本发明提供一种声学模型训练与语音合成方法、装置和系统及存储介质。训练方法包括：获取文本信息和初始真实声学信息，文本信息包括训练文本或与训练文本相关的文本特征序列，初始真实声学信息包括初始真实语音或与初始真实语音相关的初始真实声学特征序列；将文本信息输入声学模型，以获得声学模型输出的初始预测声学信息，初始预测声学信息与初始真实声学信息的形式一致；将初始真实声学信息和初始预测声学信息分别输入判别器，以获得判别器输出的真实判别结果和预测判别结果；至少基于真实判别结果和预测判别结果，对声学模型和判别器进行对抗训练。该方法可以提高训练获得的声学模型的性能，使其生成更准确、真实的声学信息。