SpeechX是一种通用的语音生成模型，能够实现零-shot语音合成和语音转换任务。它结合了神经编解码器的语言建模和多任务学习，通过任务相关的提示实现统一和可扩展的建模，并在语音增强和转换任务中提供一致的方法来利用文本输入。实验结果表明，SpeechX在多种任务中表现出可比或更好的性能。