Über den englischen Sprachengine braucht man sich glaub ich weniger Gedanken machen das dürfte ungefähr den Sound ergeben wie wenn man mit der englischen Webspeech-Version deutsche Texte vorlesen lässt, und da muss die Software selbst überlegen wie sie es ausspricht. In unserem Fall werden lediglich sounds aneinander gefügt also der Programmierer kann in recht weiten Grenzen den Klang beeinflussen.

Hab leider keine Ahnung von der programmierungselbst hab nur ein Beispielprogrammgesehen welches das ganze sehr gut veranschaulicht.

http://www.robotikhardware.de/download/speakjetsample.c

Da sieht das alles logisch und recht simpel aus.
SCHALTBILD gibts da auch echt simpel ohne Müll.
Gruss JOCHEN