语音转换

针对带噪语音条件导致生成语义偏移与轨迹不稳的问题，AlignAudio 先用适配器拉近干净与带噪表征，再用方向一致约束拉齐干净与带噪条件下的流匹配速度场，在语音到音频与语音转换任务上用噪声、域外与实录条件验证了条件保真度的提升与干净条件的保持。

论文在土耳其语银行客服录音上比较只用真实数据、只用合成数据和真实加合成三种训练方式，发现只用合成远不如真实，真实加合成在 10 小时和 20 小时时明显降低词错误率而 50 小时收益消失，其中 Seed-VC 和 Vec2Wav2 的增广效果相对更好但多次重复转换会带来退化。

LiveAnon 用冻结的流式语音识别编码器特征直接驱动自回归编解码器语言模型做语音转换，并用截断的残差量化延迟同时控制隐私、情感保留和延迟，代价是仍依赖编码器分块带来的数百毫秒算法延迟。

针对电子喉语音与正常语音差异大导致序列到序列转换表示不稳的问题，论文用第一阶段语音文本对比对齐加融合、第二阶段把融合表示作为固定教师蒸馏给纯语音编码器的方法，在两个小规模日语患者数据集上优于纯语音和普通多模态基线，但结论只在原文的数据划分、合成数据增强和评价工具条件下成立。

Prime-EVC 把目标情感的音高能量与说话人相关的风格提前做进条件 μ 中，再用 DiT 条件流匹配解码器一步生成梅尔谱，在 ESD 英文集上以单步取得 UTMOS 3.37 与 EECS 0.87，代价是条件分支更复杂且结论只在相同划分与声码器下成立。

该文把人声强度转换定义为按连续 dB SPL 目标改写 frozen 特征，再用条件循环 GAN 训练轻量转换器，WavLM 上实现约 83% 的目标强度变化，但绝对感知水平仍依赖源录音且韵律频谱改变量小于自然差异。

SEER 针对人工耳蜗处理后情感线索变弱的问题，用同一情感的参考语音去引导情感语音转换，并学习为每个源语句挑选最有帮助的参考，在 N8 条件下把源语音的宏平均 F1 在 RAVDESS 和 ESD 上分别提高 7.30 和 11.66 个百分点，但稀疏通道和部分情感边界上仍有局限。

该文把已训练好的 Seed-VC v2 只在推理时改造，用随机说话人上下文重构内容条件再投影抑制源说话人方向，在 VoicePrivacy 2026 英语评测上提升隐私并保持可比的字错率与情感效用，但结论只在该协议与所选阈值下成立。

该研究把同一源语句同目标口音的多次随机合成看作候选池，用口音与保持度的波形评估选出其配对离散码作为监督，在相同训练条件下口音准确率提升 2.49 个百分点，代价是词错误率平均上升 0.29 个百分点、说话人相似度基本不变。

针对一次参考且内容不一致时无法可靠配对帧的问题，StateVC 用源与参考混合拟合的共享高斯状态估计每个状态内的均值平移并以后验加权更新源帧，在 LibriSpeech 一次转换协议上以 8.01% 词错误率和 3.22% 字错误率为内容保持最优，代价是说话人相似度并非全部最高且评估限于英语朗读语料。

针对一步零样本语音转换中内容编码器耗时约为主流程十倍的问题，MeanVoiceFlow2 用教师 MeanVoiceFlow 做转换蒸馏并联合训练轻量内容编码器与平均速度网络，再以真实数据重建、扩散判别器混合对抗和教师增强条件扩充提升真实感与解耦，在 VCTK 上自然度高于教师且推理约快 9 倍、说话人相似度基本持平。

针对流式语音转换中说话人验证嵌入抑制帧级发音差异的问题，VOSSA 冻结内容编码器并从其中间层聚合说话人嵌入，与重建加转换双路径联合训练，在保持可比质量与可懂度的条件下减少约 19% 参数并改善音高与共振峰保持。

共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读

针对带噪耳语转正常语音内容丢失问题，论文在冻结 WhisperVC 转换主干的前提下增加音视内容修复模块，在 MUSAN 六档信噪比和三套识别系统下均降低字错率，0 分贝下 Qwen3 识别字错率从 36.29% 降到 28.88%，代价是推理需要同步唇部视频和同说话人正常语音注册。

针对单码本语音 token 同时建模内容与音色且固定帧率浪费码率的问题，DySTCodec 用 32 个固定长度全局说话人 token 加相似度动态聚合语义帧，在 LibriSpeech 上以 0.7 kbps 固定帧率和 0.57 kbps 动态帧率保持可懂度和音色相似度，但 25 Hz 激进压缩仍出现可懂度下降。

针对新型鼻式电子喉数据稀缺与声学特殊问题，论文在统一序列到序列框架下比较梅尔谱与 WavLM 特征并用局部线性嵌入合成配对数据预训练，最强证据是梅尔谱 ETN-VC 把可懂度字错率从 72.0% 降到 63.0%，代价是主观自然度评分仍落后于 WavLM 系统。

AugCodec 针对低帧率下语义与说话人纠缠导致重建词错误率高的问题，用语音转换、换句同说话人和低频保留三种增强输入分别提取语义、说话人和韵律令牌，并在 LibriSpeech test-clean 上以 12.5 Hz 三路令牌取得更低词错误率和更高音质，代价是依赖外部语音转换模型和固定低频分界等构造选择。

针对非平行语音转换中训练与测试的内容音色组合不一致问题，CFLOW-VC 在 VITS 与 FreeVC 骨干上用归一化流的可逆变换加 StarGAN 式循环一致性训练，并引入梅尔风格编码器与波形增广，在干净、噪声与口音三组测试上提升音色相似度与自然度，代价是干净条件下词错误率略高于个别基线且需两阶段训练。

针对无可靠教师模型的低资源语言因式分解编码问题，CycleCodec 用编解码器内部的循环说话人交换自监督代替蒸馏，在英语训练、中越零样本测试中提升了解耦稳定性，重建 WER 仍弱于有 WavLM 教师的 LSCodec。

针对流匹配语音生成的音色泄漏与推理慢问题，论文用异构数据扰动切断语义 token 的声学捷径、用蒸馏加在线拉直消除分类器无关引导开销，在 3 步推理下实现约 3.25 倍加速并提升说话人相似度，代价是极端拉直带来轻微可懂度波动。