语音合成技术是人机交互中重要环节之一,是一种将文字内容转换为与之对应的语音信息的技术。随着深度学习技术的快速发展,目前已有很多可以合成高质量的中性语音的方法。为了让合成语音更加拟人化,越来越多的研究员对如何合成富有情感表现力的语音展开了研究。近年来,随着蒙古语智能信息处理技术的快速发展,基于端到端的蒙古语中性语音合成技术已经达到了实际应用水平。但是蒙古语情感语音合成的研究仍处于起步阶段,蒙古语情感语音合成技术的研究对促进蒙古语言文字智能化发展具有重要意义。本文研究内容如下:1.构建了蒙古语情感语料库。针对目前蒙古语情感语音数据稀疏的问题,本文构建了包含中性、高兴、生气、悲伤、惊奇、恐惧、厌恶以及瞌睡等8种情感的女性声音共6.1小时,包含高兴和生气情感的男性声音共1.3小时,包含高兴和悲伤两种情感的儿童声音共2.27小时的蒙古语情感语料库。2.提出了基于参照语音的蒙古语情感语音合成模型。在基于端到端的蒙古语中性语音合成模型基础上,通过引入参照编码器和变分自动编码器来提取参照语音中的潜在变量信息,其中包含情感、语速、语气等,从而实现了情感可控的蒙古语情感语音合成模型。在模型训练阶段,采用迁移学习技术,将蒙古语中性语音合成任务迁移至情感语音合成模型中,通过使用大量非目标说话人的中性蒙古语语音对模型进行训练得到预训练模型,再使用少量目标说话人的情感语音数据集对模型进行微调,得到情感可控的蒙古语情感语音合成模型。实验结果表明,使用女性、男性和儿童声音合成的蒙古语情感语音MOS值分别为3.70、3.56和3.73。由此可见,该方法可以合成不同情感的语音。3.搭建了蒙古语情感语音合成系统。本文搭建了基于客户端/服务器（Client/Sever,C/S）架构的蒙古语情感语音合成系统,将基于参照语音的蒙古语情感语音合成模型部署在该系统中,从而用户可以根据需求使用该系统合成不同情感的蒙古语语音。本文使用Flask框架构建了蒙古语情感语音合成服务,设计并实现了基于Android系统的蒙古语情感语音合成系统。