你好，我在思考一个游戏的概念，玩家将扮演法师。 魔法系统可能与Magicka中的类似，通过组合某些原子元素（火，水，...）和修饰符来创建行为不同的法术。我正在考虑使用手势系统（例如，在The Void或Arx Fatalis中绘制符文）或语音命令。 在这个帖子中，我想专注于后者。 通过语音检测固定的关键词（“水”、“火”等）的什么样的方法/语音模型可以用于这样的游戏？ 我知道OpenAI的Whisper，但是那可能太重了。 理想情况下，我希望模型轻量级，响应速度快。 感谢任何建议！