音声クローニング(voice cloning)は、特定の人物の音声サンプルをもとに、その人の声質、抑揚、話し方を再現する音声合成技術である。クローンした声で任意の文章を読み上げられるため、テキスト読み上げ(text-to-speech、TTS)の一分野と位置づけられる。かつては数時間分の録音と話者ごとのモデル学習が必要だったが、深層学習に基づく音声合成モデルの発展により、数秒から数十秒のサンプルだけで声を複製するゼロショット方式が一般的になった。
動画のナレーション、吹き替え、オーディオブック、音声アシスタント、病気で声を失った人のための支援技術などに用いられる。本人の同意なしに声を複製すると詐欺や偽情報に悪用されるおそれがあるため、話者の同意確認や合成音声の表示といった安全対策も併せて議論されている。