एक सौ पचानवे आवाज़ें बातचीत के अंदाज़ को दर्शाती हैं, जो पूरे कैटलॉग का 84 प्रतिशत है। स्ट्रीमिंग ही उन्हें लाइव होने का अहसास कराती है: वाक्य का रेंडरिंग पूरा होने से पहले ही ऑडियो बजना शुरू हो जाता है।

कहानियां सुनाना (नरेशन) एक ऐसा काम है जहां आवाज को सेकंडों के बजाय घंटों तक टिके रहना होता है। यहां 244 आवाजों में से 163 आवाजों पर नरेशन का टैग है, जो अंग्रेजी, हिंदी और नौ अन्य भारतीय भाषाओं में इस कैटलॉग का सबसे बड़ा समूह है।

बहत्तर आवाजें ग्यारह भारतीय भाषाओं के साथ-साथ अंग्रेजी को कवर करती हैं, इसलिए एक ही आवाज बिना किसी बदलाव के हिंदी कॉलर और तमिल कॉलर दोनों के काम आती है। एक ही वाक्य के भीतर हिंदी और अंग्रेजी बारी-बारी से आ सकती हैं।

बड़े पैमाने पर काम करने पर लागत बढ़ने का मुख्य कारण डुप्लिकेशन (दोहराव) होता है, न कि जनरेशन (उत्पादन)। टेक्स्ट को हैश करने और जो पहले से मौजूद है उसे छोड़ने से इसमें से अधिकांश भाग हट जाता है, क्योंकि कैटलॉग और टेम्प्लेट के काम में लगातार एक ही वाक्यांश बार-बार दोहराए जाते हैं।

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।

हर लहजे के समूह और सभी बारह अनुशंसित भाषाओं से एक सौ बीस पुरुष आवाजें। इनमें से अधिकांश में भारतीय भाषाओं की अनुशंसा शामिल है, जो उन कैटलॉग में असामान्य है जो भारतीय भाषाओं को बाद का विचार मानते हैं।