Real-Time Voice Cloning 是“Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis（SV2TTS）”論文的實現，這是一個三階深度學習框架，允許從幾秒鐘的音頻中創建一個數字化的語音，并使用它來調節訓練的“文本轉語音”模型，以推廣到新的聲音。