请问是否有任何选项可以实现一字一断?

我是最近才开始做视频，其实我不知道是否应该一字一断，但是视频中有些小错误我想去掉，我想偷懒，不知道是否可以将模型设置为一字一断或一词一段？如果没有，我大致有一个思路，先按照正常的长度进行识别，然后将句子分割开，最后将分割的句子和音频进行时间匹配。我非常想实现这个想法，不知道是否有必要。