近年来随着人工智能的飞速发展,语音合成技术也日趋成熟。语音合成技术应用在我们生活的方方面面,如朗读软件、语音播报等领域。现阶段,语音合成的主要实现方式为文语转换,即通过计算机实现从文本到语音的转换。但语音合成的研究主要集中在比较通用的语言上,而对马来语的研究相对较少。本文以开发马来语语音合成系统为目的,研究并实现了马来语前端文本分析中的语料库的构建、文本归一化和音节的自动划分。本论文的主要工作包括:(1)马来语语料库的构建。借助现有软件从马来语网站和电子书上下载马来语的文本,并去除文本中的非法字符和重复语料,作为本文研究的马来语文本语料库。基于该文本语料库,采用句型、高频词和句子长度相结合的原则选取用于录音的发音语料。最后用优劣评判的标准来验证发音语料库的合理性和代表性。(2)马来语文本中数字字符的归一化。研究了马来语文本中常出现的特殊字符及其歧义类型。设计了马来语的归一化方案和算法流程。采用正则表达和关键字相结合的方法,对句子中的数字及与数字连用的特殊字符进行文本归一化处理。实验结果表明,本次实验的马来语归一化正确率达95.13%。(3)马来语音节的自动划分。学习和研究了现有的马来语音节化方案,针对这些方案的优缺点提出本文的音节化方案,设计并实现了该方案的算法流程。采用规则和音节列表相结合的方法实现了马来语的音节自动划分。实验结果表明,此次实验的马来语音节化的集内测试正确率达100.00%,而集外测试的正确率达96.40%。综上所述,本文提出的马来语语料库构建、归一化、音节化的前端文本分析方法达到了预期的效果,能基本满足开发马来语语音合成系统的要求。