語音合成，又稱文語轉換技術，能將任意文字信息實時轉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，是中文信息處理領域的一項前沿技術，解決的主要問題就是如何將文字信息轉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將任意文本轉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換系統(tǒng)示意圖。文語轉換過程是先將文字序列轉換成音韻序列，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，能按要求實時合成出高質量的語音流。