Léteznek olyan mesterséges intelligenciával működő hanggeneráló szoftvereknek, amelyeknek mindössze néhány mondatnyi hanganyagra van szükségük ahhoz, hogy meggyőzően tudják reprodukálni a beszélő hangját és érzelmi tónusait, de olyanok is vannak, amelyeknek mindössze három másodpercre van szükségük az autentikus imitációhoz. A Washington Post cikke szerint tavaly ez volt a leggyakoribb csalástípus az Egyesült Államokban, és ez okozta legnagyobb anyagi veszteséget az áldozatoknak.