该文汇总多项语音与歌声转换研究：提出无文本条件的深度学习歌声转换，利用CNN编码器、歌手嵌入与数据增强提升小数据集效果；实现端到端波形级任意身份歌声转换；将自监督语音表征用于声音匿名化；综述自监督语音表示学习；以歌手身份嵌入损失改进歌声转换；证明语音预训练加微调可提升识别性能；用BERT语义嵌入增强歌声合成；在VoxCeleb上取得低EER；并探索混合音频表征。