Здесь на vc.ru я уже рассказывал о своем боте, в который я запихнул сразу кучу нейросетей: распознавание, понимание смысла, перевод и озвучивание. И это на двух языках. На каком бы языке ты не говорил, бот тебя понимает.
Распознавалка голоса -> отправка текста чатгпт -> конвертируем ответ обратно в голос. Неплохо