本发明实施例公开了一种声学模型建立、语音合成方法、装置、设备及存储介质，其中声学模型建立方法包括：从语料库中获取多个训练样本的音素序列样本，并获取所述音素序列样本中每个音素的上下文特征以及每个音素的时长；其中，所述音素序列样本中儿化音音素拆分成两个音素；从所述训练样本中提取声学特征；以所述音素序列样本，所述音素序列样本中每个音素的上下文特征和时长作为声学模型的输入，以所述声学特征作为所述声学模型的输出，对所述声学模型进行训练，得到预先训练的声学模型，可以使儿化音的建模性能较好，可以更好地实现儿化音的合成，可以合成语料库中未出现的儿化音，同时可以降低语料库中语料的录制成本。