| 1 |
1
전자 장치의 동작 방법에 있어서, 텍스트, 화자 정보 및 스타일 정보를 각각 결정하는 동작; 및상기 화자 정보 및 상기 스타일 정보를 기반으로, 상기 텍스트로부터 오디오 신호를 합성하는 동작을 포함하는 방법
|
| 2 |
2
제 1 항에 있어서, 상기 오디오 신호를 합성하는 동작은,상기 텍스트에 대한 언어 특징 벡터, 상기 화자 정보에 대한 화자 특징 벡터 및 상기 스타일 정보에 대한 스타일 특징 벡터를 생성하는 동작;상기 언어 특징 벡터, 상기 화자 특징 벡터 및 상기 스타일 특징 벡터를 결합하여, 오디오 특징 벡터를 생성하는 동작; 및상기 오디오 특징 벡터로부터 오디오 신호를 합성하는 동작을 포함하는 방법
|
| 3 |
3
제 2 항에 있어서, 상기 언어 특징 벡터는 상기 텍스트의 언어와 관계 없이, 상기 텍스트와 관련되는 적어도 하나의 문자에 대한 심볼의 집합을 하나의 임베딩 공간에 표현하기 위한 다언어 특징 벡터로부터 생성되며,상기 오디오 신호를 합성하는 동작은,상기 임베딩 공간의 상기 심볼의 집합을 기반으로, 오디오 신호를 합성하는 방법
|
| 4 |
4
제 2 항에 있어서, 상기 텍스트와 관련된 언어 정보, 상기 화자 정보 및 상기 스타일 정보를 상호로부터 분리시켜 학습하는 동작을 더 포함하는 방법
|
| 5 |
5
제 1 항에 있어서, 상기 화자 정보는 상기 오디오 신호의 음색을 나타내고,상기 스타일 정보는 상기 오디오 신호의 고저, 장단 또는 강약 중 적어도 어느 하나를 포함하는 방법
|
| 6 |
6
전자 장치에 있어서, 메모리; 및상기 메모리와 연결되고, 상기 메모리에 저장된 적어도 하나의 명령을 실행하도록 구성된 프로세서를 포함하고, 상기 프로세서는,텍스트, 화자 정보 및 스타일 정보를 각각 결정하고, 상기 화자 정보 및 상기 스타일 정보를 기반으로, 상기 텍스트로부터 오디오 신호를 합성하도록 구성되는 장치
|
| 7 |
7
제 6 항에 있어서, 상기 프로세서는,상기 화자 정보를 학습하도록 구성되는 스피커 모듈; 및상기 스타일 정보를 학습하도록 구성되는 스타일 모듈을 포함하는 장치
|
| 8 |
8
제 6 항에 있어서, 상기 프로세서는, 상기 텍스트에 대한 언어 특징 벡터, 상기 화자 정보에 대한 화자 특징 벡터 및 상기 스타일 정보에 대한 스타일 특징 벡터를 생성하고,상기 언어 특징 벡터, 상기 화자 특징 벡터 및 상기 스타일 특징 벡터를 결합하여, 오디오 특징 벡터를 생성하고, 상기 오디오 특징 벡터로부터 오디오 신호를 합성하도록 구성되는 장치
|
| 9 |
9
제 8 항에 있어서, 상기 프로세서는,상기 언어 특징 벡터를 생성하도록 구성되는 텍스트 모듈;상기 화자 특징 벡터를 생성하도록 구성되는 스피커 모듈; 상기 스타일 특징 벡터를 생성하도록 구성되는 스타일 모듈; 및상기 오디오 특징 벡터를 생성하도록 구성되는 디코더를 포함하는 장치
|
| 10 |
10
제 7 항 또는 제 9 항에 있어서, 상기 텍스트 모듈, 상기 스피커 모듈 또는 상기 스타일 모듈 중 적어도 어느 하나는,인코더를 포함하는 장치
|
| 11 |
11
제 8 항에 있어서, 상기 언어 특징 벡터는 상기 텍스트의 언어와 관계 없이, 상기 텍스트와 관련되는 적어도 하나의 문자에 대한 심볼의 집합을 하나의 임베딩 공간에 표현하기 위한 다언어 특징 벡터로부터 생성되며,상기 프로세서는, 상기 임베딩 공간의 상기 심볼의 집합으로부터 오디오 신호를 합성하도록 구성되는 장치
|
| 12 |
12
제 7 항에 있어서, 상기 프로세서는, 상기 텍스트와 관련된 언어 정보를 학습하도록 구성되는 언어 분류 모듈을 더 포함하는 장치
|
| 13 |
13
제 12 항에 있어서, 상기 프로세서는,상기 화자 정보와 상기 스타일 정보가 상기 스피커 모듈과 상기 스타일 모듈에서 각각 학습되도록 하기 위해, 상기 언어 정보로부터 분리시키도록 구성되는 학습 분리 모듈을 더 포함하는 장치
|
| 14 |
14
제 13 항에 있어서, 상기 학습 분리 모듈은,그라디언트 리버설 레이어(gradient reversal layer)를 포함하는 장치
|
| 15 |
15
컴퓨터 장치에 결합되어, 상기 컴퓨터 장치에 의해 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램에 있어서, 텍스트, 화자 정보 및 스타일 정보를 각각 결정하는 동작; 및상기 화자 정보 및 스타일 정보를 기반으로, 상기 텍스트로부터 오디오 신호를 합성하는 동작을 실행하기 위한 컴퓨터 프로그램
|
