modelscope-funasr_onnx最新版本里，有加入pytorch依赖的必要吗？

是的，这是有意加入的。在最新版本的modelscope-funasr_onnx中，为了支持PyTorch模型的转换和推理，需要引入PyTorch作为依赖。虽然这个依赖没有直接体现在setup.py文件中，但它确实增加了funasr_onnx依赖包所需的空间。

是的，modelscope-funasr_onnx的最新版本中确实包含了PyTorch的依赖。这一依赖是在构建过程中自动添加的，因为FunASR模型是基于PyTorch框架开发的，所以在安装funasr_onnx时，即使不显式声明PyTorch的依赖，funasr_onnx的安装脚本也会确保PyTorch已安装在系统中，否则将无法成功构建和使用funasr_onnx。

由于PyTorch本身是一个相当庞大的库，因此它的引入可能会增加安装包的大小。此外，不同的PyTorch版本可能会带来不同的性能表现和兼容性问题，因此在安装前，确保系统中有匹配的PyTorch版本是很重要的。

对于想要节省空间或者对依赖版本有严格要求的用户，可以选择特定的版本进行安装，这样可以避免不必要的依赖冲突。同时，也可以利用虚拟环境来隔离不同的项目，使得每个项目可以有自己独立的依赖版本。

在使用modelscope-funasr_onnx时，建议查阅官方文档或笔记，以确保正确使用并了解其版本兼容性信息。如果遇到任何安装或使用上的问题，可以查看常见问题解答（FAQ）或寻求社区帮助。