本申请公开了语音合成模型的训练方法、装置、设备以及存储介质，涉及深度学习、语音技术领域。具体实现方案为：获取用户样本数据、初始语音合成模型以及对应的预训练数据；对用户样本数据进行划分，得到第一样本数据和第二样本数据；采用第一样本数据和预训练数据，对初始语音合成模型进行训练，并在训练过程中获取多个训练得到的第一语音合成模型；从多个第一语音合成模型中选择目标语音合成模型；采用第二样本数据对目标语音合成模型进行微调训练，得到训练好的语音合成模型。由此，仅需要规模较少的用户样本数据，即可训练得到能够输出高质量的语音合成结果的语音合成模型，且语音合成过程耗时短，成本低。