Mit der Sprache steuern wird kompliziert. Die Spracherkennung ist ein sehr komplexes Thema. Ich würde zuerst mit einfachen Dingen anfangen. Z.B. einfache Ein und Ausgabe, dann Motoren und Servos steuern, eventuell mit Geräuschen (keine Befehle) steuern,...
Aber wie gesagt sollte man klein anfangen und dann immer komplexere Dinge bauen/programmieren.