诺罗：具备隐藏说话者表征能力的抗噪声一次性语音转换系统

本研究解决了一次性语音转换在实际应用中受到背景噪声干扰的问题，提出了抗噪声一次性语音转换系统Noro。该系统通过双分支参考编码模块和与噪声无关的对比说话者损失，显著提高了在干扰情况下一次性语音转换的效果，同时探讨了其在说话者表征学习上的潜力，展示了与先进的自监督学习模型竞争的能力。