COMOSVC est une technique de conversion de hauteur vocale du chant basée sur un modèle de cohérence. Elle permet d'obtenir des résultats de conversion de haute qualité et une vitesse d'échantillonnage rapide. Cette technique conçoit d'abord un modèle enseignant basé sur la diffusion pour les tâches de conversion de hauteur vocale du chant, puis utilise la propriété d'auto-cohérence pour la distillation des connaissances afin de réaliser un échantillonnage en une seule étape. Comparé aux systèmes de conversion de hauteur vocale du chant basés sur la diffusion les plus avancés, COMOSVC maintient des performances de conversion comparables, voire supérieures, tout en atteignant une vitesse d'inférence significativement plus rapide.