MARTIN_KOHOUT: tak to je velmi komplexna vec (a na beznom modularnom synthe imho nerealizovatelna na low-level urovni).
kazdopadne to co chces je najskor analyza, az potom synteza. s analyzou moze zacat prave meranim tych formantov/rezonancii pri roznych samohlaskach. napr tu je nejaka metoda pomocou toho Praat
http://sail.usc.edu/~lgoldste/General_Phonetics/Week10/Formant_Analysis/index.html (akurat namiesto nahravania slov proste vystrihnes vhodne slova z tej nahravky)... dalej budes potrebovat zachytit charakter intonacie (= pohyb fundamental frekvencie vramci roznych druhov viet) a casovanie/frazovanie, no to uz netusim...
no na modulare by som toto fakt neviem ci chcel robit. akoze +- by sa dalo, ze intonacia = pitch oscilatoru, formanty = frekvencie uzkych resonant bandpass filtrov, spoluhlasky = namiesto oscilatoru rozne transienty alebo burst transientov alebo sum a cele to este nasekvencovat... asi dost piplacka...
Kazdopadne si checkni ten Praat. Tam by malo byt vsetko, co na to treba. (akurat to teda neni modular v beznom slova zmysle)