论文称语音克隆实质是风格迁移

论文指出常用语音克隆模型并未忠实复制说话人声音，而是系统性地对源声音做风格迁移。人类标注认为克隆声音比原声更权威、温暖、像客服且更像人，也更值得信任并更愿意向其披露敏感信息。研究还发现克隆导致口音、语速和音频嵌入空间方差下降，出现说话人特征同质化。