一种训练方法、语音合成方法、装置、设备及介质

本发明涉及人工智能技术领域，尤其涉及一种训练方法、语音合成方法、装置、设备及介质。获取训练样本组包括待合成语音的文本嵌入信息、参考语音的参考情感特征和参考音色特征、语种嵌入信息与目标语音，将文本嵌入信息、参考情感特征、参考音色特征与语种嵌入信息输入至初始语音合成模型中，输出预测语音，根据预测语音与目标语音，计算目标损失，根据目标损失，对初始语音合成模型进行训练，得到训练好的语音合成模型。将参考语音的情感特征与音色特征，输入至初始语音合成模型中，即将情感特征与音色特征嵌入到模型中，使训练好的语音合成模型结合对应说话人的情感与音色，输出更加自然、生动，更具表现力的合成语音。