本研究提出FMSD-TTS框架，针对藏语低资源问题，通过少量音频和方言标签生成方言语音，提升了方言表现力和说话人相似性。

本研究提出了CTEFM-VC框架，以解决零样本语音转换中的说话人相似性和自然度问题。实验结果显示，该系统在这两个方面分别超越现有方法18.5%和7.0%。

本文介绍了一种名为Takin-VC的零样本语音转换框架，旨在提升说话人相似性和语音自然性。通过结合混合内容和记忆增强的音色建模，Takin-VC能有效提取源语音内容并重建高质量音色。实验显示，该框架在语音自然性和说话人相似性上优于现有方法。