基于文本的语音合成方法、装置、设备及存储介质

本公开提供了一种基于文本的语音合成方法、装置、设备及存储介质，涉及人工智能领域，尤其涉及文本转语音领域，可应用于智能客服、语音阅读助手、语音内容创作、语音教育培训等领域。具体实现方案为：获取目标文本和参考音频；其中，所述目标文本是待合成语音的文本，所述参考音频为预设音色的音频；对所述目标文本进行特征提取处理，得到所述目标文本的文本特征向量；其中，所述文本特征向量表征文本的语义特征和韵律特征；根据所述文本特征向量和所述参考音频，得到所述目标文本对应的目标音频；其中，所述目标音频的音色与所述参考音频的音色一致。本公开不需要对文本转音素的方法进行维护，通过提取语义特征和韵律特征，提高语音的合成精度。