Die Ausgabe von Sounds ist "eigentlich" garnicht soo schwierig.
Sowas hab ich schon mal gemacht.
Mit CoolEdit eine Wave-Datei umgewandelt nach 8Bit, 8 kHz Sampling-Rate.
Weiterhin gibt mir Cooledit noch die Möglichkeit, die einzelnen Samples als Textdatei zu speichern, d.h. ich hab dann in der Datei ne Folge von Zahlenwerten. Die in nem Byte-Array speichern.
Dann im AVR nen Timer so konfigurieren, dass er eine Frequenz von 8 kHz hat und in dessen ISR vom Byte-Array jeweils den nächsten Wert holen und einem OCRx-Register eines anderen Timers zuweisen.
(z.B. Timer 0 auf 8 kHz, Timer 1 für die PWM-Ausgabe)

Problem ist halt: Es frisst gewaltigst Speicher. Und durch die 8 Bit und nur 8 kHz Sampling-Rate war der Tonausschnitt nur mit Phantasie verständlich.
Das kurze "Nano-Nano" des Comedy-Klassikers "Mork & Mindy" hat nen ATMega128 schon gut gefüllt.

Wenn die Daten von der SD-Karte schnell genug gelesen werden können, sollte das auch ohne Puffer gehen; als standard Wave-Format stehen die Bytes auch nur direkt nacheinander drin.
Ob ein EEPROM dafür schnell genug ist... weiss ich nicht. Müsste man ausprobieren.