Speech

NVIDIA NeMo Speech 是专为语音研究与 PyTorch 开发者打造的开源工具包，专注于语音识别 (ASR)、语音合成 (TTS) 和语音大语言模型 (Speech LLM)。它基于 PyTorch 构建，旨在帮助用户高效创建、定制并部署语音 AI 模型。NeMo Speech 提供丰富的预训练模型（如 Nemotron 和 MagpieTTS），支持极低延迟的流式推理与多语言处理，并与 NVIDIA GPU 生态深度集成以实现高性能加速。

• 语音识别与合成 (ASR & TTS)
• 语音大语言模型 (Speech LLM) 研发
• 低延迟流式推理能力
• 多语言与多模态支持
• NVIDIA GPU 与 CUDA 深度加速