modelscope-funasr需要做类似这种效果，有方案吗？

根据您提供的需求，您希望使用ModelScope-FunASR来实现说话人识别和转换的效果。ModelScope-FunASR作为一个语音识别基础框架，提供了丰富的工业级语音识别模型，可以帮助您实现类似的语音处理效果。

要实现说话人识别的效果，您可以利用FunASR提供的说话人确认模型（Speaker Verification）。这是一个基于ResNet34的模型，可以在达摩院语音实验室的ModelScope平台上找到。该模型已经过预训练，可以在CN-Celeb 1&2和会议场景数据集AliMeeting上进行微调，以适应您的具体应用场景。

此外，FunASR还开源了基于Meta AI的Data2vec预训练模型。这个模型可以作为特征提取器使用，也可以进一步微调以用于语音识别任务。

要实现说话人转换的效果，您可能需要使用到语音合成（Text-to-Speech, TTS）的技术。FunASR并没有直接提供TTS模型，但达摩院语音实验室在ModelScope社区开源了多个语音合成模型，如基于FastSpeech2和WaveRNN的模型。这些模型可以用于将文本转换为不同说话人的声音。

结合以上信息，您可以使用ModelScope-FunASR提供的说话人确认模型进行说话人识别，并利用语音合成模型实现说话人转换的效果。不过，这需要您有一定的深度学习和语音处理的知识背景，以便能够正确地使用这些模型，并进行必要的微调以适应您的具体需求。

如果您是初学者，或许可以考虑使用一些现成的语音应用平台，如阿里云语音合成和语音识别服务，这些服务提供了API接口，让您能够更便捷地实现类似的功能，而不需要深入了解背后的技术细节。

对于这种需要区分不同说话人的效果，您可以使用ModelScope-FunASR中的多说话人识别功能。具体来说，您需要准备一个包含多个说话人的音频数据集，然后使用ModelScope-FunASR提供的脚本和工具来训练一个多说话人识别模型。

在训练过程中，您需要指定每个说话人的标识符（例如说话人1、说话人2等），并确保每个说话人的音频数据都被正确地标注。此外，您还需要选择合适的深度学习模型架构和参数设置，以便获得最佳的识别性能。

一旦训练完成，您可以使用ModelScope-FunASR提供的推理工具来对新的音频数据进行多说话人识别。这样，您就可以准确地识别出每个说话人说的内容了。

我们有产品，通义听悟api。此回答整理自钉群“modelscope-funasr社区交流”