리의 음파를 기계가 자동으로 만들어 내는 기술로, 텍스트 음성 변환 기술(text-to-speech; TTS)이라고도 한다. 음성 합성 기술은 인공지능 비서, 챗봇, 대중교통 안내 음성, 문자를 읽기 어려운 사람을 위한 텍스트를 읽어주는 소프트웨어(스크린 리더), 어학용 등 다양한 분야에 활용될 수 있다. 다양한 활용 목적에 따른 음성 합성 기술의 실서비스화에 대한 수요가 나날이 증대하고 있으며, 더 좋은 음질을 얻기 위한 음성 합성 기술의 연구가 업계 전반에서 경쟁적으로 진행되고 있다.
수많은 음성 합성 기술이 개발됨에 따라, 음성 합성 기술에 대한 평가 시스템이 요구된다. 예를 들어, 개발자의 경우 새로운 음성 합성 모델을 개발했을 때, 모델에 따라 합성된 음성이 특정 위치나 특정 구간에서 의도와 다르게 합성되거나 제대로 합성되지 않는 문제점 등이 발생할 수 있기 때문에 개발 과정에서 모델의 정확성 등을 확인할 필요가 있으며, 기존 모델보다 개선되었는지 여부 및 얼마나 개선되었는지 등을 확인할 필요가 있다. 또한, 사용자의 경우 수많은 음성 합성 모델들을 비교하여 사용 목적 등에 가장 적합한 음성 합성 모델을 평가할 필요성도 존재한다.
음성 합성 모델을 인위적인 판단에 의존하여 평가할 경우, 객관성, 신속성, 편의성 측면에서 불리함이 있을 수 밖에 없으므로, 음성 합성 모델을 객관적으로 평가하는 자동화된 평가 시스템의 개발이 요구되고 있다.
실시예는 음성 합성 모델에 따른 음성 합성 데이터의 합성 오류를 자동으로 검출하고, 합성 오류를 객관적으로 평가하는 기술을 제공할 수 있다.
실시예는 통계적 데이터에 기반한 객관적인 지표를 통해 평가된 분석 단위 오류의 세부 내용을 사용자에게 제공할 수 있다.
일 측에 따른 음성 합성 데이터의 평가 방법은 적어도 하나의 문장을 포함하는 텍스트 데이터 및 상기 문장의 음성 합성 데이터를 포함하는 테스트 세트를 획득하는 단계; 상기 테스트 세트의 강제 음성 정렬에 기초하여, 상기 테스트 세트에 포함된 분석 단위 별 특성을 획득하는 단계; 상기 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터에 기초하여, 상기 분석 단위 별 특성의 표준 점수를 계산하는 단계; 및 상기 분석 단위 별 특성의 표준 점수에 기초하여, 상기 음성 합성 데이터를 평가하는 단계를 포함한다.
상기 미리 구축된 통계적 데이터는 복수의 음소에 대응하는 음성 데이터의 강제 음성 정렬에 기초하여 획득한 분석 단위 별 특성의 평균 및 표준 편차를 포함할 수 있다.
상기 음성 합성 데이터를 평가하는 단계는 상기 표준 점수를 미리 정해진 임계치와 비교하여 상기 분석 단위 별 음성 합성의 오류 여부를 결정하는 단계를 포함할 수 있다.
상기 음성 합성 데이터를 평가하는 단계는 상기 표준 점수가 미리 정해진 임계치에서 벗어난 정도에 기초하여 상기분석 단위 별 음성 합성의 오류 정도를 결정하는 단계를 포함할 수 있다.
상기 음소는 묵음을 포함할 수 있다.
상기 특성은 우도(likelihood), 길이(duration) 및 피치(pitch) 중 적어도 하나를 포함할 수 있다.
상기 테스트 세트를 획득하는 단계는 음성 합성 모델을 이용하는 서비스에 기초하여, 상기 테스트 세트에 포함될 상기 텍스트 데이터 및 상기 음성 합성 데이터를 결정하는 단계를 포함할 수 있다.
상기 음성 합성 모델은 상기 텍스트 데이터를 입력으로 받아 소리로 변환한 상기 음성 합성 데이터를 출력할 수 있다.
상기 테스트 세트에 포함된 상기 텍스트 데이터는 상기 음성 합성 데이터를 출력하기 위한 음성 합성 모델에 입력되는 문장을 적어도 하나 포함할 수 있다.
상기 테스트 세트에 포함된 상기 음성 합성 데이터는 음성 합성 모델에 상기 테스트 세트에 포함된 상기 적어도 하나의 문장이 입력되어 출력된 데이터 및 상기 음성 합성 모델의 출력 데이터를 저장하는 캐시 메모리에 포함된 데이터 중 적어도 하나를 포함할 수 있다.
상기 테스트 세트를 획득하는 단계는 미리 정해진 기준에 따라 음성 합성 모델에 입력되는 문장 중 일부를 선택하는 단계를 포함할 수 있다.
상기 음성 합성 데이터를 평가하는 단계는 묵음이 포함된 상기 분석 단위의 제1 특성의 표준 점수에 기초하여, 제1 오류 유형을 판단하는 단계; 묵음이 포함된 상기 분석 단위의 제2 특성의 표준 점수에 기초하여, 제2 오류 유형을 판단하는 단계; 묵음이 포함되지 않은 상기 분석 단위의 상기 제1 특성의 표준 점수에 기초하여, 제3 오류 유형을 판단하는 단계; 및 묵음이 포함되지 않은 상기 분석 단위의 상기 제2 특성의 표준 점수에 기초하여, 제4 오류 유형을 판단하는 단계 중 적어도 하나를 포함할 수 있다.
상기 분석 단위는 하나의 음소, 트라이폰(triphone) 및 복수의 음소들을 포함하는 음소 시퀀스 중 어느 하나일 수 있다.
일 측에 따른 음성 합성 데이터의 평가 방법은 상기 음성 합성 데이터의 평가 결과를 인터페이스에 표시하는 단계를 더 포함할 수 있다.
