एक सौ चार आवाजों में भारतीय लहजा है, जो किसी भी अन्य समूह से दोगुने से भी अधिक है। वे बिना अपना स्वर बदले देवनागरी वाक्यों के भीतर अंग्रेजी शब्दों का प्रयोग करते हैं, जो कि वास्तव में भारतीय अंग्रेजी बोलने का सही तरीका है।

तैंतालीस अमेरिकी आवाजें, जो कैटलॉग में सबसे गहरा अंग्रेजी सेट है। इसमें इतनी रेंज है कि एक ही आवाज को बार-बार दोहराने के बजाय पूरे अभियान में अलग-अलग टोन के लिए कलाकारों का चयन किया जा सकता है, क्योंकि कोई अन्य आवाज फिट नहीं बैठती।

सात ब्रिटिश आवाज़ें, जिन्हें चुनने के बजाय पूरा सूचीबद्ध किया गया है। इस्ला, जूलिया और पॉपी महिला आवाज़ें हैं, जबकि एलिस्टेयर, एडवर्ड और नूह पुरुष आवाज़ें हैं। अधिकांश परियोजनाओं के लिए पर्याप्त, और इतनी कम कि पांच मिनट में इनका ऑडिशन लिया जा सके।

वॉइस एजेंट जवाब देने से पहले होने वाले ठहराव पर ही टिके होते हैं। सिंथेसिस लगभग 200 मिलीसेकंड में शुरू हो जाता है और वास्तविक समय से 3.3 गुना तेजी से चलता है, जिससे बजट वहीं बचता है जहां आमतौर पर इसकी जरूरत होती है: आपके मॉडल पर।

स्क्रीन रीडर का अनुभव रखने वाले यूज़र अक्सर इसे सामान्य से काफी अधिक गति पर चलाते हैं। इसकी गति को 0.5 से 2.0 तक एडजस्ट किया जा सकता है, और इसमें नौ भारतीय भाषाओं को शामिल किया गया है, जहाँ पूरे उद्योग में सहायक ऑडियो की उपलब्धता काफी कम है।

कोर्स का ऑडियो मॉड्यूल दस में भी वैसा ही सुनाई देना चाहिए जैसा मॉड्यूल एक में सुनाई देता है। ये आवाजें सभी सेशन के दौरान एक जैसी बनी रहती हैं, उच्चारण शब्दकोशों (डिक्शनरी) के ज़रिए तकनीकी शब्दावली को संभालती हैं, और अंग्रेजी के साथ-साथ नौ भारतीय भाषाओं को कवर करती हैं।