企业会议实时音频转文字记录，要求：
低延迟（0.3～2 秒）
准确率高
多人说话
自动分段
区分发言人 - 说话人识别（Speaker Diarization）
关键词检索
会议纪要自动生成
支持中英混合
支持私有化部署
Qwen-ASR / FunASR 代表了目前中文语音识别（ASR）开源生态中非常重要的两条路线，但两者定位不同：
FunASR：成熟的语音识别工程框架 + 模型生态，适合企业实时转写。
Qwen-ASR（Qwen3-ASR 等）：新一代大模型语音理解方向，更偏多模态语音智能。
1. FunASR 体系（目前企业实时 ASR 首选）
FunASR Streaming（SenseVoice）
2. Qwen-ASR（新一代方向）
不是传统 ASR，是语音 + 大模型理解。Qwen-ASR 内部包含了LM组件。
Qwen-ASR 内部的 LLM 组件，是为“听懂语音并转写”服务的，不是 Qwen3/Gemma 的通用大语言模型。