ModelScope是阿里巴巴推出的开源模型即服务共享平台，为广大学术界用户和工业界用户提供灵活、便捷的模型应用支持。具体的使用方法和开源模型可以参见ModelScope 。在语音方向，我们提供了自回归/非自回归语音识别，语音预训练，标点预测等模型，用户可以方便使用。
我们在egs_modelscope 目录下提供了不同模型的使用方法，支持直接用我们提供的模型进行推理，同时也支持将我们提供的模型作为预训练好的初始模型进行微调。下面，我们将以egs_modelscope/asr/paraformer/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch目录中提供的模型来进行介绍，包括infer.py，finetune.py和infer_after_finetune.py，对应的功能如下：
- infer.py: 基于我们提供的模型，对指定的数据集进行推理
- finetune.py: 将我们提供的模型作为初始模型进行微调
- infer_after_finetune.py: 基于微调得到的模型，对指定的数据集进行推理
我们提供了infer.py来实现模型推理。基于此文件，用户可以基于我们提供的模型，对指定的数据集进行推理，得到相应的识别结果。如果给定了抄本，则会同时计算CER。在开始推理前，用户可以指定如下参数来修改推理配置：
* data_dir：数据集目录。目录下应该包括音频列表文件wav.scp和抄本文件text(可选)，具体格式可以参见快速开始中的说明。如果text文件存在，则会相应的计算CER，否则会跳过。
* output_dir：推理结果保存目录
* batch_size：推理时的batch大小
* ctc_weight：部分模型包含CTC模块，可以设置该参数来指定推理时，CTC模块的权重
除了直接在infer.py中设置参数外，用户也可以通过手动修改模型下载目录下的decoding.yaml文件中的参数来修改推理配置。
我们提供了finetune.py来实现模型微调。基于此文件，用户可以基于我们提供的模型作为初始模型，在指定的数据集上进行微调，从而在特征领域取得更好的性能。在微调开始前，用户可以指定如下参数来修改微调配置：
* data_path：数据目录。该目录下应该包括存放训练集数据的train目录和存放验证集数据的dev目录。每个目录中需要包括音频列表文件wav.scp和抄本文件text
* output_dir：微调结果保存目录
* dataset_type：对于小数据集，设置为small；当数据量大于1000小时时，设置为large
* batch_bins：batch size，如果dataset_type设置为small，batch_bins单位为fbank特征帧数；如果dataset_type设置为large，batch_bins单位为毫秒
* max_epoch：最大的训练轮数
以下参数也可以进行设置。但是如果没有特别的需求，可以忽略，直接使用我们给定的默认值：
* accum_grad：梯度累积
* keep_nbest_models：选择性能最好的keep_nbest_models个模型的参数进行平均，得到性能更好的模型
* optim：设置优化器
* lr：设置学习率
* scheduler：设置学习率调整策略
* scheduler_conf：学习率调整策略的相关参数
* specaug：设置谱增广
* specaug_conf：谱增广的相关参数
除了直接在finetune.py中设置参数外，用户也可以通过手动修改模型下载目录下的finetune.yaml文件中的参数来修改微调配置。
我们提供了infer_after_finetune.py来实现基于用户自己微调得到的模型进行推理。基于此文件，用户可以基于微调后的模型，对指定的数据集进行推理，得到相应的识别结果。如果给定了抄本，则会同时计算CER。在开始推理前，用户可以指定如下参数来修改推理配置：
* data_dir：数据集目录。目录下应该包括音频列表文件wav.scp和抄本文件text(可选)。如果text文件存在，则会相应的计算CER，否则会跳过。
* output_dir：推理结果保存目录
* batch_size：推理时的batch大小
* ctc_weight：部分模型包含CTC模块，可以设置该参数来指定推理时，CTC模块的权重
* decoding_model_name：指定用于推理的模型名
以下参数也可以进行设置。但是如果没有特别的需求，可以忽略，直接使用我们给定的默认值：
* modelscope_model_name：微调时使用的初始模型名
* required_files：使用modelscope接口进行推理时需要用到的文件
部分模型可能在微调、推理时存在一些特有的参数，这部分参数可以在对应目录的README.md文件中找到具体用法。
