总结起来就是中文词与词之间间隔不明确，而且词汇太多

比如你对着麦克风说了一句话：

WHAT HAPPENED TO DIMITRI?! Fire Emblem Three Houses Character Analysis

然后语音识别程序会将这段话中的音标识别出来

wɒt ˈhæpənd tuː diːˈmiːtri?! ˈfaɪər ˈɛmbləm θriː ˈhaʊzɪz ˈkærɪktər əˈnæləsɪs

然后程序开始判断某段音标最可能是什么。因为其他单词在词库里都有（常用的英文单词就几千个），于是程序很快就给出了答案

WHAT HAPPENED TO  ？？？ Fire Emblem Three Houses Character Analysis

然而程序的词库里并没有Dimitri（帝弥托利）（其实是有的，就假装他没有），于是程序给出了一个模棱两可的回答

WHAT HAPPENED TO Dim Iteration Fire Emblem Three Houses Character Analysis

然而这并不会对理解有太大影响，因为整句话里只有红色部分是错误的

然后你又对着麦克风说了一句话

在帝弥托利身上发生了什么？让我们来分析火焰纹章风花雪月的角色

语音识别程序会将这段话中的拼音识别出来

zài dì mí tuō lì shēn shàng fā shēng liǎo shén me ？ ràng wǒ mén lái fēn xī huǒ yàn wén zhāng fēng huā xuě yuè de jiǎo sè

首先，我们就遇到了一个很大的难题：分词。汉语中的文本是连着读出来的，不像英文有相对明确的界限。

然后程序开始判断某段拼音最可能是什么。但是由于常用的中文词组太多了(一般大学本科生，汉字４千。词汇合计２-３万左右)，程序很难给出答案：

在 低迷 脱粒 身 上 发生 了 什么 让我们来分析火焰 文章 风华 血 月 的角色

甚至可能分词都分不对：

在地 醚 脱粒 身 上 发生了 什么  让我们来分析火焰 文 张锋 花 薛岳 的 角色

然后最后识别出来就只能看懂个锤子了

PS 这里其实还有一个问题，风花雪月的常用度比three和houses低得多