音声合成ソフトウェアを開発するにあたり、必要なことを教えていただきたい

以下のようなことを実現したいのですが、まったくの素人です。
お詳しい方、アドバイス頂けますと幸いです。

○最終目標
　→テキストを入力すると、自動で音声化されるソフトウェアの開発

○ソフトウェアの要件
　・男性声、女性声など、音声の高低をある程度カスタマイズできる（話し方の癖などの調整は難しいのではという認識）
　・パッケージとして発売、または利用した分量に応じて課金する
　・ソフトウェアを利用して制作した音声の権利を保有できる（そのため、既存のツールは利用できないという認識）
　・発話の自然さは一旦問わないが、今後の学習量によってより改善を進めたい

○持っているもの
　・音声、およびテキスト（権利を保有している）

○持っていないもの
　・エンジニア的な知識はほぼなし。自分でやってみたいが、場合によっては外注も視野。

○最も知りたいこと
　・音声の権利は必ず保持する必要がある。その上で、最も効率的な道筋（Python？などを一から勉強する必要があるのか、商用利用可能なツールのようなものがあるのか、など）