Ok google своими силами, или как построить систему голосового управления?

Хочу свой Ok Google на Raspberry PI, а точнее - аналог, чтобы можно было голосом например попросить Малинку включить любимую музыку из VK. С распознанием речи вроде как все понятно, остановился на Google Cloud Speech API, удобно. Однако возникает вопрос - как реализовать команду на запись речи? Хочу что нибудь в духе Ok Raspberry, и полетели распознавать. Проблем тут сразу несколько видится - фразу Ok Raspberry тоже нужно распознать, а т.к. распознание происходит на серверах Google - не могу же я посылать туда вообще всё что услышит микрофон? Значит распознавать именно эту фразу необходимо прямо на самой Raspberry. И как организовать постоянную прослушку микрофоном, до появления фразы? В общем говоря, кто нибудь встречал примеры реализации?