[Screenshot_20260331_015358] 
2分半非常嘈杂的录音，因为我的眼镜才200块钱 主要花费在概念和镜片上了(近视镜) 
粗略看了一下，只有两处需要修改 整体也不影响阅读 
比豆包的更稳定，精准! 
不过豆包在我的使用中一直以来强的还是图片OCR 
音频方面可能语音输入和音频识别不是一个模型 
另外千问的识别速度也更快一些w 
有时间再测测视觉识别(Ocr)