Das was du suchst ist kein einfaches Sprachprogramm, das von dir beschriebene ist schon sehr komplex für einen Programmierer.

Viele Softwares nutzen eine große Datenbank aus der sie rausfiltern was am meisten zu dem passt was du gerade gesagt hast und es dementsprechend auswerten. Das ist eine heidenarbeit und das 3DGS eher für Spiele gedacht.

Schau dir doch das mal an, http://www.nuance.de/naturallyspeaking/

Das ist der Marktführer in dem Bereich Spracherkennung, sammle damit erstmal Erfahrung. Sonst müsstest du dir eine Datenbank suchen wie sie benutzt wird und einfach aus dem Mikro die Töne rausfiltern und sie in der Datenbank suchen lassen.