Also ... zu Spracherkennung kann ich nichts sagen. Nur zur Sprachausgabe. Es gibt bestimmte Sprachausgabe-Chip (die meisten nur die englischen Phenome beherrschen). Denen kann man einen Input geben ("Laute") und die erzeugen daraus Impulse, die auf einem Lautsprecher als Laut, Wort oder Satz ausgegeben werden können. Der Umgekehrte Fall wird wohl viel schwieriger sein. Stell dir vor was man alles Abdecken muß: Verschiedene Sprachgewohnheiten, Zusammensetzung von Befehlen, verschiedene Sprachgeschwindigkeiten und Tonlagen, verschiedene Betonungen und so weiter... Das geht nicht mit einem µC.