语音合成方法、装置、电子设备、计算机可读存储介质及计算机程序产品

本申请提供了一种语音合成方法、装置、电子设备、计算机程序产品及计算机可读存储介质；方法包括：确定第一文本的音素序列以及第二文本，第二文本用于描述第一语音的属性；对所述音素序列进行特征提取，得到音素特征，并对所述第二文本进行特征提取，得到第一属性特征；基于所述音素特征，对所述第一属性特征进行注意力调整，得到第二属性特征；对所述第二属性特征和所述音素特征进行融合处理，得到融合特征；基于所述融合特征进行频谱预测，得到预测频谱，并基于所述预测频谱进行语音合成，得到所述第一文本对应的第一语音。通过本申请，能够实现对第一语音属性的精细化控制，提高了语音合成的准确度。