【ModelScopeFunASR的ASR模型是否都是对token训练的？】

在回答这个问题之前，我们首先需要了解什么是token和ASR模型。

1、Token（词元）：在自然语言处理中，token是指一个单词、标点符号或数字等基本的语言单位，在训练ASR模型时，通常会将文本数据转换为token序列，以便模型能够理解和学习这些基本语言单位之间的关系。

2、ASR模型：自动语音识别（Automatic Speech Recognition，ASR）是一种将语音信号转换为文本的技术，ASR模型通常使用深度学习方法，如循环神经网络（Recurrent Neural Networks，RNN）、长短时记忆网络（Long ShortTerm Memory，LSTM）或者Transformer等。

接下来，我们来分析ModelScopeFunASR的ASR模型是否都是对token训练的。

1、Token级别的训练：在训练ASR模型时，通常会将文本数据转换为token序列，然后使用这些token序列来训练模型，这种训练方式可以使得模型更好地理解文本数据中的基本语言单位之间的关系，从而提高ASR模型的性能，我们可以认为ModelScopeFunASR的ASR模型是通过对token进行训练来实现的。

2、Character级别的训练：除了对token进行训练外，还可以对字符进行训练，字符级别的训练可以帮助模型更好地捕捉文本数据的细微差别，从而提高ASR模型的性能，由于字符级别的训练需要更多的计算资源和时间，因此在实际应用中，通常会优先选择对token进行训练。

我们可以得出上文归纳：ModelScopeFunASR的ASR模型主要是通过对token进行训练来实现的，虽然也可以考虑对字符进行训练，但在实践中，通常会优先选择对token进行训练。