1.怎么做声音合成
我常用Cool Edit Pro v2.1以及Audacity.
Cool Edit比较专业.功能比较全.要使Cool Edit功能齐全，要安装好配套的混音插件：bbe,cep2reg,ultrafunk2,waves四个；
Audacity操作简单，制作效率快.
Cool Edit只能编辑声源.建议你把想要的视频先转换成音频，再用Cool Edit进行编辑.
视频转换成音频的软件很多，我常用ImTOO 3GP Video Converter Wizard 3.
我一般先用Audacity剪辑、合成等，再用Cool Edit处理、混音等.我是铃声制作爱好者，也擅长制作、处理各类的MOTO、个性、另类铃声，有机会一起探讨吧！如果你要安装Cool Edit的那些插件啊，汉化啊，使用界面工具等等时遇到什么疑问，你可以告诉我.我可以简单明了帮你.
2.声音是怎么合成的
这是一个音域的问题，初音是有原音声优的。
她的某些音域使用电脑做出来的。 这就是所为没有一个人类可以唱得原因。
你所问得 音速 其实并不是 后来做出来。 而是在歌曲创作过程中就已经做好了。
那个程序我不太懂，但是看过介绍。比如说某个音节，作者可以根据自己的喜好，拉长音节的距离，同时也可以缩短这个音域的距离。
比如标准时间为0.5秒 这是标准的发音时间，但是作者可以把这个时间 缩短为0.3 0.2 甚至更短。反之也是同样地。
这就是为什么没有人类能唱的原因。 如果你还不明白，那咱们就做以一个小实验，用”啊”这个字，先用最短的时间啊一下，然后将这个时间拉长为3秒 就是这个软件的精彩之处。
人最多几个短发音，而初音未来却可以无限唱下去。这就是那个无人能唱的秘密 希望你满意 再有初音未来的歌曲，基本都是软件做出来的。
而制作的过程其实极其简单，只要你懂点音乐知识就可以让初音未来唱你创作的歌曲。 你只要做的只是在某个音符下面填写日文 然后编辑音节长短。
之所以初音是大众歌手，就是因为不管你是谁，都可以为她做歌作曲，而她都会忠诚的唱出来。 当然这个过程只是清唱，而完成版还必须要有配乐的。
初音未来的日本粉丝，还专门为她开发了一套动作软件，将音乐软件和动作软件相结合，就是我们在网络上看的很多的个人创作MV。 在日本这是一个（很庞大的）群体，有很多人都在互相帮助。
还有在解释一下所谓的初音未来声优，其实这个声优只是吧日文的单字发音被收录而已，就比如说我说一，这个一被收录到语音库中。成为初音未来的发音。
以此类推，将所有的日文发音以声优的发音方式收录下来。而初音未来则是将这些单字利用软件在组合成语句和词组。
其实可以算是声优的声音，也可以不算，这要分怎么说。只能说声优的语音是基础，而初音可以在几个音域中唱歌，这点与声优就没有什么关系了。
但是没有声优的基础，初音未来也不可能存在。这点上就仁者见仁了。
也不用老纠结 好听就好。
3.语音合成的合成技术
波形拼接技术的发展与语音的编、解码技术的发展密不可分，其中LPC技术（线性预测编码技术）的发展对波形拼接技术产生了巨大的影响。LPC合成技术本质上是一种时间波形的编码技术，目的是为了降低时间域信号的传输速率。
LPC合成技术的优点是简单直观。其合成过程实质上只是一种简单的解码和拼接过程。另外，由于波形拼接技术的合成基元是语音的波形数据，保存了语音的全部信息，因而对于单个合成基元来说能够获得很高的自然度。
但是，由于自然语流中的语音和孤立状况下的语音有着极大的区别，如果只是简单地把各个孤立的语音生硬地拼接在一起，其整个语流的质量势必是不太理想的。而LPC技术从本质上来说只是一种录音+重放，对于合成整个连续语流LPC合成技术的效果是不理想的。因此，LPC合成技术必须和其他技术相结合，才能明显改善LPC合成的质量。 20世纪80年代末提出的PSOLA合成技术（基音同步叠加技术）给波形拼接合成技术注入了新的活力。PSOLA技术着眼于对语音信号超时段特征的控制，如基频、时长、音强等的控制。而这些参数对于语音的韵律控制以及修改是至关重要的，因此，PSOLA技术比LPC技术具有可修改性更强的优点，可以合成出高自然度的语音。
PSOLA技术的主要特点是：在拼接语音波形片断之前，首先根据上下文的要求，用PSOLA算法对拼接单元的韵律特征进行调整，使合成波形既保持了原始发音的主要音段特征，又能使拼接单元的韵律特征符合上下文的要求，从而获得很高的清晰度和自然度。
PSOLA技术保持了传统波形拼接技术的优点，简单直观，运算量小，而且还能方便地控制语音信号的韵律参数，具有合成自然连续语流的条件，得到了广泛的应用。
但是，PSOLA技术也有其缺点。首先，PSOLA技术是一种基音同步的语音分析/合成技术，首先需要准确的基因周期以及对其起始点的判定。基音周期或其起始点的判定误差将会影响PSOLA技术的效果。其次，PSOLA技术是一种简单的波形映射拼接合成，这种拼接是否能够保持平稳过渡以及它对频域参数有什么影响等并没有得到解决，因此，在合成时会产生不理想的结果。 随着人们对语音合成的自然度和音质的要求越来越高，PSOLA算法表现出对韵律参数调整能力较弱和难以处理协同发音的缺陷，因此，人们又提出了一种基于LMA声道模型的语音合成方法。这种方法具有传统的参数合成可以灵活调节韵律参数的优点，同时又具有比PSOLA算法更高的合成音质。
这两种技术各有所长，共振峰技术比较成熟，有大量的研究成果可以利用，而PSOLA技术则是比较新的技术，具有良好的发展前景。过去这两种技术基本上是互相独立发展的，
