A gépi beszéd-előállítás egyik kulcskérdése a beszéd dallam-, hangsúlyozási-, ritmikai- és intenzitásszerkezetének (a prozódiának) a helyes megvalósítása. A prozódia legfontosabb elemei a szöveg alapján előre jósolhatók. Ilyenek a mondatdallam, a hangsúlyos/hangsúlytalan szavak, a gondolati egységet alkotó szövegrészek (szin-tagmák) határai, a beszédsebesség lassulása/gyorsulása, a szünetek helye és hossza, valamint az átlagintenzitás változása. Ebből következik, hogy a szövegekben olyan jelzőket lehet elhelyezni, amelyek jelölik az egyes prozódiai paraméterek megvalósítási helyét és formáját. Az ilyen előrejelzéshez a szöveget morfológiai, szintaktikai és szemantikai elemzésnek kell alávetni. Ez az egyik legbonyolultabb nyelvi technológiai témakör, amelyre komplex megoldás még nem született Magyarországon, inkább statisztikai alapú módszereket használnak (Olaszy et al. 2000). Kutatási szinten már születtek nyelvészeti indíttatású elemzési eredmények (Koutny et al. 2000), azonban ezek még nem olyan hatásosak, mint a statisztikai megoldások. A statisztikai alapú prozódiai előrejelzőt már a gyakorlatban is alkalmazzák a Profivox elnevezéső szövegfelolvasó rendszerben, amely többek között a http://vilaghallo.hu  honlapon olvas fel szépirodalmi mőveket (regényeket) az interneten keresztül. A nyelvészeti alapú mondatelemzés kutatása ismét előtérbe került 2005-ben, egy NKFP projekt keretében az MTA Nyelvtudományi Intézetében (Tamm–Olaszy 2005). Az eredmény 2007-ben várható.