VALL-E es un proyecto de inteligencia artificial desarrollado por investigadores de Microsoft que tiene como objetivo generar voces simuladas a partir de muestras de audio de solo tres segundos. El proyecto se basa en una tecnología llamada EnCodec de Meta, que permite comprimir audio a un tamaño 10 veces menor que los MP3 sin perder calidad. VALL-E utiliza esta tecnología para analizar una muestra de voz y descomponerla en componentes llamados tokens, los cuales utiliza para crear nuevos sonidos basados en las "reglas" aprendidas sobre esa voz.

VALL-E es una herramienta muy poderosa ya que permite simular la voz de cualquier persona con precisión, lo que podría tener aplicaciones en diversos campos como el marketing, la publicidad, el entretenimiento, la seguridad, entre otros. Además, también permite simular el ambiente de audio de la muestra, lo que hace que las voces simuladas sonen más realistas. Sin embargo, el equipo que desarrolló VALL-E también se da cuenta de que esta tecnología podría ser utilizada de manera indebida, por lo que han decidido no hacer público el código de VALL-E.