用于拟人音频的生成方法及生成装置、电子设备

本申请涉及语音播报技术领域，公开了一种用于拟人音频的生成方法及生成装置、电子设备。生成方法包括：获取大语言模型输出的流式回复信息，并分片处理流式回复信息确定多个文本切片；采用目标TTS模型的语义向量提取模型，识别每个文本切片的语义特征向量；采用目标TTS模型的情感向量生成模型，处理目标人物的音频文件和情感参数，确定目标人物的情感特征向量；根据每个文本切片的语义特征向量和目标人物的情感特征向量，合成每个文本切片对应的音频文件。本申请可以提高数字人输出音频的拟人程度。