语音生成方法、装置、设备及介质

本发明涉及人工智能技术领域和金融科技领域，公开了一种语音生成方法，通过获取待转换文本和参考语音样本，利用预训练的自监督学习编码器提取参考语音的语音特征，通过文本到语音特征模型将待转换文本转换为语音特征，分析这两组特征的相似度，从中确定目标说话人的语音特征，将两组特征融合，生成最终的融合语音特征，并利用预训练的声码器解码生成语音信号。本发明通过在小样本或零样本条件下进行特征匹配和融合，能够在无需大量语音数据的情况下，生成与目标声音相似的语音，有效提升了语音合成的效率和质量，满足多场景应用需求，尤其适用于未见过的说话者语音生成。