在项目中开发中，遇到这样的需求：有一段文字，需要通过后台接口转成语音传到前端进行播放。

因为文字是实时生成的，为保证实时性，需要在生成文字的过程中，转为一段一段的音频流通过websocket传递到前端，前端拿到音频流后立即开始播放，接收到后续的音频流后追加到播放音频里继续播放，达到实时生成文字，实时转换音频流，前端实时播放的效果。

类似于腾讯元宝小程序。这个怎么实现