Acoustic and perceptual differences between standard and accented Chinese speech and their voice clones
यह अध्ययन प्रकट करता है कि जहाँ मानक और लहजे वाले मैंडरिन वॉयस क्लोन अपने मूल स्वरों के साथ समान एम्बेडिंग-आधारित दूरी दिखाते हैं, वहीं संवेदी मूल्यांकन (perceptual evaluations) यह प्रदर्शित करते हैं कि लहजा कथित पहचान मिलान और बोधगम्यता सुधार दोनों को महत्वपूर्ण रूप से प्रभावित करता है, जो यह सुझाव देता है कि इन्हें वॉयस क्लोनिंग में अलग-अलग आयामों के रूप में मूल्यांकित किया जाना चाहिए।