なるべく無料でやりたいなあと探していたら、「web speech api」なるものを見つけました
こいつはブラウザの音声認識機能で、対応ブラウザなら誰でも無料で利用可能です（音声合成機能も提供しています）
早速こいつを使って音声認識機能を実装していきたいと思います