Die Programmierung von Sprachschnittstellen funktioniert prinzipiell ähnlich zu der grafischer Benutzeroberflächen. Während ein visuelles Gestaltungssystem allerdings eher intuitive Hauptmerkmale hat – Farbe, Größe, Abstand oder Proportion –, sind die Merkmale eines dialogischen Gestaltungssystems (z.B. einer Voice-Anwendung) weniger offensichtlich: Dazu gehören einerseits verbale Merkmale wie die Wahl der Vokabeln, Paravokale und Linguistik und andererseits nonverbale Merkmale wie Phonologie und Prosodie, die u.a. die Tonhöhe, Lautstärke, und Geschwindigkeit beschreiben. Dan Fitzpatrick und Maria Müller erklären, wie sich z.B. Markenbotschaften mithilfe von ganzheitlichem Voice Branding und Speech Synthesis Markup Language (SSML) kommunizieren und transportieren lassen und welche technischen Herausforderungen damit einhergehen.