本发明涉及语音与图像合成技术领域，为获得连贯自然且较为清晰的舌超声运动图像。为此，本发明采取的技术方案是，基于动态时间规划根据语音信息合成舌超声视频的方法，首先基于语音识别技术识别输入的语音文字，之后根据共振峰能量根据识别结果按独立发音切割语音段，通过动态时间规划的方法，将输入语音中每个字的舌运动图像自语音‑超声图像库中选择出来，在单词拼接过程中使用全连接神经网络自编码器提取特征值进行插值，最终合成出连贯的舌超声图像。本发明主要应用于超声视频图像处理场合。