2021年2月，音频社交软件Clubhouse风靡全球，其爆红除了带动语音社交概念股股价上的涨势，也使本身在中国有一定基础的在线音频行业吸引了更多的关注。iiMedia Research(艾媒咨询)数据显示，2020年中国在线音频用户规模达到5.7亿人，2022年有望升至6.9亿人。无论是手机里的有声书，智能助手（智能客服等），有买有送的智能音箱，还是各具特色的虚拟偶像或者车载导航，总有一种声音曾陪伴过你。
这些生活中随处可见AI的声音，背后其实都有依靠一项核心技术：语音合成TTS（text-to-speech）。声音可以影响用户的视觉感知以及对一个人的刻板印象，而语音合成技术，就可以为机器注入这种人格化的魅力，以用户粘性来判断一个产品商业价值的时代，TTS语音合成能力就能成为影响各个语音场景输赢的关键性因素。
以下是对《A Survey on Neural Speech Synthesis》文献综述的个人总结，文中提出目前TTS主要分为以下的5个方向：
一、Fast TTS
该方向被需要的原因：文本到语音合成系统通常部署在云服务器或嵌入式设备中，且语言本身就是序列化呈现的东西，无法像图像一样让使用者同时处理大量的信息,更快速的处理以及轻量的模型易于商业上不同场景的部署使用
二、Low-Resource TTS
该方向被需要的原因：构建高质量的TTS系统通常需要大量高质量的配对文本和语音数据，但是在有些领域难以获得这样的数据，如小语种。以及看目前涉及TTS技术的产品在往个人声音定制的方向发展，以及基于商业的角度更少的资源意味着更少的成本。
三、Robust TTS
该方向被需要的原因：在神经TTS中，当从字符/音素序列生成梅尔谱序列时，在声学模型中经常发生诸如跳字、重复和注意力崩溃等稳健性问题。但是现有的模型对该问题已经有了很好的解决，如fastspeech2模型使用外部对准技术（HMM based Montreal forced alignment (MFA)来获得持续时间，替换注意机制
四、Expressive TTS
Expressive TTS的关键是处理一对多映射问题，指在持续时间、音高、音量、说话者风格、情感等方面，同一文本对应的多种语音变化。
该方向被需要的原因：合成综合可理解并且自然的语言，同时最好富含情感的语言是其他一些更为人性化产品的需求
五、Adaptive TTS
该方向被需要的原因：可以为任何用户合成语音，达到千人千面的效果。虚拟偶性，AI主播经济的流行（如初音未来），以及原神等大型开放世界性游戏的流行，使得在商业上对定制语音的需求不断地上升，但是目前配音和定制语音之间差异大。可以使用的场景：如语音适应，语音克隆，定制语音。
