2026 年最好的 AI 语音转文字工具：Sonix、Otter、Descript 与 Fireflies 对比

Sonix 是 2026 年综合表现最好的 AI 语音转文字工具，但论纯处理量，TurboScribe 更划算：在每月 10 小时的工作量下，一年 $120，而 Sonix Advanced 要 $550。实时会议看 Otter，可编辑的音视频看 Descript，而 Rev 是这份名单里唯一提供每分钟 $1.99 人工复核通道的选择。

最好的 AI 语音转文字工具，取决于文字稿之后要做什么

综合最优是 Sonix，因为它能把上传的音频变成一份专业人士可以校对、标注说话人、做字幕、检索并导出的文字稿，而且全程不必把工作搬到另一个应用里。它不是最便宜的。最便宜的是 TurboScribe：如果任务只是把大量文件变成文字，一年 $120 的 Unlimited 方案很难被超越。

工作流决定谁胜出。如果改文字的同时必须改音频或视频，Descript 是更好的选择。Otter.ai 是为实时会议记录和可检索笔记而生的。Fireflies.ai 更强的地方在于，文字稿需要触发跨平台的会议工作流。Rev 的价值在于：AI 初稿偶尔需要一份保证 99%+ 准确率的人工版本。CloudTalk 只有在音源本身就是企业电话系统、通话录音与可检索文字稿需要放在一起时才适用。

下文所有价格与套餐限制，均以 2026 年 7 月 30 日各厂商线上页面为准核对。标题写的是对比而非实测，因为本文没有跑统一的音频基准测试。

如果问题完全出在会议上，请看范围更窄的 AI 会议纪要工具对比，那里更细地讨论了会议中的表现与团队席位的成本账。本文的排名更宽，因为上传的访谈、播客、证据文件和电话通话是不同的活。

这些 AI 语音转文字工具是怎么挑出来的

排名取决于四点：工具能闭环的工作流、真实工作量下的实际成本、逼你升级的那条限制，以及厂商公开声明的合规治理能力。文字出现在屏幕上，并不等于这份文字稿有用。它必须抵达某个人真正能用的形态：校对过的访谈、剪好的视频、会议行动清单、案卷材料，或者可检索的客户通话。

价格用两种方式做了归一。以文件为主的工具按每年 120 个已用音频小时比较，相当于每月 10 小时。会议类工具按五个 Business 席位、按年付费比较。这些计算揭示出一个原本看上去平坦得有迷惑性的品类：

• TurboScribe Unlimited 每年 $120，在该工作量下为每个已用音频小时 $1.00。
• Descript Hobbyist 每年 $192，即每个已用音频小时 $1.60。
• Sonix Advanced 每年 $550，即每个已用音频小时 $4.58，但包含每月 20 小时转录额度，以及更强的校对与导出流程。
• Fireflies Business 五个席位每月 $95。
• Otter Business 五个席位每月 $99.95。
• CloudTalk Lite 加 AI Conversation Intelligence 五个席位每月 $140，不含所含电话套餐之外的用量。

准确率百分比被刻意排除在排名之外。Sonix 宣称 99% 准确率，其他厂商则各用各的表述和测试条件。这些数字并不会因为末尾都带一个百分号就变得可比。没有相同的音频、说话人构成、口音、噪声和评分方法，把某家的营销数字排在另一家之上，等于凭空制造确定性。

入选范围也是刻意收窄的。听写类应用被排除，因为把一个人的实时语音变成通顺文稿，和转录一段多人录音并不是同一件事。纯语音识别 API 被排除，因为那是给开发者的组件，而不是这篇选购文读者面对的成品选择。没有把完整文件工作流放在首位的会议摘要工具，则属于专门的会议纪要指南。

最终留下七个工具、七个站得住脚的定位。每一节都会像说明优点一样清楚地说明它的天花板。

Sonix：文件转录精修的综合第一

当上传的录音必须变成一份干净、可分享的文字稿，而不是一堆粗糙文本时，Sonix 是最稳的综合选择。

它的优势是围绕转录搭起来的这套工作台。Sonix 支持 54+ 种语言转录、翻译为 55+ 种语言、说话人标签与时间戳、浏览器内编辑器、自定义词典，以及文档和字幕导出。这套组合适合研究访谈、多语种网络研讨会，或者交付前必须把人名、说话人和时间码全部校正一遍的纪录片剪辑。

