需求：能把各种类型的媒体转换成文字，需要能批量处理，最好能 AI 调用 目前一直在用的：阿里云智能语音 优点：中英文识别问题不大 痛点：缺乏按发言人识别功能，所有人说的话堆在一起。 大家有推荐的语音转写吗？