实时转写：通过 WebSocket 持续接收麦克风或音频设备的实时音频流，边说边显示文字，并可使用 2pass 模式对流式结果进行校正。 上传音视频转文字：通过 REST API 上传已有音频或视频文件，以后台任务方式完成媒体转换、整文件识别、说话人分段、声纹匹配、翻译和结果整理。