Однако адаптивный синтез речи пока еще имеет ряд ограничений на практике. Во-первых, создание и обучение голосовой модели — достаточно трудоемкий процесс, требующий большого количества входных данных и вычислительных ресурсов. А во-вторых, даже качественно обученная модель может не всегда точно передавать нюансы и интонации речи, особенно в случаях, когда человек говорит быстро или с акцентом. Тем не менее технология адаптивного синтеза продолжает активно развиваться, и в будущем ожидается, что это решение будет использоваться всё активнее.