Я смотрел пример с сайта тензорфло, speach recognition, котик recognition.

Конкретно меня интересует оффлайновый speach recognition на клиенте. Т.е. чтоб не отправлять запрос на гугловский API. Тот пример tensorflowjs, он вроде как работал, но очень много false positive. Неюзабельно.
Сам гугл для Google Translate дергает функцию браузера (если иконка микрофона не дисаблена), а хром шлет на бек для распознавания.

Вот такой вопрос, что если даже сам Гугл использует сервера вместо распознавания "по месту" их же нейросеткой в tensorflowjs, это получается, "по месту" в реале никогда не заработает?

PS гугл в этом году проапгрейдил их text to speach на серверах для пачки языков (не всех), и голос стал намного более натурально звучать.