Как распознать видео/аудио в текст?

С английским туговато. Было бы отлично распознать английский в текст. Даже нашел отличное решение. С помощью virtual audio cable имитируем микрофон, запускаем https://www.google.com/intl/en/chrome/demos/speech.html
И тадан! Текст набирается. Так перевел один видео курс. Оно обрывалось правда каждые ~5 мин, но это было не критично.
Решил распознать второй видео курс. Распознание обрывается уже через секунд 30 :) Это дурдом)
Как это побороть?
Или есть какие-то нормальные альтернативы?

Update: Нашел решение. Нужно просто время от времени ставить на паузу :)