TTS技术（又称文本转语音技术）是语音合成的一部分，它是一种将计算机生成或外部输入的文本信息转换成可理解的、流利的汉语口语输出的技术。
语音合成和语音识别技术是实现人机语音通信和构建具有听、说能力的口语系统所必需的两项关键技术。让计算机拥有像人一样说话的能力，是这个时代信息产业的重要竞争市场。与语音识别相比，语音合成技术相对成熟，并已开始成功产业化，大规模应用指日可待。

语音合成又称文语转换技术，可以将任何文字信息实时转换成标准流畅的语音，相当于在机器上安装了一个人工嘴。它涉及到声学、语言学、数字信号处理、计算机科学等多个学科的技术。它是中文信息处理领域的前沿技术。像人一样说话。我们所说的“让机器像人一样说话”，与传统的声音播放设备（系统）有着本质的区别。传统的声音播放设备（系统），如磁带录音机，“让机器说话”通过预先录制声音，然后播放它们。这种方式在内容、存储、传输或便利性和时效性方面都非常有限。另一方面，计算机语音合成可以在任何时候将任何文字转换成非常自然的语音，真正使机器“像人一样说话”。
TTS语音合成结构
语言处理
在文本到语音转换系统中起着重要的作用。它主要模拟人类对自然语言的理解过程——文本正则化、分词、语法分析和语义分析，使计算机能够完全理解输入的文本，并给出后两部分所需的各种发音提示。
韵律处理
规划出合成语音的分段特征，如音调、持续时间和强度，使合成语音能够正确地表达语义，听起来更自然。
声学处理
根据前两部分处理结果的要求输出语音，即合成语音。