我正在编写一个应该接收音频并将其发送到Speaker Recognition API以获取文本的应用程序。我使用了服务库，它可以使用wav文件。所以我编写了自己的流来接收来自麦克风或网络（RTP）的音频，并将其发送到识别API。当我在音频流前添加一个WAV标题时，它可以工作几秒钟。
调试显示，识别api读取表单流的速度比音频源填充的速度快（16k采样率，16位，单声道）。
所以我的问题是：有没有办法将识别api用于实时（连续）音频流？
我知道有一个麦克风客户端的示例，但它只适用于麦克风，我需要它用于不同的来源