语音合成模型训练方法和装置、电子设备及存储介质

本申请实施例提供了一种语音合成模型训练方法和装置、电子设备及存储介质，属于语音合成技术领域，适用于金融科技领域。该方法包括：获取音视频样本数据；对音视频样本数据进行语音提取，得到语音数据；对语音数据进行音频文本识别，得到语音文本；对语音数据进行音频属性识别，得到音频属性；基于多种音频属性，对音视频样本数据进行音频属性描述，得到多个单属性描述文本，其中，单属性描述文本用于描述音视频样本数据的其中一种音频属性；基于语音文本，对单属性描述文本进行实例化处理，得到语音合成样本数据；基于语音合成样本数据，对预设的语音合成模型进行模型训练。本申请实施例能够提高语音合成模型训练的准确率。