일 측에 따른 음성 합성 데이터의 평가 장치는 적어도 하나의 문장을 포함하는 텍스트 데이터 및 상기 문장의 음성 합성 데이터를 포함하는 테스트 세트를 획득하고, 상기 테스트 세트의 강제 음성 정렬에 기초하여, 상기 테스트 세트에 포함된 분석 단위 별 특성을 획득하고, 상기 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터에 기초하여, 상기 분석 단위 별 특성의 표준 점수를 계산하며, 상기 분석 단위 별 특성의 표준 점수에 기초하여, 상기 음성 합성 데이터를 평가하는 적어도 하나의 프로세서; 및 상기 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터 및 상기 음성 합성 데이터 평가를 저장하는 메모리를 포함한다.
상기 미리 구축된 통계적 데이터는 복수의 음소에 대응하는 음성 데이터의 강제 음성 정렬에 기초하여 획득한 분석 단위 별 특성의 평균 및 표준 편차를 포함할 수 있다.
상기 프로세서는 상기 음성 합성 데이터를 평가함에 있어서, 상기 표준 점수를 미리 정해진 임계치와 비교하여 상기 분석 단위 별 음성 합성의 오류 여부 및 오류 정도 중 적어도 하나를 결정할 수 있다.
상기 프로세서는 상기 테스트 세트를 획득함에 있어서, 음성 합성 모델을 이용하는 서비스에 기초하여, 상기 테스트 세트에 포함될 상기 텍스트 데이터 및 상기 음성 합성 데이터를 결정하고, 상기 음성 합성 모델은 상기 텍스트 데이터를 입력으로 받아 소리로 변환한 상기 음성 합성 데이터를 출력할 수 있다.
상기 프로세서는 상기 음성 합성 데이터를 평가함에 있어서, 상기 분석 단위에 묵음 포함 여부 및 상기 분석 단위 별 특성의 표준 점수에 기초하여, 오류 유형을 판단할 수 있다.
상기 프로세서는 상기 음성 합성 데이터의 평가 결과를 인터페이스에 표시할 수 있다.
음성 합성 데이터의 평가 세부 내용을 통해, 음성 합성 데이터를 출력한 음성 합성 모델을 자동으로 평가할 수 있고, 새롭게 개발한 음성 합성 모델의 성능을 기존 모델들의 성능과 효율적으로 비교할 수 있으며, 사람의 주관의 개입없이 객관적으로 음성 합성 데이터의 오류 여부 및 오류 정도를 판단할 수 있다.
도 1은 일실시예에 따른 음성 합성 데이터의 평가 시스템을 도시한 도면.
도 2는 음소의 의미를 설명하기 위한 도면.
도 3은 강제 음성 정렬 작업을 설명하기 위한 도면.
도 4는 일실시예에 따른 분석 단위의 제1 특성이 우도, 제2 특성이 길이인 경우 오류의 유형에 따른 오류의 예시를 설명하기 위한 도면
도 5a 내지 도 5d는 일실시예에 따른 테스트 세트를 획득하는 시나리오를 도시한 도면들.
도 6은 일실시예에 따른 음성 합성 데이터의 평가 결과가 제공되는 인터페이스 화면을 도시한 도면.
도 2는 음소의 의미를 설명하기 위한 도면.
도 3은 강제 음성 정렬 작업을 설명하기 위한 도면.
도 4는 일실시예에 따른 분석 단위의 제1 특성이 우도, 제2 특성이 길이인 경우 오류의 유형에 따른 오류의 예시를 설명하기 위한 도면
도 5a 내지 도 5d는 일실시예에 따른 테스트 세트를 획득하는 시나리오를 도시한 도면들.
도 6은 일실시예에 따른 음성 합성 데이터의 평가 결과가 제공되는 인터페이스 화면을 도시한 도면.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
또한, 실시 예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
어느 하나의 실시 예에 포함된 구성요소와, 공통적인 기능을 포함하는 구성요소는, 다른 실시 예에서 동일한 명칭을 사용하여 설명하기로 한다. 반대되는 기재가 없는 이상, 어느 하나의 실시 예에 기재한 설명은 다른 실시 예에도 적용될 수 있으며, 중복되는 범위에서 구체적인 설명은 생략하기로 한다.
도 1은 일실시예에 따른 음성 합성 데이터의 평가 시스템을 도시한 도면이다.
도 1을 참조할 때, 일실시예에 따른 음성 합성 데이터의 평가 방법은 텍스트 데이터와 음성 합성 데이터를 포함하는 테스트 세트를 획득하는 단계(110), 테스트 세트의 강제 음성 정렬에 기초하여, 테스트 세트의 분석 단위 별 특성을 획득하는 단계(120), 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터에 기초하여, 분석 단위 별 특성의 표준 점수를 계산하는 단계(130), 및 분석 단위 별 특성의 표준 점수에 기초하여, 음성 합성 데이터를 평가하는 단계(140)를 포함한다.
일실시예에 따른 단계(110)에서 테스트 세트는 텍스트 데이터 및 음성 합성 데이터를 포함하는 것으로, 일실시예에 따른 평가 대상이 되는 데이터에 해당할 수 있다. 여기서, 텍스트 데이터는 적어도 하나의 문장을 포함하며, 음성 합성 데이터는 텍스트 데이터를 음성으로 변환한 데이터에 해당할 수 있다. 일실시예에 따를 때, 음성 합성 데이터는 텍스트 데이터를 음성 합성 모델에 입력하여 출력된 데이터를 포함할 수 있다. 즉, 음성 합성 데이터는 텍스트 데이터가 음성 합성 모델에 의해 소리 형태로 변환된 데이터를 포함할 수 있다. 일실시예에 따른 테스트 데이터를 획득하는 구체적인 과정은 이하의 도 5a 내지 도 5d에서 상술한다.
일실시예에 따른 단계(120)는 단계(110)에서 획득된 테스트 세트를 강제 음성 정렬(forced alignment)하여, 테스트 세트에 포함된 분석 단위 별로 적어도 하나의 특성을 획득하는 단계에 해당할 수 있다.
음소(phoneme)는 언어의 소리 체계를 연구하는 음운론에 따른 변별적인 소리 단위로, 다시 말해 의미를 구별하는 소리의 최소 단위이다. 한국어의 음소는 /ㅏ/, /ㅓ/ 등으로 표시되는 모음 음소, /ㄱ/, /ㄴ/ 등으로 표시되는 자음 음소를 포함한다. 예를 들어, 도 2를 참조할 때, '아', '침', '밥' 등은 음절에 해당하고, 음절 '침'을 구성하는 소리의 단위 /ㅊ/, /ㅣ/, /ㅁ/ 이 음소에 해당한다.