定价改变了购买逻辑。Sonix 的线上定价页现在列出 Pay As You Go 为每音频小时 $10；Core 为每月 $25 或每年 $275，含每月 5 小时转录；Advanced 为每月 $50 或每年 $550，含 20 小时；Pro 为每月 $80 或每年 $880，含 40 小时。所有订阅的超出时长均为每小时 $10。Enterprise 为定制报价，另加定制时长、1 TB 工作区存储和不限人数的团队成员。

Core 看起来是理所当然的入门档，但在每月稳定 10 小时的工作量下它是错的档位。Core 加买 5 小时会达到每月 $75。Advanced 用每月 $50 就覆盖同样的工作量，还剩下 10 小时的余量。一旦预期月音频量超过 Core 所含的 5 小时，判断就会翻转。

但这并不意味着 Sonix 是性价比赢家。在归一后的年度工作量下，Advanced 要 $550，而 TurboScribe Unlimited 是 $120，Descript Hobbyist 是 $192。这笔溢价买到的是更好的校对与交付环境。要处理具名说话人的记者、要交付字幕文件的服务商、要翻译访谈的运营者，都能把这笔钱说清楚。只需要可检索文本的人则说不清楚。

合规治理这块，它也比预算型选项更清晰。定价对比中列出了 SOC 2 Type II 报告，Enterprise 则提供带签署 BAA 的 HIPAA 合规。这些声明不能替代采购审查，但确实给受监管的买家一条具体路径，而 TurboScribe 的公开定价页并没有写明这一点。

最适合： 产出成品文字稿的研究者、记者、服务商与媒体团队
突出之处： 校对、说话人标注、翻译、字幕与导出集中在一个工作区
价格： Pay As You Go $10/小时；Core 每月 $25 或每年 $275；Advanced 每月 $50 或每年 $550；Pro 每月 $80 或每年 $880；Enterprise 定制
免费试用： 30 分钟转录，无需信用卡

多人录音的 Sonix 实操流程

只有真正用上它的精修流程，Sonix 才配得上第一。上传文件、直接采用第一版初稿，等于把溢价大半浪费掉。

1. 1

   选好语言并补充已知术语

   处理前先设定录音语言，再把人名、产品术语和缩写加进自定义词典。目的不是让初稿毫无差错，而是清掉那些最耗校对时间的可预测错误。

2. 2

   先理清说话人，再改句子

   先用说话人标签和时间戳把声音对上号。每一段都归属到正确的人之后，校对和导出才在结构上仍然有用，否则你只会得到一份归属全错的干净文字稿。

3. 3

   在浏览器里对着音频校对

   在浏览器编辑器里核对不确定的人名、数字和短暂的插话重叠段落。精修文字稿与看似合理的文本块，差别正是出在这些地方。

4. 4

   按去处选择导出格式

   审阅用 DOCX 或 PDF，分析用 TXT，字幕用 SRT 或 VTT。格式应由去处决定；全部导成文档，只会在后面多出一道转换活。

TurboScribe：纯转录量下最划算

对于一个人处理大量上传文件的场景，TurboScribe 是价格赢家，前提是团队权限管控与采购合规证明不是购买要件。

免费档对偶尔使用完全够用：每天 3 份文字稿，每份最长 30 分钟，一次只能上传一个。Unlimited 为每月 $10，按年计费 $120。它接受最长 10 小时或 5 GB 的文件，支持一次 50 个上传，包含批量导出与不限量存储，并可翻译成 134+ 种语言。

这个价位能有这样的文件处理能力相当惊人。按每月 10 小时音频计算，年度方案折合每个已用音频小时 $1.00。同样的实际用量下，Sonix Advanced 是每已用小时 $4.58，Descript Hobbyist 是 $1.60。如果一位独立研究者积压了一堆清晰录音，只需要文字和导出，TurboScribe 会让其他文件类工具在成本上很难自辩。

它的天花板是组织层面的，不是容量层面的。抓取到的 TurboScribe 定价页没有写明团队方案、SSO、自定义留存、HIPAA 管控或企业档位。这种缺失并不证明该服务没有任何管控措施，只是说明买家无法从本次对比所用的这张购买页确认它们。敏感访谈、受监管数据和共享的团队素材库，需要一家条款与管理模型能直接回答这些问题的厂商。

