利用ai大模型llm加音频api可以实现与大模型语音互动.......stt技术将人声收录转为文字，再将文字给到大模型，最后把大模型产出的文字用tts转为音频就可以对话了，但民用设备本地部署的大模型再接入api的话互动延迟会相当高，以至于达到一分钟以上，所以......