생성형 구어 언어 모델에서 분할 너비와 클러스터 크기가 음성 재합성 및 이어쓰기에 미치는 영향
On the Effect of Segmentation Width and Cluster Size on Speech Resynthesis and Continuation in Generative Spoken Language Models
생성형 구어 언어 모델링(GSLM)에서 음성 표현의 분할 너비와 K-means 클러스터 크기를 바꿔 비트레이트를 조절했을 때, 기준선보다 낮은 비트레이트에서도 음성 재합성과 이어쓰기 품질이 크게 떨어지지 않음을 보였다. LLM 기반 자동 평가가 기존 지표보다 인간 주관 평가와 더 잘 맞지만 상관은 여전히 낮아, 음성 생성 평가를 위한 더 안정적인 방법이 필요함을 시사한다.