perf: ASR GPU 利用率优化 — batch_size 16→32 + beam_size 5→2

faster-whisper 的 GPU 利用率呈尖刺波（峰=批量解码满载，谷=CPU 提取 Mel
特征 + 处理结果时 GPU 空闲），平均利用率低。瓶颈不在算力而在 CPU/GPU
未重叠。

- batch_size 16→32：拉长单次 GPU 解码时间，相对掩盖 CPU 特征提取间隙，
  尖刺变宽变平，平均利用率上升。turbo FP16 仅 ~1.6GB，3090 24G 充裕。
- beam_size 5→2：turbo 模型鲁棒，候选数 5→2 大幅减少解码步数，让 GPU
  峰更密、间隙更短。保留 1 个候选做歧义发音保险，质量损失小。
- beam_size 从硬编码提到 config 可调，CPU/CPU 模板/GPU/示例 四份配置对齐
- /health 增加 asr_beam_size，模型加载日志同步输出 batch+beam

word_timestamps 保留 True：segmenter 强依赖词级时间戳做精确断句，
关闭会触发匀速估算退化路径，得不偿失。

config.example.yaml

@@ -32,7 +32,8 @@ asr:
   language: en                         # 仅英语
   word_timestamps: true                # 词级时间戳：让断句精确而非纯匀速估算
   vad_filter: true                     # 过滤静音段，提升质量与速度
-  batch_size: 8                        # CPU: 8 | GPU: 16（BatchedInferencePipeline 批量解码音频块）
+  batch_size: 8                        # CPU: 8 | GPU: 32（BatchedInferencePipeline 批量解码音频块，拉长单次 GPU 解码掩盖 CPU 特征提取间隙）
+  beam_size: 5                         # CPU: 5（默认）| GPU: 2（turbo 鲁棒可降，候选数↓解码步数↓，加速明显质量损失小）
 
 translation:
   # CPU dev：Helsinki-NLP/opus-mt-en-zh（~300MB，2GB 内存可跑）