语音识别

测了 127 条、约 14.4 小时音频，MAI-Transcribe-2 在本次英语、日语测试中更有吸引力，但中文和字幕场景的选择没那么简单。比平均错误率更值得关心的，是识别结果还要改多少。

部署 FunASR 实时语音识别服务，了解模型模式、ITN 参数以及 WebSocket API 的使用方法。

结合 FunASR、Ollama 和 Qwen2，在本地完成音视频转写、内容整理和结构化 Markdown 笔记生成。