COMOSVC é uma técnica de conversão de pitch vocal baseada em modelo de consistência, que permite resultados de conversão de alta qualidade e velocidade de amostragem rápida. A técnica primeiro projeta um modelo de professor baseado em difusão para tarefas de conversão de pitch vocal, e então utiliza a propriedade de autoconsistência para destilação de conhecimento, a fim de alcançar amostragem em uma etapa. Em comparação com os sistemas de conversão de pitch vocal baseados em difusão mais avançados atualmente, o COMOSVC mantém desempenho de conversão comparável ou até superior, ao mesmo tempo que alcança uma velocidade de inferência significativamente mais rápida.