1.一种语音合成方法，其特征在于，所述方法包括：
获取目标对象的目标参考语音和目标文本的文本特征；
基于所述目标参考语音，提取所述目标对象的语音韵律特征；
至少将所述语音韵律特征与所述文本特征进行融合，以得到第一融合特征；
基于所述第一融合特征生成所述目标对象对应所述目标文本的目标声学特征。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标参考语音，提取所述目标对象的语音韵律特征包括：
对所述目标参考语音进行特征提取，得到所述目标参考语音的音频特征；
对所述目标参考语音的音频特征进行韵律特征提取，得到所述目标对象的语音韵律特征。
3.根据权利要求1所述的方法，其特征在于，所述至少将所述语音韵律特征与所述文本特征进行融合，以得到第一融合特征之前，所述方法还包括：
基于所述目标参考语音的声学特征，提取得到细粒度音色特征，所述细粒度音色特征包括所述目标参考语音中各音素的音素音色特征；
所述至少将所述语音韵律特征与所述文本特征进行融合，以得到第一融合特征包括：
将所述细粒度音色特征融合到所述文本特征中，得到第二融合特征；
将所述第二融合特征、所述文本特征和所述语音韵律特征进行融合，以得到所述第一融合特征。
4.根据权利要求1所述的方法，其特征在于，所述第一融合特征包括所述目标文本中各音素对应的子融合特征；所述基于所述第一融合特征生成所述目标对象对应所述目标文本的目标声学特征包括：
对所述第一融合特征进行长度调节，得到长度调节特征，其中，所述长度调节特征包括所述目标文本对应的各音频帧的音频帧特征；
至少基于所述长度调节特征进行映射，得到所述目标声学特征；
其中，所述至少基于所述长度调节特征进行映射，得到所述目标声学特征的步骤由目标语音合成模型的解码器执行；所述解码器包括至少一个解码模块，所述至少一个解码模块设有特征变换层；所述特征变换层用于基于所述目标对象的变换参数进行特征变换；所述目标对象的变换参数基于所述目标对象的样本参考语音得到。
5.根据权利要求4所述的方法，其特征在于，所述解码模块包括多个顺序连接的原始操作层，至少一个所述原始操作层作为目标操作层，各所述目标操作层均通过一特征变换层连接下一原始操作层；
其中，所述多个原始操作层分为尾原始操作层和非尾原始操作层，各所述非尾原始操作层分别作为所述目标操作层；和/或，所述特征变换层用于基于所述目标对象的变换参数对所述目标操作层输出的特征进行特征变换，得到变换结果；其中，所述变换结果用于作为所述特征变换层连接的下一原始操作层的输入，所述目标对象的变换参数包括平移参数和缩放参数中的至少一者。
6.根据权利要求1所述的方法，其特征在于，所述语音韵律特征是利用目标语音合成模型的韵律建模模块得到，所述目标对象对应所述目标文本的目标声学特征是利用目标语音合成模型的声学模块得到，所述获取目标对象的目标参考语音和目标文本的文本特征之前，所述方法还包括如下步骤以获取所述目标语音合成模型：
获取经预训练的原始语音合成模型，以及获取所述目标对象的样本参考语音和对应的样本文本，其中，所述原始语音合成模型包括所述韵律建模模块和所述声学模块；
利用所述韵律建模模块，基于所述样本参考语音提取所述目标对象的样本语音韵律特征；
利用所述声学模块，基于所述样本语音韵律特征和所述样本文本的样本文本特征，生成所述目标对象对应所述样本文本的预测声学特征；
至少基于所述预测声学特征与所述样本参考语音标注的参考声学特征之间的差异，调整所述声学模块的至少部分模型参数，以得到所述目标语音合成模型。
7.根据权利要求6所述的方法，其特征在于，所述声学模块包括解码器，所述解码器包括至少一个解码模块，所述解码模块包括多个原始操作层，至少一个所述原始操作层作为目标操作层；
所述利用所述声学模块，基于所述样本语音韵律特征和所述样本文本的样本文本特征，生成所述目标对象对应所述样本文本的预测声学特征之前，所述方法还包括：
在所述目标操作层与所述目标操作层连接的下一原始操作层之间，增加一特征变换层；其中，所述多个原始操作层分为尾原始操作层和非尾原始操作层，各所述非尾原始操作层分别作为所述目标操作层；
所述利用所述声学模块，基于所述样本语音韵律特征和所述样本文本的样本文本特征，生成所述目标对象对应所述样本文本的预测声学特征包括：
基于所述样本语音韵律特征和所述样本文本特征进行融合和长度调节，得到样本长度调节特征；
利用所述解码器，基于所述样本长度调节特征进行映射，得到所述预测声学特征；
