在 Apple Silicon（macOS 26+、CPython 3.12）上用 CPU Nemotron 做说话人分离、MLX Qwen3-ASR 做识别，保留原始时间轴、说话人区间与原始转写。当 agent 需要通过 prepare-edit、语义清理、finalize-edit 的分步流程把录音整理成可读文本时使用；说话人姓名使用调用方提供的映射或有文本依据的推断，未确认项保留标记。