NVIDIA Riva 是一款 AI 語音 SDK ，用于開發(fā)實時應(yīng)用程序，如轉(zhuǎn)錄、虛擬助理和聊天機器人。它包括 NGC 中經(jīng)過預訓練的最先進模型、用于在您的領(lǐng)域中微調(diào)模型的 TAO 工具包以及用于高性能推理的優(yōu)化技能。 Riva 使使用 NGC 中的 Riva 容器或使用 Helm chart 在 Kubernetes 上部署模型變得更簡單。 Riva 技能由 NVIDIA TensorRT 提供支持，并通過 NVIDIA Triton 提供服務(wù)推理服務(wù)器。

配置 Riva

在設(shè)置 NVIDIA Riva 之前，請確保您的系統(tǒng)上已安裝以下設(shè)備：

Python ［3 。 6 。 9］

docker ce 》 19 。 03 。 5

nvidia-DOCKR2 3 。 4 。 0-1 ：Installation Guide

如果您按照第 2 部分中的說明進行操作，那么您應(yīng)該已經(jīng)安裝了所有的先決條件。

設(shè)置 Riva 的第一步是到 install the NGC Command Line Interface Tool。

圖 1 。安裝 NGC CLI

要登錄到注冊表，您必須 get access to the NGC API Key。

圖 2 。獲取 NGCAPI 密鑰

設(shè)置好工具后，您現(xiàn)在可以從 NGC 上的Riva Skills Quick Start資源下載 Riva 。要下載該軟件包，可以使用以下命令（最新版本的命令可在前面提到的 Riva 技能快速入門資源中找到）：

下載的軟件包具有以下資產(chǎn)，可幫助您入門：

asr _ lm _工具：這些工具可用于微調(diào)語言模型。

nb _ demo _ speech _ api 。 ipynb ：Riva 的入門筆記本。

Riva _ api-1 。 6 。 0b0-py3-none-any 。 whl和NeMo 2 Riva -1 。 6 。 0b0-py3-none-any 。 whl ：安裝 Riva 的滾輪文件和將 NeMo 模型轉(zhuǎn)換為 Riva 模型的工具。有關(guān)更多信息，請參閱本文后面的Inferencing with your model部分。

快速啟動腳本（ Riva .*. sh ， config 。 sh ）：初始化并運行 Triton 推理服務(wù)器以提供 Riva AI 服務(wù)的腳本。有關(guān)更多信息，請參閱配置 Riva 和部署您的模型。

示例：基于 gRPC 的客戶機代碼示例。

配置 Riva 并部署您的模型

你可能想知道從哪里開始。為了簡化體驗， NVIDIA 通過提供一個配置文件，使用 Riva AI 服務(wù)調(diào)整您可能需要調(diào)整的所有內(nèi)容，從而幫助您使用 Riva 定制部署。對于本演練，您依賴于特定于任務(wù)的 Riva ASR AI 服務(wù)。

對于本演練，我們只討論一些調(diào)整。因為您只使用 ASR ，所以可以安全地禁用 NLP 和 TTS 。

如果您遵循第 2 部分的內(nèi)容，可以將 use _ existing _ rmirs 參數(shù)設(shè)置為 true 。我們將在后面的文章中對此進行詳細討論。

您可以選擇從模型存儲庫下載的預訓練模型，以便在不進行自定義的情況下運行。

如果您在閱讀本系列第 2 部分時有 Riva 模型，請首先將其構(gòu)建為稱為 Riva 模型中間表示（ RMIR ）格式的中間格式。您可以使用 Riva Service Maker 來完成此操作。 ServiceMaker 是一組工具，用于聚合 Riva 部署到目標環(huán)境所需的所有工件（模型、文件、配置和用戶設(shè)置）。

使用riva-build和riva-deploy命令執(zhí)行此操作。有關(guān)更多信息，請參閱Deploying Your Custom Model into Riva。

現(xiàn)在已經(jīng)設(shè)置了模型存儲庫，下一步是部署模型。雖然您可以這樣做manually，但我們建議您在第一次體驗時使用預打包的腳本。快速啟動腳本riva_init.sh和riva_start.sh是可用于使用config.sh中的精確配置部署模型的兩個腳本。

運行riva_init.sh時：

您在config.sh中選擇的模型的 RMIR 文件從指定目錄下的 NGC 下載。

對于每個 RMIR 模型文件，將生成相應(yīng)的 Triton 推理服務(wù)器模型存儲庫。此過程可能需要一些時間，具體取決于所選服務(wù)的數(shù)量和型號。

要使用自定義模型，請將 RMIR 文件復制到config.sh（用于$riva_model_loc）中指定的目錄。要部署模型，請運行riva_start.sh。riva-speech容器將與從所選存儲庫加載到容器的模型一起旋轉(zhuǎn)?，F(xiàn)在，您可以開始發(fā)送推斷請求了。

使用您的模型進行推斷

為了充分利用 NVIDIA GPU s ， Riva 利用了 NVIDIA Triton 推理服務(wù)器和 NVIDIA TensorRT 。在會話設(shè)置中，應(yīng)用程序會優(yōu)化盡可能低的延遲，但為了使用更多的計算資源，必須增加批大小，即同步處理的請求數(shù)，這自然會增加延遲。 NVIDIA Triton 可用于在多個 GPU 上的多個模型上運行多個推理請求，從而緩解此問題。

您可以使用 GRPCAPI 在三個主要步驟中查詢這些模型：導入 LIB 、設(shè)置 gRPC 通道和獲取響應(yīng)。

首先，導入所有依賴項并加載音頻。在這種情況下，您正在從文件中讀取音頻。我們在 examples 文件夾中還有一個流媒體示例。

要安裝所有 Riva 特定依賴項，可以使用包中提供的。 whl 文件。

關(guān)鍵信息

此 API 可用于構(gòu)建應(yīng)用程序。您可以在單個裸機系統(tǒng)上安裝 Riva ，并開始本練習，或者使用 Kubernetes 和提供的Helm chart進行大規(guī)模部署。

圖 3 。 NVIDIA Riva 的典型部署工作流

使用此舵圖，您可以執(zhí)行以下操作：

從 NGC 中提取 Riva 服務(wù) API 服務(wù)器、 Triton 推理服務(wù)器和其他必要的 Docker 映像。

生成 Triton 推理服務(wù)器模型庫，并啟動英偉達 Triton 服務(wù)器，并使用所選配置。

公開要用作 Kubernetes 服務(wù)的推理服務(wù)器和 Riva 服務(wù)器終結(jié)點。

結(jié)論

Riva 是一款用于開發(fā)語音應(yīng)用程序的端到端 GPU 加速 SDK 。在本系列文章中，我們討論了語音識別在行業(yè)中的重要性，介紹了如何在您的領(lǐng)域定制語音識別模型以提供世界級的準確性，并向您展示了如何使用 Riva 部署可實時運行的優(yōu)化服務(wù)。

關(guān)于作者

About Tanay Varshney

Tanay Varshney 是 NVIDIA 的一名深入學習的技術(shù)營銷工程師，負責廣泛的 DL 軟件產(chǎn)品。他擁有紐約大學計算機科學碩士學位，專注于計算機視覺、數(shù)據(jù)可視化和城市分析的橫斷面。

About Sirisha Rella

Sirisha Rella 是 NVIDIA 的技術(shù)產(chǎn)品營銷經(jīng)理，專注于計算機視覺、語音和基于語言的深度學習應(yīng)用。 Sirisha 獲得了密蘇里大學堪薩斯城分校的計算機科學碩士學位，是國家科學基金會大學習中心的研究生助理。

審核編輯：郭婷