语音合成是一个通过人工设备复制言语交流的过程。将文本转换成语音的计算机是一种语音合成器。

最早的语音合成形式是通过机器来实现的，机器的功能类似于人类的声道。17世纪沃尔夫冈·冯·肯佩伦创造的说话机器就是一个例子。有了这个装置，讲话是通过厨房的风笛、风笛簧片和单簧管铃声产生的。厨房的吼声被设计成肺的样子，而声门（声带的区域）则通过风笛簧片表现出来。单簧管铃充当嘴。

设备的操作完全是手动的。右手控制一系列杠杆，左手控制单簧管铃（嘴）。也可以选择堵住“鼻孔”，以减少鼻音。无论哪种方式，只要正确使用基本控制装置，机器就会收到气流。这种气流决定了将产生的声音类型。

随后的18世纪和19世纪的语音机器保持了这种设置，尽管有改进。例如，在19世纪末，约瑟夫·费伯（Joseph Faber）发明了一种可以通过键盘和踏板接收输入的说话机器。这台机器也很有创意，因为声音是通过一张人造的“脸”发出的

20世纪到来时，电子学的创新使语音合成朝着更强大的方向发展。尽管模仿人类声道的前提仍然是一样的，但20世纪早期的发声机器可以产生更好的声音，因为输入更精确。

然而，直到计算机的出现，语音合成才真正可以在娱乐领域之外使用。这主要是因为语音合成器可以存储在软件中，而不是单独的机器中。此外，有了计算机作为辅助，语音合成可以采取不同的形式；使用人声作为声音的主要来源。

这种形式的语音合成称为级联合成。这个过程通过连接人类各种语音记录来工作。由此产生的声音更自然，更悦耳。这与使用发音合成的程序形成对比，该程序通过计算机化的声道模型复制语音。

商用语音合成器可以采用串联或发音方法，但两者都能达到相同的目的；能够给人们一个听文本的机会。这在阅读很突兀或不可能的情况下尤其有用。

在商业世界中，这种情况非常常见，尤其是电话交易。如果没有文本到语音（TTS）的替代方案，企业主将不得不花钱雇佣更多的客户服务人员。综合解决方案避免了这个问题，因为一切都是由计算机完成的；不是人。

合成语音在日常生活中也发挥着作用，特别是对残疾人而言。会说话的时钟、字典和其他设备可以让视力或阅读有困难的人更轻松。合成语音甚至可以为根本不会说话的人发声。著名物理学家史蒂文·霍金就是一个突出的例子。由于卢·格里格的疾病使他哑口无言，霍金使用语音合成器与人交流。

还有一些TTS应用程序可以帮助人们进行各种计算机活动。要获得这些类型的应用程序，大多数用户必须购买单独的软件或下载补丁。后一个选项通常是免费的，具体取决于所使用的操作系统或字处理程序。然而，如果一个人决定购买单独的软件，他们可以使用更高质量的系统。具体的例子可以通过自然读取器7和文本朗读器2看到。

说到底，语音合成技术彻底改变了人类的交流方式。从某种意义上说，它赋予了文本自身的生命。这也给了全世界一个机会去倾听那些通常不会说话的杰出人士的想法。