本公开提供了语音处理方法、装置、设备及存储介质，数据处理领域，尤其涉及人工智能、深度学习、语音处理技术领域。具体实现方案为：获取待处理文本的音素序列和参考风格音频的风格属性信息，风格属性信息包含说话人特征和韵律特征；利用风格属性信息，得到音素序列对应的音频特征；根据音素序列对应的音频特征，得到待处理文本对应的目标风格音频。根据本公开的技术，将参考风格音频的说话人的风格特性拆解成说话人特性和韵律风格两部分，屏蔽了信道和内容的影响，减弱了二者之间的相互影响，以使目标风格音频的风格属性信息与参考风格音频的风格属性信息高度一致，从而提高了音频的合成质量。