最近需要做一个语音大模型（ voice in voice out 的）的后端，需求是要低延迟传输（要实现下面链接的 GPT-4o voice 这种语音通话的功能，所以对延迟非常敏感），想问下前端/后端/app 端的技术选型以及采用什么通讯协议会比较好？
