该文汇总多项自监督学习语音研究：提出零样本TTS模型，以自监督语音表示作条件控制，分离调制声学特征与音素时长；基于去噪编解码器的实时语音增强；AdaSpeech 4通过条件层归一化和基向量监督损失实现零样本说话人自适应；ParrotTTS先训练语音到语音模型再扩展为TTS；此外还涉及零样本情感可控TTS、跨语言SSL表示迁移及改进FastSpeech2等工作。