一种合成语音生成方法、装置、计算机设备及存储介质

本申请属于人工智能技术领域，适用于金融或医疗领域，涉及一种合成语音生成方法、装置、计算机设备及存储介质，该方法包括：获取用户终端发送的合成语音生成请求，其中，所述合成语音生成请求包括待合成文本数据、待合成语音数据以及文本标记位置数据；将所述待合成文本数据输入至XLM编码器进行文本编码操作，得到XLM标记嵌入数据；对所述待合成语音数据进行下采样操作，得到下采样注册标记数据；将所述文本标记位置数据输入至位置编码器进行位置编码操作，得到标记位置嵌入数据；将所述XLM标记嵌入数据、所述下采样注册标记数据以及所述标记位置嵌入数据输入至音频Transformer模型进行音频预测操作，得到音频预测数据。本申请可以有效减少对标注数据的依赖。