상트페테르부르크 대학 과학자들, 신경망의 대화 능력 개선

상트페테르부르크 국립대학교(Saint Petersburg State University, SPbU)의 언어학자들이 억양 모델을 신경망에 접목함으로써 대화형 인공지능(AI)의 능력을 향상시켰다. 이를 통해 AI의 발화가 인간이 듣기에 더 자연스럽고 친숙하게 들리게 되었다. 이번 연구는 음성 비서와 인간형 로봇에 사용되는 텍스트 음성 변환(text-to-speech, TTS) 시스템을 개선하는 것을 목표로 한다. 연구 결과는 국제 음성 및 컴퓨터 학회(International Conference on Speech and Computer) 학술지에 발표되었다. AI 기반 시스템은 이미 많은 작업, 특히 반복적인 업무에서 인간을 완전히 또는 부분적으로 대체할 수 있게 되었지만, 억양을 구현하는 것은 여전히 어려운 과제로 남아 있다. 억양은 감정, 태도, 그리고 의문문과 평서문을 구별하는 것과 같은 의사소통상의 의미를 표현하는 데 있어 매우 중요한 요소다. 기존의 언어 모델은 흔히 단조롭거나 부적절한 억양을 만들어낸다. SPbU의 언어학자들은 텍스트 음성 변환 합성을 위해 Tacotron2 모델을 사용했으며, SPbU에서 개발한 전용 억양 분류 체계를 통해 이를 학습시켰다. 이 분류 체계는 멜로디 범위, 발화 속도, 문장 유형을 고려하여 다양한 억양 변이를 폭넓게 포함하고 있다. 이러한 개선을 통해 신경망은 부자연스럽거나 단조로운 억양이라는 한계를 극복할 수 있게 되었다. 평가 실험에서 러시아어 원어민 42명이 합성된 음성을 들었는데, 일부 미세한 결함은 있었지만 전반적으로 자연스럽다는 평가를 내렸다. 두 번째 실험에서는 참가자들이 의문문을 더 쉽게 식별할 수 있었다. 연구진은 품질을 더욱 높이기 위해 감정적, 문체적 변이를 반영한 추가적인 미세 조정(fine-tuning)이 필요하다고 제안했다.