如何使用Python将两种交替语言的音频剪辑转换为文本？

Question

我正在尝试将某些双语音频片段转换为文本。剪辑以英语开头，然后语言更改为Deutsch，然后再次更改为英语。

下面是我的代码：

import speech_recognition as sr

r = sr.Recognizer()
audio_file = sr.AudioFile('path_to_audio')

with audio_file as source:
    audio_file_record = r.record(source)

print(r.recognize_google(audio_file_record, language='en-US'))
print(r.recognize_google(audio_file_record, language='de-DE'))

问题是第一个打印语句，仅在Deutsch之前打印英语音频部分，而不在Deutsch之后打印英语。

如何用两种语言的全文进行完整的片段转换？

我知道我可以设置offset和duration到达剪辑的特定部分，但是解决方案将特定于我不想要的剪辑。