随着全球一体化进程的迅速推进；我国与世界各地之间的交流日益频繁，英语作为国际通用的工作语言越来越受到人们的重视。但是，由于多年只重视书面教学，和缺乏良好的口语学习环境，致使我国当前的英语口语教学收效甚微。虽然计算机技术在我国发展的如火如茶，但是我国的计算机辅助语言学习(CALL，Computer-Assisted Language Learning)却仍然停留在起步阶段。针对这一现状，笔者将视觉语音(Visual Speech)技术应用于英语初学者的语音教学。本文参考美国大力推广的Phonics教学法，开发了一个唇形—语音同步的英语发音辅导系统，希望从以下两方面帮助英语初学者学习语音：一是根据语音的双模态特性，视觉语音可以帮助用户更好的观察、模仿脸部发音动作，有助于用户理解、记忆语音；二是借助于视觉语音技术呈现的用户界面更加友好，人机交互更加和谐、自然，这样对于缓解英语初学者的压力，提高学习者的学习积极性有很大帮助。本文所做的工作主要有以下几点：(?)基础标准层面，对MPEG-4定义的“人脸对象”进行介绍并以该定义中人脸动画的参数(FAP)为基础开展后面的工作；(?)技术要素层面，对本文采用的Microsoft Speech SDK 5.1中的TTS引擎进行研究和实践；(?)系统架构层面，对本文提出的视觉语音合成系统(TTVS)的框架结构、进行介绍和分析；(?)具体算法层面，详细介绍实现视觉语音动画合成系统的步骤和算法等；(?)系统应用层面，将详细介绍“EP Tutor”系统的知识结构、各模块功能及其应用场景；(?)工作展望层面，将对EP Tutor系统进一步的发展做出展望。