一是不够精确，例如普语ʐ(日的声母，不是如肉然等等的声母)和俄语ʐ不同，日语ɴ和亚美尼亚语ɴ不同，精确描写除给出音标外还必须辅以文字描述。这是国际音标追求灵活性的必然代价，以免符号多到无法学习，所以音标再怎么国际最多也只是个参照。　　二是对音段之外的单位关注不够，英语有四级重音，IPA只能区分三级，同样汉语至少有四级停顿，它只区分两级。当然这也和这方面研究较少有关。以上两个原因，官方手册里那些The Wind and The Sun，读出来能还原到什么程度其实并没多大把握。　　三是同一个音可以用不同的符号表示：c-kʲ　t-d̥　ɨ-ï，不够经济(带附加符号的字常被赋予特别的用处，有时反倒令人困惑)。　　四是二维的音标表能反映的参数太少，比如辅音除部位和方法，还有气流机制和声门状态共四个主要参数，但表上一格最多挤得下一清一浊两个，其他发声态要用附加符号表示，造成仿佛它们是复合发声态的假象；非肺部气流音既不罕见又不特殊，却必须另外列表，独占半壁江山。而且发音部位不是最小参数，而是可以互相组合，于是大量的协同发音现象只能用数个辅音+连音线表示，没能贯彻一字一音的原则。
一、二在语音合成领域是致命伤；二、四是传统理论跟非线性音系理论对比之下的劣势。