本公开提供了一种语音翻译方法、模型训练方法、装置、电子设备以及存储介质，涉及人工智能技术领域，尤其涉及语音翻译、语音合成和深度学习技术领域。具体实现方案为：确定与源语言语音数据对应的源频谱序列数据，其中，源频谱序列数据包括至少一个源频谱数据；对源频谱序列数据和第一位置编码序列数据进行特征提取，得到目标特征向量序列，其中，第一位置编码序列数据包括与至少一个源频谱序列数据对应的位置编码；对目标特征向量序列和第二位置编码序列数据进行处理，得到目标频谱序列数据，其中，第二位置编码序列数据包括与目标特征向量序列对应的位置编码；对目标频谱序列数据进行处理，得到与源语言语音数据对应的目标语言语音数据。