本申请涉及一种语音转换方法、装置、电子设备及存储介质，方法包括：提取目标语音的韵律，得到目标韵律参数，目标语音为需要进行语音转换的语音；将目标语音输入端到端语音识别编码器，以得到端到端语音识别编码器对目标语音进行处理后输出的内容向量；根据目标韵律参数和内容向量对目标语音进行语音转换，由于内容向量的时间分辨率与目标语音的时间分辨率一致，使得内容向量表征的音素特征与目标语音包含的音素特征一致，进而使得内容向量中能够完整的体现目标语音的细节，提升了语音转换的效果，且由于内容向量中包括的音素特征未进行分类，避免了音素分类不准确，影响语音转换的问题，进一步提升了语音转换的效果。