1.一种用于口语练习的虚拟对象的音频生成方法，其特征在于，所述方法包括：
采集多个用户的对练音频；
依据所述多个用户的对练音频以及预设对练内容，确定不同虚拟对象的目标对练音频，在所述预设对练内容为一个对话内容的情况下，所述目标对练音频为与所述一个对话内容对应的音频，在所述预设对练内容为多个对话内容的情况下，所述目标对练音频为与所述多个对话内容对应的音频；
对所述不同虚拟对象的目标对练音频进行预处理，得到所述不同虚拟对象的目标参考对练音频；所述不同虚拟对象的目标对练音频包括：第一虚拟对象的第一目标对练音频，所述不同虚拟对象的目标参考对练音频包括：所述第一虚拟对象的第一目标参考对练音频；
所述对所述不同虚拟对象的目标对练音频进行预处理，得到所述不同虚拟对象的目标参考对练音频，包括：
从所述预设对练内容中获取所述第一虚拟对象的第一预设对练内容，以及获取所述第一目标对练音频对应的第一目标对练内容；
若所述第一目标对练内容与所述第一预设对练内容匹配，则将所述第一目标对练音频确定为所述第一虚拟对象的第一目标参考对练音频；
若所述第一目标对练内容与所述第一预设对练内容不匹配，则依据所述第一预设对练内容对所述第一目标对练音频进行修正，以得到所述第一虚拟对象的第一目标参考对练音频。
2.根据权利要求1所述的方法，其特征在于，所述不同虚拟对象的目标对练音频包括：
第一虚拟对象的M个用户的第一目标对练音频，所述不同虚拟对象的目标参考对练音频包括：所述第一虚拟对象的N个用户的第一目标参考对练音频，所述N小于或者等于所述M，M和N为正整数。
3.根据权利要求2所述的方法，其特征在于，在所述N小于所述M的情况下，所述依据所述第一预设对练内容对所述第一目标对练音频进行修正，以得到所述第一虚拟对象的第一目标参考对练音频，包括：
依据所述第一预设对练内容，确定所述M个用户中每一用户的第一目标对练音频的完整度；
从所述M个用户的第一目标对练音频中剔除完整度小于预设完整度的第一目标对练音频，得到所述N个用户的第一目标对练音频；
依据所述第一预设对练内容，修正所述N个用户中每一用户的第一目标对练音频，得到所述N个用户的第一目标参考对练音频。
4.根据权利要求3所述的方法，其特征在于，所述不同虚拟对象的目标参考对练音频还包括：第二虚拟对象的Y个用户的第二目标参考对练音频；所述第一虚拟对象和所述第二虚拟对象属于包含于所述预设对练内容中的第一对话的虚拟对象；所述N个用户中第一用户和所述Y个用户中第二用户的用户标签为第一标签；
所述方法还包括：
对所述第一用户的第一目标参考对练音频和所述第二用户的第二目标参考对练音频进行打包，得到所述第一标签对应的语音包。
5.根据权利要求4所述的方法，其特征在于，所述对所述第一用户的第一目标参考对练音频和所述第二用户的第二目标参考对练音频进行打包，得到所述第一标签对应的语音包之后，所述方法还包括：
在检测到对练请求时，获取所述对练请求对应的当前用户标签；
在所述当前用户标签为所述第一标签时，查找所述第一标签对应的语音包；
确定所述对练请求的请求用户针对所述第一对话选取的第三虚拟对象；
依据所述第一用户标签的语音包，启动所述第三虚拟对象对应的口语对练模式。
6.一种电子设备，其特征在于，包括：
采集单元，用于采集多个用户的对练音频；
确定单元，用于依据所述多个用户的对练音频以及预设对练内容，确定不同虚拟对象的目标对练音频，在所述预设对练内容为一个对话内容的情况下，所述目标对练音频为与所述一个对话内容对应的音频，在所述预设对练内容为多个对话内容的情况下，所述目标对练音频为与所述多个对话内容对应的音频；
处理单元，用于对所述不同虚拟对象的目标对练音频进行预处理，得到所述不同虚拟对象的目标参考对练音频；所述不同虚拟对象的目标对练音频包括：第一虚拟对象的第一目标对练音频，所述不同虚拟对象的目标参考对练音频包括：所述第一虚拟对象的第一目标参考对练音频；
所述处理单元，具体用于从所述预设对练内容中获取所述第一虚拟对象的第一预设对练内容，以及获取所述第一目标对练音频对应的第一目标对练内容；以及，在所述第一目标对练内容与所述第一预设对练内容匹配时，则将所述第一目标对练音频确定为所述第一虚拟对象的第一目标参考对练音频；以及，在所述第一目标对练内容与所述第一预设对练内容不匹配时，则依据所述第一预设对练内容对所述第一目标对练音频进行修正，以得到所述第一虚拟对象的第一目标参考对练音频。
7.一种电子设备，其特征在于，所述电子设备包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行权利要求1～5任一项所述方法的部分或全部步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序包括用于执行权利要求1～5任一项所述方法的部分或全部步骤。