语音生成方法、装置、介质、电子设备及程序产品

本申请属于人工智能技术领域，具体涉及一种语音生成方法、语音生成装置、计算机可读介质、电子设备以及计算机程序产品。该方法包括：获取自然语言指令，所述自然语言指令用于以自然语言描述语音的呈现效果；获取与所述自然语言指令具有相似语音呈现效果的样本对，所述样本对包括音频样本和文本样本，所述文本样本用于描述所述音频样本的语音呈现效果；将所述自然语言指令与所述样本对组合，得到多模态提示词；根据所述多模态提示词生成语音。本申请可以提升语音生成的控制精度和灵活性。