TurboScribe 也不能替代音视频编辑器。文字稿可以带出平台，但改文字并不会替你完成一次播客剪辑或视频改版。这正是 Descript 更高的价格所买到的另一种结果。

最适合： 积压大量录音或录像的个人用户
突出之处： 按年计费 $120 的单人不限量转录
价格： 免费；Unlimited 每月 $10，按年计费 $120
免费试用： 免费档允许每天 3 份文字稿，每份最长 30 分钟

Descript：最适合从文字稿直接剪辑的创作者

当修改文字稿必须同时修改音频或视频时，Descript 才是正确的转录采购。

决定性能力是基于文本的剪辑：在文档式编辑器里删除或重排文字，底层音视频随之改变。Descript 还支持 25 种语言转录，可检测并标注 8+ 位说话人，支持多轨转录，并提供用于反复出现的人名与术语的术语表。这让它成为内嵌转录能力的制作级编辑器，而不只是一个语音识别服务。

Descript 的线上定价页列出 Free 为 $0，含每月 1 个媒体小时；Hobbyist 为按年付费 $16/人/月，或按月 $24，含 10 个媒体小时；Creator 为按年 $24 或按月 $35，含 30 小时；Business 为按年 $50 或按月 $65，含 40 小时；Enterprise 为定制报价。付费方案还带有 AI 额度，但对转录买家而言真正卡住你的限制是媒体小时数。

在每月 10 小时的工作量下，Hobbyist 是最干净的对比对象。它每年 $192，只比 TurboScribe Unlimited 多 $72。如果文字稿最终会变成一期播客或一条视频，这笔溢价很容易说清楚；如果交付物是一份文档，它就白花了。

当 10 小时不够用、而编辑器要做的事不止清理文字稿时，Creator 才变得合理。Business 是为协作与治理买的。Enterprise 增加了退出训练、设置自定义留存，以及使用 SSO、SCIM 和审计日志的选项。这些管控对处理客户素材的制作公司很重要，但个人创作者不该提前为它们付钱。

它的天花板是专精。Descript 能为音视频提供出色的文字稿工作流，但一个以会议为主的团队，从它的剪辑环境里得到的价值不如 Otter 的实时笔记或 Fireflies 的自动化。法务或调查类买家在这里也没有 Rev 那样的人工核验通道。

最适合： 剪辑口播类内容的播客主、视频团队与创作者
突出之处： 文字稿本身就是底层音视频的剪辑界面
价格： 免费；Hobbyist 按年 $16 或按月 $24；Creator 按年 $24 或按月 $35；Business 按年 $50 或按月 $65；Enterprise 定制，付费价格均为每人每月
免费试用： 免费方案，每月 1 个媒体小时

Otter.ai：最适合个人与团队的实时会议

当转录始于一场实时会议，最终要变成带说话人、笔记与后续上下文的可检索记录时，Otter.ai 是最好的选择。

Basic 对自己的上限说得异常清楚。它包含每月 300 分钟转录、终身 3 次音频或视频导入、实时转录、说话人识别，以及对 Zoom、Microsoft Teams 和 Google Meet 的支持。用来评估会议体验够了，但终身 3 次导入让它成为很差的文件转录管线。

Otter 的线上定价页列出 Pro 为按月 $16.99/用户/月，或按年付费 $8.33。它把应用内录音提升到 1,200 分钟，允许每月 10 次文件导入，单场会议上限 90 分钟。Business 为按月 $24/用户/月，或按年付费 $19.99，在定价页的星号条件下升级为不限量会议、应用内录音与文件导入，单场会议最长 4 小时，支持 3 场并发会议。Enterprise 为定制报价，另加 SSO、SCIM、域捕获，以及作为附加项的 HIPAA 合规等管控。

五席位的成本让定位变得清楚。Otter Business 按年付费为每月 $99.95，Fireflies Business 为每月 $95。每月 $4.95 的差距不该决定采购。当共享文字稿库与实时会议体验才是产出时选 Otter；当自动化、集成与跨平台会议工作流是产出时选 Fireflies。

Otter 的限制在文件成为主角时显现。免费方案只有终身三次导入，Pro 每月十次。TurboScribe 在年度 Unlimited 方案下一次可接受多达 50 个。Sonix 的校对与导出环境更深。Otter 也能导入文件，但它的重心始终在会议。

