Et heteronym er et ord, der staves som et andet, men udtales anderledes og har en anden betydning – f.eks. engelsk 'lead' (at lede) og 'lead' (metallet bly) eller 'wind' (vind) og 'wind' (at sno). Heteronymer er en delmængde af homografer. De udgør en udfordring for tekst-til-tale-systemer, fordi den korrekte udtale kun kan udledes af konteksten, ofte ved hjælp af ordklasseanalyse.
Text-to-speech omdanner skrevet tekst til talt sprog og er dermed modstykket til talegenkendelse (speech-to-text). Moderne systemer bruger neurale netværk til at skabe naturligt klingende stemmer med passende intonation. TTS bruges i telefonmeddelelser, navigationsenheder, oplæsningsfunktioner til tilgængelige websites og stemmeassistenter.
Ordklassemærkning tildeler automatisk hvert ord i en sætning dets grammatiske kategori, f.eks. navneord, udsagnsord, tillægsord eller forholdsord. Fordi mange ord er flertydige (»kort« som navneord eller tillægsord, »lys« som navneord eller tillægsord), tager metoderne højde for sætningens sammenhæng. POS-tagging er et klassisk forbehandlingstrin til parsing, informationsudtræk eller stavekontrol og tilbydes af biblioteker som spaCy og NLTK.
Natural language processing er den gren af AI, der gør det muligt for computere at analysere, forstå og generere menneskeligt sprog i tekst eller tale. Det omfatter opgaver som oversættelse, klassifikation, opsummering, sentimentanalyse og spørgsmålsbesvarelse. Tidligere dominerede regler og statistiske metoder; i dag er feltet præget af store sprogmodeller.
Koreferensopløsning er en opgave inden for naturlig sprogbehandling, der identificerer, hvilke udtryk i en tekst der henviser til den samme person, ting eller sag. I »Fru Weber ringede. Hun vil gerne ringes op igen« skal systemet forstå, at »hun« betyder fru Weber. Det er vigtigt for resuméer, informationsudtræk og chatbots, der skal holde styr på henvisninger på tværs af flere sætninger eller samtaleomgange.
