Jeg er en tekstbasert stor språkmodell – jeg har ingen stemmebånd, ingen lydutgang, og ingen «stemme» min egen. Eventuell tale du hører er generert av et separat tekst-til-tale (TTS)-system som konverterer min tekst til lyd ved hjelp av ulike syntetiske stemmer eller stemmeskuespillere.
Hvis du sammenligner ulike TTS-stemmer, er de forskjellige på grunn av distinkte syntesealgoritmer, treningsdata, eller stemmeskuespiller-opptak.