일실시예에 따를 때, 분석 단위는 하나의 음소 또는 복수의 연속한 음소들을 포함하는 음소 시퀀스(sequence)를 의미할 수 있다. 일실시예에 따른 음소 시퀀스는 연속한 음소 3개를 포함하는 트라이폰(triphone)을 포함할 수 있다. 또는, 음소 시퀀스는 복수의 음소들로 구성된 음절 또는 어절을 포함할 수 있다. 즉, 일실시예에 따른 분석 단위 별 특성은 하나의 음소 혹은 개별 음소에 대하여 획득한 특성에 해당할 수도 있고, 음소 시퀀스(예를 들어, 연속한 음소 3개를 포함하는 트라이폰)에 대하여 획득한 특성에 해당할 수도 있다. 이하에서 분석 단위가 하나의 음소인 경우를 설명하나, 실시예들은 분석 단위가 음소 시퀀스인 경우에도 실질적으로 동일하게 적용될 수 있다.
강제 음성 정렬은 소리 형태의 음성 데이터를 분석하여, 음성 데이터에 대응되는 음소들의 특성을 추출하는 작업에 해당할 수 있다. 강제 음성 정렬에 입력되는 음성 데이터는 음성 합성 데이터를 포함할 수 있다. 예를 들어, 음성 데이터에서 분석 단위인 음소에 대응하는 음성을 인식하여, 해당 음소에 대응되는 부호, 해당 음소에 대응되는 음성 데이터의 길이(duration), 해당 음소의 우도(likelihood), 해당 음소에 대응되는 음성 데이터의 주파수의 특징(예를 들면, 피치(pitch)) 등 음소의 특성을 적어도 하나 추출하는 작업에 해당할 수 있다. 여기서, 우도는 음성 데이터로부터 인식된 분석 단위의 음성이 텍스트 데이터의 분석 단위에 얼마나 잘 대응되는지를 나타내는 정도 또는 가능성을 의미할 수 있다. 일실시예에 따를 때, 분석 단위의 특성은 수치로 나타낼 수 있다. 예를 들어, 제1 음소의 우도는 0.5, 길이는 2, 제2 음소의 우도는 0.7, 제2 음소의 길이는 1로 나타낼 수 있다.
일실시예에 따른 강제 음성 정렬은 강제 음성 정렬 모델(예를 들어, Montreal Forced Aligner)을 이용할 수 있다. 즉, 음성 정렬 모델에 텍스트 데이터 및 이에 대응되는 음성 데이터를 입력하여, 그 출력 데이터로 강제 음성 정렬에 기초한 음소 별 특성(들)을 획득할 수 있다.
도 3을 참조할 때, "달러에 대한 셰켈화 가치는"의 문장을 발화한 것을 녹음한 음성 데이터를 강제 음성 정렬 모델에 입력한 경우를 가정한다. 강제 음성 정렬 모델은 음성 데이터 정보(310)에 기초하여, 음성 데이터를 분석 단위로 분할하여 인식하고, 분석 단위 별 우도 및 길이의 데이터(320)를 출력할 수 있다. 예를 들어, "달" 음절에 대응하는 음성 데이터를 '/ㄷ/', '/ㅏ/', '/ㄹ/'의 음소 하나에 해당하는 분석 단위로 분할하여 인식하고, 각 분석 단위 별 우도 및 길이의 데이터를 출력할 수 있다. 도 3에서는 음소의 특성으로 우도 및 길이를 도시하여 설명하였으나, 강제 음성 정렬에 기초하여 획득하는 음소의 특성은 이에 한정되는 것은 아니며, 우도, 길이, 피치 등 다양한 음소의 특성을 포함할 수 있다.
일실시예에 따른 분석 단위는 묵음을 포함할 수 있다. 예를 들어, 묵음은 단어와 단어가 끝기는 침묵 구간 또는 어절과 어절 사이의 침묵 구간을 의미할 수 있다. 여기서, 침묵 구간은 짧은 휴지(short pause)라고 이해될 수 있다. 일실시예에 따른 테스트 세트의 강제 음성 정렬 결과 소리가 없는 구간은 묵음으로 인식될 수 있으며, 다른 음소와 마찬가지로 묵음으로 인식된 분석 단위에 대하여 길이, 우도 등의 특성이 획득될 수 있다.
일실시예에 따른 단계(130)는 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터의 평균, 표준편차에 기초하여, 단계(120)에서 획득한 분석 단위 별 특성의 수치에 대한 표준 점수를 계산하는 단계에 해당할 수 있다. 표준 점수는 [(수치-평균)/표준편차]로 계산될 수 있다.
일실시예에 따른 미리 구축된 통계적 데이터는 미리 구축된 음성 데이터베이스에 강제 음성 정렬을 적용하여 획득한 하나의 음소 또는 음소 시퀀스 별 특성의 통계적 데이터에 해당할 수 있다. 즉, 일실시예에 따른 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터는 하나의 음소 또는 음소 시퀀스를 저장 단위로 하여, 저장 단위 별 특성의 통계적 데이터를 포함할 수 있다. 예를 들어, 도 1의 220에 도시된 통계적 데이터의 하나의 음소를 저장 단위로 하는 음소 별 특성1 및 특성2의 통계적 데이터에 해당한다.
