我是 librosa 和 voice/sound 分析的新手。我在SO 和google 中搜索了这个直截了当的问题，但没有得到可以理解的答案。
考虑有两个声音A 和B。我想将voice A 转换为voice B。
考虑到这两种声音，是否有可能在 A 上做一些事情，听起来像 B ？
【问题讨论】：
标签： python-3.x machine-learning voice-recognition voice librosa
这种任务有时被称为“风格转移”，其中一个人保持内容相同（口语），但通过风格改变表达方式（prosody，他们的口语）。要搜索的一些关键字是语音风格转移、语音风格转移、音频风格转移、语音翻译、语音克隆、韵律转移。这是来自该领域的从业者 Kyle Kastner 的explanation of some of the approaches。
良好的语音风格迁移是一项相当艰巨的任务，过去几年已经有很多研究论文。许多使用神经网络的语音风格转换系统是对文本到语音 (TTS) / 语音合成模型的改编，例如 Tacotron、Tacotron 2 或 Wavenet。
Github 上有许多神经语音风格迁移论文的开源实现，但其中许多需要大量设置才能使用（下载数据集、模型、格式化输入等）。最流行的替代方案之一是Real Time Voice Cloning，它应该能够克隆具有 5 秒音频的声音。 另一个例子是https://sforaidl.github.io/Neural-Voice-Cloning-With-Few-Samples/
【讨论】：