文本到语音音节音频段连接规则

我正在寻找一些关于在不使用任何现有TTS工具、库等的情况下从零开始创建文本到语音程序的研究,主要是关于创建和组合音频段的规则。

我想把它用于少数罕见的古代语言,语言本身的情况非常简单。首先,它不是一个大范围的动词基础,大约1000个单词,其次它是在书写时发音的,所以发音绝对等于单词中的每个字母,例如单词:

parjashif 

这意味着“父亲”和“父亲之子”的音节是:

par  
ja
shif   

par
ja

1.shif
2.kif
3.hof
4.hefi

就这样,正如你所看到的,只有4种变体

所以,唯一必须考虑的是,现有音节之间的连接间隔,以使发音听起来不离散。