个人感觉挺有趣的，最近有篇文章用深度学习用几秒的语音样本实现了声纹复制，效果达到了有史以来最好，甚至可以骗过最先进的语音识别系统。如果开源了的话是不是就可以干很多事了。就以acg来说，洛天依，初音之类的合成音效肯定要好很多。还可以用自己喜欢的声优进行克隆。大家有什么看法？
镇楼图是论文里的大致结构（随便截的）