Как на Python сделать скрипт расшифровки аудио в текст в реал-тайм?

[rownong@yandex.ru]

Здравствуйте.

Хочу на Python реализовать расшифровку аудио в текст в реал-тайм на созвонах (например, Google Meet и другие сервисы), через библиотеку Picovoice.
Необходимо программе подавать на вход аудио в реальном времени.

Подскажите:
1. Как сделать так, чтобы скрипт прослушивал и звук с микрофона, и звук, выводимый системой (например, браузером)?
2. Вся эта схема может работать через Google Colab?

[RaD]

Берёшь нейросеть и работаешь с ней через Python.