ما نمونه‌ی کوچکی از صوت و متن را می‌گیریم و صدای شبیه‌سازی‌شده را تولید می‌کنیم که با صدای اصلی کاملاً همخوانی دارد. صدای اصلی پس از اتمام درخواست حذف می‌شود. چنانچه متن داده‌شده دارای قسمت‌های سؤالی، تعجبی یا مانند آن باشد، تن صدای تولیدشده نیز متناسب با آن تغییر خواهد کرد.
