Wav2vec2.0 Hidden Representations for Voice Conversion

목소리 변환이란 특정 화자의 스피치 내용을 다른 화자의 목소리로 변환하는 작업이다. 기존의 머신러닝 기반 목소리 변환 기법들은 스피치 러닝 모델의 최종 아웃풋 표현(output speech representations)을 사용하여 서로 다른 화자의 목소리를 교환하는 방식을 취한다. 본 논문에서는 스피치 모델의 최종 표현이 아닌 내부 표현(hidden-layer representations)을 사용한 목소리 변환 기법을 제안한다. 본 논문에서는 wav2vec2.0 스피치 모델을 타겟으로하여 제안 기법의 성능을 평가하고, 기존 기법 대비 성능향상을 실증한다.