실시예에 따라, 저장 단위와 분석 단위는 동일할 수 있다. 예를 들어, 저장 단위와 분석 단위는 모두 하나의 음소로 설정되거나, 혹은 모두 트라이폰 등의 음소 시퀀스로 설정될 수 있다. 실시예에 따라, 저장 단위와 분석 단위는 상이할 수도 있다. 예를 들어, 분석 단위는 트라이폰 등의 음소 시퀀스로 설정되고, 저장 단위는 하나의 음소로 설정될 수 있다. 분석 단위를 개별 음소 대신 음소 시퀀스로 설정하는 경우 자동 검수 기능의 정확도가 향상될 수 있다. 하지만, 저장 단위를 음소 시퀀스로 설정하는 경우, 저장 단위를 개별 음소로 설정하는 경우에 비하여 사전 구축해야 하는 데이터의 크기가 커질 수 있다. 따라서, 분석 단위를 음소 시퀀스로 설정하여 정확도를 향상시키고, 저장 단위를 개별 음소로 설정하여 사전 구축해야 하는 데이터의 크기를 줄일 수 있다. 물론 분석 단위와 저장 단위가 상이한 경우 자동 검수를 위하여 단위를 맞추는 동작이 추가로 수행될 수 있다. 예를 들어, 분석 단위가 트라이폰이고 저장 단위가 개별 음소이면, 트라이폰에 포함된 음소들의 특성들이 함께 고려되어 자동 검수가 수행될 수 있다. 단위를 맞추는 추가 동작에 관한 보다 자세한 내용은 후술한다.
보다 구체적으로, 일실시예에 따르면, 하나의 분석 단위에 포함된 음소의 개수에 따라 특정 언어에 존재하는 분석 단위의 총 개수는 달라질 수 있다. 예를 들어, 음소의 개수가 N개인 특정 언어에서 일실시예에 따른 분석 단위가 음소 하나를 의미하는 경우, 특정 언어에 포함된 분석 단위의 개수는 음소의 개수인 N개인 반면, 일실시예에 따른 분석 단위가 트라이폰을 의미하는 경우, 특정 언어에 포함된 분석 단위의 개수는 음소의 개수의 세제곱인 N3개가 된다. 즉, 분석 단위에 포함된 음소의 개수에 따라 특정 언어에 포함된 분석 단위의 총 경우의 수가 달라지고, 일실시예에 따른 음성 합성 데이터는 분석 단위 별 특성에 대응하는 통계적 데이터에 따라 계산된 분석 단위 별 특성의 표준 점수에 기초하여 평가되므로, 분석 단위의 의미에 따라 일실시예에 따른 평가의 정확도 및 복잡도 등이 달라질 수 있다.
이에, 일실시예에 따른 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터는 특정 언어에 포함된 분석 단위의 총 경우의 수, 음성 데이터베이스의 용량, 통계적 데이터가 저장되는 메모리의 용량, 통계적 데이터 구축을 위한 연산의 복잡도 등을 고려하여 저장 단위가 결정될 수 있다. 즉, 일실시예에 통계적 데이터의 저장 단위는 분석 단위와 일치할 수도 있고, 일치하지 않을 수도 있다. 예를 들어, 도 1의 120 및 220에 도시된 것과 같이 분석 단위와 저장 단위는 모두 하나의 음소에 해당할 수도 있고, 분석 단위는 트라이폰, 저장 단위는 하나의 음소에 해당할 수도 있다.
분석 단위와 저장 단위가 일치하지 않는 경우, 분석 단위 별 특성의 표준 점수를 계산하기 위해 추가적인 연산이 필요할 수 있다. 예를 들어, 분석 단위는 트라이폰, 저장 단위는 하나의 음소인 경우, 분석 단위의 특성 중 우도의 표준 점수는 트라이폰에 포함된 각 음소의 통계적 데이터에 따른 표준 점수들의 평균으로 계산할 수 있고, 분석 단위의 특성 중 길이의 표준 점수는 트라이폰에 포함된 각 음소의 통계적 데이터들의 합에 따른 표준 점수로 계산될 수 있다. 이하에서 통계적 데이터의 저장 단위가 하나의 음소인 경우를 설명하나, 실시예들은 저장 단위가 음소 시퀀스인 경우에도 실질적으로 동일하게 적용될 수 있다.
도 1을 참조할 때, 음성 데이터베이스(201)의 강제 음성 정렬에 기초하여, 저장 단위 별 특성을 획득(210)하고, 이에 기초하여 저장 단위 별 특성의 통계적 데이터를 획득(220)할 수 있다. 상술한 바와 같이, 저장 단위는 분석 단위에 대응하는 통계적 데이터를 획득하기 위한 작업의 시간 복잡도 및 소요되는 컴퓨팅 자원 등을 고려하여, 음소 하나 또는 복수의 음소를 포함하는 음소 시퀀스(예를 들어, 3개의 음소를 포함하는 트라이폰)로 결정될 수 있으며, 일실시예에 따른 분석 단위 및 저장 단위에 따라 통계적 데이터에 기초한 평가의 정확도 역시 달라질 수 있다.
음성 데이터베이스(201)는 복수의 음성 데이터 및 복수의 음성 데이터에 대응하는 텍스트 데이터를 포함할 수 있다. 다시 말해, 음성 데이터베이스를 강제 음성 정렬하여 음소 별 특성을 획득한 결과 각 음소의 특정 특성에 대한 복수의 수치들이 획득될 수 있다. 음성 데이터베이스의 음성 데이터는 음성 합성 데이터를 포함할 수 있다. 각 음소의 각 특성에 대한 복수의 수치들을 통계적으로 분석하여 음소 별 특성의 통계적 데이터를 획득할 수 있고, 통계적 데이터에는 각 음소의 특성에 대한 평균 및 표준 편차가 포함될 수 있다. 예를 들어, 특성 1은 우도이고, 특성 2는 길이일 수 있다. 이 경우, 강제 음성 정렬에 기초하여 음소 별 우도 및 길이를 획득할 수 있고, 음소 별 특성에 대응하여 미리 구축된 통계적 데이터는 각 음소의 우도에 대한 평균 및 표준 편차와 길이에 대한 평균 및 표준 편차를 포함할 수 있다.
일실시예에 따를 때, 음성 데이터베이스의 강제 음성 정렬에 기초하여 획득한 음소 별 특성의 통계적 데이터는 특정 언어의 모든 음소에 대한 통계적 데이터를 포함할 수 있다. 예를 들어, 한국어에 존재하는 모든 음소에 대하여, 음소 별 및 특성 별 평균 및 표준 편차를 포함한 통계적 데이터를 획득할 수 있다.
