語音合成，又稱文語轉(zhuǎn)換技術(shù)，能將任意文字信息實時轉(zhuǎn)化為標準流暢的語音朗讀出來，相當于給機器裝上了人工嘴巴。它涉及聲學、語言學、數(shù)字信號處理、計算機科學等多個學科技術(shù)，是中文信息處理領域的一項前沿技術(shù)，解決的主要問題就是如何將文字信息轉(zhuǎn)化為可聽的聲音信息，也即讓機器像人一樣開口說話。我們所說的“讓機器像人一樣開口說話”與傳統(tǒng)的聲音回放設備(系統(tǒng))有著本質(zhì)的區(qū)別。傳統(tǒng)的聲音回放設備(系統(tǒng))，如磁帶錄音機，是通過預先錄制聲音然后回放來實現(xiàn)“讓機器說話”的。這種方式無論是在內(nèi)容、存儲、傳輸或者方便性、及時性等方面都存在很大的限制。而通過計算機語音合成則可以在任何時候?qū)⑷我馕谋巨D(zhuǎn)換成具有高自然度的語音，從而真正實現(xiàn)讓機器“像人一樣開口說話”。

　　為了合成出高質(zhì)量的語言，除了依賴于各種規(guī)則，包括語義學規(guī)則、詞匯規(guī)則、語音學規(guī)則外，還要對文字的內(nèi)容有很好的理解，這也涉及到自然語言理解的問題。下圖顯示了一個完整的文語轉(zhuǎn)換系統(tǒng)示意圖。文語轉(zhuǎn)換過程是先將文字序列轉(zhuǎn)換成音韻序列，再由系統(tǒng)根據(jù)音韻序列生成語音波形。其中第1步涉及語言學處理，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步需要語音合成技術(shù)，能按要求實時合成出高質(zhì)量的語音流。