“有这么多的声音供选择，最后提取哪一个可能带有更多的随机性”，AT&T的语音合成专家Alistair Conkie说。为提高重组音质的细腻性，他建议将转换音素转换成半音。现在的语音合成系统能够准确地标示所有半音，像“t1”音就有1万个版本，“t2”音有1万个版本。然后，再编辑一个计算机运算法则将它们顺畅的串连成单词和句子。但是，要从半音堆中组装出一个简单的单词也并非一件易事，有时要涉及到上亿种组合方式，由此带来的数据处理量非常巨大。
