Audioaufnahme und -wiedergabe sollten nur mittelschwere Probleme sein.
Wenn du allerdings vorhast Audioaufnahme, -erkennung und -synthese zu betreiben ist es in in ungefähr unmöglich, wenn man von einem (noch) unbedarften Roboterbauer und -programmierer ausgeht. Dazu wird einfach zu viel Rechenleistung und Know-How benötigt.

Merlin