L'audio couvre deux besoins opposés : produire du son à partir de texte, et produire du texte à partir de son. Les deux sont sur le même compte de crédit, sans abonnement séparé — ce qui n'est pas le cas chez la plupart des services spécialisés.

La transcription est l'usage le plus immédiatement rentable : une réunion d'une heure, un entretien, un enregistrement de terrain deviennent un texte cherchable en quelques minutes. La synthèse vocale sert plutôt à la production — voix off d'une vidéo, message d'accueil téléphonique, version audio d'un contenu écrit.

L'audio consomme un type d'unité différent du texte, et sensiblement plus cher à l'entrée : c'est pour cette raison que le calcul de coût de Tukai distingue explicitement les modalités au lieu de tout compter comme du texte.