Python中的实时离线语音识别

我已经在Python语音识别方面工作了一个多月了，制作了一个类似JARVIS的助手。我用过谷歌语音API和Pocketsphinx的语音识别模块，也直接用过Pocketsphinx，没有其他模块。虽然识别是准确的，但由于这些软件包处理语音所花费的时间太长，我一直在努力工作。它们的工作方式似乎是从一个静默点记录到另一个静默点，然后将记录传递到STT引擎。在录制过程中，无法录制其他声音以进行识别，如果我试图连续发出多个复杂命令，这可能是一个问题

当我查看谷歌助手语音识别、Alexa语音识别或Mac OS High Sierra离线识别时，我看到在录音过程中没有任何停顿地说出单词时，单词被识别出来。我见过这叫做实时识别、流式识别和逐字识别。有没有办法在Python中做到这一点，最好是离线而不使用客户端

---

我尝试（未成功）通过更改SpeechRecognition识别器的暂停阈值、说话阈值和非说话阈值来实现这一点，但这只会导致音频出现奇怪的分段，每次识别后仍然需要一秒钟才能再次录制。

Pocketsphenx可以处理流，请参见此处

Kaldi也可以处理流（比pocketsphinx更精确）

Google语音API还可以处理流，请参见此处：

---

您对此有任何更新吗？也许你找到了答案，我正在寻找资源或现有的解决方案来写类似的东西。提前感谢可能。。。使用并行进程@kolboc有进展吗？