일실시예에 따를 때, 각 음소 별 특성에 대응하는 통계적 데이터에 기초하여 각 특성의 임계치가 설정(230)될 수 있다. 일실시예에 따른 임계치는 각 특성의 수치에 대한 하한 및 상한 중 적어도 하나를 포함할 수 있으며, 통계적 데이터에 기초하여 임의의 기준에 따라 설정될 수 있다. 이하에서 상술하겠으나, 설정된 임계치에 기초하여 일실시예에 따른 음성 합성 데이터의 평가에 이용될 수 있다.
일실시예에 따른 단계(140)는 단계(130)에서 계산된 분석 단위 별 표준 점수에 기초하여, 음성 합성 데이터를 평가하는 단계에 해당할 수 있다. 일실시예에 따른 음성 합성 데이터의 평가의 항목은 분석 단위 별 특성의 종류 및 특성의 표준 점수에 기초하여 다양하게 결정될 수 있다. 예를 들어, 음성 합성 데이터의 평가 항목은 음성 합성 데이터에 포함된 분석 단위 별 오류 여부, 오류 유형, 오류 정도, 음성 합성 데이터에 대응되는 문장 내에서 오류로 판별된 분석 단위의 위치 등을 포함할 수 있으며, 전체 음성 데이터의 오류 여부, 오류 유형, 오류 정도 등을 포함할 수 있다. 일실시예에 따를 때, 전체 음성 데이터에 대한 평가는 분석 단위 별 평가에 기초한 것으로, 분석 단위 별 오류에 관한 수치들을 통계적으로 분석하는 등 다양한 방법에 따라 분석 단위 별 평가에 기초하여 전체 음성 데이터에 대한 평가가 결정될 수 있다.
일실시예에 따른 단계(140)는 분석 단위 별 특성의 표준 점수를 미리 정해진 임계치와 비교하여 분석 단위 별 음성 합성의 오류 여부를 결정하는 단계를 포함할 수 있다. 예를 들어, 제1 분석 단위의 제1 특성의 표준 점수가 제1 특성에 대하여 설정된 상한의 임계치보다 큰 경우 또는 하한의 임계치보다 작은 경우 오류로 결정될 수 있다.
일실시예에 따른 단계(140)는 분석 단위 별 특성의 표준 점수가 미리 정해진 임계치에서 벗어난 정도에 기초하여 분석 단위 별 음성 합성의 오류 정도를 결정하는 단계를 포함할 수 있다. 예를 들어, 제1 분석 단위의 제1 특성의 표준 점수가 제1 특성에 대하여 설정된 상한의 임계치보다 큰 경우, 표준 점수와 상한의 임계치의 차이에 따라 오류 정도를 척도로 나타낼 수 있으며, 오류 수치를 결정할 수 있다.
일실시예에 따른 단계(140)는 오류로 결정된 분석 단위가 묵음에 해당하는지 여부에 기초하여 오류 유형을 판단할 수 있고, 분석 단위의 특성의 종류에 기초하여 오류 유형을 판단할 수 있다. 분석 단위의 오류 유형을 판단한다는 것은 해당 분석 단위가 해당 오류 유형에 해당하는지 여부를 판단하는 것을 의미할 수 있다. 보다 구체적으로, 묵음에 해당하는 분석 단위의 제1 특성의 표준 점수에 기초하여, 제1 오류 유형을 판단할 수 있고, 묵음에 해당하는 분석 단위의 제2 특성의 표준 점수에 기초하여, 제2 오류 유형을 판단할 수 있고, 묵음에 해당하지 않는 분석 단위의 제1 특성의 표준 점수에 기초하여, 제3 오류 유형을 판단할 수 있으며, 묵음에 해당하지 않는 분석 단위의 제2 특성의 표준 점수에 기초하여, 제4 오류 유형을 판단할 수 있다. 일실시예에 따른 오류 유형은 이하의 도 4에서 보다 상세하게 설명한다.
일실시예에 따른 단계(140)의 평가 결과는 데이터베이스에 저장될 수 있다. 다시 말해, 일실시예에 따른 단계(140)에서 판단된 음성 합성 데이터의 오류 여부, 오류 정도, 오류 유형 등의 평가 결과는 데이터베이스에 저장될 수 있다.
도 4는 분석 단위의 제1 특성이 우도, 제2 특성이 길이인 경우 오류의 유형에 따른 오류의 예시를 설명하기 위한 도면이다. 일실시예에 따르면, 분석 단위에 대응하는 표준 점수를 평가하기 위하여, 시스템에서 기 설정된 하나 또는 그 이상의 임계치를 이용할 수 있다. 이하에서, 특정 특성의 표준 점수가 낮다는 것은 표준 점수가 해당 특성에 대하여 미리 정해진 임계치(예를 들어, 하한 임계치)보다 작다는 것을 의미하고, 특정 특성의 표준 점수가 높다는 것은 표준 점수가 해당 특성에 대하여 미리 정해진 임계치(예를 들어, 상한 임계치)보다 크다는 것을 의미한다.
도 4를 참조할 때, 분석 단위가 묵음인 경우와 음소인 경우에 오류 유형이 달라질 수 있다. 예를 들어, 묵음의 우도의 표준 점수가 낮은 경우, 묵음이 생략되었거나 잡음이 포함된 오류에 해당하는 제1 오류 유형으로 판단될 수 있다. 묵음의 길이의 표준 점수가 높은 경우, 쉼이 너무 길거나 짧은 등 쉼 길이에 이상이 있는 오류에 해당하는 제2 오류 유형으로 판단될 수 있다. 음소의 우도의 표준 점수가 낮은 경우, 발음 이상, 음질 저하의 오류에 해당하는 제3 오류 유형으로 판단될 수 있다. 음소의 길이의 표준 점수가 높은 경우, 발음이 반복되거나 발음이 생략된 오류에 해당하는 제4 오류 유형으로 판단될 수 있다.
도 4에 따른 제1 오류 유형 내지 제4 오류 유형은 일실시예에 따른 오류 유형을 예시한 것으로, 일실시예에 따른 오류의 유형 및 종류는 이에 한정되는 것은 아니다. 일실시예에 따른 오류 유형은 분석 단위 별 특성 등에 기초하여 다양하게 결정될 수 있다.
도 5a 내지 도 5d는 일실시예에 따른 테스트 세트를 획득하는 시나리오를 도시한 도면들이다.