最适合： 想要实时文字稿与可检索会议记录的个人与团队
突出之处： 在 Zoom、Teams 与 Meet 上带说话人识别的实时转录
价格： Basic 免费；Pro 按月 $16.99 或按年付费 $8.33；Business 按月 $24 或按年付费 $19.99；Enterprise 定制，付费价格均为每用户每月
免费试用： 每月 300 分钟的 Basic 免费方案

Fireflies.ai：最适合跨平台的会议自动化

当文字稿必须流向其他系统，而不是主要待在一个笔记库里时，Fireflies.ai 是更好的会议类选择。

该平台可连接 Zoom、Google Meet 与 Microsoft Teams，支持实时笔记与实时转录，接受上传的音频和视频，开放 API，并声明支持 100+ 种语言转录。这套组合适合收入或运营团队：他们的会议纪要、行动项与可检索的会议历史需要流入更大的工作流。

Fireflies 的定价从 $0 的 Free 方案开始，包含不限量转录与 AI 摘要、400 分钟团队存储和 20 个 AI 额度。Pro 为按月 $18/席位/月，或按年付费 $10，含每席位 8,000 分钟存储。Business 为按月 $29 或按年付费 $19，含不限量存储与 30 个 AI 额度。Enterprise 为每席位每月 $39，且仅限按年付费，含不限量存储与 50 个 AI 额度。

不限量这个词需要上下文。转录和摘要可以不限量，但存储与 AI 额度依然按档位不同。Free 适合评估，Pro 是个人或小团队的实用档，而不限量存储与对话智能是在 Business 才出现的。Enterprise 是为治理而买的，增加 HIPAA 合规、私有存储、自定义数据留存、SSO、SCIM 与审计日志。

按五个年度 Business 席位算，Fireflies 为每月 $95，比 Otter Business 便宜 $4.95。这点差距不足以压过工作流的契合度。B2B 销售团队应当因为集成与自动化能力选 Fireflies；而主要想进会议、读文字稿、在共享库里检索的团队，可能更喜欢 Otter 更简单的重心。

如果你更想深入了解通话评分与销售辅导而不是转录，请看对话智能平台对比。为文字稿买 Fireflies，和为销售代表的表现买一套对话智能平台，是相关但并不相同的决策。

最适合： 把会议产出的工作自动化的收入与运营团队
突出之处： 跨平台采集、上传、API 访问与广泛的集成工作流
价格： 免费；Pro 按月 $18 或按年付费 $10；Business 按月 $29 或按年付费 $19；Enterprise $39 且仅限按年付费，付费价格均为每席位每月
免费试用： 永久免费方案

Rev：当 AI 需要一条人工复核通道时最合适

当大多数录音交给 AI 就够，但个别关键文件偶尔需要一份人工核验的文字稿时，Rev 是最好的选择。

这条复核通道正是品类上的分野。Rev 的人工转录每分钟 $1.99起，带有厂商承诺的 99%+ 准确率，并在 12 小时以内交付。因此一段 60 分钟的录音在不加任何附加项前是 $119.40。对一场干净的内部访谈来说这过头了；而当一个人名、一个日期或一句话的错误可能改变法律、调查或发表的结果时，这笔钱是理性的。

Rev 的线上定价页给 AI 平台单独列出了完整的档位阶梯。Free 包含英语下每月 45 分钟的 AI 转录与字幕，以及最多 5 个文件的分析。Essentials 为按月 $29.99/席位/月，或按年计费 $25.49，包含英语和西班牙语下每席位每月 5,000 分钟，最多 3 个席位，可分析最多 10 个文件。Pro 为按月 $59.99 或按年计费 $47.99，包含 37+ 种语言下的 10,000 分钟逐字转录，支持最多 5 个席位，可分析最多 50 个文件。

Unlimited 为定制报价。它增加每席位不限量的 AI 逐字分钟数、最多 500 个文件的分析、SSO，以及符合 CJIS 与 HIPAA 的安全能力。这个方案面向大型调查工作流，而不是只想要更好字幕的普通创作者。

它的天花板是成本与产品取向。Rev 当前的定价页明确围绕法律与调查业务组织。它的 AI 额度很慷慨，但一档常规播客或一个研究档案库并不需要案卷分析。在人工复核通道真正变得有价值之前，TurboScribe 或 Sonix 通常更贴合。

