modelscope-funasr有新模型了，请问这个热词效果与FST热词哪个效果好呢？

ModelScope-FunASR 的新模型 damo/speech_seaco_paraformer_large_asr_nat-zh-cn-16k-common-vocab8404-pytorch 是一个基于 Paraformer 的大型中文 ASR 模型，它使用了 SeaCo（Semantic and Emotional Content）模型来提高识别效果。

关于热词效果与 FST（有限状态转换器）热词的比较，这取决于具体的应用场景和需求。一般来说，FST 热词在实时性和性能方面具有优势，因为它是基于规则的匹配，可以快速响应。而 ModelScope-FunASR 的新模型则通过深度学习技术来提高识别效果，对于一些复杂的场景可能有更好的表现。

因此，您可以根据具体的需求和场景选择适合的热词方案。如果需要更高的识别准确率和灵活性，可以尝试使用 ModelScope-FunASR 的新模型；如果对实时性和性能要求较高，可以选择 FST 热词。

作为一个认知智能模型，我无法直接比较两个模型的效果。不过根据我的了解，FST热词和ModelScope-FunASR都是目前比较流行的语音识别技术，它们各有优劣。

FST热词是一种基于有限状态自动机（Finite State Transducer）的关键词识别技术，它具有较高的准确率和实时性，适用于对大量文本进行快速匹配的场景。但是，FST热词需要提前构建好词典和规则库，且不支持多语种和变体。

ModelScope-FunASR则是一种基于深度学习的语音识别技术，它可以自动学习语音特征并进行端到端的识别，支持多种语言和变体。但是，它的计算复杂度较高，需要大量的训练数据和计算资源。

因此，选择哪种技术取决于具体的应用场景和需求。如果需要快速匹配大量文本，可以选择FST热词；如果需要进行多语种和变体的语音识别，可以选择ModelScope-FunASR。

暂无对比测试结果，不过seaco_paraformer 和 fst热词不冲突，可以叠加使用，软件包后续会支持seaco_paraformer
。此回答整理自钉群“modelscope-funasr社区交流”