想要通过ModelScope上的FunASR支持实时的语音识别，您可以按照以下步骤进行操作：
1. 环境准备：
确保您的开发环境已准备好，通常需要Python环境以及必要的依赖库。您可以通过查看FunASR项目的GitHub仓库获取详细的安装指南，包括Python版本要求和依赖库安装命令。
2. 模型获取：
从ModelScope下载合适的实时语音识别模型。在FunASR的使用中，通常需要指定模型ID来从ModelScope下载对应的工业级语音识别模型。可以通过命令行工具或项目文档中提供的方法来完成模型的下载和配置。
3. 配置与设置：
根据项目文档，配置您的应用以使用实时语音识别功能。这可能包括设置录音设备、指定模型路径、配置识别参数（如采样率、语言模型等）。
4. 实时语音输入：
利用FunASR提供的接口或Demo，选择“麦克风”作为录音模式。这将允许您通过麦克风实时输入语音，FunASR将立即处理这些语音数据并转换成文字。
5. 处理结果：
实时接收并处理识别结果。识别的结果通常会通过回调函数或事件驱动的方式返回，您需要编写逻辑来处理这些识别出的文字，比如显示在界面上、保存到数据库或用于进一步的自然语言处理。
6. 性能优化与调试：
根据实际应用场景，可能需要对系统进行性能优化，特别是在高并发或对实时性要求极高的情况下。这可能涉及调整系统资源分配、优化网络延迟、选择合适的模型版本等。
7. 错误处理与日志记录：
实施错误处理逻辑，确保在遇到识别失败、网络中断等问题时能够妥善处理，并记录日志以便于后续分析和调试。
8. 安全性与隐私：
考虑到语音数据的敏感性，确保在传输和处理过程中采取必要的加密措施，遵守相关的数据保护法规。
通过以上步骤，您就能够基于ModelScope-FunASR实现一个实时的语音识别应用。记得随时查阅最新的项目文档和社区讨论，以获取最新的技术支持和最佳实践。