일실시예에 따른 테스트 세트를 획득하는 단계(110)는 텍스트 데이터 또는 문장을 입력으로 받아 음성 합성 데이터 또는 합성음을 출력하는 음성 합성 모델을 이용하는 서비스에 기초하여, 테스트 세트에 포함될 텍스트 데이터 및 음성 합성 데이터를 결정하는 단계를 포함할 수 있다. 즉, 일실시예에 따른 테스트 세트에 포함되는 텍스트 데이터 및 음성 합성 데이터는 음성 합성 모델을 이용하는 서비스 별로 다르게 결정될 수 있다. 예를 들어, 뉴스를 읽어주는 서비스의 경우, 동일한 문장 입력이 빈번한 특성에 기초하여, 이미 음성 합성 모델에 입력되었던 텍스트 데이터와 해당 입력에 따른 출력 결과가 저장된 메모리에서 음성 합성 데이터를 획득하여, 테스트 세트를 획득하는 방법을 선택할 수 있다.
도 5a를 참조할 때, 일실시예에 따른 텍스트 데이터는 서비스에서 이용하는 음성 합성 모델에 입력되는 문장 등의 로그를 포함할 수 있고, 일실시예에 다른 음성 합성 데이터는 음성 합성 모델에 문장을 입력하여 출력된 데이터인 합성음을 포함할 수 있다. 즉, 일실시예에 따른 테스트 세트는 서비스에서 이용되는 음성 합성 모델에 입력되는 문장과, 음성 합성 모델에 의해 출력된 합성음을 포함할 수 있다.
도 5b를 참조할 때, 일실시예에 텍스트 데이터는 음성 합성 모델에 입력되는 문장의 로그가 저장된 스토리지에서 읽음으로써 획득될 수 있다. 이 때, 미리 정해진 기준에 따라 스토리지에 저장된 문장의 로그 중 일부를 선택할 수 있다. 예를 들어, 스토리지에 저장된 모든 데이터를 이용할 수도 있고, 샘플러에 의해 스토리지에 저장된 데이터 중 일부를 무작위 또는 미리 정해진 기준에 따라 추출할 수도 있다. 일실시예에 따른 샘플러는 문장의 길이 등 임의의 우선순위에 따라 일부를 추출할 수도 있다. 일실시예에 따른 음성 합성 데이터는 스토리지에서 획득한 문장의 로그를 다시 음성 합성 모델에 입력함으로써 획득될 수 있다.
도 5c를 참조할 때, 일실시예에 텍스트 데이터는 음성 합성 모델에 입력되는 문장의 로그가 저장된 스토리지에서 읽음으로써 획득될 수 있다. 도 5b와 마찬가지로, 미리 정해진 기준에 따라 스토리지에 저장된 문장의 로그 중 일부를 선택할 수 있다. 일실시예에 따른 음성 합성 데이터는 음성 합성 모델의 출력 결과가 저장된 캐시 메모리에서 읽음으로써 획득될 수 있다. 즉, 텍스트 데이터를 음성 합성 모델에 다시 입력하여 출력된 결과를 이용하지 않고, 이미 음성 합성 모델에 의해 출력되어 캐시 메모리에 저장된 음성 합성 데이터를 이용함으로써, 테스트 세트에 포함되는 음성 합성 데이터를 신속하게 획득할 수 있다.
도 5d를 참조할 때, 일실시예에 따라 임의로 생성된 적어도 하나의 문장을 포함하는 텍스트 데이터 및 생성된 텍스트 데이터를 음성 합성 모델에 입력하여 획득한 출력 데이터인 음성 합성 데이터를 이용하여 테스트 세트를 획득할 수 있다.
도 6은 일실시예에 따른 음성 합성 데이터의 평가 결과가 제공되는 인터페이스 화면을 도시한 도면이다. 일실시예에 따른 음성 합성 데이터의 평가 방법은 음성 합성 데이터의 평가 결과를 인터페이스에 표시하는 단계를 더 포함할 수 있다.
도 6을 참조할 때, 도시된 테이블의 각 행(610, 620, 630)은 음성 합성 모델에 입력된 각 테스트 세트에 대한 음성 합성 데이터의 평가 결과를 나타낸다. 일실시예에 따른 평가 결과는 음성 합성 데이터에 대응되는 문장 내에서 오류로 판별된 분석 단위의 위치(601), 문장 내에서 오류로 판별된 분석 단위의 개수(602), 문장 내에서 오류로 판별된 분석 단위의 오류 수치의 총합(603)을 포함할 수 있다.
일실시예에 따를 때, 음성 합성 데이터의 평가 결과를 표시하는 인터페이스는 체크란(604)을 포함하여, 오류로 판별된 부분이 실제 오류가 맞는지 여부를 사용자가 체크할 수 있다.
일실시예에 따른 음성 합성 데이터의 평가는 궁극적으로 음성 합성 데이터를 출력한 음성 합성 모델에 대한 평가에 해당할 수 있다. 다시 말해, 각 음성 합성 데이터의 종합적인 평가 결과를 비교함으로써, 각 음성 합성 데이터를 도출한 각 음성 합성 모델의 상대적 평가 결과를 제공할 수 있다.
