语音合成方法及装置

本说明书实施例提供一种语音合成方法，包括：获取长参考音频和对应的参考文本。将长参考音频和参考文本输入语音合成系统进行目标处理，该语音合成系统包括，对齐模块和编码模块。上述目标处理包括：利用对齐模块，将长参考音频和参考文本在时间维度上对齐，得到参考文本对应的第一音素序列中各参考音素对应的音频片段。利用编码模块，基于各参考音素及其对应的音频片段，确定预设的词表中各个音素对应的各发音表征。从各个音素对应的各发音表征中，确定出目标文本对应的第二音素序列中各目标音素对应的各目标发音表征。基于各目标音素对应的各目标发音表征，确定目标文本对应的目标音频。