分析音訊（現場或錄製）中的特定聲音並增加計時器

Question

我正在尋找一種方法來估計特定個人每天打字的時間，這個人打字的聲音非常大，所以捕捉鍵盤敲擊的音頻不是問題，而且實際上是我能夠估計的唯一方法打字所花費的時間是通過音訊進行的，因為我無法存取此人正在使用的機器。

我想知道是否有任何類型的解決方案可以接近我在這種情況下尋找的解決方案。

非常感謝任何想法和/或建議！