Pour imiter la colère, la joie ou la tristesse, une machine (comme une intelligence artificielle ou un synthétiseur vocal) analyse d’abord les caractéristiques sonores typiques de chaque émotion : par exemple, une voix joyeuse est plus rapide et aiguë, alors qu’une voix triste est plus lente et grave.

Ensuite, elle modifie la hauteur (grave/aigu), le volume, le débit et même les pauses dans le discours pour reproduire ces émotions. Des algorithmes avancés peuvent même apprendre à partir d’enregistrements humains pour affiner ces effets et rendre la voix plus “vivante”.