一种语音合成方法、装置、设备及其存储介质

本申请实施例属于语音合成技术领域，应用于A I语音智能合成场景中，涉及一种语音合成方法、装置、设备及其存储介质，包括解析下游语音合成任务请求数据；将目标数据输入到非自回归语音识别模型，获取目标声学特征和目标语义特征；将目标声学特征和目标语义特征，输入到音频编码器编码；对编码结果进行优化操作，再通过音频解码器解码出合成语音。采用非自回归语音识别模型能够并行输出识别结果，高效结合CPU算力进行识别推理，实现A I智能语音合成场景下的语音快速合成，并结合目标语义特征实现跨语种的语音合成，将该语音合成方法，应用到自媒体行业或者金融客服服务行业，为客户提供更加优质和悦耳的音质服务功能。