Tạo bình luận bằng âm thanh là công nghệ AI sử dụng âm thanh tường thuật để giải thích thông tin trực quan như thay đổi cảnh cũng như hành động và nét mặt của các nhân vật trong video, giúp người xem khiếm thị hoặc những người không thể nhìn thấy màn hình có thể hiểu được nội dung.
Tạo mô tả âm thanh (AD) là phương pháp bổ sung thông tin hình ảnh của tác phẩm video bằng tường thuật âm thanh để truyền tải nội dung đến người khiếm thị và người xem không thể nhìn thấy màn hình và được cho là được áp dụng rộng rãi trong ngành phát thanh và phân phối như một phần của các biện pháp tiếp cận. Trước đây, mọi việc từ tạo kịch bản đến ghi âm đều được thực hiện thủ công bởi những người kể chuyện và đạo diễn âm thanh chuyên ngành, nhưng trong những năm gần đây, các công cụ AI đã xuất hiện kết hợp phân tích video và TTS (chuyển văn bản thành giọng nói) để chuyển đổi các thay đổi cảnh và chuyển động của nhân vật thành văn bản và xuất chúng dưới dạng bản âm thanh. Tuy nhiên, trong hoạt động thực tế kể từ năm 2026, vẫn sẽ cần phải kiểm tra thủ công, chẳng hạn như điều chỉnh thời gian cho phù hợp với phần giải thích giữa các dòng hiện có và hiệu ứng âm thanh cũng như sửa lỗi đọc sai danh từ riêng và thuật ngữ kỹ thuật, và thực tế là vẫn chưa đạt được tự động hóa hoàn toàn. Mặc dù chi phí thấp hơn so với ghi chép thủ công truyền thống nhưng một số người cho rằng rất khó đọc số giờ công cần thiết để xác minh và chỉnh sửa, khiến việc đánh giá giá thị trường trở nên khó khăn. Khi thực hiện lựa chọn, thông lệ trong lĩnh vực này là so sánh phạm vi ngôn ngữ được hỗ trợ, tính tự nhiên của TTS và khả năng phối hợp dễ dàng với các nền tảng phân phối và chỉnh sửa video hiện có.