随着科学与技术的发展，语音合成和语音识别已经开始广泛应用于社会的各个方面，并且成为人工智能、语音信号处理以及人机多媒体交互研究领域的热点之一。然而对于语音合成来说，汉语不同于西方语系，表现在语法结构、语法规则、声学特性、韵律特征等多个方面。首先，汉语是声调语言，声调具有辨意作用。其次，字与字之间的音调前后彼此互相影响会发生变异，即出现协同发音现象。同时，连续语流中的发音中间还会有短暂的停顿，这体现了人说话的节奏感。在汉语的文语转换(TTS)中，对语音基频、时长、幅度等韵律信息的预测、分析和控制称作韵律控制。目前在汉语语音合成的韵律控制方法上还存在很多无法解决的问题，致使合成语音的音质在自然度和可懂度方面相对较低，还不能达到用户可以广泛接受的程度，从而制约了该项技术大规模地进入市场。针对上述问题，本文在广泛汲取汉语韵律知识和现代语音信号处理技术的基础上，对汉语语音合成技术及其实现方法进行了深入的研究，主要研究工作如下：1、本文从汉语的声学特点和韵律特征出发，诸如汉语的声调及特点、汉语的语调及模式，分析和研究汉语的韵律特征(基频、时长、幅度)、重音、停顿以及韵律边界之间的相互关系，提出了适用于汉语语音合成的韵律控制规则。2、通过对汉语的韵律及其层次结构的分析与对比，进行了韵律特征与韵律边界的声学分析，提出了韵律分层建模、韵律边界预测和韵律分层控制的思想。3、确定了以音节作为拼接的语音基元，采用基于数据驱动的统计模型和规则相结合的方法，实现韵律建模及其韵律控制。4、采用PSOLA算法，在有限范围内实现对合成基元的时长和基频的调整，以及它对合成语音音质的影响；研究了语调曲线的合成及其控制方法。利用上述方法，进行了汉语文语转换实验。实验结果表明，本文提出的语音合成与韵律控制方法是行之有效的。