xby-asr-5

在 DeepSeek Harness 的日常对话中处理多语种语音转文字，往往要来回切换模型、手动指定语种、反复调试输入格式。xby-asr-5 把这些琐碎步骤收敛为一次调用：内置普通话、英语、日语、韩语、粤语五种识别能力，模型自动判断语种，无需用户额外标注。

核心能力围绕三种音频输入方式展开——URL 链接、BASE64 编码、本地文件路径，覆盖了从网页抓取到本地离线处理的主要场景。底层采用 int8 量化的 SenseVoice 模型，在保持多语种识别精度的同时降低了推理开销。API 密钥在会话中一次性设置后即可持久化，重启不必重复配置。

适合需要频繁处理多语种语音内容的创作者、跨国团队协作场景，以及希望在自己工作流中嵌入轻量 ASR 能力的开发者。无需自己维护模型部署，一次配置即可完成识别。