佬友们，有没有针对音频文件的模型（或者skill），不是转文字的那种，就是可以从音频中识别信息，比如识别出多种歌曲，能对夹杂在一起的声音进行辨别，或者是对正在发生事情的推断，或者说可以区分人声。这部分的AI是不是还挺少的。 🤩佬友们我就是问问。