语音转文本再进行处理（记录、总结或者翻译）。由于目前的解决方案基本都是跑在服务器端的，所以也有一些问题。首先是不够安全。不管是私人的通话，还是工作的会议，把音频录制和处理交给第三方，特别是国内一些厂商，还是让人感觉有点害怕的。其次是不够灵活。比如，YouTube 自动加字幕的功能，依赖 Google 的服务。本地下载了一部冷门的电影，就还得老老实实花时间去找字幕。这些问题的解决，核心是下面两个方面...