Der Marktführer in Sachen Spracherkennung heißt "Dragon-sowieso" (schlage ich später mal nach) die neuste (sehr kostenintensive) Version kann definitiv aus Sound-Dateien lesen (gedacht um unterwegs aufs Diktiergerät zu sprechen und daheim zu ver-texten).
Das geht nicht mit jedem x-beliebigen Diktiergerät.