工作需要，经常要把语音讲话转为文字。想请教大家，一是自己搭建个语音转文字的服务，是用 Whisper 模型搭建吗，准确率能达到多少？二是和使用录音笔自带的转文字功能相比，哪个准确度更高一点？三是因为讲话人也就是固定的三五个人，能否进行模型训练，用什么来训练？四是成本大概是多少呢？谢谢。
