本文公开一种实现音频信息处理的方法、装置、计算机存储介质及终端，本发明实施例对第一语音文本特征向量和第一易混音位置标记向量进行向量点积计算，获得包含相关性信息的第二语音文本特征向量和包含相关性信息的第二易混音位置标记向量；对获得的第二语音文本特征向量和第二易混音位置标记向量进行融合处理，获得包含易混音信息的语音向量；对获得的语音向量进行预测处理，获得语音向量的第一特征数据；根据获得的第一特征数据解码第一文本，获得第一文本的音频频谱；根据获得的音频频谱生成第一文本的合成音频文件。本发明实施例获得了自然度高的合成语音，提升了合成语音的音频质量。