Barrapunto

Hay algoritmos de compresión especializados en voz.
Supongo que no utilizan una descripción de los sonidos como dices. De todas formas logran unas tasas de compresión espeluznantes.
Por ejemplo: Speex (speex.org) consigue que la voz se oiga bastante bien con 8kbps.

Y existen múltiples sistemas text-to-speech. El Adobe Reader leva uno integrado en su última versión. Lástima que en la lengua de Cervantes no se haya desarrollado demasiado el tema. Si alguien puede poner enlaces a temas de estos... pues muy agradecido.

De todas formas, no creo que resulte agradable escuchar un podcast leído por una voz de lata, sin expresividad alguna.