其实这种最好是从产品实现角度来解决，毕竟使用人的基数比较大，如果每天提交和查看的人还会增长很多，后面又会涉及到资源的调配问题，官方不太可能会次次买账。所以尽可能的在背诵打卡这块做转换实现。这边给的建议是 __在微信端就事先把语音转文字后再提交进行打卡，__内容以文字形式保存在自有服务器上。一来可以减少服务资源投入的消耗，二来背诵的语音转文字可以提高学生发音准确性及内容的质量。大部分语音录制的内容参差不齐，可辨识度不高。转文字是个不错的处理方式，后继也可在提交前做一些简单的校验。

如果变更产品实现方式给师生的使用习惯及成本都很大，要从技术层面来解决这种场景的话，建议还是将语音保存在自有的 OSS 服务上。