近年来,飞速发展的深度学习为语音合成领域开拓了新的研究方向,世界各国的学者都开始采用基于深度神经网络的端到端语音合成方法,并取得了令人惊叹的成果。基于深度神经网络的端到端语音合成模型展现出了绝对高于传统的统计参数合成方法的性能,端到端模型可以把输入的文本序列通过一系列神经网络直接转换为对应的语音频谱序列。在一些以英语、汉语等通用语为目标语言的端到端语音合成研究中,合成出的语音已经无限接近于人发出的自然语音。但印尼语是一种非通用语,电子语料库非常匮乏,导致印尼语语音合成研究相对于中文、英语等通用语要滞缓许多。本文从印尼语的文本特性出发,以Tacotron2为基线模型,实现了基于端到端神经网络模型的印尼语语音合成系统。在此基础上,着重围绕印尼语的低资源特性和Tacotron2模型的不足之处,探索改进方法。本文主要工作如下:（1）构建了一个印尼语语音数据库,并根据印尼语特点进行词序列到音素序列的转换,设计并实现了基于Tacotron2模型的印尼语端到端语音合成基线系统,同时分析了其存在的不足。（2）在基线模型的基础上,对模型超参数进行了优化修改,然后引入注意力约束的方法提升训练时数据的使用效率,并且使用了一个针对低资源语言的半监督训练方案,冻结编码器后用无文本表示的印尼语语音对模型的解码器进行预训练,使其在正式训练前就拥有一定的声学表示能力,以此减少模型训练时的语料需求。优化后的模型MOS评分达到了3.84,提升了合成语音的可懂度与自然度。（3）针对Tacotron2模型的解码器存在的曝光偏差问题和印尼语的低资源特性,本文利用英语语料预训练端到端语音合成模型,然后用印尼语语料对模型参数进行迁移学习。在此基础上,为了克服累积误差对合成长句的影响,本文提出了一种可调整概率的“交替训练”方法,进而研究最优的交替训练实施方案。经此方案训练的端到端印尼语语音合成模型MOS评分达到了3.95,可完整合成无失真的超长句,在有效减少了曝光偏差问题带来的累积误差,达到了预期效果。针对印尼语语音合成基线模型的不足之处,本文提出并实现了上述两种优化及改进方案,加快了模型训练的收敛速度,降低了训练模型所需的语音数据量,提升了合成语音的质量,在低资源前提下可合成出高质量的印尼语语音。