一种语音合成方法、装置、设备和存储介质

本申请实施例提供了一种语音合成方法、装置、设备和存储介质，接收用户输入的待合成语音的文本；将文本对应的音素序列输入语音合成模型中的预处理部分，得到中间向量；将维度规整后的中间向量输入多相正交镜像分析滤波器，得到分析信号；将分析信号输入语音合成模型中的耦合层，以对分析信号进行逆向变换得到逆变换信号；将逆变换信号输入多相正交镜像合成滤波器，得到合成信号；将维度逆规整后的合成信号输入语音合成模型中的解码器，根据语音波形，合成目标语音。本申请实施例通过在归一化流的耦合层中引入多相正交镜像滤波器，可以显著提高语音合成模型整体的稳定性和鲁棒性，进而提升应用归一化流技术合成的语音质量的稳定性。