一种文本到语音生成方法

本发明公开了一种文本到语音生成方法，属于语音生成技术领域，能够解决现有文本到语音系统语音合成效率低、且依赖对齐信息的问题。所述方法包括：S1、获取参考语音的自监督特征，并对自监督特征进行离散化处理，得到参考语义标记序列；S2、根据文本标记序列和参考语义标记序列，得到目标语义标记序列；S3、对目标语义标记序列进行预测，得到多层声学标记序列，并根据多层声学标记序列生成目标语音。本发明用于生成目标语音。