マイク機能を使って聞き取った言葉を 文字列変数にしてさらにそれをIF～THENで、限定された文字の場合を作る・・・みたいなのってどうやるんですか？そもそもこんなこと可能ですか？

可能かどうかで言えば間違いなく可能ですけれど、満足の行く精度を出すには音に関する数学的な知識が必要ですね。