TTS（Text To Speech）是一个序列到序列的匹配问题。处理TTS的方法一般分为两部分：文本分析和语音合成（speech synthesis）。文本分析可能采用NLP方法。

而在语音合成（speech synthesis）上有两种主要的方法：一种是非参数化的，基于样例的方法，如拼接语音合成；另一种是参数化的、基于模型的方法，如统计参数语音合成。

拼接语音合成：

基于统计规则的大语料库拼接语音合成系统

超大规模音库制作：语料设计；音库录制；精细切分；韵律标注；

优点：音质最佳，录音和合成音质差异小，正常句子的自然度也好

缺点：非常依赖音库的规模大小和制作质量，尺寸大，无法在嵌入式设备中应用，仍然存在拼接不连续性

参数语音合成

对于引得频谱特性参数进行建模，生成参数合成器，来构建文本序列映射到语音的映射关系

优点：尺寸小，语音自然度好

缺点：音质不如拼接合成