需求背景：

利用所提供音频，基于高性能笔记本或工作站，实现本地化部署与推理的实时语音转换(训练阶段不用本地化)，将多人或者任意人的语音转换为目标人物的语音。  

需解决的主要技术难题：

1.算法或软件本地化部署并推理

2.多人或者任意人的语音转换为目标人物的语音

3.实时转换 

期望实现的主要技术目标：

客观指标：

1.平均推理延迟小于 1s；

2.梅尔倒普语音特征相似度优于参赛单位均值主观指标：相似度主观评分大于 3.6 分（5 分满分）