目标音频生成方法及装置、电子设备和介质

本公开提供了一种目标音频生成方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及计算机领域，尤其涉及人工智能、深度学习、自然语言处理技术领域。实现方案为：获取参考音频、参考文本和目标文本；基于将参考音频进行特征离散化，获得参考音频声学标记序列和参考音频语义标记序列；将目标文本和参考文本分别进行特征离散化以获得各自对应的文本语义标记序列；基于文本语义标记序列、参考音频语义标记序列，通过第一生成式语言模型获得目标音频语义标记序列；基于参考音频语义标记序列、目标音频语义标记序列和参考音频声学标记序列，通过第二生成式语言模型获得目标音频声学标记序列；基于目标音频声学标记序列解码得到目标音频。