最佳本地语音识别 — RTX 5090 32GB

甜点区间：91–93 分 · 100–240 ×实时，共 2 个模型符合。

1. 1. FireRedASR2-LLM — 93 分 · 100×实时 · 17GB
2. 2. Qwen3-ASR-1.7B — 91 分 · 240×实时 · 4.4GB
3. 3. VibeVoice-ASR — 90 分 · 50×实时 · 18.3GB
4. 4. SenseVoice-Small — 88 分 · 338×实时 · 1.9GB
5. 5. VibeVoice-ASR-BitNet — 87 分 · 80×实时 · 14GB

共 10 个装得下的可用模型。← RTX 5090 全部能力