Если бы можно было бы обучить настольную систему распознавать слово "бомба", это было бы в XBox. А распознание голоса, закодированного жсм, в условиях шумов - совершенно нереально. Вокодер - он же не буквы пишет, а всего лишь строит линейную модель, которую шумы сильно портят, от вокодеров до букв за 50 лет всё никак не доберутся.