能否识别录音内容有多种语言，并且转成文字

[Ww-eq]

我使用medium模型，发音选择自动识别，识别一个长达1h的录音文件，英文识别可以，中文识别的效果不好，部分中文能识别出来，大部分的中文被识别后竟然被翻译成英文转成文字了
能否支持录音内容为多种语言，比如中文和英文，然后对应的输出文本
或者有推荐使用的模型