近年来,深度学习先进技术层出不穷促进着语音合成技术快速发展,机器发出的声音越来越接近真人的声音。然而,相比于汉语、英语等通用语言,印尼语语音合成技术还不够成熟,使用更有效的技术不断提高合成印尼语语音的质量仍是本领域的研究热点。本文围绕开发端到端印尼语语音合成系统,进行了如下研究:首先,本文设计并实现端到端印尼语基线语音合成系统,完成印尼语语料校对处理工作,满足端到端系统的输入要求。同时对端到端语音合成系统的注意力机制添加约束项,加快系统的收敛速度,提高系统稳定性。最后,利用梅尔倒谱失真、音高错误率和基频帧错误率三个指标对端到端印尼语基线语音合成系统进行了性能评测。然后,针对低资源语言电子资源缺乏的问题,本文基于BERT（Bidirectional Encoder Representation from Transformers）预训练语言模型,实现了印尼语语音合成系统,进而探索低资源语言端到端语音合成系统的改进方法。同时分别采用上下文信息拼接和词向量拼接两种方法将BERT预训练词向量信息嵌入印尼语语音合成系统,还对比了使用不同类型的编码器对该语音合成系统性能的影响。其次,为了提高合成印尼语语音的自然度,本文将全局风格令牌（Global Style Token,GST）引入语音合成系统,利用GST模型建模音频韵律特征的能力,将音频的韵律特征提取出来作为语音合成系统的附加输入,改善系统合成质量。同时为满足实际应用需求,还提出了两种利用输入的文本信息来预测韵律特征的方法,使合成系统在实际应用中,只依靠输入的文本信息也能够合成出较高自然度的印尼语语音。最后,本文选取梅尔倒谱失真、音高错误率和基频帧错误率三个指标用于客观评测合成语音的质量,并辅以主观平均意见得分、注意力对齐图以及合成语音的梅尔频谱图,全面详细的评价系统性能。实验结果表明,文中提出的基于BERT预训练语言模型的印尼语语音合成和基于GST的印尼语语音合成在各方面均优于端到端印尼语基线语音合成系统。