La reconnaissance des phonèmes par rapport aux lettres et à leur ordre, en gros ce sont les "sons" présents dans les mots qui sont reconnus et prononcés. Ajouté à cela il y a l'intonation qui est modifiée suivant la position du son dans le mot et du mot dans la phrase.
Les GPS tomtom par exemple prononcent les noms de rue de cette manière, c'est de la synthèse vocale, tu as plein d'articles sur le net et même des librairies open source.