如何在Python中的音频文件中查找单词？

我有一个音频文件，其中包含一个口语单词。我确信它包含单词，我需要检测单词的开头和结尾

有没有关于如何使用python实现这一点的想法

这就是我所做的。 我尝试使用Python中的语音识别库

import speech_recognition as sr
r = sr.Recognizer()
with sr.WavFile("a.wav") as source:              
    audio = r.record(source)                        

try:
    list = r.recognize_google(audio,key=None)                 
    print list
except LookupError:                                
    print("Could not understand audio")

这将转录音频，但不提供单词出现的时间戳。我知道我可以把我的音频文件分割成几个部分，然后通过谷歌语音识别器不断输入，直到我得到我想要的部分，但这似乎是个糟糕的主意。我还设想了转录不太准确的情况，因此我确定文件中的单词可能无法准确转录

我也尝试过pocketsphinx，但我不确定如何让它提供文件中单词的可能位置（它对测试文件进行了可怕的转录）

理想情况下，我将搜索一个函数：查找返回开始时间戳和结束时间戳的单词（word）的位置

---

我原以为这件事已经做了很多次了，所以也许至少有人能给我指出正确的方向？

让你试图找到的单词叫做“var”

---

也有返回时间戳的API，例如IBM Watson。这是关于速度/精度平衡。转录速度慢但更准确，定位速度快且更稳健，但容易出现假警报。

    import speech_recognition as sr
r = sr.Recognizer()
with sr.WavFile("a.wav") as source:              
    audio = r.record(source)                        

try:
    list = r.recognize_google(audio,key=None)                 
    if var in list:
        print("word found")

except LookupError:                                
    print("Could not understand audio")