Google Homeってネットワーク帯域的に厳しいところだどレスポンスにだいぶ時間がかかるけど、これってやはり応答の音声をサーバ側で合成して出力してるからなのかな？
ちなみにmp3はプロトコルをラッピングするライブラリを使うと結構簡単に流せるっぽいけど。