浏览器内的语音活动检测

Question

所以这是一个棘手的问题。

我希望编写一个记录用户所说的单词的Web应用程序，然后将样本发送到服务器端进行处理。

我想到的算法如下：

1. 用户点击按钮后开始录制会话
2. 等待用户说出一个单词（假设他知道他应该说一个单词）
3. 一旦说出来就停止录制
4. 将样本发送到服务器，例如使用HTTP
5. 处理服务器端的信号
6. 向用户发送一些回复。

我认为Java，C＃和其他高级语言中的语音活动检测有几种解决方案。 但是，我希望这部分内容可以在客户端完成（否则，我将不得不从客户端向服务器发送过多的数据，效率非常低）I.E在javascript和HTML5中。

我不是一位经验丰富的网络开发人员，所以我的问题是： 这可行吗？有没有图书馆（我还没找到）？ 处理问题的最佳方法是什么？