语音合成方法和装置、电子设备及存储介质

本申请实施例提供了一种语音合成方法和装置、电子设备及存储介质，属于语音合成技术领域，适用于金融科技和医疗领域。该方法包括：基于特征编码子模型，对语音韵律草图进行特征提取，得到韵律特征向量；基于韵律特征向量，对目标文本进行文本编码，得到文本向量；基于特征编码子模型，对文本向量及韵律特征向量进行向量拼接，得到拼接特征向量；基于韵律控制子模型及韵律特征向量，进行韵律轮廓预测，得到韵律特征优化向量；基于韵律控制子模型及韵律特征优化向量，对拼接特征向量进行韵律调节，得到目标特征向量；基于语音生成子模型，对目标特征向量进行音频生成。本申请实施例能够生成更加精准的特定情感或风格。