自动语音识别进阶，怎么少得了边缘计算 ｜ Q推荐

随着世界变得越来越数字化，会话式人工智能成为了实现人与计算机交互的一种常见方式。而 Nemo 正是为对「对话式人工智能」感到好奇的开发者而打造，它是基于 PyTorch 的开源工具包，允许开发者快速构建实时自动语音识别（ASR）、自然语言处理（NLP）和文本到语音（TTS）应用程序的模型。对话式 AI 塑造了人机交互的路径，使其更易于访问，且有助于弥合机器与人类之间的鸿沟。

此前绝大部分 AI 依赖云端实现，因为云端有更丰富的算力、GPU 资源、机器学习平台等。随着 AI 芯片和边缘算力的不断发展，边缘智能（Edge Intelligence，EI）已成为未来的趋势，越来越多的人选择在“边缘计算设备端”部署 AI。

NVIDIA Jetson Nano 自 2019 年问世后，便在全球 AIOT 边缘计算应用领域掀起一阵狂潮，更在边缘人工智能与视觉联盟（Edge AI and Vision Alliance）公布的 2020 年度最佳视觉产品奖名单中荣膺“最佳 AI 处理器”。

那么，如何在 Jetson Nano 上部署 Nemo 训练的自动语音模型？在 Jetson Nano 上玩转 Nemo?

NVIDIA 联合 InfoQ，为广大有高性能计算和人工智能开发需求的开发者提供一系列 AI 开发相关的在线培训课程，从理论到实践，打破门槛，带你快速上手。

上一期，NVIDIA 开发者社区经理李奕澎通过介绍 ASR 的工作流程和系统架构、详解 ASR 预训练模型 Quartznet 等内容将观众引领入门，学习使用 Nemo 快速完成自动语音识别中迁移学习的任务。

2021 年 4 月 28 日 20 点 - 21 点 30 分，李奕澎将为大家带来公开课第五期——快速实现 ASR 在边缘计算设备上的应用。

本次在线研讨会主要针对有语音语义和人工智能开发需求的开发者，通过本次在线研讨会，你可以获得以下内容：

• Jetson Nano 及对话式 AI 工具包 NeMo 的介绍
• 学习搭建 NeMo 安装的前置环境
• Nemo 在 Jetson Nano 上的安装攻略
• Nemo 在 Jetson Nano 上完成中文语音识别任务
• 将训练好的模型部署在 Jetson Nano 上进行推理