Tacotron2的表现已经非常接近人的自然音；另外，比起以前繁琐的基于pipeline的语音合成模型来说，它不需要手动提取特征，也不需要细致地组合各种模块，你仅仅需要一块高性能的GPU就可以很快得到一个效果接近人类自然音的语音合成模型。

2017 Tacotron1
第一个端对端的TTS神经网络模型，输入raw text，Tacotron可以直接输出mel-spectrogram。

2018 Tacotron2
Tacotron2生成了十分接近人类声音的波形。