Всього на даний момент існує 63 офіційні вокалоїда.
Під час роботи з програмою користувач вводить мелодію нового твору, вказує на кожну ноту відповідну фонему тексту пісні, після чого Vocaloid, використовуючи обрану бібліотеку виконавця, синтезує спів. Передбачена можливість зміни тембру, швидкості, частоти, накладання різних ефектів.
Войсбанк (голосовий банк) – це набір звукових файлів, що використовується для створення пісень у UTAU. WAV-. wav-файл – це аудіофайл, який використовує UTAU, щоб змусити війсбанки співати. Усі файли голосового банку у форматі.