临床 ASR 飞轮环境准备

要解决什么问题

临床 ASR 评测里，WER 很容易把「药物名、手术、解剖」这类实体上的错字平均掉；对数字健康场景，真正要命的是 KER（关键词错率）。后面的 digital-health-clinical-asr-* 四阶段飞轮，目标就是在合成基准上把临床实体识别压下去。阶段 1 不做术语整理、不打分、不产 manifest——只做一件事：证明你手里的 NVIDIA_API_KEY 能稳定打到 NVIDIA 托管的 Magpie TTS 与 Parakeet/Nemotron ASR，否则后面阶段都是在空转。

技能如何工作

本技能是只读环境检查，没有 install.sh 或隐藏安装器；流程就是文档里写明的三步：

• Key 存在性：只检查 NVIDIA_API_KEY 是否已导出及长度是否合理，绝不回显 key 值。
• 依赖可导入：确认 Python ≥ 3.10，以及 nvidia-riva-client、pandas、soundfile、requests 等能在当前环境中正常 import。
• 冒烟往返：用显式传入的 api_key 跑一句合成临床句子的 TTS → ASR 往返；转写与输入相差约 1 个 token 以内，即视为托管栈可达。

Agent 侧约定是：框架从 shell 读取 key，以函数参数传给 smoke_test(api_key=…)，配方内不自行 os.environ 偷读，方便审计数据流。可选地再探测 Merriam-Webster（DICTIONARY_API_KEY 或 HTML 路径）是否可用——那是为阶段 2 IPA 标注铺路，不是阶段 1 的硬门槛。

边界与注意

飞轮期间会向 NVCF（文本与 WAV）以及可选的 Merriam-Webster（单个临床术语）出站；数据按设计是合成的，仍不得把真实患者转写、录音或 PHI 送进任何阶段。跳过 NVCF 等于硬停止——没有自托管替代时，这个技能族就不匹配你的栈。阶段 1 通过后，应进入 /digital-health-clinical-asr-build；若你已有带 term / entity_category / ipa_source 的 NeMo manifest，才可考虑直跳评测技能。阶段 3 的头条指标请记住：KER，不是平均 WER。