问题描述
我最近启动了一个需要实时语音识别的项目，该项目使用了Google的“语音到文本”和Twilio的API（虚拟电话服务）。
总体概述是，在使用Twilio进行虚拟电话呼叫期间，呼叫的音频流被派生并定向到在我的rails应用程序中处理的Websocket URL，URL应实时接收此音频流并最终将其发送给语音发送文本API以接收成绩单，并将其发送到某人的浏览器以进行显示。
因此，这几乎就像在电话通话中显示字幕一样，在该通话中，呼叫者可以实时看到正在说的文字。
我找不到任何有效的文档来说明如何使用rails来实现这一目标...但是似乎有很多简单的方法可以用其他语言来实现它。
仅作为示例，这实际上是一个2分钟的阅读教程，其中包含我需要的所有内容，但是使用node js完成了。我将放置链接，因为我认为它会或多或少地阐明我想做的事情，以防万一我对自己的解释不够充分：
万一您想跳过那件事而只是想吃点东西，这是我需要在导轨中复制的那张截图：
因此，在没有太多指导的情况下，我尝试自己实现此功能，只是将流指向我的websocket url，类似于屏幕截图中的操作。我能够通过初始握手（使用ngrok传送我的本地主机btw），但是我在处理音频流中接收到的数据方面遇到了困难。我找不到访问该原始数据流的方法，因此，我什至无法做一些简单的事情，例如根据“事件类型”键决定要做什么。似乎action_cable需要以非常特定的格式流式传输数据，否则它会中断，因为在进行所有设置后，从websocket流式传输开始，我一直遇到相同的错误。
只要通话持续，它将以下内容打印到控制台上。
这个过程一直持续到我通话结束，所以很明显，音频流数据是以某种方式编码的，这正是我所需要的。除非这是作为错误日志的一部分打印的。
我能够在action_cable源代码中跟踪出现此错误的确切代码。如您在屏幕快照中所见，有一个case语句引发了错误，因为接收到的数据与任何预定义的方案都不匹配。那时数据应该是一个字符串，但不是我得到的是我刚刚发布的这个大json。
ActionCable Source Code Exception
是否可以使用rails进行我所描述的操作（我拒绝接受这是不可能的，必须有一种方法！）。如果是这样，有人可以向我指出正确的方向，帮助我了解我在做错什么。
谢谢！
更新：
忘了提及我在Twilio的官方演示页面上找到了此示例应用程序。它完全满足了我使用Rails所需的功能，但是它使用了一个名为Tubesock的gem，因为Rails现在改为使用ActionCable，因此不再需要维护。
下面是相关代码的简短片段：
class ChatController < ApplicationController
include Tubesock::Hijack
def chat
hijack do |tubesock|
tubesock.onopen do
tubesock.send_data "Hello,friend"
end
tubesock.onmessage do |data|
tubesock.send_data "You said: #{data}"
end
end
end
end
您可以看到，它非常简单，它充当中间角色，允许我在传递数据之前对其进行修改，当某些事件触发时，例如“打开连接”或“接收消息”。
所以，这绝对有可能，问题是，ActionCable为什么不支持这种功能？
还有其他类似的库吗？
如果您想看一下，我会留下相关链接：
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）