feat(eval): ASR 模型评估框架

横向对比云端 gummy 与本地开源模型(faster-whisper/SenseVoice/Paraformer)，
重点覆盖中英混说，产出准确率(CER/WER/MER)/速度(延迟/RTF)/资源(cpu/mem/模型大小)
对比报告。公共集(ASCEND/AISHELL/LibriSpeech)统一走 HF 适配器 + 自定义 JSONL manifest。
gummy 引擎对照 server/internal/asr/gummy.go 协议移植。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

eval/asr_eval/datasets/__init__.py

@@ -0,0 +1,25 @@
+"""数据集注册表：config 的 type(hf|custom) 映射到适配器。
+
+公共集（ASCEND/AISHELL/LibriSpeech）统一走 HFDataset，差异全在 config.yaml 里描述
+（hf_id/split/text_field/lang），所以"广覆盖 + 自定义"只需改配置，不必加代码。
+"""
+
+from __future__ import annotations
+
+from .base import Dataset
+
+
+def build_dataset(cfg: dict, audio_cache: str) -> Dataset:
+    dtype = cfg["type"]
+    if dtype == "hf":
+        from .hf import HFDataset
+
+        return HFDataset(cfg, audio_cache)
+    if dtype == "custom":
+        from .custom import CustomDataset
+
+        return CustomDataset(cfg)
+    raise ValueError(f"未知数据集类型: {dtype}")
+
+
+__all__ = ["Dataset", "build_dataset"]