I ett multimodalt dialogsystem kan man kombinera det naturliga språket med andra modaliteter. I multimodala dialogsystem kan man t.ex. ofta peka på något och samtidigt säga något om det man pekar på. En vanlig tillämpning är multimodala tidtabellssystem där användaren kan peka på en hållplats och samtidigt säga "härifrån", vilket dialogsystemet sätter samman till en helhet där det man pekat på och det man sade tillsammans formar en meningsfull helhet.

Multimodala dialogsystem har fördelen att man som användare kan använda den modalitet som känns naturligast. Har man tillgång till en stor skärm är det ofta lättare att peka och komplettera med språk medan man i mobiltelefonsituationer ofta föredrar att bara kunna tala.