一种模型训练方法、音频生成方法、电子设备及存储介质

本发明公开了一种模型训练方法、音频生成方法、电子设备及存储介质。该方法包括：从当前训练数据集中获取一组训练数据，训练数据包括源音频数据及其对应的文本数据，源音频数据包括原始声学特征；将原始声学特征和文本数据输入生成网络，生成目标音频数据；将目标音频数据和源音频数据输入鉴别网络，确定损失函数；若满足训练结束条件，则将生成网络作为音频生成模型的一个与当前声源匹配的子模型；若不满足训练结束条件，则根据损失函数，调节生成网络和鉴别网络的参数，并从当前训练数据集中重新获取一组训练数据，返回执行将原始声学特征和文本数据输入生成网络，生成目标音频数据的步骤。本方案能够生成多种音色且贴近自然语言的音频。