Interspeech2026 | MeanVC 2：面向低延迟与鲁棒性的流式零样本语音转换
零样本语音转换旨在保留语音语言内容的同时，将源说话人音色迁移至任意未见过的目标说话人。随着实时通信、直播互动、在线会议、游戏语音等应用场景的发展，语音转换系统对低延迟、轻量化和高保真流式推理能力提出了更高要求。此前提出的 MeanVC 通过…
33 0 0
声浪
INTERSPEECH 2026 | WhispEar: 把你的悄悄话转成正常语音
以下文章来源于Amphion 在隐私通话、声带受损恢复等场景中，耳语转正常语音（Whisper-to-Normal, W2N） 技术至关重要。但这一领域长期被一个“死结”困住：数据极度匮乏。 耳语缺乏声带振动和基频，声学线索严重退化，导致转…
27 0 0
ICASSP 2026｜MeanVC：基于平均流的轻量级流式零样本语音转换
零样本语音转换（Zero-shot VC）旨在保留语音语言内容的同时，将源说话人音色迁移至任意未见过的目标说话人。日益丰富的应用场景对模型的流式推理能力提出迫切需求，亟需兼具快速、轻量与高保真特性的解决方案。然而现有流式方法依赖自回归（AR…
18 0 0
ASRU 2025 | REF-VC：基于扩散模型的鲁棒、快速且富有表现力的零样本语音转换
语音转换（Voice Conversion, VC）旨在在不改变语言内容的情况下，将源说话人的语音转换为目标说话人的语音，广泛应用于电影配音、虚拟人、语音聊天等场景。然而在真实应用场景中，VC 系统面临两大挑战。 环境噪声：用户录音往往嘈杂…
19 0 0
开源！MeanVC — 基于平均流的轻量级流式零样本语音转换
零样本语音转换（Zero-shot VC）旨在保留语音语言内容的同时，将源说话人音色迁移至任意未见过的目标说话人。日益丰富的应用场景对模型的流式推理能力提出迫切需求，亟需兼具快速、轻量与高保真特性的解决方案。然而现有流式方法依赖自回归（AR…
17 0 0
AAAI2025 | StableVC: 风格可控的零样本语音转换
零样本语音转换 (Zero-Shot Voice Conversion) 旨在将源说话者的音色迁移到任意未见过的说话者，同时保留原始的语言内容不变。尽管近年来出现许多令人印象深刻的零样本语音转换技术，并在专业有声读物制作和娱乐短视频等领域有…
9 0 0
INTERSPEECH2024 | Vec-Tok-VC+: 双重训练策略下基于渐进式损失约束和残差增强的鲁棒零样本语音转换
零样本语音转换 (zero-shot voice conversion) 旨在保留语言内容的同时，将源说话人语音转换成任意目标说话人的语音。随着深度学习技术的引入，零样本语音转换技术取得了巨大的飞跃。但现有的零样本语音转换方法多在训练时进行…
20 0 0
INTERSPEECH2024 | DualVC 3：利用LM生成伪上下文的端到端低延迟流式语音转换
语音转换 (Voice Conversion) 旨在保留语音中语言内容信息的同时，将源说话人音色转变为目标说话人的音色。越来越多的应用场景，如直播、视频会议等实时通信（RTC）应用中要求语音转换能够实时进行，而目前常见的语音转换模型以整段音…
11 0 0
ACL2024 | StreamVoice：基于流式上下文感知语言建模的实时零样本语音转换
流式零样本语音转换（streaming zero-shot voice conversion）是指能够实时的将输入语音转换成任意说话人的语音，且仅需要该说话人一句语音作为参考，且无需额外的模型更新。现有的零样本语音转换方法通常是为离线系统设…
34 0 0
ICASSP2024 | DualVC 2:基于动态掩蔽卷积的流式与非流式统一语音转换模型
语音转换 (Voice Conversion) 旨在保留语音中语言内容信息的同时，将源说话人音色转变为目标说话人的音色。越来越多的应用场景，如直播、视频会议等实时通信（RTC）应用中要求语音转换能够实时进行，而目前常见的语音转换模型以整段音…
50 0 0