La synthèse vocale convertit du texte écrit en sortie audio parlée. Les systèmes modernes produisent une voix naturelle et expressive avec prosodie, émotion et rythme appropriés. Ils alimentent Siri et Alexa, des outils d'accessibilité, des systèmes téléphoniques et la narration d'audiolivres. Les modèles neuronaux comme ceux d'ElevenLabs et OpenAI peuvent cloner des voix spécifiques à partir de courts échantillons audio.