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/manifest.py

@@ -0,0 +1,32 @@
+"""统一样本模型：所有数据集适配器都产出 Sample，下游引擎/指标只认它。"""
+
+from __future__ import annotations
+
+from dataclasses import dataclass
+
+
+@dataclass
+class Sample:
+    """一条评估样本。
+
+    lang 取值约定（决定 breakdown 归类）：
+      - "zh"    纯普通话
+      - "en"    纯英文
+      - "zh-en" 中英混说（code-switching，本框架重点）
+    """
+
+    id: str
+    audio_path: str          # 16k/mono/16bit wav 优先；非此规格引擎侧会重采样
+    ref_text: str            # 参考（标注）文本
+    lang: str = "zh"
+    domain: str = "general"
+    dataset: str = "custom"
+
+    @property
+    def category(self) -> str:
+        """报告里的粗分类。"""
+        if self.lang == "zh-en":
+            return "code-switch"
+        if self.lang == "en":
+            return "pure-en"
+        return "pure-zh"