语音合成方法及装置

本申请实施例提供了一种语音合成方法及装置，该方法包括：获取各个音频数据对应的综合声学特征，所述综合声学特征包括：隐式声学特征以及显式声学特征；获取各个音频聚类簇对应的聚类中心，并计算各个音频数据与各个音频聚类簇对应的聚类中心的目标距离；基于各个音频数据与各个音频聚类簇对应的聚类中心的目标距离，获取各个音频聚类簇对应的语义簇；在确定多个语义簇中的目标语义簇的情况下，根据所述语义簇对应的音频聚类簇的聚类中心确定目标音色；将目标文本以及所述目标音色输入语音合成模型中，得到具有所述目标音色的目标语音。