Мне кажется, что в ближайшее время этого ждать не стоит.
Во-первых, системы распознавания речи сейчас хоть и очень быстро развиваются, но всё ещё недостаточно развиты для того, чтобы реализовать проект такого масштаба. Подумайте сами - одно неправильно "расслышанное" слово может испоганить отношения с персонажем, а пока, к сожалению, такие системы слышат не то даже когда вы говорите нарочито чётко, что тут об обычной речи
Во-вторых, мне кажется, что огромной проблемой будет объем памяти, занимаемый такой игрой. Посудите сами: пусть в РПГ около 10000 реплик у НПС(условно). В таком случае количество реакций на реплики игрока должно быть как минимум раза в 4 больше, потому что вариантов ответа всегда не один и не два. Другое дело, если каким-то образом реализуется технология, при которой человек сможет отвечать только те реплики, что заложены изначально, но просто своим голосом, вместо кликанья мышкой.