Ushbu maqolada chuqur oʻqitish modellarining nazariy asoslari hamda ularning matnni nutqqa aylantirish (Text-to-Speech, TTS) tizimlaridagi oʻrni tahlil qilingan. Sun'iy neyron tarmoqlarning matematik asoslari, TTS tizimlarining umumiy arxitekturasi, rekurrent neyron tarmoqlar, Transformer va diqqat mexanizmi asosidagi yondashuvlar koʻrib chiqilgan. Shuningdek, autoregressiv, non-autoregressiv, oqimga asoslangan va generativ qarama-qarshi neyron tarmoqlar asosidagi zamonaviy TTS modellarining ishlash tamoyillari yoritilgan. Nutq sintezida prosodik modellashtirish va koʻp komponentli yoʻqotish funksiyalarining ahamiyati tahlil qilingan. Oʻzbek tilida TTS tizimlarini yaratishda uchraydigan lingvistik va prosodik muammolar hamda ularni hal etishning istiqbolli yoʻnalishlari koʻrsatib berilgan.