本申请提供了语音合成方法、装置、设备及计算机可读存储介质，涉及语音处理技术领域。该方法通过获取输入的多语言混合的文本信息，将文本信息转换为混合音素文本，利用预先编制的多语言混合音素字典查找混合音素文本中各音素对应的音素编号得到音素编号序列，基于音素编号序列预测生成频谱参数序列；其中，多语言混合音素字典依据多种语言的基础音素进行编写；利用声码器将频谱参数序列转换为对应的时序语音信号，合成混合语音，本技术方案实现了利用同一融合有多种语言的基础音素的多语言混合字典，能够合成具有同一音色的混合语音，自然流畅，降低混合语音的合成成本。