本技術使用了預訓練的語者編碼器來取得語音當中的語義資訊，及訓練了一個以WavLM為主體的語者編碼器，透過Robust MAML進行領域泛化的訓練方式來取得領域無關的語者資訊，使領域無關的語者資訊能夠適用在任何未註冊新語者上，並將此語者特徵的效果遷移學習至語音合成模型當中，進而達成零資源語音合成結果。

為了能夠擬合零資源未註冊語者在語音合成中的自然度跟相似度，我們使用Robust MAML的訓練方式取得領域泛化的語者特徵，使其能夠克服未註冊資料與註冊資料間領域差距的問題，有效地保留目標語者的領域無關語者特徵，並將此特徵使用於語音合成模型的訓練當中，改善原先模型中未註冊語者的自然度及相似度問題。

零資源語音合成系統的應用情境相當廣泛，根據不同的使用方式也能夠運用於各式各樣的情況下，如透過此技術，配音員在配音時只需要配音少量的語句，剩下的語句就能夠透過機器自己產生，亦或是透過此技術，也能夠創作出虛擬人物等。除此之外，根據語義編碼器的選擇不同，也能將技術運用於資料擴增、語音轉換等技術上。