semantic-speech-tokens

의미 음성 토큰은 발화의 언어적 내용, 즉 문장과 대응되는 정보만을 압축해 표현하는 이산 토큰 체계이다. LM‑SPT에서는 이 토큰이 음성의 핵심 의미를 담아 언어모델이 대화 맥락에서 안정적으로 예측할 수 있도록 설계되어 있으며, 이는 고프레임레이트 교정 없이 강한 압축률에서도 발화 내용을 보존하도록 학습된다. 의미 토큰은 별도의 음향 토큰과 역할을 분리해 표현되므로 음성 생성 시 내용과 음색·억양 같은 비언어적 요소를 독립적으로 제어할 수 있다.