Wykrywanie ludzkiej podziałki w czasie rzeczywistym

Próbuję wdrożyć grę śpiewającą, która będzie analizować dane wejściowe mikrofonu i mówić graczowi, jak dobrze śpiewa. To musi być zrobione w czasie rzeczywistym. Natknąłem się na wiele wątków zadających to samo pytanie, ale wciąż nie jestem w stanie tego zrobić, prawdopodobnie z powodu mojego...