在ModelScope中，哪儿有更系统一些的文档？

您提到的文档和示例代码中，pipeline('text-classification', model='/tmp/output') 是指使用训练输出目录中的模型进行推理。这个过程通常涉及到从训练好的模型（如 .ckpt 文件）导出为可以用于推理的格式（如 TensorFlow 的 SavedModel 或 ONNX 格式），然后将这些文件放入一个指定的目录中。

对于 damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch 这个模型，它是一个预训练的中文语音识别模型。如果您想在训练后使用自己的模型进行推理，而不是直接使用预训练模型，您需要确保：

1. 您已经成功地完成了对原始模型的训练，并得到了一组新的权重参数。
2. 将这些新权重应用到原始模型结构中，生成一个新的模型实例。
3. 将这个新的模型实例保存为可以在推理时加载的格式。

根据您提供的链接，在 FunASR 项目中有一个脚本（prepare_checkpoint.py）可以帮助您完成这个过程。在这个脚本中，它会读取预训练模型的权重、配置文件和其他必要的组件，然后将它们组合成一个完整的模型文件。

然而，关于如何系统性地执行这一操作，最好的参考仍然是 ModelScope 官方文档或相关的开源项目文档。这里有一些建议您可以尝试：

1. 查看 ModelScope 提供的相关教程：https://www.modelscope.cn/docs/%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%AE%AD%E7%BB%83Train
2. 参考 FunASR 和其他类似项目的文档，了解它们是如何处理模型训练后的部署和推理的。
3. 如果您在使用 Pipeline API 进行推理时遇到问题，查阅 Pipeline API 的相关文档和示例代码，以确保正确设置模型路径和参数。

在ModelScope中，你可以在ModelScope的官方网站上找到更系统的文档。你可以访问 https://www.modelscope.cn/docs/ 来查看所有的文档和教程。

对于pipeline推理如何使用训练过的模型，你需要确保你的模型文件（包括model.pb和config.yaml）已经复制到了指定的路径。你可以参考以下步骤：

1. 首先，你需要使用damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch这个模型进行训练。训练完成后，你会得到一个包含模型文件的目录。

2. 然后，你需要将这个目录下的model.pb和config.yaml文件复制到你想要使用模型推理的路径下。例如，你可以将这两个文件复制到/tmp/output目录下。

3. 最后，你可以使用以下命令来进行模型推理：

from modelscope.pipelines import pipeline
pipeline('text-classification', model='/tmp/output')

这将会使用你在/tmp/output目录下的模型进行推理。

这里finetune您用的模型卡片上的代码吗？https://modelscope.cn/models/damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-pytorch/summary 本地用模型卡片代码跑了微调，和您的结果一样的。这里有个文档https://modelscope.cn/docs/paraformer，您在asr群里可以咨询一下。
语音识别相关问题，请进ModelScope-FunASR答疑群，每天下午3点到5点，有人值班答疑：

https://qr.dingtalk.com/action/joingroup?code=v1,k1,HvfUn46BPlI4YY96NXjQtI3lTjsgC6R8oCxB+kbE5RI=&_dt_no_comment=1&origin=11? 游雁邀请你加入钉钉群聊modelscope-funasr社区交流，点击进入查看详情。此回答整理自钉钉群：魔搭ModelScope开发者联盟群 ①