Смотря насколько серьезно, идеально распознать в текст а потом синтезировать. Проще, оцифровать и слегка изменить спектр, дешево и сердито, однако не очень надежно, фактически эффект эквалайзера. Можно добавить шумов и много еще чего, но можно переборщить и речь вообще станет непонятной. Можно немного сжать растянуть во времени, на понимании это не так сильно сказывается.