音频生成方法、装置、设备和存储介质

本发明公开了一种音频生成方法、装置、设备和存储介质，涉及音频技术领域。该方法包括：响应接收到的文本信息，获取目标用户的历史音频信息，文本信息由目标用户通过目标终端发送；从历史音频信息中提取音色特征；对提取的音色特征进行聚类，以确定聚类中心的音色特征；根据聚类中心的音色特征确定目标用户的当前音色特征；将目标用户的当前音色特征和文本信息输入语音生成模型，以生成具有目标用户的当前音色特征的目标音频。通过本发明实施例的技术方案可以生成个性化语音，从而提高用户体验。