modelscope-funasr离线转写包使用的是wfst解码，那模型自带的解码是不是就没用了？

WFST解码是一种广泛使用的语音识别解码方法，其核心是在一张有向、带权、有环的图上进行广度遍历，搜索一条或多条最优路径。modelscope-funasr离线转写包使用的是WFST解码并不意味着模型自带的解码没有用了。实际上，两者可以结合使用，例如在解码过程中，可以先使用WFST解码找出所有可能的词序列，然后再使用模型自带的解码对词序列进行打分和筛选，从而得到更准确的结果。

至于AM（Automatic Speech Recognition）训练，它是一种基于深度学习的语音识别方法，通常需要大量的标注数据进行训练。虽然WFST解码和模型自带的解码都是解码的一部分，但它们分别属于不同的阶段，因此在AM训练中仍然具有重要意义。通过优化WFST解码和模型自带的解码，可以提高语音识别系统的整体性能。

生成n-gram是一种常见的定制模型的方法，它可以根据实际需求选择不同的n值。生成n-gram可以帮助模型更好地理解上下文信息，从而提高识别准确率。但需要注意的是，生成n-gram并不是唯一的定制方法，还可以通过调整模型参数、增加领域相关数据等方式对模型进行进一步定制。

FunASR离线转写包使用的是wfst解码，但这并不意味着模型自带的解码就没用了。实际上，两者可以并行存在并各自发挥其独特的作用。例如，wfst解码适用于实时语音转写，而模型自带的解码则可以用于其他场景，如批量处理等。

关于AM训练，它是指自适应模型训练，通过这种方式可以根据实际应用场景对模型进行微调，使其更好地适应特定的任务或领域。即使使用了wfst解码，AM训练仍然具有意义，因为它可以帮助优化模型的性能和效果。

至于生成ngram是否等同于定制，这需要视具体情况而定。ngram是一种基于统计的语言模型，它可以捕捉到文本中的上下文信息，从而改善语音识别的准确性。然而，如果需要针对特定任务或领域进行更深度的定制，可能需要采用更复杂的技术和方法。

就是用WFST解码器代替了以前CTC解码器. wfst类似于佐料，am类似于主食，不是替代关系。此回答整理自钉群“modelscope-funasr社区交流”