我说一个笨思路，不断的录音片段，不断的比对波形。
已答就不要重复邀请了哇。另外你想要持续匹配必然是不断录音不断匹配，现实世界中并没有如同推送服务一样的功能，可以出现了什么声音再调用你的程序。你只能是看看如何设计优化这个匹配和录音的平衡，并且优化你的匹配速度：比方说你试试录音能否多进程（线程）？如果能双开，那么交替覆盖空白时间也是其中一种算法。
你思考一下苹果的语音助手（老版本）和安卓的语音助手，是不是都要先按一个按钮才能开始语音助手服务？说明只有持续监听才能解决问题，但是手机为了保证续航，又不能做持续监听。
后来，苹果想了个什么办法呢，他自己设计了一个芯片，其中有一个功能就是可以捕捉麦克风收听到“hey siri”就调用语音助手的功能，具体的技术细节我不太清楚，有可能是让麦克风只要收到超过多少分贝的声音就开始小范围匹配“hey siri”之类的吧
至于减噪，网上有不少关于用电脑软件调节波形文件来降噪的方法教程，虽然你不能直接用，但是提供了思路
计算声音的相似性，我个人认为可以通过计算波形的特征来完成，我个人才疏学浅，没有这方面的经验，如果是语音识别，推荐你用讯飞的api试试，讯飞在这一块技术还是蛮强的。
但是，像人类一样可以很精准的从人群中识别出熟人声音的功能，那个属于人工智能的范畴，目前研究水平还不够到可以应用的地步。
在Python 3.3.0中，已经把print作为一个内置函数了，意思是您输出的话需要这样操作：print("Hello, World!")，在Python 3.3.0中print后面的括号不可以少。而在Python 2.7.3中print后面并不需要括号。我认为初学者还是应该学习Python 2.7.3，因为...
