用途：帮助为音视频转录场景选择合适的服务，并给出快速接入方式。
主要能力：对比 Whisper API、Deepgram、AssemblyAI 的价格（每分钟）、速度、说话人分离与实时支持；说明各自适用场景；提供三种服务的快速实现代码；介绍说话人分离的配置方式；给出批量处理与输出格式（纯文本、SRT/VTT 字幕、带时间戳 JSON、词级时间）。
使用方式：Whisper 通过 OpenAI 客户端调用 client.audio.transcriptions.create(model="whisper-1", file=f)；Deepgram 使用 DeepgramClient 与 PrerecordedOptions(model="nova-3", diarize=True) 调用 transcribe_file；AssemblyAI 设置 aai.settings.api_key 后用 aai.Transcriber().transcribe("audio.mp3")。说话人分离：Deepgram 内置 diarize=True；AssemblyAI 需 speaker_labels=True 并额外计费；Whisper 需借助 pyannote 等外部服务。批量处理可用 asyncio.gather 并发。
适用场景：播客转录、会议记录、视频字幕、语音内容索引、实时字幕、呼叫中心、内容分析与合规。
限制：资料未提供各服务的配额、并发上限、语言支持范围、准确率数据及具体部署要求；价格与速度数据标注为 2026 年，可能变动。