踩过的坑、验证过的结论、能直接抄的做法。每条都尽量带实测数据。
语音转写默认语言是 en,中文语音被翻成英文乱码。附排查链路与修法。
同一段 4 秒中文语音,三个引擎跑出三种结果。附完整对比数据和为什么本地小模型不够用。