本申请实施例涉及自然语言处理技术领域，公开了一种语音合成模型的训练方法、装置、电子设备和存储介质，该模型包括生成器和判别器，训练方法包括：获取若干标注有文本信息的第一音频数据生成训练样本集；将所述文本信息输入至所述生成器中，获取所述生成器输出的第二音频数据；将所述第一音频数据和所述第二音频数据输入至所述判别器中，获取所述判别器输出的判别结果，所述判别结果用于表征所述第一音频数据和所述第二音频数据之间的相似程度；根据所述判别结果和预设的损失函数，对所述语音合成模型进行迭代训练，不含中间转换环节，消除了累积误差，提升了模型的语音合成效果，只需少量训练样本即可训练模型至收敛，降低了训练成本。