零样本语音转换

零样本语音转换是指模型在未见过目标说话人数据的情况下，仍能将其语音转换为指定说话人音色的语音转换技术，核心在于内容与说话人身份的解耦，泛化能力高度依赖训练数据的语言覆盖。