Heteronüüm on sõna, mis kirjutatakse samamoodi nagu mõni teine, kuid hääldatakse teisiti ja mille tähendus on erinev – näiteks inglise keeles „lead“ (juhtima) ja „lead“ (plii) või „wind“ (tuul) ja „wind“ (keerama). Heteronüümid on homograafide alamhulk. Need on väljakutse kõnesünteesisüsteemidele, sest õige hääldus on tuletatav ainult kontekstist, sageli sõnaliigi analüüsi abil.
Tekst kõneks (text-to-speech) teisendab kirjaliku teksti kõneldud keeleks, olles seega kõnetuvastuse (speech-to-text) vastaspool. Kaasaegsed süsteemid kasutavad närvivõrke, et luua loomuliku kõlaga hääli sobiva intonatsiooniga. TTS-i kasutatakse telefonikuulutustes, navigatsiooniseadmetes, ligipääsetavate veebilehtede ettelugemisfunktsioonides ja hääleassistentides.
Sõnaliigi märgendamine määrab automaatselt lause igale sõnale selle grammatilise kategooria, näiteks nimisõna, tegusõna, omadussõna või eessõna. Kuna paljud sõnad on mitmetähenduslikud (inglise keeles „book“ nimi- või tegusõnana, „light“ omadus- või nimisõnana), võtavad meetodid arvesse lause konteksti. POS-märgendamine on klassikaline eeltöötlussamm süntaksianalüüsil, teabe eraldamisel või õigekirjakontrollis ning seda pakuvad teegid nagu spaCy ja NLTK.
Loomuliku keele töötlus on TI haru, mis võimaldab arvutitel analüüsida, mõista ja genereerida inimkeelt tekstis või kõnes. See hõlmab ülesandeid nagu tõlge, klassifitseerimine, kokkuvõtete tegemine, meelestatuse analüüs ja küsimustele vastamine. Kunagi domineerisid reeglid ja statistilised meetodid; tänapäeval kujundavad valdkonda suured keelemudelid.
Koreferentsi lahendamine (coreference resolution) on loomuliku keele töötluse ülesanne, mis tuvastab, millised väljendid tekstis viitavad samale isikule, asjale või küsimusele. Lauses „Proua Weber helistas. Ta soovib tagasihelistamist“ peab süsteem aru saama, et „ta“ tähendab proua Weberit. See on oluline kokkuvõtete, infoekstraktsiooni ja vestlusrobotite jaoks, mis peavad mitme lause või vestluskorra vältel viidetel silma peal hoidma.
