一种语音生成方法及装置、电子设备、介质、外呼系统

本发明提供一种语音生成方法及装置、电子设备、介质、外呼系统，其中语音生成方法包括：获取待合成文本以及预设的语音信息；利用训练好的语音生成网络，基于编码器融合待合成文本以及语音信息，得到编码信息融合结果；利用训练好的语音生成网络，基于大模型整合编码信息融合结果，以生成语音并输出。该方法使用编码器整合待合成文本和语音信息，这一步可以将不同维度的信息进行融合，以将不同维度的信息整合到同一特征分布空间，提升准确性，从而提升后续语音合成的拟人程度；同时，采用大模型来进行语音合成，合成的语音拟人程度更高、更逼真；再结合实时生成技术，使得语音生成效率高、速度快。