具有语音生成和获取能力的DIVA(Directions Into Velocities of Articulators)模型是以英文的29个基本音素为研究对象的神经计算模型,但这样会使模型不能适应于其他的语言,具有一定的局限性。本文研究的目的是将该模型的理论扩展至其他语种,如相较英文更为复杂的中文发音。由于中英文的音素数目和发音脑机制均相差甚远,原有的模型只适用于英语者的脑机制,只能对英语元音进行发音,且原始的学习训练算法不能很好地识别中文发音,故本文在原始模型的基础上进行改进使之适用于中文发音。本文首先简述了DIVA模型的基本原理和两个学习阶段,探讨了汉语复合元音的声学特性,并展示其共振峰频率走势图。在已知英文辅音/r/与/l/的辨别结论以及英文元音听觉感知空间理论的基础上,深入研究中文元音的发音及感知空间。在模型发出汉语单元音的基础上,通过改进DIVA模型的训练学习算法,调整训练参数,结合隐马尔可夫和神经网络的混合模型以及共振峰提取方法(Linear Prediction and Mel Frequency Cepstrum Coefficient,LPMCC)研究DIVA模型中汉语复合元音的发音。最终证明了改进后的DIVA模型在英文元音发音的基础上不仅可以学习中文单元音,而且也适用于中文复合元音的发音。本文的研究为今后应用DIVA模型进行汉语语音生成与获取奠定了良好的基础,未来还可将其拓展至汉语所独有的发音(如辅音/zh/、/ch/、/sh/等)。