방글라어 TTS를 위한 20시간 오디오북 코퍼스 공개
BanglaKontho: Closing the Long-Form Gap in Bangla Text-to-Speech
arXiv방글라어(벵골어) TTS 발전을 위해, 전문가가 녹음한 20시간 분량의 단일 화자 오디오북 코퍼스 'BanglaKontho'를 공개했습니다.
- 기존 자료가 짧은 구절 위주였던 한계를 극복하고, 장문 구조와 일관된 화자 목소리 구현에 큰 기여를 할 것으로 기대됩니다.
- 이 코퍼스로 학습한 TTS 모델은 오류율(WER)을 크게 낮추고 자연스러움 지표(MOS)에서 높은 성능을 기록하며 기술적 우위를 입증했습니다.
- 20시간 분량의 코퍼스 외에도 날짜/통화 표현 처리 등 방글라어 특유 문법 요소를 다루는 전처리 파이프라인과 정규화 도구도 함께 제공됩니다.
방글라어는 전 세계에서 7번째로 많이 사용되는 언어임에도 불구하고, 신경망 기반의 TTS(Text-to-Speech) 분야에서 자원이 부족한 상황이었습니다. 기존 공용 방글라어 음성 코퍼스는 주로 짧은 읽기 발화에 치중되어 있어, 장문 구조와 일관된 단일 화자 내레이션 구현에 한계가 있었습니다. 이러한 문제를 해결하기 위해, 전문가가 녹음한 20시간 분량의 단일 화자 방글라어 TTS 코퍼스인 'BanglaKontho'를 공개했습니다. 이 코퍼스는 7,050개의 세그먼트화된 발화와 검증된 스크립트를 포함하며, 샘플링 레이트는 24 kHz입니다.
코퍼스와 함께 방글라어의 특성을 처리하는 재사용 가능한 전처리 파이프라인과 정규화 도구도 제공됩니다. 이 정규화 도구는 방글라데시식 숫자 그룹핑 방식, 통화 및 날짜 표현 처리는 물론, Danda 구두점 사용과 유니코드 정규화를 포함하여 언어적 요소를 포괄적으로 다룹니다.
이 코퍼스를 활용하여 학습시킨 TTS 모델의 성능을 테스트한 결과, MB-iSTFT-VITS 기반의 베이스라인은 9.5% WER(단어 오류율)과 4.46 자연스러움 MOS를 달성했습니다. 이 수치는 기존에 사용되던 12시간 분량의 IndicTTS-Bn 코퍼스에서 재학습된 동일 아키텍처가 기록한 성능(16.0% WER, 3.16 MOS) 대비 기술적 우위를 입증합니다.
용어 풀이
- 프롬프트
- AI에게 주는 지시나 질문 글.