В конце концов, микрофон записывает звуковые данные из непрерывного виртуального потока.Если вы сравните это с клавиатурой, есть определенный момент, когда клавиша нажата - событие.Нет такого момента или события в звуке - кто-то должен решить, когда громкость достаточно высока, чтобы воздействовать на него.
Так что что-то должно будет проанализировать данные, чтобы воздействовать на них.И если я не ошибаюсь и звуковая карта не имеет такой функциональности, вам придется делать это самостоятельно.
Возможно, вам не нужно анализировать все данные - может понадобиться просмотр каждые 100 мсек?