本研究提出了一种基于源-滤波机制的高保真端到端歌声合成系统，旨在解决音调预测错误问题。通过解耦梅尔谱特征与基频信息，并引入源激励信号，该系统在合成质量和音调准确性上有显著提升。

本文介绍了多种基于深度学习的歌声合成和转换系统，如NANSY框架、DeepSinger和WeSinger。这些系统通过自监督训练和创新模型设计，显著提升了合成歌声的质量和自然度，适用于多种语言和歌手。同时，研究探讨了在缺乏真实数据情况下的模拟训练方法，以提高音频分离技术的性能。