人机语音交互是一项可以使人与计算机进行对话的技术,而语音合成——将输入的文本转换为语音则是人机语音交互技术中的典型[1]。近年来语音合成技术在学术界和工业界均进展显著并日趋成熟,在可懂度、音质及听感方面已取得了明显成效,但自然度尚未达到真人语音水平。随着人们的智能化生活需求与日俱增,语音控制、语音翻译、语音导航等智能语音系统不断投入应用,相关技术需求日益旺盛,引领着语音合成技术的发展方向。探索新方法以提升语音合成的自然度和表现力成为当务之急。本文针对维吾尔语音合成技术进行研究,首先回顾了维吾尔语音合成系统的研究现状并针对存在的问题开展了如下研究工作:由于缺乏公开的维吾尔语音合成语料,本研究建立了所需的维吾尔语音合成语料库及语音库。在此基础上根据维吾尔语的语法结构、韵律层结构和语音特征,研究了维吾尔语音转换系统的前端文本处理问题。通过文本处理厘清了从语言层到语音层的映射关系。为提高文本分析模块的鲁棒性而构建了知识库、规则库及树库。以韵律短语划分为背景,研究了词性调整方法以及韵律词和韵律短语的划分技术问题。为了实现基于隐马尔科夫模型（HMM）的维吾尔语音合成系统并构建其框架,本研究根据维吾尔语的语言特征统计了所有可能音素的上下文属性集和问题集,并对其进行了优化和实验验证。运用改进系统训练流程和音素时长模型的方法调整了韵律短语节奏,从而提高了合成语音的自然度。通过研究神经网络输入端的语言特征和输出声学特征,构建了训练模型框架,并运用不同的神经网路模型进行了对比试验。基于HMM的维吾尔语音合成系统自然度虽然达到了应用标准,但其与实际应用需求仍有一定差距。为了获取更高自然度的合成系统,本研究尝试了神经网络方法。运用主观和客观测试方法,对合成语音质量进行了评测,发现基于Bi LSTM（双向长短期记忆神经网络模型）的维吾尔语音合成系统,在连续性和流畅性方面明显优于基于参数合成方法构建的语音合成系统,其自然度达到了应用标准的令人满意的指标。在具备语音自然度较高的合成系统的基础上,为了进一步提高合成语音的情感表现力而研究带有情感特征的文本,以韵律短语为单位对输入文本进行情感分类,从而获取了上述文本的情感语言特征。最后,将基于Bi LSTM的维吾尔语音合成系统成功应用于主要由语音识别、语音合成和机器翻译等三大模块组成的维吾尔语-汉语音翻译系统中,提高了该系统合成语音的自然度。本研究除改善了维吾尔语翻译系统合成语音的自然度,从而在维吾尔语音合成领域实现了应用价值外,也可以为哈萨克、柯尔克孜等语言的语音合成研究与应用提供借鉴。