NeMo

NVIDIA NeMo 是一个面向语音与大语言模型研究的可扩展生成式AI框架，支持自动语音识别（ASR）、文本转语音（TTS）、说话人日志、语音翻译等任务。其核心特点包括模块化设计、预训练模型库（如Nemotron-Speech、Parakeet）、流式与离线推理统一架构，以及对多语言、低延迟场景的深度优化。项目基于PyTorch构建，提供端到端训练与部署工具链，适用于语音AI研发、智能客服、实时会议转录、语音助手等需要高精度、低延迟语音处理能力的工业级应用场景。