Преобразование речи в текстовый код застряло, сказав что-нибудь:

Согласно официальной документации, метод listen() ожидает, пока звуковая энергия превышает определенный уровень (что указывает на то, что кто-то говорит) и записывает до тех пор, пока не будет обнаружена тишина. Если ваш микрофон улавливает слишком много окружающего шума, то listen() никогда не возвращается, потому что продолжает ждать тишины.

Чтобы исправить это, вы можете использовать r.adjust_for_ambient_noise(source):

with sr.Microphone() as source:
    r.adjust_for_ambient_noise(source)
    print('speak say anything')
    audio = r.listen(source) 
    print("done listening")

Вы также можете указать параметры timeout и phrase_time_limit в listen(), чтобы он останавливался и возвращался через определенное количество секунд, даже если не было обнаружено речи или тишины.

with sr.Microphone() as source:
    r.adjust_for_ambient_noise(source)
    print('speak say anything')
    try:
    # wait for speech for a maximum of 3 seconds
    # listen to speech for a maximum of 3 seconds
        audio = r.listen(source, timeout=3, phrase_time_limit=3)
    except Exception as e:
        # a timeouterror exception will be thrown if the timeout is reached
        print(e) 
    print("done listening")

При инициализации также может быть хорошей идеей проверить работающие микрофоны и явно установить device_index:

for device_index in Microphone.list_working_microphones():
    m = Microphone(device_index=device_index)
    break
else:
    print("No working microphones found!")