最适合： 法律、调查、对合规敏感以及对发表至关重要的录音
突出之处： AI 转录与每分钟 $1.99 的人工核验服务出自同一家厂商
价格： 免费；Essentials 按月 $29.99 或按年计费 $25.49；Pro 按月 $59.99 或按年计费 $47.99；Unlimited 定制，付费平台价格均为每席位每月；人工转录每分钟 $1.99 起
免费试用： 每月 45 个 AI 分钟的免费方案

CloudTalk：最适合把企业电话通话转成文字

对于一家先需要电话系统、其次才需要可检索通话文字稿的公司，CloudTalk 是诚实的专精选择。

它不是通用的文件转录工具。CloudTalk 是一套带 AI 的企业电话系统，基础方案已包含通话录音，而 AI Conversation Intelligence 是按年付费每用户每月 $9 的附加项。该附加项提供可检索文字稿、摘要、AI 笔记、话题提取、说听比、客户情绪、通话评分，以及 PDF 或 CRM 导出。

这种更窄的定位，正是这家活跃合作伙伴排在宽口径榜单末尾而非靠前的原因。支持团队、外呼销售团队或多门店服务企业，可以把通话、文字稿、摘要和 CRM 导出放在同一套运营系统里。而一位手里全是访谈文件的记者，则要为自己用不到的电话能力付费。

CloudTalk 的线上定价页列出 Lite 为按年付费每用户每月 $19，或按月 $27；Starter 为按年 $25 或按月 $34；Essential 为按年 $29 或按月 $39；Expert 为按年 $49 或按月 $69。Expert 至少需要 3 个许可。AI Conversation Intelligence 按年付费再加每用户每月 $9。

因此最便宜的年度转录路径是 Lite 加 AI 附加项。五个席位下每月 $140。Otter Business 是 $99.95，Fireflies Business 是 $95，但这两个比较都不完整，因为 CloudTalk 里含一整套电话系统。只有当替换或整合这一层电话能力本身有价值时，CloudTalk 才赢。

公开定价页列出了 SOC 2、GDPR 与 HIPAA，并提供免费试用入口，但抓取到的页面副本未标注试用时长。受监管的买家仍需针对自己的具体账户核实协议、数据流与附加项条款。定价页上的徽标是尽调的开始，不是结束。

如果下一步是把通话自动化而不是把它转成文字，AI 语音智能体对比才是更相关的决策。

最适合： 需要云电话系统且通话可检索的销售、支持与服务团队
突出之处： 通话录音、文字稿、摘要、评分与 CRM 导出在同一条电话工作流里
价格： Lite 按年 $19 或按月 $27；Starter 按年 $25 或按月 $34；Essential 按年 $29 或按月 $39；Expert 按年 $49 或按月 $69；AI Conversation Intelligence 附加项按年 $9，所有价格均为每用户每月
免费试用： 提供；线上定价页未标注时长

谁该选什么

当产出必须经得起审阅时选 Sonix。具名说话人、校正过的术语、字幕文件、翻译与干净的导出，才是多花钱的理由。当这些收尾环节一个都不重要时，判断就会离开 Sonix。

当一个人拥有一大堆非敏感录音、而每小时成本最重要时选 TurboScribe。它的年度方案是本文真正的便宜货。当文字稿变成需要权限、留存管控或合规协议的共享基础设施时，判断就会离开 TurboScribe。

当文字与音视频必须一起改变时选 Descript。既然基于文本的剪辑能把这些步骤压缩掉，创作者就不该再导出文字稿、跑到另一个应用里找剪辑点、再手动重做一遍。当交付物只有文字时，判断就会离开 Descript。

当实时会议与共享文字稿库是核心时选 Otter.ai。当通话结束后文字稿必须穿过集成与自动化流转时，改选 Fireflies.ai。两者五席位的 Business 价格足够接近，应该由工作流来定夺。

当大部分工作可以留在 AI 上、但某一份关键录音可能需要有保证的人工核验时选 Rev。当所有文件都是常规且清晰时，判断就会离开 Rev，因为每分钟 $1.99 在一段 60 分钟录音上会变成 $119.40。

当音源是企业通话、且组织本身也需要电话系统时选 CloudTalk。它的文字稿之所以有价值，是因为它始终挂在客户通话系统上。如果电话系统不在需求之列，判断会立刻离开。

