diff --git "a/source/_posts/\346\212\200\346\234\257\346\226\207\347\253\240/\345\273\272\346\234\250\347\244\276\345\214\272\345\212\251\344\275\240\347\216\251\350\275\254NeMo.md" "b/source/_posts/\346\212\200\346\234\257\346\226\207\347\253\240/\345\273\272\346\234\250\347\244\276\345\214\272\345\212\251\344\275\240\347\216\251\350\275\254NeMo.md"
index c81462bd5c9bade7407f38833164b81597693ddf..9f82dc7e2adf8588e273a04fc0383d82f42a2a17 100644
--- "a/source/_posts/\346\212\200\346\234\257\346\226\207\347\253\240/\345\273\272\346\234\250\347\244\276\345\214\272\345\212\251\344\275\240\347\216\251\350\275\254NeMo.md"
+++ "b/source/_posts/\346\212\200\346\234\257\346\226\207\347\253\240/\345\273\272\346\234\250\347\244\276\345\214\272\345\212\251\344\275\240\347\216\251\350\275\254NeMo.md"
@@ -9,11 +9,11 @@ author: 邵嘉诚
 ---
 在发布 ChatGLM 镜像及部署节点后，我们收到了许多用户的反馈，他们希望了解更多关于如何搭建会话 AI 模型平台。为了满足这些需求，我们决定提供一个流行的工具包——NVIDIA NeMo 的镜像及部署节点，以便于用户能更快上手并开始使用 NeMo。
 ### 什么是NeMo?
-NVIDIA NeMo 是一个用于构建会话 AI 的工具包，它可以帮助研究人员在自动语音识别（ASR）、文本到语音合成（TTS）、大型语言模型（LLMs）和自然语言处理（NLP）等领域进行工作，主要目的是帮助来自工业界和学术界的研究人员重用以前的工作（代码和预训练模型），并使创建新的会话 AI 模型变得更加容易。    
+NVIDIA NeMo 是一个用于构建会话 AI 的工具包，它可以帮助研究人员在自动语音识别（ASR）、文本到语音合成（TTS）、大型语言模型（LLMs）和自然语言处理（NLP）等领域进行工作，主要目的是帮助来自工业界和学术界的研究人员重用以前的工作（代码和预训练模型），并使创建新的会话 AI 模型变得更加容易。
 
 ### 如何部署？
-![](/assets/技术文章/建木社区助你玩转NeMo/image.png)  
-最新nemo镜像已上传至jianmuhub，地址为https://res.jianmuhub.com/image/autoops/nemo  
+![](/assets/技术文章/建木社区助你玩转NeMo/image.png)
+最新NeMo镜像已上传至jianmuhub，地址为https://res.jianmuhub.com/image/autoops/nemo
 
 使用方法如下
 ```bash
@@ -26,14 +26,35 @@ docker run --gpus all -d --runtime=nvidia --shm-size=8g \
 # 3.启动后，可通过浏览器http://localhost:8888访问jupyter界面
 ```
 
+部署完成后，就可以得到一个预装NeMo的jupyterLab环境，登陆后如下：
+![](/assets/技术文章/建木社区助你玩转NeMo/jupyterLab.png)
+
+
 ### 如何通过建木节点部署？
-![](/assets/技术文章/建木社区助你玩转NeMo/node.png)  
+![](/assets/技术文章/建木社区助你玩转NeMo/node.png)
 NeMo部署节点在建木hub的地址：https://jianmuhub.com/autoops/nemo_deploy
 
-该节点可在指定IP的Linux服务上远程部署NeMo并启动jupyter服务，默认指定容器共享内存大小为8g，内存无限制，堆栈大小为64mb，可根据实际配置自行修改。部署要求服务器已安装docker，nvidia驱动及nvidia容器运行时，具体要求参照节点仓库readme。    
+该节点可在指定IP的Linux服务上远程部署NeMo并启动jupyter服务，默认指定容器共享内存大小为8g，内存无限制，堆栈大小为64mb，可根据实际配置自行修改。部署要求服务器已安装docker，nvidia驱动及nvidia容器运行时，具体要求参照节点仓库readme。
+
+部署过程中遇到任何问题，欢迎开issue或者加入建木社区用户群交流。
+
+### 如何使用NeMo
+部署完成后，即可通过NeMo调用会话AI的相关模型，这里提供一个调用asr模型进行音频转文字的样例，代码如下：
+```
+import nemo.collections.asr as nemo_asr
 
+asr_model = nemo_asr.models.EncDecCTCModel.from_pretrained(model_name="stt_zh_citrinet_1024_gamma_0_25").cuda()
 
-使用过程中遇到任何问题，欢迎开issue或者加入建木社区用户群交流。
+!wget 'https://nemo-public.s3.us-east-2.amazonaws.com/zh-samples/common_voice_zh-CN_21347786.mp3'
+audio_sample = 'common_voice_zh-CN_21347786.mp3'
+transcribed_text = asr_model.transcribe([audio_sample])
+print(transcribed_text)
+```
+
+执行结果如下：
+```
+['我们尽了最大努力']
+```
 
 ### 最后
 本次分享内容介绍到这就结束啦！未来，建木社区将更加努力地推进大模型对话技术的发展，为用户提供更加优质的服务。
diff --git "a/source/assets/\346\212\200\346\234\257\346\226\207\347\253\240/\345\273\272\346\234\250\347\244\276\345\214\272\345\212\251\344\275\240\347\216\251\350\275\254NeMo/jupyterLab.png" "b/source/assets/\346\212\200\346\234\257\346\226\207\347\253\240/\345\273\272\346\234\250\347\244\276\345\214\272\345\212\251\344\275\240\347\216\251\350\275\254NeMo/jupyterLab.png"
new file mode 100644
index 0000000000000000000000000000000000000000..b63b6b8777e389a99a6775cab5e12d09c1b8a301
Binary files /dev/null and "b/source/assets/\346\212\200\346\234\257\346\226\207\347\253\240/\345\273\272\346\234\250\347\244\276\345\214\272\345\212\251\344\275\240\347\216\251\350\275\254NeMo/jupyterLab.png" differ