多语言场景下基于AI大模型的语音合成方法、装置以及设备

本发明提供了一种多语言场景下基于AI大模型的语音合成方法、装置以及设备，包括：对输入的多语言待合成文本，进行文本特征提取，得到待合成文本特征；基于融合特征模型对待合成文本特征进行语音合成参数生成；其中，预先训练完成的所述融合特征模型中具有语音合成参数和文本的映射关系，所述语音合成参数包括基频参数、时长参数、频谱参数；将所述语音合成参数输入到预先训练完成的声码器中，基于所述声码器将所述语音合成参数中的多个参数处理为中间特征向量，将所述中间特征向量转换为离散的语音样本点，将所述离散的语音样本点转换为连续的语音波形，得到多语言待合成文本对应的合成语音。在本发明中，提升生成语音波形的连贯性和自然度。