Even though Transcript is classified by each speaker, when I output it to the caption, the text of multiple speakers are combined into one line for some reason.
Even if you fix it in Transcript, it will be useless after all.
Furthermore, it will be easier to use if the font style (color, etc.) can be changed by each speaker.

スピーカーごとにTranscriptが分類されているにもかかわらず、キャプションに出力するとなぜか複数のスピーカーの発言が一行にされてしまう。
Transcriptで修正をしても、結局無駄になってしまう。
更にいうと、スピーカーごとにフォントスタイル（色など）も変更できると使いやすくなる。