可控零样本语音转换方法、装置、设备及介质

本发明涉及语音语义技术领域，可应用于金融科技、医疗健康等业务系统平台中，揭露了一种可控零样本语音转换方法、装置、设备及介质，所述方法包括：对未标注语音数据进行自监督语音学习，得到自监督语音表示，提取自监督语音表示的内容特征向量和韵律风格向量，并转化为离散内容令牌和离散韵律令牌，对离散韵律令牌进行掩码生成，得到目标韵律令牌，获取目标用户的参考语音，提取参考语音中的用户风格嵌入，对离散内容令牌、目标韵律令牌和用户风格嵌入进行流匹配，生成目标梅尔频谱图，对目标梅尔频谱图进行语音波形重建与优化，得到零样本语音转换结果。本发明在无标注语音数据条件下，实现个性化、高保真、风格一致的零样本语音转换问题。