Ja, eine funktionierende Sprachsteuerung setzt voraus, dass die Sprache aus Hintergrundgeräuschen herausgefiltert werden kann. Schließlich willst Du nicht immer am Mikro sitzen. Alleine das setzt entsprechende Hardware und Software voraus.
Die Spracherkennung ist mittlerweile schon gut, aber die Filter eben nicht, vor allem sind sie nicht billig und nicht klein in der Bauform. Derzeitige bestehen meist aus einer Vielzahl von Mikrofonen (Arrays) und benötigen entsprechenden Platz.
Ein weiteres Problem ist die Fehleranfälligkeit. Wenn die zu hoch ist endet es noch wie in RoboCop: "Er hat die Waffe nicht fallen hören..."
Ansonsten sehr interessant.