你聽說過Mike這個名字嗎?也許并不很陌生。但此Mike非彼Mike。他是一個職業的播報者。如今，他的聲音遍及各個角落。在提供電子地圖查詢服務的MapQuest網站上，他會依據你點擊的地點大聲地給予作答。如果你喜歡體驗從耳機中“聽”Yahoo!電子郵件的感覺，那個聲音就是Mike的。不久，Mike可能還要為電視天氣預報配畫外音。但是，你可別期望能在屏幕上看見他的面孔。他不是人類。他只是個將預錄聲音重新拼湊組合形成的計算機“聲音”，并被譽為是“最接近人類發音的聲音”。

Mike是2001年由AT&T實驗室推出的文本朗讀技術(TFS，使文本信息轉換成語音信息的技術)中一顆最耀眼的語音明星。他是AT&T實驗室中“自然語音”系列大家庭中的一員。他的兄弟姐妹很多，包括講德語的Reiner和Klara，講西班牙語的Rosa，講法語的Alain以及講英式英語的Charles。他的另一個講美式英語的兄弟Crystal還為最新影片《紅色星球》中的太空船配過音。像Mike、Crystal、Reiner和Rosa，你只能是聞其聲而不見其人。

語音合成系統的亮相即是一場技術革命的勝利也是一個古老夢想的實現。世界上第一臺“機械發聲的語音器”是1791年由維也納研究者Wolfgang yon Kempelen所推出的。這臺機器采用一系列振動簧片來模擬語音中主要的元輔音，有點像是器樂演奏。直到電子時代來臨以后，才有機器開始真正的模仿人類的聲音。20世紀50年代，研究者們費盡心力模仿人類聲道的發聲機理、共振頻率或是產生的共振峰來制造語音合成器。盡管造就的聲音接近人類，但卻十分“銹澀”。像Stephen Hawking發明的語音合成器就是最著名的例子。它可以為你解釋通用汽車公司的歷史，但機械的發音使你根本無法從它那購買到一輛二手車。當然，這對于一個有溝通交流能力的人來說要容易得多。

“在某一點上，很顯然，語音合成技術的發展太緩慢了。不斷膨脹的需求使我們開始尋求更為切實的途徑。”AT&T實驗室負責語音合成技術開發并最終創造出Mike的研究員Juergen Sehroeter激動地說。20世紀70年代，在當時貝爾實驗室的研究員們提出了一種新的方法。他們摒棄了以往那種通過拼湊單詞來產生人類聲音的做法，開始使用現成的聲音，即讓一個口齒清晰的人說上幾個小時的標準英語句子，然后設計電腦程序對預錄語音進行拆分、拼接，最終表達出他們想說的話。Schroeter感慨地說，“我的一些同事感覺我們似乎已經放棄了更科學的做法。”但實際上，科學僅僅只是轉移了焦點，從發聲的機械學到合成的數學方法。

語音合成技術主要分兩部分。首先是電腦程序將預錄的文字序列轉換成音韻序列，術語叫音素。然后，音素被重排形成新的單詞。例如，錄音單詞Cat可以被拆解成k、ae和t3個音素。然后它們再排列形成單詞tack。這種方法很有效果。與機械語音相比，的確有明顯的提高，但仍然很不完善。僅有的50多個音素遠遠滿足不了實際的需要，它們根本無法捕捉到口語當中細微的語調。“你不能只是簡單的從這個句子中取出一個元音就隨意的把它放人另一個句子中。”AT&T語音研究員Mark Beutnagel解釋說。

到了20世紀90年代中期，AT&T研究員們開始運用新一代的超級計算機建立大型數字音素“語音庫”。此時的電腦程序選出的“t”音可不再是一個，而可能是一萬個。