其中，所述基于所述样本长度调节特征进行映射，得到所述预测声学特征包括：
利用所述特征变换层，基于所述样本参考语音的样本全局音色特征，对所述目标操作层输出的特征进行变换，得到样本变换结果，并将所述样本变换结果输出至下一原始操作层。
8.根据权利要求7所述的方法，其特征在于，所述特征变换层包括参数获取单元和特征变换单元；所述基于所述样本参考语音的样本全局音色特征，对所述目标操作层输出的特征进行变换，得到样本变换结果包括：
利用所述参数获取单元，对所述样本全局音色特征进行线性变换，得到变换参数，其中，所述变换参数包括缩放参数和平移参数中的至少一者；
利用所述特征变换单元，基于所述变换参数对所述目标操作层输出的特征进行变换，得到所述样本变换结果。
9.根据权利要求8所述的方法，其特征在于，所述调整所述声学模块的至少部分模型参数包括：
调整所述解码器中所述特征变换层和非目标操作层的模型参数；和/或，所述方法还包括：
将训练得到的所述特征变换层中的参数获取单元删除，将训练得到的所述变换参数作为所述目标对象的变换参数，所述目标对象的变换参数用于作为所述特征变换层的输入。
10.一种语音合成模型的训练方法，其特征在于，所述方法包括：
获取经预训练的原始语音合成模型，以及获取目标对象的样本参考语音和对应的样本文本，其中，所述原始语音合成模型包括韵律建模模块和声学模块；
利用所述韵律建模模块，基于所述样本参考语音提取所述目标对象的样本语音韵律特征；
利用所述声学模块，基于所述样本语音韵律特征和所述样本文本的样本文本特征，生成所述目标对象对应所述样本文本的预测声学特征；
至少基于所述预测声学特征与所述样本参考语音标注的参考声学特征之间的差异，调整所述声学模块的至少部分模型参数，以得到目标语音合成模型。
11.根据权利要求10所述的方法，其特征在于，所述声学模块包括解码器，所述解码器包括至少一个解码模块，所述解码模块包括多个原始操作层，至少一个所述原始操作层作为目标操作层；
所述利用所述声学模块，基于所述样本语音韵律特征和所述样本文本的样本文本特征，生成所述目标对象对应所述样本文本的预测声学特征之前，所述方法还包括：
在所述目标操作层与所述目标操作层连接的下一原始操作层之间，增加一特征变换层；其中，所述多个原始操作层分为尾原始操作层和非尾原始操作层，各所述非尾原始操作层分别作为所述目标操作层；
所述利用所述声学模块，基于所述样本语音韵律特征和所述样本文本的样本文本特征，生成所述目标对象对应所述样本文本的预测声学特征包括：
基于所述样本语音韵律特征和所述样本文本特征进行融合和长度调节，得到样本长度调节特征；
利用所述解码器，基于所述样本长度调节特征进行映射，得到所述预测声学特征；
其中，所述基于所述样本长度调节特征进行映射，得到所述预测声学特征包括：
利用所述特征变换层，基于所述样本参考语音的样本全局音色特征，对所述目标操作层输出的特征进行变换，得到样本变换结果，并将所述样本变换结果输出至下一原始操作层。
12.一种语音合成装置，其特征在于，所述装置包括：
获取模块，用于获取目标对象的目标参考语音和目标文本的文本特征；
提取模块，用于基于所述目标参考语音，提取所述目标对象的语音韵律特征；
融合模块，用于至少将所述语音韵律特征与所述文本特征进行融合，以得到第一融合特征；
生成模块，用于基于所述第一融合特征生成所述目标对象对应所述目标文本的目标声学特征。
13.一种语音合成模型的训练装置，其特征在于，所述装置包括：
获取模块，用于获取经预训练的原始语音合成模型，以及获取目标对象的样本参考语音和对应的样本文本，其中，所述原始语音合成模型包括韵律建模模块和声学模块；
提取模块，用于利用所述韵律建模模块，基于所述样本参考语音提取所述目标对象的样本语音韵律特征；
生成模块，用于利用所述声学模块，基于所述样本语音韵律特征和所述样本文本的样本文本特征，生成所述目标对象对应所述样本文本的预测声学特征；
调整模块，用于至少基于所述预测声学特征与所述样本参考语音标注的参考声学特征之间的差异，调整所述声学模块的至少部分模型参数，以得到目标语音合成模型。
14.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至9任一项所述的语音合成方法或权利要求10或11所述的语音合成模型的训练方法。
15.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至9任一项所述的语音合成方法或权利要求10或11所述的语音合成模型的训练方法。