语音合成方法、装置、直播系统、电子设备及存储介质

本申请涉及一种语音合成方法、装置、直播系统、电子设备及计算机可读存储介质；所述方法包括：获取语言合成的目标文本和说话人的音色特征；对目标引导音频进行编码得到去除音色的目标离散语义编码；其中，所述目标离散语义编码包含韵律特征；基于大语言模型对所述目标离散语义编码和所述目标文本进行预测得到待合成音频编码；其中，所述待合成音频编码包括目标引导音频的韵律和目标文本的语义特征；根据所述目标文本和音色特征对所述待合成音频编码进行解码得到语音合成音频；该技术方案，合成语音能逼近真人语音效果，可以调制合成语音的韵律和音色，满足网络直播中的多样化应用需求。