語音，即語言的物質外殼，是語言的外在形式，是直接記錄人們思維活動的符號系統。是人類發聲器官發出的具有壹定社會意義的聲音。發音的物理基礎主要包括音高、聲強、音長、音色，也是發音的四要素。
語音合成是壹種通過機械和電子方法產生人工語音的技術。TTS技術(也稱文語轉換技術)屬於語音合成。它是壹種將計算機自身產生的或外界輸入的文本信息轉換成可理解的、流利的漢語口語輸出的技術。
語音學是指人類通過發聲器官發出的聲音，具有壹定的意義，用於社會交際。在語言的三個基本屬性:形、音、義中，語音是第壹屬性。人類語言最早是以語音的形式形成的。世界上有有無詞的語言，但沒有不發音的語言，而發音在語言中起著決定性的輔助作用。