1.录音功能： 通过MediaRecorder API接入多媒体设备，如麦克风，结合静默检测功能来识别用户的说话状态。在指定时间内未检测到声音时，使用audioChunks模块记录音频并转换为语音格式，然后上传到后端。在此过程中，之前的录音内容将被清空，以便开始新的录音循环。
2.音频转换： 使用FFmpeg工具去除音频中的静音部分，并将音频转换为16000Hz采样率、16位小端格式编码的单声道音频，以优化音质和文件大小。
3.音频转文字： 利用paddlespeech的语音识别功能，将用户的语音输入准确地转换为文本，以便进行进一步的处理和分析。
4.获取聊天内容： 将转换后的文本通过Kimi API发送，获取智能生成的聊天内容，这些内容将作为聊天机器人的回复。
5.文字转音频： 使用paddlespeech的文本到语音（TTS）功能，将聊天机器人的文本回复转换为清晰的音频内容，供用户听取。
6.消息接收与展示： 在前端界面上展示用户和聊天机器人的交流内容，包括文字和音频消息，提供直观的沟通体验。