基于大语言模型的语音合成方法、装置、设备及存储介质

本发明涉及人工智能技术领域，可运用于医疗领域和金融科技领域，公开了基于大语言模型的语音合成方法、装置、设备及存储介质，应用于应用于金融资讯实时播报场景中，或应用于医疗领域的问诊记录与病例生成场景中，其中方法包括：获取包括环境噪声的原始语音波形，并提取原始语音波形中的声学标记，生成离散声学标记；对离散声学标记进行去噪处理，生成去噪后声学标记；对去噪后声学标记进行声学嵌入，生成目标声学嵌入；获取待合成文本，将目标声学嵌入和待合成文本拼接，并基于拼接后信息进行联合自回归生成处理，生成目标声学标记；对目标声学标记进行进行解码，生成目标语音波形。本发明提升了噪声环境下的语音合成质量。