文语转换是人机交互技术的核心技术之一。尽管当前的文语转换系统可以合成出良好可懂度和自然度的声音。但是合成声音的自然度并不是让人满意，听起来平淡且节奏感不强。本文主要研究在基于HMM的文语转换系统中韵律模型的优化。　　 本文采用基于隐马尔可夫模型的文语转换技术搭建了中、英文语音合成系统。在此系统的基础上，本文针对韵律平淡和节奏感不强的问题进行了一下两方面的改进：一是改进时长模型，在产生时长的时候同时优化状态、音子和音节三层模型似然值，以弥补只考虑状态时长模型生成时长的不足；二是改进基频生成算法，传统的方法只考虑了状态级的基频模型，本文通过分析韵律的层次结构，提出了生成基频时同时优化状态、音节和音节段三层韵律模型的似然值，来提高生成基频的自然度。　　 本文通过实验对这两方面的改进进行了验证，实验结果表明：通过时长模型的改进，中英文时长的均方根误差分别提高了11％和5.6％；在中英文语料库上基频算法前后基频相关系数从0.70和0.91提高到了0.75到0.92；主观评测显示经过两方面的改进自然度也有较大的提高。