语音对语音（Voice-to-Voice）技术是指直接将一种语音信号转换为另一种语音信号的处理过程，无需中间转换成文本。它通过声学模型和信号处理技术，实时或非实时地改变语音的音色、语调或语言，同时保留原始语音的韵律和情感特征。应用场景包括实时语音翻译（如跨语言对话）、语音克隆（如定制化语音助手）、语音增强（如修复老旧录音）以及娱乐领域的变声效果等。核心技术涉及深度学习、语音编码和生成对抗网络（GAN），需平衡音质、自然度与延迟，是语音AI领域的重要分支。
