Stimmt, die Einbindung als Streamobjekt könnte ein interessanter Ansatz sein, auch vor dem Hintergrund der Sprachqualität und Ähnlichem. Problematisch könnten da aber z.B. die Latenzzeiten sein, würde ich mir denken.
Wenn es in dieser Richtung einen Ansatz oder einen “Bauplan” gibt, wäre ich daran auch sehr interessiert!