本文描述了一种用于根据文本输入创建在有声读物和/或音频播放中使用的基于对象的音频内容的方法，该方法包括以下步骤：a)接收文本输入；b)对接收到的文本输入执行语义分析；c)基于语义分析的一个或多个结果合成语音和效果以生成一个或多个音频对象；d)生成针对一个或多个音频对象的元数据；以及e)创建包括一个或多个音频对象和元数据的基于对象的音频内容。本文进一步描述了：一种基于计算机的系统，该基于计算机的系统包括一个或多个处理器，该一个或多个处理器被配置为执行所述方法；以及一种计算机程序产品，该计算机程序产品包括具有指令的计算机可读存储介质，该指令被适配成当由具有处理能力的设备执行时执行所述方法。