使用 EmbeddingGemma 2 构建越南语 ASR 模型

通过微调 EmbeddingGemma 2 的音频编码器顶部两层并添加读取器，构建出越南语语音识别模型，在标准基准测试中实现 6.87% 的平均词错率，性能与 Gemma 4 相当。该方案仅微调少量层即可快速适配专用语言，兼顾高性能与快速推理。