本发明提供一种文本拼音的转换方法及装置、存储介质及电子设备，该方法包括：当接收到将文本转换为拼音的触发指令时，确定文本对应的音频，并确定音频对应的各个音频特征；将每个音频特征输入预先建立的声学模型，经声学模型处理后，获得每个音频特征对应的概率集合，每个音频特征对应的概率集合中包括该音频特征对应每个音素的概率；依据预设的词典，确定文本对应的各组拼音序列；依据各个音频特征对应的概率集合，确定每组拼音序列对应的概率，将对应概率最大的拼音序列确定为目标拼音序列，并将目标拼音序列确定为该文本对应的文本拼音。应用本发明的方法，结合音频特征确定拼音，可提高文本拼音与音频的匹配准确度，改善合成器的训练效果。