前几天看到一篇文章 使用 Nvidia Nemo —— 3行代码快速实现语音转文字的应用，感觉还不错，就实践了一下

Nemo 是一个集成自动语音识别（ASR），自然语言处理（NLP），语音合成（TTS)的对话式AI工具包。

首先，找到Github NVIDIA/NeMo，README里介绍了各种部署方法，实践中我选了docker部署

docker部署

值得一提的是NeMo代码中有Dockerfile文件，并且官方也给出了build命令：DOCKER_BUILDKIT=1 docker build -f Dockerfile -t nemo:latest .，不过大概率你是执行不成功的1️⃣，推荐直接用官方镜像

如果只是要运行视频中演示的代码，没有nvidia显卡也可以，如下

docker run -it --rm -v --shm-size=16g -p 8888:8888 -p 6006:6006 --ulimit memlock=-1 --ulimit stack=67108864 nvcr.io/nvidia/nemo:22.03

使用

进入容器后，执行./start-jupyter.sh，会在本地8888端口启动jupyter，通过浏览器访问http://localhost:8888/，要填token，token在控制台可以看到

视频中的代码

import nemo

# 语言转文字
import nemo.collections.asr as nemo_asr

citrinet = nemo_asr.models.EncDecCTCModel.from_pretrained(model_name="stt_zh_citrinet_512")
mandarin_text=citrinet.transcribe(paths2audio_files=["/workspace/nemo/test.wav"])
print(mandarin_text)

# 文字转语音
import nemo.collections.nlp as nemo_nlp

nmt_model = nemo_nlp.models.MTEncDecModel.from_pretrained(model_name="nmt_zh_en_transformer6x6")
nmt_model.translate(mandarin_text)

代码可以保存为.py文件在容器内执行，也可以通过jupyter在线执行

代码中用到的两个模型无需手动下载，程序会自动下载并加载

关于docker使用GPU

硬件要求

只能使用支持 cuda 的 nvidia 显卡，其他不行😭

支持cuda 的显卡列表

macOS10.12（Sierra）之后的macOS不能使用NVIDIA显卡，不论外置内置。

早在2016年，MacBook Pro就不在使用Nvidia GPU了

软件

docker使用GPU

问题

1️⃣

你可能遇到

1. archive.ubuntu.com下面的包请求失败

尝试修改Dockerfile

RUN sed -i'' 's/archive\.ubuntu\.com/us\.archive\.ubuntu\.com/' /etc/apt/sources.list

结果不行，直接修改源

#清华的源
ADD sources.list /etc/apt

结果通过

2. github clone失败

build过程中大概要clone 3个库，耗时长，并且很容易失败，挂代理也不行

可行的办法

下载Nemo的某个版本，提交到自己的github账号下

还原Dockerfile，然后只把k2相关的注释掉（会报错，暂时无解）

然后通过阿里云的容器镜像服务，在线构建镜像(记得要选择海外机)，可以顺利构建出一个7G多的镜像