
CoVoMix는 제로샷 기반의 다화자 다라운드 대화 음성 생성 모델로, 대화 텍스트를 개별 화자의 의미 정보를 나타내는 이산 토큰 스트림으로 변환하고, 이를 이용해 혼합 멜-스펙트로그램을 생성하며, 최종적으로 HiFi-GAN 보코더를 통해 자연스러운 대화 음성을 합성할 수 있습니다.


coremsg

인간-같은-다화자-대화를-위한-제로샷-음성-생성-기술-covomix


인간 같은 다화자 대화를 위한 제로샷 음성 생성 기술 CoVoMix


title_rewrite


신경 오디오 코덱을 활용한 언어 모델링을 통해 효율적이고 고품질의 제로샷 음성 합성을 달성할 수 있다.


고품질-제로샷-음성-합성을-위한-신경-오디오-코덱-언어-모델링-기법-개선


고품질 제로샷 음성 합성을 위한 신경 오디오 코덱 언어 모델링 기법 개선



대화형 시스템의 응답에 감정과 비유창성을 자연스럽게 통합하여 인간적이고 공감적인 상호작용을 구현한다.


감정과-비유창성을-통한-인간적인-음성-합성


감정과 비유창성을 통한 인간적인 음성 합성
