端侧语音模型部署方法、装置、设备及存储介质

本申请涉及端侧模型部署的技术领域，尤其涉及一种端侧语音模型部署方法、装置、设备及存储介质。包括：端侧录制的参考音频；提取参考音频的参考语义令牌和嵌入向量；获取训练文本集，将训练文本集中每一训练文本对应的训练文本编码、嵌入向量和参考语义令牌整合输入至预设语言模型，输出对应训练文本的综合令牌序列；对每一综合令牌序列执行梅尔频谱转换，得到对应综合令牌序列的第一频谱表示；根据每一第一频谱表示生成对应训练文本的音频信号，整合得到训练数据集；将训练数据集输入至待训练模型，训练得到仅保留音色建模参数的轻量语音模型；将轻量语音模型更新至端侧完成端侧部署。本申请可以实现对端侧设备的语音合成模型部署。