我们正在尝试构建一个网络应用程序。为了简单起见，我们假设有一个前端应用程序（例如 React 应用程序）和一个后端应用程序（例如 Flask）。我们将通过前端应用程序从麦克风收集语音并将其实时发送到后端应用程序（实际上具有可接受的延迟）。后端应用程序使用一些人工智能模型创建文本，并将文本内容实时推送到前端应用程序。我虽然我们可以使用 socket-io 来实时传输音频，但我无法想象一个明确定义的架构。
你知道如何构建这样的应用程序吗？欢迎所有想法。谢谢您的帮助。
我建议在线语音识别使用远程过程调用（gRPC） 这个示例可能会有所帮助