众所周知，所谓TTS即Text To Speech的英文缩写，也就是“从文本转换到语音”。TTS技术的主要作用在于利用计算机合成人语，并将文字信息转化为语音信息进行播放。简单点说，TTS技术赋予了计算机“开口说人话”的能力。作为一项历史悠久的计算机技术，TTS的应用领域可谓非常之广阔。不但可以用来阅读电子邮件，进行IVR系统(Interactive Voice Response)的语音提示，也可以很方便的嵌入到游戏或者其它类型的应用程序当中，增强用户体验。尤其重要的是，在某些无法够获得详细文字咨询的场合(譬如声讯台或者盲人服务)，TTS技术具有其它技术无法替代的关键作用。针对于TTS需求所要实现的功能，主要包含如下几个部分：1、文本分析：对输入文本进行语言学分析，逐句进行词汇的、语法的和语义的分析，以确定句子的低层结构和每个字的音素的组成，包括文本的断句、字词切分、多音字的处理、数字的处理、缩略语的处理等。2、语音合成：把处理好的文本所对应的单字或短语从语音合成库中提取，把语言学描述转化成言语波形。3、韵律处理：用以控制语音合成系统所输出的语音的质量，一般可从清晰度、自然度和连贯性等方面进行主观评价。但是，即便上述所讲从纯技术角度来说并不很难，开发TTS引擎仍然是件非常让人头痛的事情。因为除去核心架构的开发之外，TTS应用还存在有大量针对具体文字、词组、固定语句的采样、归类、矫正的工作要做，否则就无法满足其“拟人”的最基本需求。从某种意义上讲，这些非常耗时的重复性工作，其本质似乎更贴近体力劳动，而非严格意义上的技术领域。因此，对于TTS引擎的制造者而言，所需付出的体力劳动强度，将远远超出脑力劳动所应付出的代价(如果不是这样，那些收费TTS引擎的开发商都要饿死了……)。万幸的是，我们生活在一个越来越倾向开源的国际大环境下，即使你一字不动，一笔不写，也有数之不尽的现成轮子可供驱策，并不一定要花钱购买昂贵的商业引擎，也不必皓首穷经的自己从头写起。