语音合成方法和设备

本公开的各实施例的目的是提供一种语音合成方法、装置、设备、计算机程序产品和计算机程序存储介质。其中，语音合成系统根据输入文本，获取其对应的离散语义特征；将所述离散语义特征与所述输入文本的音频特征映射到同一特征空间，以将两者对齐；从对齐后的特征中提取所述输入文本对应的发音和韵律特征；将所述发音和韵律特征与参考音色特征转换为梅尔谱图特征；将所述梅尔谱图特征转换为输出语音。本公开的各实施例为了能实现高还原度的语音合成方案，选择与音色无关的中间声学特征来解耦音色学习和发音与韵律学习，通过领域迁移学习的手段来对更多复杂场景但高置信度的低采样率数据用于语音合成训练。