La synthèse vocale (text-to-speech ou TTS) est la tâche d'IA générant un audio parlé naturel à partir de texte. Les systèmes TTS modernes utilisent des modèles de deep learning pour produire une voix presque indistinguable de l'humain. Applications : assistants virtuels, narration d'audiolivres, outils d'accessibilité, systèmes téléphoniques et localisation de contenu. ElevenLabs, TTS d'OpenAI et Bark sont des exemples notables.