基于大模型生成音频的方法、装置、电子设备及存储介质

本公开提供了一种基于大模型生成音频的方法、装置、电子设备及存储介质，涉及音频合成、大模型等人工智能技术领域。具体实现方案为：在大模型生成文本的过程中，获取实时生成的文字；基于所述文字，采用预先训练的音频生成模型，依次获取所述文字的各音频单元的音频特征；所述音频单元的音频特征为离散化的音频特征，所述文字包括多个不同的音频单元的音频特征；基于各所述音频单元的音频特征，采用预先训练的声码器，合成对应的音频。本公开的技术，能够有效地缩短生成大模型输出的文字的音频的时延，并且提升了合成音频的自然度和流畅度，进而能够提高了基于大模型的语音交互的用户体验。