AlignAudio：面向噪声鲁棒语音条件生成的统一双对齐框架

AlignAudio 是一个基于双对齐的噪声鲁棒语音条件生成框架，通过对齐干净与含噪语音的表示保留语义线索，并在 flow matching 范式内强化生成级一致性。在语音转音频（STA）和声音转换（VC）任务上，它在干净语音下性能与基线相当，在多种噪声条件下显著优于基线。该双对齐策略适用于单流和多流语音条件，并可集成到不同的 flow matching 生成框架与后训练设置中。