La synthèse vocale est la génération IA de parole humaine à partir d'un texte, produisant une sortie audio parlée qui reproduit la prononciation, l'intonation, le débit et la qualité expressive. Les systèmes de synthèse vocale de pointe atteignent une qualité où les sorties sont souvent indiscernables de la parole humaine enregistrée. Pour les créateurs de contenu, la synthèse vocale permet de produire narration, voix de personnages et contenu de présentateur à l'échelle sans séances d'enregistrement.