Pada awalnya, eksperimen sintesis suara dimulai pada tahun 1930-an dengan penelitian yang dilakukan oleh ilmuwan seperti Walter Lawrence dan Homer Dudley. Mereka mengembangkan teknologi yang dikenal sebagai Vocoder, suatu perangkat elektronik yang dapat memodifikasi suara manusia menjadi bentuk-bentuk suara lain, meskipun belum seakurat teknologi voice clone modern. Kemudian, pada tahun 1960-an, ilmuwan-ilmuwan seperti Gunnar Fant mengembangkan model matematika kompleks yang dapat merepresentasikan berbagai karakteristik suara manusia. Ini menjadi landasan bagi pengembangan sintesis suara yang lebih canggih di masa depan. Pada tahun 1980-an, penelitian dalam bidang sintesis suara semakin berkembang dengan adanya metode pengolahan sinyal digital. Teknologi ini memungkinkan rekaman suara manusia untuk dipecah menjadi komponen-komponen kecil yang dapat disunting dan disusun kembali. Meskipun masih jauh dari sempurna, inilah awal dari pendekatan yang kemudian menjadi dasar untuk teknologi ...