Spracherkennung

Hallo,

hat hier schon mal jemand eine Spracherkennung programmiert(also selbst, 
keine vorgefertigte Library), die eine Mikrofon-Aufnahme eines 
beliebigen Sprechers mit einer abgespeicherten Referenz-Aufnahme 
vergleicht?

Beispiel: Ich speichere eine Mikrofon-Aufnahme mit meiner eigenen Stimme 
des Wortes "Beenden". Jetzt nehme ich eine andere Person zwei mal auf, 
diese sagt bei der ersten Aufnahme "Beenden" und bei der zweiten 
Aufnahme "Verenden". Die andere Person hat natürlich eine vollkommen 
andere Stimme als ich. Die Spracherkennung sollte im ersten Fall ein 
TRUE liefern, im zweiten Fall ein FALSE.

Es ist nun nicht so, dass ich überhaupt keine Ahnung vom Programmieren 
habe. Mir ist bewußt, dass das nicht in 5 Minuten geht, weil so Sachen 
wie Beginn des Sprechens, unterschiedliche Lautstärke der Sprecher, 
Sprechgeschwindigkeit, Umgebungsgeräusche, usw. zu Berücksichtigen sind. 
Dies soll auch kein "Wie fliege ich mal eben zum Mars"-Thread werden und 
die Spracherkennung soll auch nicht in einem ausverkauften 
Fussballstadion funktionieren. Eventuell gibt es ja irgendeine 
Quick-And-Dirty-Lösung, die zumindest unter ordentlichen 
Bedingungen(leise Umgebung, Aufnahme ist laut und deutlich) mit 
hinreichender Genauigkeit funktioniert.

Ich bin so weit, dass ich die Mikrofon-Aufnahmen durchführen und die 
Roh-Daten auf Bit-Ebene bearbeiten bzw. mit meiner Referenz-Aufnahme 
vergleichen kann. Ist doch schon mal ein Anfang... ;)

Kann man so etwas überhaupt in akzeptabler Zeit selbst programmieren?
Falls nicht, würden mich trotzdem die programmiertechnischen 
Arbeitsschritte in stark abstrahierter Form interessieren, damit ich mal 
sehe, wie viel Aufwand hinter so einer "Funktion" steckt.

Gruß,
Sunshine