语音合成方法和装置、电子设备、存储介质与程序产品

本公开涉及语音合成方法和装置、电子设备、存储介质与程序产品，所述方法包括：获取源视频的源语种字幕文本对应的源语种配音音频，以及源语种字幕文本所翻译成的目标语种字幕文本；利用情绪提取器从源语种配音音频中提取音频情绪特征，音频情绪特征表征源语种配音音频所表达的情绪；将目标语种字幕文本转换成音素序列，并利用文本编码器对音素序列进行编码，得到文本编码特征；将音频情绪特征与文本编码特征进行融合，得到情绪文本特征；利用解码器基于情绪文本特征，生成目标语种音频，所述目标语种音频用于作为源视频在目标语种下的配音音频。由此，能够自动高效地生成带有源配音音频情绪的高质量目标语种音频，成本低且效率高。