Способноста да ги имитираме звуците со нашиот глас, како неисправен автомобилски мотор или мјаукање на мачка, може да биде ефективен начин за пренесување на концепти кога зборовите не се доволни. Оваа гласовна имитација е слична на цртање брз нацрт за да се пренесе идеја. Инспирирани од когнитивната наука, истражувачи од CSAIL на MIT развија систем за вештачка интелигенција кој може да создаде имитации на човечки глас без претходна обука или изложеност на човечки вокални импресии. Истражувачите конструирале модел на човечкиот гласовен тракт, симулирајќи како грлото, јазикот и усните создаваат звуци од гласовната кутија. Когнитивно инспириран алгоритам на вештачка интелигенција го контролира овој модел за да произведе имитации, земајќи предвид како луѓето избираат да ги комуницираат звуците. Моделот може да имитира различни звуци, како шум на лисја, шишкање на змија и сирена на амбуланта. Исто така, може да го обратни процесот, одгатнувајќи звуци од реалниот свет од човечки вокални имитации, слично на извлекување слики од нацрти. На пример, може да разликува помеѓу човечки имитираните „мјау“ и „шишкање“ на мачка. Истражувањето сугерира потенцијални употреби на моделот, како интерфејси базирани на имитација за дизајнери на звук, подобрување на AI карактери во виртуелната реалност и помош за изучувачи на јазик.

Ко-водечките автори од CSAIL на MIT истакнуваат дека, како и во визуелната изразливост, реализамот не е секогаш крајната цел во имитацијата на звуците. Нивната работа нуди увид во аудитивна апстракција. За да го подобрат својот модел, тимот разви три верзии, почнувајќи со основен модел кој се стремеше кон реалистична имитација на звук, но не совпаѓаше добро со човечкото однесување. Потоа создадоа „комуникативен“ модел кој се фокусираше на карактеристиките на звукот, што го подобри резултатите. Конечно, додадоа нијанси кои ја земаат предвид вложената човечка напредност во имитацијата, што доведе до пореални човечки резултати. Во бихевиористички експеримент, човечки судии понекогаш претпочитаа вокални имитации генерирани од вештачката интелигенција пред човечките за специфични звуци. Истражувачите имаат за цел да го применат својот модел во различни области, вклучувајќи го развојот на јазик, учењето на говор кај доенчињата и однесувањето на птичките имитации. Иако моделот сѐ уште се соочува со предизвици, како точно имитирање на некои согласки или разлики во звуците меѓу јазиците, тој нуди ветувачки чекор кон подлабоко разбирање на улогата на вокалната имитација во комуникацијата и еволуцијата на јазикот. Работата го истакнува спојот помеѓу физиолошките, социјалните и комуникативните фактори, со импликации за идни технологии во музиката, уметноста и понатаму.