我其实想要的是：大模型 语音转文字 的效果。 
之前把录音mp3传给Gemini，转出来的文字效果很棒，能把我的磕绊、思考、嗯嗯啊啊什么的都去掉。往往转出来就是最终可用的版本了。 
讯飞等产品，说完之后还要再精修，因为有很多嘴瓢的内容都被转录下来了。 🫠 
大家有没有满足这样需求的语音输入法推荐呢？有多端最好，主要Win和Ios用。 
或者大家觉得开发一个这样的输入法有没有说法。 
整体思路挺简单的，就是录音+多模态大模型API，甚至还能指定大模型，有没有搞头 😇