文本转语音（Text-To-Speech，简称 TTS），又称语音合成（Speech Synthesis），是一类将文本信息转换为可听语音信号的人工智能技术。其目标是让计算机根据输入文字生成自然、连贯的语音，使机器能够以类似人类朗读的方式输出语言内容。 TTS 技术涉及自然语言处理、语音信号处理和机器学习等多个领域，是人机语音交互系统的重要组成部分。

语音合成技术的发展经历了从规则驱动、拼接式合成到神经网络生成式合成的演进过程。早期 TTS 系统主要依赖人工设计语言规则和录制语音片段，通过拼接方式生成语音，虽然可控性较强，但自然度受到限制。随着深度学习的发展，研究人员开始利用神经网络直接学习文本与语音之间的映射关系。 2017 年，Google 研究人员在论文 Tacotron: Towards End-to-End Speech Synthesis 中提出 Tacotron 模型，将文本序列直接转换为声学特征（频谱图），并通过 Griffin-Lim 算法合成语音波形，验证了端到端语音合成的可行性；这一思路后续在 2018 年的 Tacotron 2 中被进一步发展为结合神经声码器（WaveNet）的完整神经网络合成流程，成为神经网络 TTS 领域的重要研究工作。

现代 TTS 系统通常包含文本分析、声学建模和语音波形生成等环节。模型首先理解文本中的字符、词语、语义和韵律信息，然后预测对应的声学表示（如梅尔频谱，Mel-spectrogram），最后通过声码器（Vocoder）生成连续语音信号。近年来，随着 Transformer 、扩散模型（Diffusion Models）以及大规模语音模型的发展，TTS 系统在语音自然度、情感表达、多语言支持和声音风格控制等方面不断提升。

TTS 技术主要解决数字信息无法直接通过语音形式传递的问题，使计算机能够将文本内容转换为可交互的声音输出。目前，该技术已广泛应用于智能助手、有声阅读、导航播报、客服系统、无障碍辅助以及虚拟人等场景，为人机交互提供了更加自然的语音接口。