음성 변환을 위한 cycleVAE의 성능 향상 연구

국문 초록 (Abstract)

본 연구에서는 cycle-consistency loss를 계산하는 cycle-consistent variational autoencoder(CycleVAE) 모델 기반의 L1 cycle consistency loss와 인코더 출력인 잠재 벡터의 최소화와 디코더 출력을 최대화하는 방법을 이용하여 음성 변환 성능 향상하는 방법을 적용하고자 한다. 제안한 방법들을 조합하여 기존 CycleVAE의 성능을 향상시키는 통합 모델과 다중 디코더를 사용함으로써 화자 전용의 음성 특징을 학습함으로써 음성 품질을 향상하는 모델을 제안하였다.

다국어 초록 (Multilingual Abstract)

In this study, a cycle-consistent variational autoencoder (CycleVAE) model was used as the baseline to calculate cycle-consistency loss. We intend to apply a method of improving voice conversion performance using the L1 cycle consistency loss based on the CycleVAE model and the method of minimizing the latent vector that is the encoder output and maximizing the decoder output. Integrated model that improves the performance of the previous work CycleVAE by combining the proposed methods and a model that improves voice quality by learning the voice characteristics exclusively for speakers by using multiple decoders.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 2 장 선행 연구 5
• 2.1. Variational autoencoder 5
• 2.2. Cycle-consistent variational autoencoder 7
• 2.3. VAE with multiple decoders 9
• 제 3 장 제안하는 방법 11
• 3.1. L1 cycle consistency loss 11
• 3.2. Encoder output minimization 13
• 3.3. Decoder output maximization 16
• 제 4 장 실험 19
• 4.1. 실험데이터 19
• 4.2. 선행 연구 실험 20
• 4.3. 선행 연구와 제안하는 방법 비교 실험 22
• 4.4. 제안하는 방법들의 조합 실험 24
• 4.5. 선행 연구와의 MOS 비교 실험 26
• 제 5 장 결론 및 향후 과제 27
• 참고문헌 28