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.
Runas atpazīšana, ko sauc arī par ASR (automatic speech recognition), automātiski pārvērš runāto valodu rakstītā tekstā. Mūsdienu sistēmas izmanto neironu tīklus, kas apmācīti ar lielu daudzumu audioierakstu, un samērā labi tiek galā ar akcentiem un fona troksni. Pielietojumi ir diktēšana, subtitri, balss asistenti un sanāksmju un klientu zvanu transkribēšana. Tehniskie termini, īpašvārdi un slikta audio kvalitāte joprojām ir biežs kļūdu avots.
Audio transkripcija pārvērš ierakstos runāto valodu rakstītā tekstā. Mūsdienu automātiskās runas atpazīšanas sistēmas pievieno arī pieturzīmes, atšķir runātājus un dažkārt sniedz laikspiedolus. To izmanto sanāksmju protokoliem, intervijām, subtitriem un klientu sarunu dokumentēšanai. Kvalitāte lielā mērā ir atkarīga no audio kvalitātes, akcenta un nozares terminoloģijas; sarunās, kurās ir personas dati, jāņem vērā piekrišana un datu aizsardzība.
Dabiskās valodas ģenerēšana (NLG) ir valodas apstrādes joma, kas no datiem, punktiem vai citas ievades veido saprotamu tekstu. Agrākās NLG sistēmas balstījās uz veidnēm un noteikumiem; mūsdienās vairums izmanto lielos valodas modeļus. Tipisks pielietojums ir laikapstākļu un biržas ziņojumi, produktu apraksti, rādītāju kopsavilkumi un tērzēšanas robotu atbildes. Svarīgi, lai skaitļi un fakti no ievades tiktu pārņemti pareizi un nemainīti.
