1、噪音问题：在实际应用中，用户在与语音机器人沟通的过程中，所处的空间是具备多样性的。比如顾客在地铁上、超市中等户外场景咨询时，周边人声噪音就会对语音识别造成影响，又比如外卖员、快递员在送货的过程中，风声、喇叭声、行驶声等，一样会对语音识别造成影响。

2、口音问题：口音问题则包含方言以及口音不准的问题，正所谓十里不同音、百里不同俗。我国幅员辽阔，拥有五大语系，共有80种以上细分语言。各方言区内，又分布着若干次方言和许多种土语，语言隔阂难以解除，口音也很难纠正。语言识别无疑是十分困难的事情。

3、实体识别：通俗来说，语音识别模型就是一个概率模型，当语音传入语音识别模型中，输出为日常生活中常用到的词语与句子的概率是高于其他稀疏词的。而人名、地名、机构名、专有名词、药名等均属于稀疏词，企业不常用到，所以在对特定词语的识别上就会十分困难。