Theoretisch könnte man bei wenigen Sprachdaten die Sounds als Wavedatei auf einen Flash spielen und über den uC auslesen und über einen DAC und OPAMP dann auszugeben. Der Speicherbedarf ist natürlich recht hoch, aber ein paar Sekunden dürften schon möglich sein.

Schneller und einfacher gehts natürlich mit einem Sprachchip, der alles intern hat.