Uno degli aspetti più potenti dei sistemi CAA ad alta tecnologia è la sintesi vocale: la capacità del dispositivo di convertire il testo — o la selezione di simboli — in parlato artificiale. Per molte persone con bisogni comunicativi complessi, la sintesi vocale rappresenta letteralmente "la propria voce" nel mondo.
Le sintesi vocali sono migliorate enormemente negli ultimi anni. Dai suoni robotici e inespressivi delle prime generazioni, siamo arrivati a voci sempre più naturali, con intonazione, ritmo e qualità molto simili alla voce umana. Esistono sintesi vocali in italiano di alta qualità, incluse versioni pediatriche — voci di bambini — particolarmente importanti quando si lavora con utenti in età evolutiva. Sentirsi rispondere dalla "voce di un bambino" invece che da quella di un adulto ha un impatto significativo sulla naturalezza dell'interazione.
Un aspetto prezioso e sempre più accessibile è la possibilità di creare sintesi vocali personalizzate. Prima che la voce naturale di una persona si deteriori — come accade nella SLA — è possibile registrare campioni vocali sufficientemente ampi da addestrare un sistema che riproduca quella voce specifica. Così, anche quando la persona non potrà più parlare, la sua voce — la sua vera voce — continuerà a essere presente nel mondo.
La sintesi vocale non è l'unica opzione di output. Per alcune persone, in certi contesti, un display visivo — che mostra le parole selezionate — è più appropriato. La scelta dipende sempre dal contesto, dalle preferenze della persona, dalle caratteristiche dell'ambiente.