一种语音生成方法、装置、设备、存储介质及程序产品

本发明公开了一种语音生成方法、装置、设备、存储介质及程序产品。该方法包括：获取输入文本和语音风格信息；对输入文本进行文本内容编码，获得输入文本的梅尔频谱图；对语音风格信息进行语音风格信息编码和声学适配，获得语音风格信息的声学风格特征向量；对声学风格特征向量和梅尔频谱图进行融合，获得风格化梅尔频谱图；根据风格化梅尔频谱图生成语音数据。本技术方案给出了一种融合语音风格的文本转换为语音的方式，以此来丰富语音的性感色彩和语音信息，使得基于文本生成的语音更加接近人类的真实表达。