本申请公开了语音合成系统、相关方法、装置及设备。其中，语音合成方法包括：确定待处理文本的语音单位序列；通过端到端声学模型，至少根据所述语音单位序列，确定所述文本的声学特征序列；通过声码器，根据所述声学特征序列，生成所述文本的语音数据。采用这种处理方式，使得利用端到端声学模型自动学习文本的语音单位(如音素)的隐层表达，根据该隐层表达确定文本的声学特征，避免根据人工设置的语言学特征确定声学特征，根据这样的声学特征合成的音频更自然，音质更优；因此，可以有效提升语音合成效果。