#NeMo

NVIDIA提供的生成式AI示例，使用CUDA-X软件栈和NVIDIA GPU，展示快速部署、测试和扩展AI模型的方法。包括最新的RAG管道构建技巧、实验性示例和企业应用，支持本地和远程推理，集成流行LLM编程框架，并附有详细开发文档。

parakeet-tdt_ctc-1.1b提供了一个功能强大的语音识别模型，支持将语音转录为包含标点和大写字母的文本。由NVIDIA NeMo和Suno.ai团队联合开发，拥有1.1B的参数规模，能够高效地处理大规模的音频数据。该模型利用局部注意力和全局令牌技术实现单次处理11小时音频。其在多个公开数据集上的出色表现，表明其在语音转录应用中有广泛的适用性和较低的词错误率（WER）。

parakeet-rnnt-0.6b是NVIDIA NeMo和Suno.ai联合开发的英语语音识别模型。采用FastConformer Transducer架构，拥有约6亿参数。在LibriSpeech测试集上错误率仅1.63%，多个数据集上表现优异。支持16kHz单声道音频输入，可通过NeMo工具包使用，适用于多种语音转文本场景。

mistral-nemo-instruct-2407-awq是Mistral-Nemo-Instruct-2407模型的AWQ量化版本。这个项目通过使用AWQ（Activation-aware Weight Quantization）技术，在保持原有模型性能的基础上，显著降低了模型大小和计算资源需求。该模型适用于各类自然语言处理任务，为开发者和研究人员提供了一个优化的大规模语言模型选择。

parakeet-ctc-1.1b是由NVIDIA NeMo和Suno.ai团队开发的ASR模型，采用FastConformer架构，参数量约11亿。该模型适用于16kHz单声道音频，可以转录语音为小写英文。经过多数据集测试，字错率表现优异，如LibriSpeech clean数据集WER为1.83。利用NVIDIA NeMo工具包，该模型可用于推理或微调，适合多领域音频转录。

提供预训练的乌兹别克语说话人验证模型，适合语音识别任务，支持NeMo工具包中的推理和微调。模型经过大量语音数据训练，在标准语音识别中表现良好，适用于学术研究和商业应用。