modelscope-funasr的1.0之后的版本，这3个参数还有吗，还是换做别的参数了？

在ModelScope-FunASR中，OOM（Out of Memory）问题通常与GPU内存不足有关。要解决OOM问题，您可以尝试调整一些参数以减少模型的内存占用或提高计算效率。

以下是一些常见的参数和方法，可以帮助您缓解OOM问题：

1. 批量大小（Batch Size）：减小批量大小可以减少每次迭代所需的内存量。尝试将批量大小减小一半或更小，看看是否解决了OOM问题。

2. 序列长度（Sequence Length）：减小输入数据的序列长度可以降低模型的内存需求。如果可能的话，尝试缩短输入音频的长度。

3. 并行度（Parallelism）：增加并行度可以让模型在多个GPU上并行运行，从而分散内存使用。如果您有多个GPU可用，可以尝试增加并行度参数。

除了这些参数，还有其他一些方法可以帮助您解决OOM问题，例如使用混合精度训练、梯度累积等技术。具体使用哪种方法取决于您的具体情况和模型要求。

请注意，不同的ModelScope-FunASR版本可能会有不同的参数设置和默认值。因此，建议您查阅相应版本的文档或向开发者社区咨询，以获取准确的参数信息和解决方法。

在ModelScope-Funasr的1.0之后的版本中，参数可能会有所变化。

在软件或库更新的过程中，尤其是主要版本（如1.0）的更新，经常会伴随着API的变化、参数的调整或者功能的改进。对于ModelScope-Funasr来说，随着其版本从1.0开始的不断迭代，确实有可能对某些参数进行了更改或替换。这是因为开发团队可能在新版本中引入了更高效的算法、修复了已知的问题或者响应了用户的需求。

为了确保您的服务能够顺利运行，建议您：

1. 查阅官方文档：了解最新版本中的参数和功能变化，这是获取最准确信息的直接方式。
2. 检查示例代码：通常在版本更新后，官方会提供新的示例代码来展示如何使用新版本的功能和参数。
3. 社区支持：加入ModelScope-Funasr的社区交流群组，与其他开发者交流问题和经验，同时也可以获取官方的技术支持。
4. 测试验证：在更新版本后，对服务进行充分的测试，确保所有功能都能正常工作。

总之，如果您在更新ModelScope-Funasr后遇到了问题，需要检查是否所有的使用方法都已经更新为与新版本兼容的方式。如果问题依旧存在，可以考虑在社区寻求帮助或联系官方技术支持。

funasr-1.0，提倡大家自己去阅读代码：
https://github.com/alibaba-damo-academy/FunASR/blob/main/funasr/auto/auto_model.py#L288 此回答整理自钉群“modelscope-funasr社区交流”