一种语音合成方法及装置、设备以及存储介质，所述语音合成方法包括：提供训练语料，所述训练语料包括说话人信息、语种信息以及文本信息；对所述说话人信息进行特征提取处理，获得说话人特征；对所述语种信息进行语种编码处理，获得语种编码结果；基于对所述说话人信息、以及对语种信息均进行解耦处理后更新的参数，对所述文本信息进行文本编码处理，获得文本编码结果；对所述文本编码结果、说话人特征以及所述语种编码结果进行解码处理，获得声学频谱；基于所述声学频谱，进行音频合成处理，生成与文本信息对应的语音音频。本发明实施例提高语音合成对多种语言进行交叉迁移的能力、节省语音合成的成本。