Speech

NVIDIA NeMo Speech 是一个面向语音AI研究与开发的可扩展生成式AI框架，专注于自动语音识别（ASR）和文本到语音（TTS）任务。它提供预训练模型、模块化组件、端到端流水线及对流式低延迟推理的支持，基于FastConformer等先进架构，支持多语言、标点恢复、说话人分离与语音翻译等功能。项目深度集成NVIDIA GPU加速与混合精度训练，适用于语音助手、实时字幕、会议转录、无障碍交互等需要高精度与低延迟语音处理的工业级场景。