Кибернетика, автоматика, протоколы

Там не в ШИМ'е, а в методике формантного синтеза речи. На выходе вполне себе 12-битный звук телефонного качества, но речь специфическая. Типичный пример такого синтезатора: eSpeak. Синтезаторы такого типа очень легко адаптировать для другого языка, они занимают маленький объём памяти, не требуют высоких вычислительных ресурсов, поэтому получили широкое распространение. 

Ссылки по теме:

Описание методики формантного синтеза речи: https://ie.tusur.ru/books/COI/page_43.htm

На ту же тему: speech-synthesis.pdf

Ссылка на программу eSpeak: http://espeak.sourceforge.net/

Википедия: https://en.wikipedia.org/wiki/Speech_synthesis#Formant_synthesis

Использование eSpeak: https://www.youtube.com/watch?v=UTu5fP0lrjY

Демонстрация речи воспроизводимой историческими синтезаторами: https://www.youtube.com/watch?v=huq2TSV99hI