需求是： 
某个应用需要语音输入，对于延迟有着极高的要求，流式语音输入最后一个字说完后能在 1 秒内 返回结果，不需要语音返回，文本返回就行了。 
OpenAI，今年似乎没有新的这类模型发布？ 
gpt-4o-mini-realtime-preview-2024-12-17 
gpt-4o-realtime-preview-2024-12-17 
还没试过，不清楚体验如何 
Google Gemini 2.5 Flash Live  ：网络问题导致延迟较大，延迟还是很大，最慢需要七八秒才能返回 
Doubao Realtime (豆包端到端实时语音)  ： 速度很快，几乎是实时的，但是吐词太少了，每次只能返回50个词左右。我要需要返回120-150词的回答每次 
还有其它大模型能实现类似需求的吗？谁还有主意？