与汉语、英语等主流语言的语音合成技术相比,藏语语音合成技术合成的语音在自然度和相似度上还存在较大的差距,因此,借鉴主流语言的语音合成技术来研究藏语语音合成具有重要的意义。同时,由于嵌入式设备性能的不断提升,将藏语语音合成技术与嵌入式设备相结合,可以实现便携式的藏语语音合成系统。本文以嵌入式藏语语音合成为研究对象,设计并建立了一个藏语语音合成语料库,分析并改进了语音合成系统中的声码器,在此基础上,搭建了基于深度学习的藏语语音合成系统,并将其移植于嵌入式设备上,实现了嵌入式藏语语音合成系统。本文的主要工作和创新如下:1.设计并建立了藏语语音合成语料库。首先搜集了不同题材的藏语语句,然后剔除其中不常见以及特殊句子,最后按照音节频率进行句子的增加和删除并进行了语音的录制。在保证基本音韵均衡的情况下,建立了10000句高质量的藏语语音合成语料库。2.分析并改进了用于语音合成的声码器。在分析声码器原理的基础上,将其提取的原始语音谱包络特征改为低维谱包络特征,实现了一个藏语语音编解码系统。实验结果表明,改进的声码器生成的藏语语音具有更好的音质。3.搭建了基于深度学习的藏语语音合成系统。在训练阶段,通过前端文本分析获得上下文相关的标注信息,并使用改进的声码器提取声学参数特征,以完成基于深度神经网络的声学模型训练。采用的神经网络模型有深度神经网络（Deep Neural Networks,DNN）、混合长短时记忆网络（hybrid Long Short Term Memory networks,混合LSTMs）、混合双向长短时记忆网络（hybrid Bidirectional Long Short Term Memory networks,混合BLSTMs）。在合成阶段,待合成的藏语文本经过文本分析得到上下文相关的标注信息,声学模型根据上下文相关的标注信息产生相应的声学参数特征,最终声码器依据声学模型输出的声学参数特征恢复语音波形。实验结果表明,采用改进的语音合成系统在三种神经网络模型下的合成语音自然度和相似度均有所提高,采用混合BLSTMs模型的合成语音质量最好。4.实现了嵌入式藏语语音合成系统。建立了两种嵌入式藏语语音合成系统实现框架。嵌入式端与服务器端的交互采用客户端/服务器（Client/Server,C/S）模式。实验结果表明,不同使用场景下系统的最佳实现方式不同。