La synthèse vocale (text-to-speech, TTS) est une technologie IA qui convertit un texte écrit en parole synthétique. Les systèmes TTS IA modernes produisent une parole naturelle avec prosodie et inflexion appropriées. Dans les flux de production vidéo IA, la synthèse vocale est couramment utilisée pour générer la narration et la voix off qui accompagnent le contenu visuel généré.