在增大训练数据的情况下，使用传统的隐马尔科夫模型难以提升参数化语音合成预测质量。长短期记忆神经网络学习序列内的长程特征，在大规模并行数值计算下获得更准确的语音时长和更连贯的频谱模型，但同时也包含了可简化的计算。首先分析双向长短期记忆神经网络功能结构，接着移除遗忘门和输出门，最后对文本音素信息到倒频谱的映射关系建模。在普通话语料库上的对比实验证明，简化双向长短期记忆神经网络计算量减少一半，梅尔倒频率失真度由隐马尔科夫模型的3.466 1降低到1.945 9。