基于人工智能的语音合成方法、装置、设备及存储介质

本发明公开了一种基于人工智能的语音合成方法、装置、设备及存储介质，方法包括：获取参考梅尔频谱和目标文本；将参考梅尔频谱输入至变分自编码器，以获取变分自编码器输出的说话人潜在表示和口音潜在表示；将目标文本输入至预先训练好的文本编码器，以获取预先训练好的文本编码器输出的音素嵌入表示；将说话人潜在表示和口音潜在表示输入至目标矢量量化器，以获取目标矢量量化器输出的说话人嵌入表示和口音嵌入表示；根据音素嵌入表示、说话人嵌入表示和口音嵌入表示，生成目标合成梅尔频谱；将目标合成梅尔频谱转换为目标语音。本申请可应用于金融科技、医疗健康养老等业务场景中的智能语音客服中，以提高合成语音的灵活性和个性化程度。