一种音频生成方法、装置、设备及其存储介质

本申请实施例属于研发设计及音频处理技术领域，应用于音频生成场景中，涉及一种音频生成方法、装置、设备及其存储介质，通过获取进行音频生成的目标文本数据；将目标文本数据输入到预训练完成的音频生成器中；识别通过人机交互方式所获取的尺度选择指令；基于所述尺度选择指令，获得所述音频生成器所输出的期望音频数据。将本申请所述音频生成方法，应用到多尺度音频生成场景下，尤其是在多语种广播或者智能语音客服回访场景下，能够根据音频语种、音频时间、音频频率范围的差异，生成更加细节和高质量的多语种译音，更加自动化和智能化，且为不同语种的客户提供更加国际化的广播或问询服务。