python - 使用 Python 将实时语音转录代码集成到网络摄像头

Question

我使用 Vosk 库实现了实时语音转录。它利用了声音设备和 kaldi 识别器。我必须将其集成到网络摄像头中。

我试过以下：

1. OpenCv -> 它将只捕获视频并且它不会识别音频。
2. AVRecorder -> 它同时录制音频和视频，但它的音频是 .wav 文件，视频是 .avi 文件。
3. ffmpeg -> 无法查看录像。

我需要可以帮助将 vosk 实时语音转录代码（如下所示）集成到网络摄像头中的资源，即，当我录制自己并说话时，字幕必须可见。类似于缩放或 youtube 实时转录。

model = vosk.Model(os.path.join(language_model)) file = open("filename", "wb")

    with sd.RawInputStream(samplerate=44000,blocksize = 8000,dtype='int16',channels=1, callback=callback):
            print('*' * 100)
            print('Interrupt the kernel to stop recording')
            print('*' * 100)
            rec = vosk.KaldiRecognizer(model,44000)
            while True:
                data = q.get()
                if rec.AcceptWaveform(data):
                    print(rec.Result())
                else:
                    print(rec.PartialResult())