도 6에 도시된 인터페이스 및 도6의 인터페이스에 포함된 평가 항목은 일실시예에 따른 평가 결과가 표시되는 인터페이스를 예시한 것으로, 일실시예에 따른 평가 항목 및 인터페이스의 구성을 한정하는 것은 아니다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (20)
- 적어도 하나의 문장을 포함하는 텍스트 데이터 및 상기 문장의 음성 합성 데이터를 포함하는 테스트 세트를 획득하는 단계;
상기 테스트 세트의 강제 음성 정렬에 기초하여, 상기 테스트 세트에 포함된 상기 음성 합성 데이터의 음소에 관한 분석 단위 별 특성- 상기 분석 단위 별 특성은 분석 단위 별 우도(likelihood) 및 길이(duration)를 포함함 -을 획득하는 단계;
상기 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터에 기초하여, 상기 분석 단위 별 특성의 표준 점수를 계산하는 단계; 및
상기 분석 단위 별 특성의 표준 점수에 기초하여, 상기 음성 합성 데이터의 음성 합성에 관한 오류를 평가함으로써, 상기 음성 합성 데이터의 평가 항목- 상기 평가 항목은 상기 음성 합성 데이터에 포함된 분석 단위 별 오류 여부, 오류 유형, 오류 정도 및 상기 문장 내에서 오류로 판별된 분석 단위의 위치 중 적어도 하나를 포함함 -별 평가 결과를 생성하는 단계
를 포함하는,
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 미리 구축된 통계적 데이터는
복수의 음소에 대응하는 음성 데이터의 강제 음성 정렬에 기초하여 획득한 저장 단위 별 특성의 평균 및 표준 편차를 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 음성 합성 데이터의 평가 항목 별 평가 결과를 생성하는 단계는
상기 표준 점수를 미리 정해진 임계치와 비교하여 상기 분석 단위 별 음성 합성의 오류 여부를 결정하는 단계
를 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 음성 합성 데이터의 평가 항목 별 평가 결과를 생성하는 단계는
상기 표준 점수가 미리 정해진 임계치에서 벗어난 정도에 기초하여 상기 분석 단위 별 음성 합성의 오류 정도를 결정하는 단계
를 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 분석 단위는 묵음을 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 분석 단위 별 특성은
분석 단위 별 피치(pitch)를 더 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 테스트 세트를 획득하는 단계는
음성 합성 모델을 이용하는 서비스에 기초하여, 상기 테스트 세트에 포함될 상기 텍스트 데이터 및 상기 음성 합성 데이터를 결정하는 단계
를 포함하고,
상기 음성 합성 모델은 상기 텍스트 데이터를 입력으로 받아 소리로 변환한 상기 음성 합성 데이터를 출력하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 테스트 세트에 포함된 상기 텍스트 데이터는
상기 음성 합성 데이터를 출력하기 위한 음성 합성 모델에 입력되는 문장을 적어도 하나 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 테스트 세트에 포함된 상기 음성 합성 데이터는
음성 합성 모델에 상기 테스트 세트에 포함된 상기 적어도 하나의 문장이 입력되어 출력된 데이터 및 상기 음성 합성 모델의 출력 데이터를 저장하는 캐시 메모리에 포함된 데이터 중 적어도 하나를 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 테스트 세트를 획득하는 단계는
미리 정해진 기준에 따라 음성 합성 모델에 입력되는 문장 중 일부를 선택하는 단계
를 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 음성 합성 데이터의 평가 항목 별 평가 결과를 생성하는 단계는
묵음에 해당하는 상기 분석 단위의 제1 특성의 표준 점수에 기초하여, 제1 오류 유형을 판단하는 단계;
묵음에 해당하는 상기 분석 단위의 제2 특성의 표준 점수에 기초하여, 제2 오류 유형을 판단하는 단계;
묵음에 해당하지 않는 상기 분석 단위의 상기 제1 특성의 표준 점수에 기초하여, 제3 오류 유형을 판단하는 단계; 및
묵음에 해당하지 않는 상기 분석 단위의 상기 제2 특성의 표준 점수에 기초하여, 제4 오류 유형을 판단하는 단계
중 적어도 하나를 포함하는
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 분석 단위는
하나의 음소, 트라이폰(triphone) 및 복수의 음소들을 포함하는 음소 시퀀스 중 어느 하나인
음성 합성 데이터의 평가 방법. - 제1항에 있어서,
상기 음성 합성 데이터의 평가 결과를 인터페이스에 표시하는 단계
를 더 포함하고,
상기 평가 결과는 상기 문장 내에서 오류로 판별된 분석 단위의 위치, 상기 문장 내에서 오류로 판별된 분석 단위의 개수 및 상기 문장 내에서 오류로 판별된 분석 단위의 오류 수치의 총합 중 적어도 하나를 포함하는,
음성 합성 데이터의 평가 방법. - 하드웨어와 결합되어 제1항 내지 제13항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
- 적어도 하나의 문장을 포함하는 텍스트 데이터 및 상기 문장의 음성 합성 데이터를 포함하는 테스트 세트를 획득하고, 상기 테스트 세트의 강제 음성 정렬에 기초하여, 상기 테스트 세트에 포함된 상기 음성 합성 데이터의 음소에 관한 분석 단위 별 특성- 상기 분석 단위 별 특성은 분석 단위 별 우도(likelihood) 및 길이(duration)를 포함함 -을 획득하고, 상기 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터에 기초하여, 상기 분석 단위 별 특성의 표준 점수를 계산하며, 상기 분석 단위 별 특성의 표준 점수에 기초하여, 상기 음성 합성 데이터의 음성 합성에 관한 오류를 평가함으로써, 상기 음성 합성 데이터의 평가 항목- 상기 평가 항목은 상기 음성 합성 데이터에 포함된 분석 단위 별 오류 여부, 오류 유형, 오류 정도 및 상기 문장 내에서 오류로 판별된 분석 단위의 위치 중 적어도 하나를 포함함 -별 평가 결과를 생성하는 적어도 하나의 프로세서; 및
상기 분석 단위 별 특성에 대응하여 미리 구축된 통계적 데이터 및 상기 음성 합성 데이터의 음성 합성에 관한 오류 평가를 저장하는 메모리
를 포함하는,
음성 합성 데이터의 평가 장치. - 제15항에 있어서,
상기 미리 구축된 통계적 데이터는
복수의 음소에 대응하는 음성 데이터의 강제 음성 정렬에 기초하여 획득한 저장 단위 별 특성의 평균 및 표준 편차를 포함하는
음성 합성 데이터의 평가 장치. - 제15항에 있어서,
상기 프로세서는
상기 음성 합성 데이터의 평가 항목 별 평가 결과를 생성함에 있어서,
상기 표준 점수를 미리 정해진 임계치와 비교하여 상기 분석 단위 별 음성 합성의 오류 여부 및 오류 정도 중 적어도 하나를 결정하는,
음성 합성 데이터의 평가 장치. - 제15항에 있어서,
상기 프로세서는
상기 테스트 세트를 획득함에 있어서,
음성 합성 모델을 이용하는 서비스에 기초하여, 상기 테스트 세트에 포함될 상기 텍스트 데이터 및 상기 음성 합성 데이터를 결정하고,
상기 음성 합성 모델은 상기 텍스트 데이터를 입력으로 받아 소리로 변환한 상기 음성 합성 데이터를 출력하는,
음성 합성 데이터의 평가 장치. - 제15항에 있어서,
상기 프로세서는
상기 음성 합성 데이터의 평가 항목 별 평가 결과를 생성함에 있어서,
상기 분석 단위가 묵음에 해당하는지 여부 및 상기 분석 단위 별 특성의 표준 점수에 기초하여, 오류 유형을 판단하는
음성 합성 데이터의 평가 장치. - 제15항에 있어서,
상기 프로세서는
상기 음성 합성 데이터의 평가 결과를 인터페이스에 표시하고,
