语音生成方法、装置、设备和存储介质

本公开的实施例涉及语音生成方法、装置、设备和存储介质。在此提出的方法包括：响应于接收到至少一个第一输入内容，提取至少一个第一输入内容对应的参考语音特征表示，其中参考语音特征表示至少指示至少一个第一输入内容中与音色有关的特征信息；提供基于参考文本和参考语音特征表示而生成的参考语音；以及响应于检测到对参考语音的确认，基于目标文本和参考语音，生成目标语音，其中目标语音的音色与参考语音的音色相匹配。