我一直在编写一个扩展程序，允许用户发出语音命令来控制他们的浏览器，事情进展顺利，直到我遇到灾难性的问题。它是这样的：
语音识别对象处于连续模式，每当触发onerror: 'no-speech'或onend事件时，它都会重新启动。这样，扩展就会不断等待接受输入，并在发出命令时做出反应，即使在静默 5 分钟后也是如此。
经过几天的开发，今天我达到了在实际使用中测试它的地步，我发现过了一段时间（并且我没有任何变化），我的onend事件开始不断触发。例如，查看控制台，我会看到在三秒钟内发出了 18,000 个请求，所有请求都立即被拒绝，从而触发onend并重新启动请求。
发送请求之前等待声音，或者在不需要远程服务器的情况下具有本地语音识别功能，但目前的 API 不允许这样做。
我的怀疑正确吗？我的请求是否受到限制？
我的怀疑正确吗？我的请求是否受到限制？
是的
我知道最好在发送请求之前等待声音，或者在不需要远程服务器的情况下具有本地语音识别功能，但目前的 API 不允许这样做。
要隐藏请求的IP来源，您可以使用像Tor这样的匿名器网络，尽管它不会很快。
假设Google将花费资源来处理系统上录制的所有音频是幼稚的。在应用程序开发中，最好依靠至少提供一些保证的API。它可以是商业API或开源实现，如CMUSphinx。
使用 CMUSphinx，您还可以正确实现命令关键字检测，并通过指定命令的语法来提高准确性。
您还可以使用语音活动检测 （VAD） 算法来检测用户何时在说话。这可以通过设置音量阈值或频率阈值来完成（例如，人类语音通常小于 400hz）。这样，除非符合这些条件，否则您就不会向Google发送无用的请求。我不建议使用 Tor，因为这会显着增加延迟。CMUSphinx可能是最好的本地系统选项，但如果仍然想使用基于Web的服务，我建议使用语音活动检测算法或寻找其他基于Web的软件。