从WebRTC音频/视频通话检测语音到文本

Question

我正在使用 WebRTC 进行音频和视频通话。我正在使用SFSpeechRecognizer来检测来自发送方的语音及其正常工作。现在我要检测语音形式的接收方。是否可以从接收方检测语音？

请为此提供一些解决方案。

谢谢。