Heteronīms ir vārds, kas rakstās tāpat kā cits, bet izrunājas citādi un ir ar citu nozīmi — piemēram, angļu valodā „lead” (vadīt) un „lead” (metāls) vai „wind” (gaiss) un „wind” (tīt). Heteronīmi ir homogrāfu apakškopa. Tie ir izaicinājums teksta pārveidei runā, jo pareizo izrunu var noteikt tikai no konteksta, bieži ar vārdšķiru analīzes palīdzību.
Teksta pārvēršana runā pārvērš rakstītu tekstu runātā valodā, un tā ir runas atpazīšanas (runa uz tekstu) pretstats. Mūsdienu sistēmas izmanto neironu tīklus, lai radītu dabiski skanošas balsis ar atbilstošu intonāciju. TTS izmanto telefona paziņojumos, navigācijas ierīcēs, skaļās lasīšanas funkcijās pieejamām tīmekļa vietnēm un balss asistentos.
Vārdšķiru marķēšana automātiski piešķir katram teikuma vārdam tā gramatisko kategoriju, piemēram, lietvārds, darbības vārds, īpašības vārds vai prievārds. Tā kā daudzi vārdi ir neviennozīmīgi („book” kā lietvārds vai darbības vārds, „light” kā īpašības vārds vai lietvārds), metodes ņem vērā teikuma kontekstu. POS marķēšana ir klasisks priekšapstrādes solis sintaktiskajai analīzei, informācijas izgūšanai vai pareizrakstības pārbaudei, un to piedāvā bibliotēkas, piemēram, spaCy un NLTK.
Dabiskās valodas apstrāde ir MI nozare, kas ļauj datoriem analizēt, saprast un ģenerēt cilvēku valodu tekstā vai runā. Tā aptver uzdevumus, piemēram, tulkošanu, klasifikāciju, kopsavilkumu veidošanu, noskaņojuma analīzi un atbilžu sniegšanu uz jautājumiem. Kādreiz dominēja noteikumi un statistikas metodes; mūsdienās nozari veido lielie valodas modeļi.
Koreferences atrisināšana ir dabiskās valodas apstrādes uzdevums, kas nosaka, kuri izteikumi tekstā attiecas uz vienu un to pašu personu, lietu vai jautājumu. Teikumā „Weber kundze piezvanīja. Viņa vēlas, lai tai atzvana” sistēmai jāsaprot, ka „viņa” nozīmē Weber kundzi. Tas ir svarīgi kopsavilkumiem, informācijas izguvei un tērzēšanas robotiem, kuriem jāseko atsaucēm vairākos teikumos vai sarunas reizēs.
