一种语音生成方法、装置、计算机设备及存储介质

本发明涉及人工智能技术领域，公开了一种语音生成方法、装置、计算机设备及存储介质，包括：获取语音样本数据，所述语音样本数据包括独白语音样本数据和对话语音样本数据；构建语音生成网络框架，所述语音生成网络框架包括文本转语义模型、声学模型及声码器；基于所述语音样本数据对所述语音生成网络框架进行训练，得到对话语音生成模型；获取待生成对话语音的初始文本，将所述初始文本输入所述对话语音生成模型，生成对应的多轮对话语音。本发明可以同时进行多流语义特征预测，每条语义特征序列对应一个说话人，生成的对话式语音不仅在自然性和连贯性上与真实人类语音类似，而且涉及了多个说话人的多轮对话，提升了用户体验。