语音合成方法、扩散模型的训练方法、装置及设备

本申请涉及语音合成技术领域，用于人工智能场景、金融业务场景、医疗健康业务场景，提供一种语音合成方法、扩散模型的训练方法、装置及设备，包括：获取文本信息；基于扩散模型的文本编码子模型，对文本信息进行编码处理，得到向量序列；基于声学特征提取子模型，对向量序列进行声学特征提取处理，得到第一梅尔谱；基于上下文感知子模型，根据向量序列，对第一梅尔谱进行文本‑语音对齐处理，得到第二梅尔谱；基于高频补偿扩散子模型，对第二梅尔谱进行残差学习及多尺度声学特征提取处理，得到目标梅尔谱；基于扩散子模型，根据目标梅尔谱，确定目标语音，以提升语音合成效果，进而推进金融业务、医疗健康业务的发展。