यह शोधपत्र शून्य-शॉट ध्वनि रूपांतरण (VC) में वक्ता समानता और स्वाभाविकता सुनिश्चित करने की चुनौतियों का समाधान करने के लिए कम्प्यूटेशनल ट्रांसफ़ॉर्मेशन एफिशिएंसी मॉडल (CTEFM-VC) ढाँचे का प्रस्ताव करता है। CTEF-VC, वाणी को विषयवस्तु और लय में विघटित करता है और एक सशर्त प्रवाह मिलान मॉडल का उपयोग करके स्रोत वाणी के Mel स्पेक्ट्रोग्राम का पुनर्निर्माण करता है। विशेष रूप से, यह उत्पन्न वाणी की स्वाभाविकता और लय मॉडलिंग प्रदर्शन को बढ़ाने के लिए संदर्भ-जागरूक लय समूह मॉडलिंग और एक संरचनात्मक समानता-आधारित लय हानि फलन प्रस्तुत करता है। एक क्रॉस-अटेंशन मॉड्यूल जो विभिन्न वक्ता सत्यापन एम्बेडिंग को अनुकूली रूप से एकीकृत करता है, स्रोत विषयवस्तु और लक्षित लय तत्वों का प्रभावी ढंग से लाभ उठाता है। प्रायोगिक परिणाम दर्शाते हैं कि CTEFM-VC, मौजूदा अत्याधुनिक शून्य-शॉट VC प्रणालियों से उल्लेखनीय रूप से बेहतर प्रदर्शन करता है, और वक्ता समानता, स्वाभाविकता और बोधगम्यता में अत्याधुनिक प्रदर्शन प्राप्त करता है।
