GR0：面向零样本语音转换的自监督全局表征学习

基于摘要分析。本文研究零样本语音转换：在保留录音语音内容的同时，仅利用训练时未见的目标说话人短参考片段，将声音转换为目标说话人的音色。GR0 提出生成式自监督学习框架，联合学习与局部嵌入解耦的全局说话人嵌入及语音转换器。 机制与贡献：作者指出，生成式自监督学习多关注分词序列的局部嵌入，本文则将学习目标扩展到全局表征，并在语音中对应说话人身份。摘要未说明全局与局部表征如何解耦，也未提供网络结构、损失形式、训练监督条件或参考片段长度，这些细节尚未验证。 结果与证据边界：作者报告，在未见数据集上开展的听评实验中，其模型在语音质量和说话人相似度方面显著优于 SOTA 基线，并涉及多个数据集及未见语言。摘要未给出数据集名称、基线名称、听评人数、具体分数或显著性检验方法，因此尚不能量化收益，也不能据此判定不同语言及数据集条件下的稳定性；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其全局与局部因素分离思路可能用于探索 EEG 中跨时间窗共享因素与局部任务活动的区分，但说话人身份与 EEG 被试差异并不等价。可复用的候选是全局编码与局部表征解耦机制；需改造信号编码、时间尺度及生成目标，并先核对原方法对序列结构、数据规模和监督的依赖。低信噪比、通道差异和小数据可能使全局表征优先编码设备或伪迹，或误去除任务信息。一个可检验的假设是：在固定 Cross-subject EEG 划分下，与不使用全局—局部解耦的同配置对照相比，该机制能否改善任务预测，并降低任务表征中的被试身份可预测性。相关 EEG 工作尚未检索确认。