本申请实施例公开了一种语音生成方法、装置、电子设备及存储介质。该方法包括：获取用户输入的文本数据、参考音频信号、第一参数和第二参数；利用声纹特征模型对参考音频信号进行特征提取，以得到参考音频信号的声纹特征向量；根据第一参数、第二参数和参考音频信号的声纹特征向量得到目标声纹特征向量；对文本数据进行特征提取，以得到文本特征向量；根据文本特征向量和目标声纹特征向量得到文本数据对应的语音频谱；利用声码器对语音频谱进行处理，以得到目标音频信号，该目标音频信号表示的文本数据为用户输入的文本数据。采用本申请实施例提供的语音生成方法，有利于降低语音合成的难度，并且不存在音频录制失误的风险。