请教解决方案-OBS二次开发-对英文直播视频实现语音识别+多人协作翻译+带字幕视频推流

问题遇到的现象和发生背景

目前想开发一个软件，应该场景如下：
比如MWC2022直播视频（通过网页直播观看），我用OBS转播（比如转播到B站），通过OBS二次开发，实现转播出来的视频带人工翻译的字幕。
这里我想到的二次开发大概需要几个功能：

1. 自动认识英文文本
2. 为英文文本生成时间轴（用于字幕显示）
3. 提供一个多人协作平台（用于多人同步进行翻译，这里翻译人员需要每人翻译一小段，以实现最小的延时，比如A翻译0-5秒，B翻译5-10秒，C翻译10-15秒，D翻译15-20秒，E翻译20-25秒，F翻译25-30秒，然后A再翻译30-35秒，B再翻译35-40秒，以此类推。）
4. 整合翻译出来的字幕，与视频一直推流至目标平台。

附注：翻译可以先用机器翻译，然后人工来编辑和修改。

这里面多人协作如何解决比较合适？
一个是直接做到OBS的插件里（但是协作这一块不知道怎么解决），一个是再单独开发一个网页版的（但是这里就需要将视频和文本又中转到云上，才能实现在网页上的文本输出、翻译和校对，一个是可能还得需要一个视频服务器，一个是可能会增加延时）

不知道大家有没有比较好的建议？