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/engines/base.py

@@ -0,0 +1,53 @@
+"""引擎接口与单次识别结果。
+
+两类引擎统一到 transcribe()，但计时口径不同：
+  - streaming（gummy）：有首包延迟 first_partial_sec、定稿延迟 finalize_sec。
+  - offline（本地）：只有总处理时长与 RTF；资源探针在 runner 层包裹（仅本地）。
+"""
+
+from __future__ import annotations
+
+from dataclasses import dataclass
+
+
+@dataclass
+class Transcript:
+    text: str
+    audio_sec: float
+    proc_sec: float                      # transcribe 墙钟耗时
+    first_partial_sec: float | None = None
+    finalize_sec: float | None = None
+    peak_rss_mb: float | None = None     # 由 runner 的 ResourceProbe 回填（本地引擎）
+    avg_cpu: float | None = None
+    error: str | None = None
+
+    @property
+    def rtf(self) -> float | None:
+        if not self.audio_sec:
+            return None
+        return self.proc_sec / self.audio_sec
+
+
+class Engine:
+    """引擎基类。子类至少实现 transcribe()；load()/unload() 处理重模型生命周期。"""
+
+    name: str = "base"
+    kind: str = "offline"   # "offline" | "streaming"
+    is_local: bool = True
+
+    def load(self) -> None:
+        """加载模型（本地引擎重操作）。云端引擎可空实现。"""
+
+    def transcribe(self, audio_path: str) -> Transcript:
+        raise NotImplementedError
+
+    def unload(self) -> None:
+        """释放模型，便于多引擎串行评估时回收内存。"""
+
+    def model_size_mb(self) -> float | None:
+        """磁盘上模型权重大小（MB）；云端返回 None。"""
+        return None
+
+    def cost_per_min(self) -> float | None:
+        """每分钟成本（云端）；本地返回 None。"""
+        return None