本文描述了一个用于MLC-SLM 2026挑战的系统，该系统将模块化的说话人日记前端与针对挑战适配的Qwen3-ASR-1.7B识别器相结合。

该日记前端执行语音活动检测、子段生成、CAMPPlus说话人嵌入提取、双说话人谱聚类以及基于RTTM的音频分割。生成的带有说话人属性的片段按语言或地区分组，并由适配后的ASR模型解码。对于ASR适配，系统首先在官方训练数据上执行监督式全量微调，然后使用来自三管道TTS框架的合成语音应用LoRA微调，最后使用GRPO强化学习对模型进行精炼。

在官方开发集上，完整系统实现了23.70的平均tcpMER，相对于发布的Qwen-ASR-1.7B性能，错误率降低了6.83个绝对点。在最终评估集上，该系统实现了17.97的平均tcpMER。