本发明公开一种语音合成模型的训练方法，包括：采集多语种的多组语种音频数据。每组语种音频数据中包括多个说话人发音的多组语音数据。获取音素ipa映射表。根据音素ipa映射表和多语种的待训练文本，获取待训练文本所对应的待训练符号序列。训练待训练符号序列获取模型训练。本发明实施例通过一套以国际音标音素为基准的前端文本分析系统，弱化不同语言之间输出的音位的差异，不同语言相似的读音将被共享，有效缩减了训练单一语言所需要的数据量。有效改善了合成音的音质，并且在合成时通过输入不同风格的音频可以输出不同风格的合成音。同时具有更好的稳定性。