设置了语音驱动，机器人就会开始录音。一旦开始，那机器人只要工作着，就一直录音。
录音依靠麦克风。对不同产家麦克风，即使同一句话，并且说话人和机器人一样距离，它们产生的录音音量也可能不一样。对机器人制造商或开发者，可能需要知道在不同距离说话时，麦克风大概音量。这时可用launcher提供的“录音”窗口。
一、查看波形、保存
在录音窗口，左上角显示录音用的声音格式。目前在用格式是单声道、16K赫兹、16位PCM。中间大窗口显示从麦克风录到的实时声音波形。…[说句“中国有多少人”]…。因为音量超过人声阈值，这段声音会立即送去识别，对应Basic驱动就是送去科大讯飞。成功识别后，左下角会显示识别结果。
右上角有个“保存”按钮。作用是保存一段声音到文件。要注意，一旦声音数据超过1M字节，会自动结束保存。对单声道、16K赫兹、16位PCM格式，1M字节大概30秒。……。声音保存在一个叫speech.wav的文件，格式wav。用远程桌面，可以把文件复制到电脑，然后用一些工具软件查看波形细节，进行你想需要的调试。……。
中间窗口有四条横线。最上面红色是最大值，因为声音格式是16位有符号数，最大值是32678。中间暗红色是中间值16339，即32678除以2。最下面是0值。另有一条白线，它指示人声阈值，值是2000。
按下右上角“显示负值”。由于振动的性质，麦克风输出是有正负的，这时把负数表示出来了。此时，中间绿线是值0。最大值32768、最小值-32768则分别是上、下两条。……。虽然值是负数，那只是电压方向而已，音量大小看的是绝对值。既然只看绝对值，就是不显示负数。因为只看绝对值更直观，一旦进入录音，默认不显示负数。
二、人声阈值
对语音驱动，一个工作是要从声音流中提取片断，送去语音识别。考虑到效率，不可能把整段语音都送去识别，像一直是静音。这里引入个概念：人声阈值。当有音量超过这个阈值，意味着可能要把接下一段声音送去识别了。
语音识别是语音驱动的任务，是语音驱动在修改、并使用人声阈值。打开Basic小程序，切到“语音”，修改人声阈值到5000。回到“录音”，可以看到，此时表示人声阈值的白线改变位置了。…[说话]…。虽然说了和之前差不多音量话，但人声阈值过大，导致整段声音没送去识别。为容易识别，去Basic，重新把阈值设回2000。
有音量超过人声阈值，语音驱动才会考虑送接下声音去语音识别，那怎么截取？…[说话]…。会看到有一段声音位在人声阈值上，那是不是就把这段送去识别呢？这取决于语音驱动怎么写。对Basic小程序，是除它外，还会加上前、后250毫秒声音。
访问C洼，打开文章“语音驱动”，看“提取声音片断送去语音识别”。可以认为“voice_len2”就是那段位在人声阈值上声音，绿色标示的voice_len_则要送去识别，它是在“voice_len2”基础上，前、后各加一段。前面不超过250毫秒，后面固定250毫秒。至于原因，“人说话时，不大可能一出声，音量就超过人声；同样的，要停止时，音量不大可能一下从超过人声就变0。为识别第一个和最后一个字，须要给人声前、后多送一段”。
这样，对送去识别的声音，可分为三段，第一段是第一个人声样本前的空白，最长不超过250毫秒。第二段是第一个人声和最后一个人声之间的声音。第三段是最后一个人声样本后的空白，固定250毫秒。
回到“录音”。当有声音超过人声阈值时，右上角会显示个“触发”图标。或是发去识别，或是丢掉，一旦处理完了这条声音片断，图标消失。