Во-первых, вам нужно создать контент.Это означает анимационные сцены и любое связанное аудио.Затем вы захотите вызвать эти сцены, основываясь на вводе пользователя.
Если вам нужны более продвинутые функции, такие как «общение», когда приложение повторяет то, что вы говорите, тогда вам нужно получить контрольс AudioQueue и AudioUnit API.Это означает обнаружение уровней входящего звука и запуск записи звука в сохраненные буферы.Эти API сложны, поэтому это будет технически сложная часть.Вы должны быть знакомы с указателями и другими концепциями программирования более низкого уровня.
Для приложения без обратной связи потребуется много работы для создания контента.Затем вам нужно будет заново создать анимацию с помощью UIImage и платформы Core Animation в вашем приложении.
На сайте Apple есть много отличных видео и примеров кода.Это будет отличная кривая обучения для вас, чтобы освоить Core Animation.