AIで合成音声なんて、まだぜんぜんデータ不足なんだあよね。発声練習してた人間しか録音してないから。
それから、スマホにも僕らは指令してる感じになって、だから汲み取るっての覚えてくれない。
データ量から言ったらまだ、音楽の方がハードル低いか。鼻歌は楽譜でなく旋律を学習したらどう？