Hauptproblem wird der Ausdruck bleiben
Man sollte auch unterscheiden zwischen Top 20 Musik bei dem der Ausdruck seit langem schon durch Autotune und Co. praktisch nicht mehr vorhanden ist, und eben echter Musik die einen berührt, egal wie freudig, traurig uvm.
Da wird es aus meiner Sicht noch lange dauern bzw, ggf. unmöglich sein wird.
Ich habe mich mal umgehört bei einem bekannten Hersteller von Sound Libs. Es wird offenbar bald die Möglichkeit geben dass man aus bestehenden professionellen Sound Libs mit Hilfe von KI Konsonanten zu den vorhandenen A o u Vokalen dazu geben kann, währen die Stimme sonst nahezu unverändert ist. Das wird vermutlich nochmals mehr den Eindruck von Echtheit bringen.
Auch "Mischstimmen" der eigenen Stimme würden so möglich, Du müsstest einige Vokale einsingen, während die KI daraus Wörter mit Konsonanten macht, in mehreren Sprachen. Die KI soll auch die Differenz zwischen verschiedenen Stimmen singen können, mit einem Drehregler kannst du dazwischen morphen oder angeblich im Extremfall Sopran, Tenor, Bariton, Bass zu einer einzigen Stimme vereinen, mit entsprechendem Tonumfang. Etwas Unheimlich ...
Natürlich würde das auch wieder Tür und Tor für Stimmenklau und Lizenzumgehung öffnen, zum Beispiel einige Vokale von Pavarotti und die KI singt damit eine Oper neu ein.