Los servidores de voz ya están disponibles para los suscriptores de la Red Telefónica Pública Conmutada. Estos dispositivos utilizan anuncios almacenados o voz sintética. El habla sintética puede producirse a partir de segmentos almacenados, como palabras, sílabas o difonos; también puede producirse mediante síntesis por regla, por ejemplo, síntesis de formantes. En todos los casos de procesamiento de señales, como la compresión digital de la señal, junto con el procesamiento de sonido, como la concatenación de segmentos y la variación del tono, la intensidad y la duración del segmento, puede producirse un deterioro notable de la calidad del habla.