Voice Engine est un modèle avancé de synthèse vocale qui ne nécessite que 15 secondes d'échantillons vocaux pour générer une parole naturelle extrêmement similaire à celle de l'orateur d'origine. Ce modèle est largement utilisé dans les domaines de l'éducation, du divertissement et de la santé, permettant d'offrir une assistance à la lecture pour les personnes non alphabétisées, de traduire la voix pour les vidéos et les podcasts, et de donner une voix unique aux personnes non verbales. Ses principaux avantages sont le faible nombre d'échantillons vocaux nécessaires, la haute qualité de la parole générée et la prise en charge de plusieurs langues. Voice Engine est actuellement en phase de prévisualisation à petite échelle, et OpenAI discute de ses applications potentielles et des défis éthiques avec des personnes de tous horizons.