语音合成方法、语音合成装置和电子设备

本申请提供了一种语音合成方法、语音合成装置和电子设备，该方法包括：获取文本数据和音频数据；采用文本编码器对文本数据进行编码，得到文本数据的离散编码，采用音频编码器对音频数据进行编码，得到音频数据的离散编码；根据语音语言模型、文本数据的离散编码和音频数据的离散编码，确定目标合成语音的离散编码，其中，文本数据的离散编码和音频数据的离散编码共同组成多层离散码本，任意两层离散编码之间具有时延，语音语言模型由大语言模型和语音合成模型组成；采用解码器对目标合成语音的离散编码进行解码，得到目标合成语音。解决了现有技术中合成语音的质量差的问题。