智能人机交互是未来计算机科学发展的趋势之一。高清晰度、高自然度、多样性的语音合成技术是基于语音的人机交互系统中不可或缺的一环。随着深度神经网络和循环神经网络在语音合成里的发展，统计参数语音合成技术在清晰度和自然度上拥有了较大的提升。本文将介绍基于中文语料库的对具有表现力的统计语音合成技术的研究。包括对中文文本进行更丰富精细的上下文表现力信息分析、预测。同时将介绍通过深度神经网络和深度循环神经网络对文本上下文信息和语音信号的声学特征进行建模，搭建一套完整基于深度神经网络的从文本到音频的语音合成系统框架。在神经网络的基础上，引入上下文信息聚类，进而形成结构化的神经网络建模方式。在此框架下，搭建一套基于循环神经网络的语音合成系统，并介绍未来在此框架下进行的研究内容。