采用先进的端到端的深度学习技术，提取语音中的声学特征和说话人音色特征，并将特征还原成自然清晰的语音。可通过基于深度学习领域的训练技巧和少量说话人的语音数据，进行说话人音色学习和迁移，实现专属发音人的语音合成定制。