本申请提供了一种可局部修改内容的语音合成方法及语音合成系统，以语音音色一致、而文本及语音内容不同的两组训练数据作为一个训练样本，以一组数据中文本的发音单元和语音的语音特征，以及另一组数据中文本的发音单元作为输入，以该另一组数据中语音的语音特征作为训练目标，预测该另一组数据中文本的发音单元对应的预测语音特征，使得基于该预测语音特征合成得到的预测语音的音色与作为输入的语音的音色一致，且内容与另一组数据中的文本一致。在训练语音合成系统时，仅需保证一个训练样本的两组训练数据来自相同发音人，使用该语音合成系统可以通过修改任意发音人的一组数据中的文本内容合成出与该发音人音色一致且内容为修改后的内容的语音。