把零散素材汇成一条判断链，快速得到结论、证据和下一步动作。

关闭后不会调用 OCR，文本需要依赖手工补充或其它流程。

服务延迟和可达性会影响识别成功率与总耗时。

传给 OCR 服务的 language 参数。

选择 OCR 引擎；Auto 会根据图片特征做路由。

留空则使用服务默认值（如果服务支持）。

关闭后不会调用 ASR，音频仅能依赖手工补充文本。

服务延迟和可达性会直接影响总耗时与成功率。

当前推荐使用 faster-whisper，改错会导致转写失败。

模型越大，准确率通常更高，但 CPU/内存占用和耗时也更高。

固定语言可减少误判并略提速；auto 更灵活但可能更慢。

开启会先做语音活动检测，通常能降耗时和噪声误识别。

越大越可能提升准确率，但解码更慢。

候选越多越稳，但会增加推理时间。

低温更稳定，过高可能更“发散”并影响一致性。

开启有助于上下文连贯，关闭可减少前文误传播。

阈值越高越容易判定“无语音”，可降噪但可能漏识别。

大音频建议开启，能降低超时风险并提升稳定性。

超过该时长才切片，过小会带来额外切片开销。

单片越短越稳但切片更多；越长上下文更完整但耗时更高。

重叠可减少断句丢词，过大则会重复计算。

并行越高吞吐越高，但 CPU/内存占用也会明显上升。

用于拼接回调地址：{callback_base_url}/cl/api/asr-callback/{token}

仅对 ASR 异步回调路径生效（callback_url 非空时）。

回调失败后按尝试次数倍增退避间隔。

包含首次尝试在内的最大尝试次数。