求助：NLP技术能否支持多人语音后期的声纹识别吗？

场景需求描述：
会议的音频文件转换成文字，异步处理，不需要实时，会议中有多人参与，需要识别出每个人的发言内容进行标注；
PS：可以提供会前单独发言作为声纹识别素材
客户这边有项目，提到的这个需求目前的技术可以实现吗~
请贴吧大佬给个答复，万分感谢！！