本公开提供了一种语音生成方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体为语音合成和自然语言处理技术领域。具体实现方案为：获取待处理文本，并确定待处理文本的关联文本，获取关联文本的关联韵律特征，根据待处理文本，确定关联文本的关联文本特征，根据关联韵律特征和关联文本特征，确定待处理文本的待处理频谱特征，以及根据待处理频谱特征，生成与待处理文本对应的目标语音。可以实现确定出待处理文本的关联文本，并充分联合关联文本的关联韵律特征对待处理文本的韵律特征进行调整，有效提升待处理频谱特征对待处理文本的频谱表征准确性，从而有效提升所合成目标语音的表征效果，提升目标语音在应用场景中的实用性和适用性。