Как сравнить звуковой файл с образцом в ubuntu?

Хочу сделать голосовое управление на Raspberry (включение/выключение ПК, телевизора, запуск чего-либо на самом Raspberry). Остановился на Yandex speech, однако возник вопрос - нельзя же постоянно слать весь звук в яндекс, в конце концов есть ограничение по количеству запросов. Поэтому хочется сделать как "ок гугл" - ключевое слово, включающее передачу в облако анализируется локально на машине, например, путём сравнения с образцом.
Существуют ли какие-то стандартные решения для этой задачи?