一种语音合成方法及相关装置

本申请公开了一种语音合成方法及相关装置，涉及语音合成技术领域，包括：获取待合成文本、用于定制目标发音人的主模态人设特征数据和辅模态人设特征数据，将各模态人设特征数据映射到多模态共享的语义嵌入空间，得到主模态对齐特征和辅模态对齐特征，并对其进行特征融合预测，得到目标发音人声学特征，根据目标发音人声学特征和待合成文本，得到与目标发音人相匹配的目标合成语音。本申请使得用户能够根据需求自由配置多模态人设特征数据，实现了对目标发音人的灵活定制，目标发音人声学特征与主模态对齐特征的特征一致性高于其与辅模态对齐特征的特征一致性，使得语音合成效果能够更贴合用户需求的人设预期，提高了用户的发音人定制体验。