本发明涉及语音伪造技术领域，具体涉及一种基于说话内容与音色分离的低资源语音伪造系统装置及方法，旨在解决利用低资源在端到端声学模型上进行自适应时容易过拟合的问题，本发明在原来从文本到声学特征的端到端声学模型的基础上，引入了音素先验概率特征作为中间变量。并将端到端声学模型拆分为分段式预测，包括从文本到音素先验概率的预测模块和从音素先验概率到声学特征预测模块。在此框架上进行低资源学习，可以有效地防止模型过拟合，提高稳定性，改善模型合成语音的品质。