AI वीडियो बिना आवाज़ के अधूरा है। DOTV का ऑडियो नोड एक आवाज़ खंड रखता है: बोली गई वर्णन और सवाल, या वीडियो से अलग की गई आवाज़, पृष्ठभूमि संगीत। इसका कोई चित्र नहीं, इसलिए कार्ड आधा ऊँचा एक साफ़ कार्ड है, चित्र की जगह इस आवाज़ की तरंग दिखती है। यह खंड बताता है कि कार्ड पर क्या है, आवाज़ कहाँ से आती है, चुनने पर कौन से उपकरण हैं, और किसको दे सकते हैं।