重要提示

您正在查看 NeMo 2.0 文档。此版本对 API 和一个新库 NeMo Run 进行了重大更改。我们目前正在将 NeMo 1.0 的所有功能移植到 2.0。有关先前版本或 2.0 中尚不可用的功能的文档，请参阅 NeMo 24.07 文档。

教程

开始使用 NeMo 的最佳方式是从我们的教程之一开始。这些教程涵盖了各个领域，并提供入门和高级主题。它们旨在帮助您有效理解和使用 NeMo 工具包。

在 Colab 上运行教程

大多数 NeMo 教程都可以在 Google Colab 上运行。

运行教程：

1. 从下表中，点击您感兴趣的教程关联的 Colab 链接。

2. 进入 Colab 后，通过点击 Runtime > Change runtime type 并选择 GPU 作为硬件加速器，连接到具有 GPU 的实例。

教程概述

通用教程

领域	标题	GitHub URL
通用	入门指南：NeMo 基础知识	NeMo 基础知识
通用	入门指南：音频翻译器示例	音频翻译器示例
通用	入门指南：声音交换示例	声音交换示例
通用	入门指南：NeMo 模型	NeMo 模型
通用	入门指南：NeMo 适配器	NeMo 适配器
通用	入门指南：Hugging Face Hub 上的 NeMo 模型	HF Hub 上的 NeMo 模型

多模态教程

领域	标题	GitHub URL
多模态	准备和高级应用：多模态数据准备	多模态数据准备
多模态	准备和高级应用：NeVA (LLaVA) 教程	NeVA (LLaVA) 教程
多模态	准备和高级应用：Stable Diffusion 教程	Stable Diffusion 教程
多模态	准备和高级应用：DreamBooth 教程	DreamBooth 教程
多模态	准备和高级应用：Stable Diffusion XL 量化教程	SDXL 量化教程

自动语音识别 (ASR) 教程

领域	标题	GitHub URL
ASR	使用 NeMo 的 ASR	使用 NeMo 的 ASR
ASR	使用子词分词的 ASR	使用子词分词的 ASR
ASR	离线 ASR	离线 ASR
ASR	在线 ASR 麦克风缓存感知流式传输	在线 ASR 麦克风缓存感知流式传输
ASR	在线 ASR 麦克风缓冲流式传输	在线 ASR 麦克风缓冲流式传输
ASR	ASR CTC 语言微调	ASR CTC 语言微调
ASR	Transducers 简介	Transducers 简介
ASR	使用 Transducers 的 ASR	使用 Transducers 的 ASR
ASR	使用适配器的 ASR	使用适配器的 ASR
ASR	语音命令	语音命令
ASR	在线离线麦克风语音命令	在线离线麦克风语音命令
ASR	语音活动检测	语音活动检测
ASR	在线离线麦克风 VAD	在线离线麦克风 VAD
ASR	说话人识别和验证	说话人识别和验证
ASR	说话人日志推理	说话人日志推理
ASR	带有说话人日志的 ASR	带有说话人日志的 ASR
ASR	在线噪声增强	在线噪声增强
ASR	用于电话语音的 ASR	用于电话语音的 ASR
ASR	流式推理	流式推理
ASR	缓冲 Transducer 推理	缓冲 Transducer 推理
ASR	带有 LCS 合并的缓冲 Transducer 推理	带有 LCS 合并的缓冲 Transducer 推理
ASR	带有 VAD 的离线 ASR 用于 CTC 模型	带有 VAD 的离线 ASR 用于 CTC 模型
ASR	用于 ASR 的自监督预训练	用于 ASR 的自监督预训练
ASR	多语言 ASR	多语言 ASR
ASR	混合 ASR-TTS 模型	混合 ASR-TTS 模型
ASR	ASR 置信度估计	ASR 置信度估计
ASR	基于置信度的集成	基于置信度的集成

文本到语音 (TTS) 教程

领域	标题	GitHub URL
TTS	基础和高级：NeMo TTS 入门	NeMo TTS 入门
TTS	基础和高级：TTS 语音/文本对齐器推理	TTS 语音/文本对齐器推理
TTS	基础和高级：FastPitch 和 MixerTTS 模型训练	FastPitch 和 MixerTTS 模型训练
TTS	基础和高级：FastPitch 微调	FastPitch 微调
TTS	基础和高级：用于德语的 FastPitch 和 HiFiGAN 模型训练	用于德语的 FastPitch 和 HiFiGAN 模型训练
TTS	基础和高级：Tacotron2 模型训练	Tacotron2 模型训练
TTS	基础和高级：FastPitch 持续时间和音调控制	FastPitch 持续时间和音调控制
TTS	基础和高级：FastPitch 说话人插值	FastPitch 说话人插值
TTS	基础和高级：TTS 推理和模型选择	TTS 推理和模型选择
TTS	基础和高级：TTS 发音自定义	TTS 发音自定义

工具和实用程序

领域	标题	GitHub URL
实用工具	用于语音和文本的实用工具：NeMo 强制对齐器	NeMo 强制对齐器
实用工具	用于语音和文本的实用工具：语音数据浏览器	语音数据浏览器
实用工具	用于语音和文本的实用工具：CTC 分割	CTC 分割

文本处理 (TN/ITN) 教程

领域	标题	GitHub URL
文本处理	文本规范化技术：文本规范化	文本规范化
文本处理	文本规范化技术：使用 Thutmose Tagger 的逆文本规范化	使用 Thutmose Tagger 的逆文本规范化
文本处理	文本规范化技术：WFST 教程	WFST 教程