工具集

阿里 ModelScope 开源的工业级语音识别工具包，自带面向 agent 的 funasr 命令：一条命令把音频转成文本、JSON 或 SRT 字幕，支持说话人分离与时间戳，中文识别效果好。需先安装 PyTorch。

魔搭社区官方的大模型与多模态模型训练框架，swift 命令覆盖预训练、微调、强化学习、推理、评测、量化与部署，支持 600 多种文本模型与 400 多种多模态模型及 Megatron 并行训练，另有 Web UI。训练通常需要 GPU。

魔搭社区（ModelScope）官方 MCP：搜索模型、数据集、创空间应用、论文与 MCP 服务并查看详情，还能调用文生图与图生图；需要魔搭 API Token。