一句话定义：TTS（Text-to-Speech，文本转语音）有两条主流技术路线——级联 TTS 把「文本→声学→波形」拆成几个模块接力完成，端到端 TTS 则用一个模型直接从文本（或音素）生成音频。
级联路线的典型三段：前端（text analysis，负责分词、多音字、数字读法、韵律预测）→ 声学模型（acoustic model，把语言学特征映射成梅尔频谱等中间表示）→ 声码器（vocoder，把频谱还原成波形）。这像做菜的流水线：切配、翻炒、装盘各一位师傅，每人只管自己那一步。好处是每一环都能单独检查、替换、调试——多音字读错就改词典，音色不好就换声码器，出问题也知道去哪儿找。代价是误差逐级累积，而且每个模块的优化目标（比如频谱误差最小）和人耳最终的听感并不一致，成品容易「平」，缺起伏和情绪。
端到端则像一位师傅从原料直接出菜。它不再依赖人工定义的中间声学特征，优化目标更贴近最终音频，所以韵律、停顿、语气往往更自然，也能从数据里学到一些「说话的习惯」。
| 维度 | 级联 TTS | 端到端 TTS |
|---|---|---|
| 结构 | 多模块串联 | 单模型直出音频 |
| 可控性 | 高，可单独调某一环 | 较低，中间表示不直观 |
| 误差 | 逐级累积 | 整体联合优化 |
| 自然度 | 受各模块上限约束 | 通常更自然 |
| 调试 | 定位清晰 | 偏黑箱，靠数据与训练技巧 |
不过两者的界限正在变模糊：不少所谓端到端系统仍保留音素前端，或者仍在模型内部预测梅尔频谱，只是把它当成模型的一层，而不是独立模块。更准确的说法是「一体化程度」的连续谱。
对从业者的实际意义：需要发音准确、可控、易兜底的场景（导航播报、数字与专有名词密集的念读）更适合级联思路；追求自然度、情感表达和音色克隆的场景更偏端到端，但要接受更高的数据与算力成本，以及更难调试的现实。产品里常见的做法是混合：前端规则保证读对，端到端模型保证好听。
对普通人来说，机器音与真人感的差距，很大程度上就来自这条路线选择和背后的训练数据；具体音色、配额与价格以各家官方页面为准。