상기 평가 결과는 상기 문장 내에서 오류로 판별된 분석 단위의 위치, 상기 문장 내에서 오류로 판별된 분석 단위의 개수 및 상기 문장 내에서 오류로 판별된 분석 단위의 오류 수치의 총합 중 적어도 하나를 포함하는,
음성 합성 데이터의 평가 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200046219A KR102386635B1 (ko) | 2020-04-16 | 2020-04-16 | 음소의 특성에 관한 통계적 분석에 기초하여 자동적으로 음성 합성 데이터를 평가하는 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200046219A KR102386635B1 (ko) | 2020-04-16 | 2020-04-16 | 음소의 특성에 관한 통계적 분석에 기초하여 자동적으로 음성 합성 데이터를 평가하는 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210128255A KR20210128255A (ko) | 2021-10-26 |
| KR102386635B1 true KR102386635B1 (ko) | 2022-04-14 |
Family
ID=78268620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200046219A KR102386635B1 (ko) | 2020-04-16 | 2020-04-16 | 음소의 특성에 관한 통계적 분석에 기초하여 자동적으로 음성 합성 데이터를 평가하는 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102386635B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024106934A1 (ko) * | 2022-11-16 | 2024-05-23 | 삼성전자 주식회사 | Tts(text to speech) 모델을 포함하는 전자 장치 및 이의 제어 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005084102A (ja) | 2003-09-04 | 2005-03-31 | Toshiba Corp | 音声認識評価装置、音声認識評価方法、及び音声認識評価プログラム |
| JP2006039461A (ja) * | 2004-07-30 | 2006-02-09 | Toshiba Corp | 音声合成支援システム、音声合成支援方法および音声合成支援プログラム |
| JP2020046551A (ja) * | 2018-09-19 | 2020-03-26 | 日本放送協会 | 音声合成に用いる統計モデルを学習する学習装置及びプログラム |
| JP2020052779A (ja) | 2018-09-27 | 2020-04-02 | 株式会社Ｋｄｄｉ総合研究所 | 学習データ作成装置並びに分類モデル学習装置及びカテゴリ付与装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102117082B1 (ko) * | 2014-12-29 | 2020-05-29 | 삼성전자주식회사 | 음성 인식 방법 및 음성 인식 장치 |
-
2020
- 2020-04-16 KR KR1020200046219A patent/KR102386635B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005084102A (ja) | 2003-09-04 | 2005-03-31 | Toshiba Corp | 音声認識評価装置、音声認識評価方法、及び音声認識評価プログラム |
| JP2006039461A (ja) * | 2004-07-30 | 2006-02-09 | Toshiba Corp | 音声合成支援システム、音声合成支援方法および音声合成支援プログラム |
| JP2020046551A (ja) * | 2018-09-19 | 2020-03-26 | 日本放送協会 | 音声合成に用いる統計モデルを学習する学習装置及びプログラム |
| JP2020052779A (ja) | 2018-09-27 | 2020-04-02 | 株式会社Ｋｄｄｉ総合研究所 | 学習データ作成装置並びに分類モデル学習装置及びカテゴリ付与装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024106934A1 (ko) * | 2022-11-16 | 2024-05-23 | 삼성전자 주식회사 | Tts(text to speech) 모델을 포함하는 전자 장치 및 이의 제어 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210128255A (ko) | 2021-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108496219B (zh) | 语音处理系统和方法 | |
| US8818813B2 (en) | Methods and system for grammar fitness evaluation as speech recognition error predictor | |
| US9196240B2 (en) | Automated text to speech voice development | |
| US5857173A (en) | Pronunciation measurement device and method | |
| US9984677B2 (en) | Bettering scores of spoken phrase spotting | |
| US7472066B2 (en) | Automatic speech segmentation and verification using segment confidence measures | |
| KR101609473B1 (ko) | 영어 말하기 시험의 유창성 평가 시스템 및 방법 | |
| KR101587866B1 (ko) | 음성 인식용 발음사전 확장 장치 및 방법 | |
| JP5007401B2 (ja) | 発音評定装置、およびプログラム | |
| CN103810996A (zh) | 待测试语音的处理方法、装置及系统 | |
| Fatima et al. | Short utterance speaker recognition a research agenda | |
| JP4811993B2 (ja) | 音声処理装置、およびプログラム | |
| KR102386635B1 (ko) | 음소의 특성에 관한 통계적 분석에 기초하여 자동적으로 음성 합성 데이터를 평가하는 방법 및 장치 | |
| JP4753412B2 (ja) | 発音評定装置、およびプログラム | |
| KR102442020B1 (ko) | 말하기의 자동 유창성 평가 방법 및 그 장치 | |
| CN114220419A (zh) | 一种语音评价方法、装置、介质及设备 | |
| Irtza et al. | Minimally balanced corpus for speech recognition | |
| JP4962930B2 (ja) | 発音評定装置、およびプログラム | |
| JP5066668B2 (ja) | 音声認識装置、およびプログラム | |
| KR102274764B1 (ko) | 통계정보를 제공하는 사용자 맞춤형 발음 평가 시스템 | |
| Rouhe et al. | Reading Validation for Pronunciation Evaluation in the Digitala Project. | |
| Sainz et al. | Aholab speech synthesizer for ALBAYZIN 2012 speech synthesis evaluation | |
| Khaw et al. | Automatic Phoneme Identification for Malay Dialects | |
| Dobrovolskyi et al. | An approach to synthesis of a phonetically representative english text of minimal length | |
| Salor | Voice transformation and development of related speech analysis tools for Turkish |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |