本发明实施例提供了一种语音处理方法，该方法包括：获得原始语音、与原始语音匹配的原始文本、原始文本对应的目标文本；确定目标文本中的音素对应的语音帧的最终时长信息，最终时长信息包括目标文本相对于原始文本的变化部分对应的语音帧的时长信息；根据变化部分对应的语音帧的时长信息，对原始语音的原始频谱进行填充处理，获得目标频谱；将目标频谱作为韵律参考信息，结合最终时长信息以及目标文本进行语音合成处理，获得目标语音。应用本发明实施例所提供的技术方案，可以充分利用原始语音的韵律信息，保证目标语音在听感上的连续性，使得整段语音的韵律更自然。本发明实施例还提供了一种语音处理装置、设备及存储介质，具有相应技术效果。