本公开提供了一种声学建模方法、语音转换方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为深度学习和语音合成技术领域，可应用于声学建模、语音转换等场景。具体实现方案为：获取文本训练样本和对应的语音频谱训练样本；对语音频谱训练样本进行频谱质量校准，得到校准后的语音频谱训练样本；基于文本训练样本和校准后的语音频谱训练样本，训练初始声学模型，得到目标声学模型。首先对语音频谱训练样本进行频谱质量校准，然后基于文本训练样本和校准后的语音频谱训练样本进行训练，使目标声学模型输出的语音频谱更准确。