語(yǔ)音合成，又稱文語(yǔ)轉(zhuǎn)換技術(shù)，能將任意文字信息實(shí)時(shí)轉(zhuǎn)化為標(biāo)準(zhǔn)流暢的語(yǔ)音朗讀出來(lái)，相當(dāng)于給機(jī)器裝上了人工嘴巴。它涉及聲學(xué)、語(yǔ)言學(xué)、數(shù)字信號(hào)處理、計(jì)算機(jī)科學(xué)等多個(gè)學(xué)科技術(shù)，是中文信息處理領(lǐng)域的一項(xiàng)前沿技術(shù)，解決的主要問(wèn)題就是如何將文字信息轉(zhuǎn)化為可聽(tīng)的聲音信息，也即讓機(jī)器像人一樣開口說(shuō)話。我們所說(shuō)的“讓機(jī)器像人一樣開口說(shuō)話”與傳統(tǒng)的聲音回放設(shè)備(系統(tǒng))有著本質(zhì)的區(qū)別。傳統(tǒng)的聲音回放設(shè)備(系統(tǒng))，如磁帶錄音機(jī)，是通過(guò)預(yù)先錄制聲音然后回放來(lái)實(shí)現(xiàn)“讓機(jī)器說(shuō)話”的。這種方式無(wú)論是在內(nèi)容、存儲(chǔ)、傳輸或者方便性、及時(shí)性等方面都存在很大的限制。而通過(guò)計(jì)算機(jī)語(yǔ)音合成則可以在任何時(shí)候?qū)⑷我馕谋巨D(zhuǎn)換成具有高自然度的語(yǔ)音，從而真正實(shí)現(xiàn)讓機(jī)器“像人一樣開口說(shuō)話”。

　　為了合成出高質(zhì)量的語(yǔ)言，除了依賴于各種規(guī)則，包括語(yǔ)義學(xué)規(guī)則、詞匯規(guī)則、語(yǔ)音學(xué)規(guī)則外，還要對(duì)文字的內(nèi)容有很好的理解，這也涉及到自然語(yǔ)言理解的問(wèn)題。下圖顯示了一個(gè)完整的文語(yǔ)轉(zhuǎn)換系統(tǒng)示意圖。文語(yǔ)轉(zhuǎn)換過(guò)程是先將文字序列轉(zhuǎn)換成音韻序列，再由系統(tǒng)根據(jù)音韻序列生成語(yǔ)音波形。其中第1步涉及語(yǔ)言學(xué)處理，例如分詞、字音轉(zhuǎn)換等，以及一整套有效的韻律控制規(guī)則;第2步需要語(yǔ)音合成技術(shù)，能按要求實(shí)時(shí)合成出高質(zhì)量的語(yǔ)音流。