在modelscope-funasr自己根据cos距离做聚类应该也是可以的吧？

是的，你可以使用modelscope-funasr中的聚类算法来对提取出的VAD embedding进行聚类。首先，你需要将每个VAD embedding转换为特征向量，然后使用聚类算法（如K-means或DBSCAN）对这些特征向量进行聚类。最后，你可以根据聚类结果对语音进行分组。

是的，您完全可以使用ModelScope-Funasr结合cos距离进行聚类。

在ModelScope-Funasr中，您可以使用预训练的模型（如iic/speech_xvector_sv-zh-cn-cnceleb-16k-spk3465-pytorch）提取语音的嵌入表示（embedding）。然后，您可以利用这些嵌入表示进行聚类分析，以识别不同的说话人或音频类别。

以下是使用ModelScope-Funasr进行聚类的基本步骤：

1. 提取嵌入表示：加载预训练模型，并使用它来提取输入语音数据的嵌入表示。
2. 计算cos距离：对于每对嵌入表示，计算它们的cosine相似度或距离。Cosine距离通常用于衡量两个向量之间的相似性，它在嵌入空间中非常有效。
3. 聚类算法：使用适当的聚类算法（如K-means、层次聚类等）对嵌入表示进行聚类。根据cos距离将相似的嵌入表示归为同一类别。
4. 评估和优化：评估聚类结果的准确性，并根据需要调整聚类算法的参数或选择不同的模型。

需要注意的是，聚类的效果会受到多种因素的影响，包括嵌入表示的质量、聚类算法的选择以及数据集的特性等。因此，在实践中可能需要进行一些调整和优化。

综上所述，使用ModelScope-Funasr结合cos距离进行聚类是完全可行的。通过提取嵌入表示、计算cos距离、应用聚类算法以及评估和优化，您可以实现对语音数据的聚类分析。