首次输出的音频流很慢，不满足实时交流

[3-leaves-grass]

非常棒的一个研究工作！但还是想问一下，当搭建gradio时候，输入音频，然后首次拿到回答的音频时候，延迟很高，超过11s了，难以满足实时交流的场景， #5 根据这个，具体在哪段代码哪改呢，或者有其他解决的办法么

[wcy1122]

You can modify here https://github.com/JIA-Lab-research/MGM-Omni/blob/main/mgm/model/multimodal_generator/mgm_omni_streamer.py#L21-L22