PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.06461v1eess.AS

WordVoice: LLM 기반 TTS를 위한 명시적이고 분리된 다차원 단어 수준 제어

WordVoice: Explicit and Decoupled Multi-Dimensional Word-Level Control for LLM-Based TTS

LLM 기반 TTS의 암묵적 생성 패러다임으로 인한 단어 수준 음향 제어의 한계를 극복하기 위해, WordVoice-5A(4,700시간 이중 언어 5차원 단어 수준 주석 데이터셋)를 구축하고 bound-token 기반 "음향 계획(acoustic planning)" 메커니즘과 세밀한 음향 변조 모듈을 결합한 WordVoice 프레임워크를 제안한다. 광범위한 실험을 통해 WordVoice가 제로샷 합성 안정성을 유지하면서 지속 시간, 경계, 에너지, 피치, 성조 등 다차원 음향 속성에 대한 정밀하고 분리된 단어 수준 제어를 달성함을 입증한다.