). Na etapie DSP zachodzą takie procesy jak odbiór fonemów i prozodii z etapu NLP dekodowanie / dekompresja segmentów (dzięki bazie segmentów) dopasowanie prozodii konkatenacja, czyli łączenie segmentów synteza sygnału generowanie mowy
Rodzaje syntezy sygnału mowy Niektóre syntezatory korzystają z alofonicznej metody syntezy mowy. Polega ona na składaniu potrzebnych słów z dźwięków elementarnych. Każdy z dźwięków zapamiętywany jest w pamięci komputera i w odpowiedniej chwili i kolejności zostaje odtworzony. Metoda wymaga dużych mocy obliczeniowych komputera, a efekt końcowy jest trochę mechaniczny.
Drugą metodą jest metoda konkatenacyjna. Polega na nagraniu dużej bazy prawdziwego głosu lektora (tzw. baza segmentów), jej oznaczeniu i przetworzeniu, a następnie w procesie syntezy mowy wybieraniu, modyfikowaniu oraz składaniu sygnału mowy z fragmentów wcześniejszych nagrań.