TTS技術（又稱文語轉換技術）是語音合成的一部分，它是將計算機生成的或外部輸入的文本信息轉化為可理解的、流利的中文口語輸出的技術。

語音合成和語音識別技術是實現人機語音交流、構建具有聽和說能力的口語系統所必需的兩項關鍵技術。使計算機具有類似人類的說話能力是這個時代信息產業的重要競爭市場。與語音識別相比，語音合成的技術相對更成熟，并開始成功走向產業化，大規模應用指日可待。

語音合成，又稱文字轉語音技術，可以將任何文字信息實時轉換為標準流利的語音，相當于給機器裝上了一張人工的嘴。它涉及聲學、語言學、數字信號處理、計算機科學等多個學科的技術，是中文信息處理領域的一項前沿技術，主要問題是如何將文本信息轉化為可聽的聲音信息，也就是讓機器像人一樣說話。我們所說的 "讓機器像人一樣說話"，與傳統的聲音播放設備（系統）有著本質的區別。傳統的聲音播放設備（系統），如磁帶錄音機，是通過預先錄制聲音然后播放來 "讓機器說話"。這種方法在內容、存儲、傳輸或方便性和及時性方面都非常有限。另一方面，計算機化的語音合成可以在任何時候將任何文本轉換成高度自然的語音，從而真正使機器 "像人一樣說話"。

TTS 結構

語言處理

在文語轉換系統中起著重要的作用，主要模擬人對自然語言的理解過程——文本規整、詞的切分、語法分析和語義分析，使計算機對輸入的文本能完全理解，并給出后兩部分所需要的各種發音提示。

韻律處理

為合成語音規劃出音段特征，如音高、音長和音強等，使合成語音能正確表達語意，聽起來更加自然。

聲學處理

根據前兩部分處理結果的要求輸出語音，即合成語音。