一种复杂场景下中文文本生成语义级音频方法及系统

本发明属于人工智能技术领域，公开了一种复杂场景下中文文本生成语义级音频方法，该方法包括：收集中文文本描述和音频数据；构建数据集；数据增强；初步训练；微调；评估优化。本发明在中文文本生成音频领域表现出色，能够更准确地生成符合中文文本描述的音频，特别是在处理复杂的多音源混合和先后顺序音频生成时，具有显著的优势。