Возможно ли такое? Тоесть у меня задача такая: Есть wav файл, который записывает любой человек, без какой бы то ни было подготовки, просто берет микрофон и говорит некоторый набор предложений

Мне нужно этот файл перевести в текст.

С чего мне начать? Пробовал сделать по мануалу, но там много нюансов типа .voca и .grammar файлов я не совсем понял как с ними быть, у меня нет некой последовательности команд, это будет просто набор слов.

Еще и мой английский не позволяет уверенно находить нужные мне моменты ... подскажите откуда стоит отталкиваться

> Возможно ли такое?

Нет, обучение всегда присутствует

> Мне нужно этот файл перевести в текст

Это сложная задача требующая специальной подготовки

> С чего мне начать?

С чтения литературы

> Пробовал сделать по мануалу, но там много нюансов типа .voca и .grammar файлов я не совсем понял как с ними быть, у меня нет некой последовательности команд, это будет просто набор слов.

При распознавании речи с большим словарём вместо фиксированных грамматик применяются статистические, например, триграммные модели языка. Они строятся по похожим текстам

> Еще и мой английский не позволяет уверенно находить нужные мне моменты

Нужно подтянуть английский. На русском правильной литературы нет. Можете вот это только почитать:

http://aprodeus.narod.ru/mmedia.htm