随着电子计算机的运算速度和存储能力的迅猛发展，语音合成技术已由早期的知识驱动发展到数据驱动阶段，大规模语料库的支持使得合成语音的质量有了明显的改善。与此同时，用户对语音合成系统提出了更高的要求，尤其是多语种、音色可变、富于情感的合成。传统的基于单元挑选的拼接合成由于系统构建周期长、存储消耗大、灵活性差等缺点无法满足多样化合成的需求。在这种背景下，基于统计建模的参数合成逐渐引起人们的重视。统计参数合成通过自动训练的方式进行合成系统构建，需要的人工干预少，并且能深入语音参数层面进行处理，灵活性好，有着很高的理论和实用价值。本文在前人的基础上，对统计参数合成方法进行了深入而系统的研究，在合成前端和后端都做出了改进，并通过实验对新方法的优势及合理性进行了论证。　　 本文的具体研究工作和研究成果如下：　　 1、在HTS框架的基础之上，针对中文特点，设计并完成了基于隐马尔可夫模型(HMM)的中文语音合成系统，并进行了若干性能改进。　　 2、在汉语韵律结构预测方面，深入分析了与汉语韵律变化相关的特征，考察韵律预测任务的特点，在此基础上利用条件随机场(CRF)进行韵律建模，实现了基于条件随机场的韵律结构预测方法。　　 3、在声学参数建模方面，使用多项式段模型进行语音参数建模，实现了新的基于动态规划的多项式段模型快速切分训练算法，在多项式段模型的框架下，对基频、频谱、时长三种语音参数进行统一建模。　　 4、在参数生成方面，对基于多项式均值轨迹的语音参数生成算法进行研究，根据模型进行各种语音参数的重建。　　 5、构建了一个基于多项式段模型的统计参数语音合成系统。　　 实验结果证明了上述方法的研究价值及有效性。