音声認識なんて、ユーザーの意図が正確に伝わる保証がなくてどう誤認識・誤動作されるかわからないから使う気になれん。
音声に限らず身振り手振りやマウスジェスチャーでの操作とか、顔・指紋・網膜パターンによる個人認証など、
複雑で曖昧性のある情報をデジタルな機械に無理矢理処理判定させて操作や認証に使うのは危険だよ。
音楽プレイヤーくらいならどう誤動作されようと致命的な危険はないかもしれないが(ファイル削除とか音声操作の範囲になければ)、
周りからたまたま聞こえた音声やスマホが自分で鳴らしてる音を意図しない何かの指示のようにとられ勝手な動作をされてしまったとかありそうだし、
スマホのロック解除や自宅入室などの認証を指紋とかでやると、間違いなく本人なのにそう判定してくれなくて使えない入れないとか、
逆に他人が本人として通ってしまったとか、原理的に十分ありうるから。 いかに精度が上がろうが100％信用は絶対できない。
まだ実用化まで至ってないと思うけど、自動運転の車なんて絶対乗りたくないし。
あっていいのはスマホ動画によくある画像処理とか最近流行ってるAI画像生成とかのような、間違いがいくらでも許されるお遊びの範囲だけ。