1.对自然语言的识别和理解。首先必须将连续的讲话分解为词、
音素等单位，其次要建立一个理解语义的规则。
2.语音信息量大。语音模式不仅对不同的说话人不同，对同一说话人也是不同的，例如，一个说话人在随意说话和认真说话时的语音信息时不同的。一个人的说话方式随着时间变化。
3.语音的模糊性。说话者在讲话时，不同的词可能听起来是相似的。这在英语和汉语中常见。
4.单个字母或词、字的语音特性受上下文的影响，以致改变了重音、音调、音量和发音速度等。
5.环境噪声和干扰对
语音识别有严重影响，致使识别率低。