这项研究介绍了一种新的自监督语音转换架构，可以创建说话者解耦的表示。使用这种表示的模型在说话者相似度和词错误率方面表现更好，并且比人类录音更自然。使用明确的参考嵌入会对可读性产生负面影响。

这项研究介绍了一种新的自监督语音转换架构，可以创建说话者解耦的表示。使用这种表示的模型在说话者相似度和词错误率方面表现更好，并且比人类录音更自然。使用明确的参考嵌入会对可读性产生负面影响。