支撑整份排名的原则很简单：买那套能把下一步做完的系统。清晰音频上的语音识别质量已经普遍够用了。昂贵的错误是选了一个只产出文字、却把校对、剪辑、工作流、审阅或客户记录留在别处的工具。

用错场景时要避开的选择

当月度音频稳定超过所含的 5 小时后，避开 Sonix Core。Core 加 5 小时超额会到每月 $75，而 Advanced 每月 $50 就含 20 小时。Core 是稳定轻量使用的过渡，不是廉价的大批量档位。

不要把 Otter Basic 当作上传文件的处理管线。终身三次导入用于评估足够，用于建档远远不够。它的免费价值在于每月 300 分钟的实时转录。

当文字稿就是最终交付物时，避开 Descript。Hobbyist 一年只要 $192，但 TurboScribe Unlimited 是 $120。多出的 $72 买的是音视频剪辑。如果后面没有任何音频或视频剪辑，这笔溢价就无事可做。

常规且清晰的录音，避开 Rev 的人工转录。按每分钟 $1.99 的起步价，一小时的文件要 $119.40。把它留给那种"一个有争议的词比审阅更贵"的录音。

在采购部门就权限、留存与合规给出答案之前，避免把 TurboScribe 当作默认的团队系统。它的定价页在文件限制上非常出色，却对 Sonix、Descript、Fireflies、Otter 与 Rev 都点名列出的团队与企业管控保持沉默。

当公司已经有一套打算继续用的电话平台时，避开 CloudTalk。最低的年度基础档加上 AI 是每用户每月 $19 加 $9。为了拿到转录而再养一套电话系统，是反向的整合。

最该避开的其实是"一刀切"的推荐。会议助手、音视频编辑器、文件转录工具、人工服务和企业电话系统，都能把语音变成文字，但它们解决的并不是同一个运营问题。

常见问题

转录用哪个 AI 最好？

对于上传的录音，Sonix 是综合最好的工具，因为它把 54+ 种转录语言、说话人标签、浏览器编辑器、自定义词汇以及文档或字幕导出结合在一起。实时会议请改用 Otter 或 Fireflies，文字稿驱动的音视频剪辑用 Descript，最低的单文件成本用 TurboScribe，需要人工复核用 Rev，企业电话通话用 CloudTalk。

Otter AI 比 TurboScribe 更好吗？

实时会议上 Otter 更好。它的免费方案包含每月 300 分钟转录、说话人识别，以及 Zoom、Teams 与 Meet 支持。上传文件的处理量上 TurboScribe 更好：一年 $120 的 Unlimited 方案接受最长 10 小时或 5 GB 的文件，并支持一次 50 个上传。

最好的免费 AI 语音转文字工具是什么？

偶尔处理文件时，TurboScribe 是最好的免费选择，每天 3 份文字稿、每份最长 30 分钟。免费录制实时会议时 Otter 更好，每月 300 分钟；而当免费的会议文字稿与摘要需要跨平台工作流时，Fireflies 更好。

医疗场景的 AI 转录工具哪个最好？

在本次对比范围内，可信的候选是 Sonix Enterprise 与 Rev Unlimited：Sonix 在 Enterprise 上声明带签署 BAA 的 HIPAA 合规，Rev Unlimited 则列出符合 HIPAA 的安全能力。但正确的采购仍取决于签署的协议、留存条款、数据流与具体的医疗工作流。仅有一条公开的功能声明，并不等于获准上传受保护数据。

2026 年 AI 转录要花多少钱？

按每月 10 小时的文件工作量计算，本文中最贴合的年度方案分别是 TurboScribe Unlimited $120、Descript Hobbyist $192 和 Sonix Advanced $550。会议类工具从免费起步；年度 Pro 价格为 Otter 每用户每月 $8.33、Fireflies 每席位每月 $10。Rev 的人工转录每分钟 $1.99 起。

哪些 AI 转录工具能区分说话人？

Sonix 提供说话人标签与时间戳，Otter 即便在 Basic 上也标明说话人识别，Descript 可检测并标注 8+ 位说话人。当声音重叠或归属很关键时，说话人标注仍需人工复核，因为本次对比没有跑受控的说话人分离基准测试。

在再添一份订阅之前，先把文字稿的下一步和公司里已有的 AI 工具画成一张图。领取免费的 AI 工具地图，用它在买新东西之前先砍掉重复的席位。