A Microsoft új, mesterséges intelligencián alapuló kódnyelvi modellje mindössze három másodpercnyi hanganyag birtokában képes reprodukálni a beszélő hangját. Az eszköz emellett az alany érzelmi hullámzását és akár a szoba akusztikáját is élethűen adja vissza.
A hang reprodukálásához akár három másodpernyi hanganyag is elég lehet.