اپن‌ای‌آی مدتی پیش مدل جی‌پی‌تی۴او را با قابلیت‌های صوتی و تصویری پیشرفته رونمایی کرد که بلافاصله توجه کاربران را به سمت صدا و لحن چت‌بات جلب نمود. این صدا شباهت زیادی به سامانتا، هوش مصنوعی فیلم هر با صداپیشگی اسکارلت جوهانسون داشت.
در شهریور ۱۴۰۲، اپن‌ای‌آی قابلیت‌های صوتی چت‌جی‌پی‌تی را معرفی کرد تا روش‌های جدیدی برای تعامل کاربران فراهم آورد. از آن زمان این چت‌بات دارای پنج صدای متنوع با نام‌های بریز، کوو، امبر، جونیپر و اسکای است و در مراسم رونمایی جی‌پی‌تی۴او نیز از صدای اسکای برای نمایش قابلیت‌های تازه استفاده شده بود.
اکنون اپن‌ای‌آی در مطلبی در وبلاگ رسمی خود درباره صدای اسکای اعلام کرده ما معتقدیم صدا‌های هوش مصنوعی نباید عمدا صدای یک سلبریتی را پیروی کنند؛ صدای اسکای تقلیدی از اسکارلت جوهانسون نیست بلکه متعلق به یک هنرپیشه حرفه‌ای متفاوت است که از صدای طبیعی خود منفعت می‌برد.
با این حال این شرکت در پستی در شبکه اجتماعی ایکس خبر داد که تصمیم دارد منفعت‌گیری از صدای اسکای را فعلا متوقف کند. اپن‌ای‌آی برای حفاظت از حریم خصوصی صداپیشگان جی‌پی‌تی۴او نام آن‌ها را فاش نمی‌کند و می‌گوید هر یک از این پنج صدا طی یک فرآیند پنج ماهه و از میان ۴۰۰ نفر با دقت زیاد انتخاب شده‌اند.
در این فرآیند صداپیشگان حرفه‌ای، آژانس‌های استعدادیابی و مشاوران صنعت شراکت داشته‌اند. اپن‌ای‌آی همچنین اعلام کرد که از صداپیشگان این پنج صدا حمایت خواهد کرد و مبالغی که دریافت می‌کنند بالا‌تر از نرخ‌های معمول است و مادامی که از صدای آن‌ها در محصولات اپن‌ای‌آی استفاده می‌شود، پرداخت این مبالغ ادامه خواهد داشت.
معیار‌های انتخاب این پنج صداپیشه شامل توانایی گفتار در چند زبان، داشتن صدای مطمئن، گرم، جذاب و کاریزماتیک بوده است.
