本申请提供语音合成模型的训练方法和语音合成方法，模型包括文本编码模块、文本解码模块和第一预测编码模块；训练方法包括：获取训练数据集；训练数据集包括发音对象的语音数据，以及与语音数据对应的文本数据；通过文本编码模块，基于文本数据，得到音素编码序列；通过第一预测编码模块，基于语音数据，得到第一音素隐含表示；通过文本解码模块，基于音素编码序列、第一音素隐含表示和发音对象嵌入、情感嵌入，得到语音合成数据；基于语音数据与语音合成数据更新语音合成模型。本申请的实施可有效提高发音对象所对应情感语音的自然度和情感表现力。