语音合成方法、装置、电子设备、存储介质和程序产品

本申请公开了一种语音合成方法、装置、电子设备、存储介质和程序产品，属于语音处理的技术领域。所述语音合成方法，其特征在于，包括：获取目标语言基准文本；将所述目标语言基准文本输入至目标模型，获取所述目标模型输出的目标音频；其中，所述目标模型为，以对训练样本进行音色特征与非音色特征解耦，学习语言共性特征为目标训练得到的；所述训练样本包括不同语言类别的第一样本音频，以及与所述第一样本音频对应的样本文本。本申请提供的语音合成方法，能够使输出目标音频中的更好地表征深层语音特征，实现跨语言场景下的语音合成，可有效覆盖跨语言音色克隆等场景需求，从而提升合成语音的质量。