StateVC：基于共享状态局部变换的免训练语音转换

StateVC 提出一种免训练单样本语音转换方法，通过对源与参考语句的 WavLM 帧级表征拟合配对高斯混合模型，得到共享状态并在各状态内估计源到参考的均值偏移，由源帧后验概率组合局部更新。在 LibriSpeech 单样本协议下，其词错误率和字错误率分别为 8.01% 和 3.22%，说话人相似度达 0.9512，并在所评估系统中取得最高平均感知说话人相似度，在免训练系统中取得最高平均自然度。