我已经使用Python语音识别近一个月了，成为了一个类似于JARVIS的助手。我已经将语音识别模块与Google Speech API和Pocketsphinx一起使用，并且我直接在没有其他模块的情况下使用了Pocketsphinx。尽管识别是准确的，但我很难处理这些程序包处理语音所花费的大量时间。他们似乎工作的方式是从一个静默点录制到另一个静默点，然后将记录传递给STT引擎。在处理录音时，无法录制其他声音以进行识别，如果我要连续发出多个复杂的命令，这可能是个问题。
在查看Google Assistant语音识别，Alexa的语音识别或Mac OS High Sierra的脱机识别时，我看到的单词被识别为是我说的，在录音中没有任何暂停。我已经看到了这种称为实时识别，流识别和逐词识别的方法。有什么方法可以在Python中做到这一点，最好是不使用客户端就可以离线吗？
我尝试（未成功）通过更改SpeechRecognition识别器的暂停阈值，语音阈值和非语音阈值来完成此操作，但这只是导致音频发生奇怪的分割，每次识别后仍需要一秒钟才能录制再次。
答案 0 :(得分：2)
Pocketsphinx可以处理流，请参见此处
Python pocketsphinx recognition from the microphone
Kaldi也可以处理流（比Pocketsphinx更准确）
https://github.com/alphacep/kaldi-websocket-python/blob/master/test_local.py
Google Speech API也可以处理流，请参见此处：
Google Streaming Speech Recognition on an Audio Stream Python