语音合成方法及装置

本发明提供一种语音合成方法及装置，所述方法包括：基于编码器中的当前自注意力模块，对上一自注意力模块输出的上一文本特征进行关键信息提取，确定当前文本特征；基于解码器中与当前自注意力模块层级对应的当前交叉注意力模块，对上一交叉注意力模块输出的上一语音特征与当前文本特征进行特征对齐，得到当前语音特征；基于解码器中末个交叉注意力模块输出的语音特征，对待合成文本进行语音合成，得到合成语音。本发明减少了语音合成中语义信息和声学信息的耦合，提高了语义信息和声学信息对齐稳定性，减少了交叉注意力带来的对齐不稳定，进而提高了语音合成效果。