Синтезатор со слоговым построением слов оперирует с реальными
записями речи диктора. В связи с чем требует значительных объёмов
памяти во-первых, во-вторых какой-то работы по склейке слогов, что
на мой взгляд весьма не просто. Да, были такие игрушечные
синтезаторы для ПК, выводящие а speaker (sound blaster был
редкостью), оттого и ШИМ, но в целом не в ШИМ'е дело и при
нормальной реализации там полноценный 12-битный звук.