本研究提出Vevo框架，解决了现有语音模仿技术对标注数据的依赖及音色与风格解耦的难题。Vevo通过内容-风格建模和声学建模的两阶段过程，实现了可控的零-shot语音模仿，能够在无需特定风格语料的情况下成功进行口音和情感转换。

该研究提出了一种新颖的非自回归框架，用于口音转换，通过学习口音无关的语言表示并使用它们来转换源语音中的口音，从而保留说话者的身份。研究还调查了在我们提出的框架中的本地数据和不同声学特征的预训练策略的有效性，并使用主客观度量来全面评估了我们方法的性能。评估结果突出了预训练策略和丰富的语义特征的益处，显著提高了音频质量和可理解性。

该研究提出了一种新颖的非自回归框架用于口音转换，通过学习口音无关的语言表示并使用它们来转换源语音中的口音，从而保留说话者的身份。研究还调查了在我们提出的框架中的本地数据和不同声学特征的预训练策略的有效性，并使用主客观度量来全面评估了我们方法的性能。评估结果突出了预训练策略和丰富的语义特征的益处，显著提高了音频质量和可理解性。