Подобрать готовое максимально простое решение для интерфейса, описанного в ТЗ.
Доработать и протестировать во всех режимах.
Подобрать библиотеку для записи речи и передачи на сервер
тут работающий через сокет пример:
Подобрать библиотеку получения c сервера и озвучивание
Ответный вебсервер в разработке и будет придерживаться
удобному Вам формату данных.
Примеры простеньких js-скриптов, которые передают и принимаю команды сервера