پژوهشی جدید نشان می‌دهد که صداهای تولیدشده توسط هوش مصنوعی، به ویژه کپی‌های صوتی، می‌توانند بسیار واقعی به نظر برسند و شنوندگان اغلب نمی‌توانند بین صدای انسان و مصنوعی تفاوت قائل شوند. با این حال، برخلاف تصاویر مصنوعی که گاهی «فراواقعی» به نظر می‌رسند، در صداهای هوش مصنوعی چنین اثری دیده نشده است. صداهای مصنوعی معمولاً پرقدرت‌تر و گاهی قابل اعتمادتر از صداهای انسانی ارزیابی شده‌اند.
این یافته‌ها علاوه بر نشان دادن توانایی بالای فناوری در شبیه‌سازی صدا، نگرانی‌هایی درباره سوءاستفاده احتمالی ایجاد می‌کند. از سوی دیگر، پژوهشگران به پتانسیل مثبت این فناوری نیز اشاره کرده‌اند و معتقدند می‌توان از آن برای کاربردهای مفید مانند دستیارهای صوتی و دوبله‌های طبیعی‌تر بهره برد.