用途：这是 Clinical ASR Flywheel 的第三阶段（Eval），输入为用户已有的 NeMo 格式 manifest.jsonl（通常来自 /digital-health-clinical-asr-build），输出逐行转录结果、四项指标得分、五段式排行榜和后续路由建议。
主要能力：逐行调用所选 ASR NIM（默认 nvidia/parakeet-tdt-0.6b-v2，NVCF 离线 gRPC，function-id d3fe9151-442b-4204-a70d-5fcc597fd610），写出 per_sample.json 与 results.csv；计算 WER、CER、KER（关键字错误率，严格连续匹配，如 cefazolin → cefa zolin 计为错误）与 SER；归一化步骤为小写、NFKD、去标点（保留连字符）、空白折叠；生成五段排行榜：总览 → 按 entity_category → 按 ipa_source → 按 noise_level → 逐术语最差优先，其中 by-ipa_source（merriam-webster 与 magpie_g2p 之差）被要求朗读给用户。
用法要点：需 NVIDIA_API_KEY，已装 nvidia-riva-client 与 soundfile，音频文件须真实存在，先做存在性预检；三个环境变量可覆盖：ASR_MODEL_NAME、ASR_NVCF_FUNCTION_ID、ASR_ENDPOINT（自托管 Riva 优先）。调用前需向用户明示音频与参考文本会发送至外部 NVIDIA 服务。
适用场景：评分 ASR manifest、对比模型（需跑两次）、判断是否进入微调阶段、解释 KER 与 WER 差异。
限制与边界：仅支持英语；不生成音频；不含音频认证、gRPC 协议、NIM 部署等，相关需求路由至 /riva-asr 等兄弟技能；一次评估只跑一个模型；KER 为严格连续匹配；实为合成音频，禁止传真实患者音频或 PHI。何时进微调、何时回建阶段、何时继续加固评估，均按 KER 分层决策树路由。