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.
Kõnetuvastus, mida nimetatakse ka ASR-iks (automatic speech recognition), teisendab kõneldud keele automaatselt kirjalikuks tekstiks. Kaasaegsed süsteemid kasutavad suurtel heliülesvõtete hulkadel treenitud närvivõrke ning tulevad aktsentide ja taustamüraga mõistlikult toime. Rakenduste hulka kuuluvad dikteerimine, subtiitrid, hääleassistendid ning koosolekute ja klientide kõnede transkribeerimine. Erialatermineid, pärisnimesid ja halba helikvaliteeti peetakse endiselt sagedasteks veaallikateks.
Heli transkribeerimine muudab salvestistel kõneldud keele kirjalikuks tekstiks. Tänapäevased automaatse kõnetuvastuse süsteemid lisavad ka kirjavahemärgid, eristavad kõnelejaid ja annavad mõnikord ajatemplid. Seda kasutatakse koosolekute protokollide, intervjuude, subtiitrite ja klientidega peetud kõnede dokumenteerimiseks. Kvaliteet sõltub suuresti helikvaliteedist, aktsendist ja erialasõnavarast; isikuandmeid sisaldavate vestluste puhul tuleb arvestada nõusoleku ja andmekaitsega.
Loomuliku keele genereerimine (NLG) on keeletöötluse valdkond, mis loob andmetest, märksõnadest või muudest sisenditest arusaadavat teksti. Varasemad NLG-süsteemid tuginesid mallidele ja reeglitele; tänapäeval kasutab enamik suuri keelemudeleid. Tüüpilised kasutusalad on ilma- ja börsiaruanded, tootekirjeldused, näitajate kokkuvõtted ja vestlusrobotite vastused. Oluline on, et sisendite arvud ja faktid kantakse üle õigesti ja muutmata.
