NVIDIA-NeMo/Speech

Что это?

Ключевые возможности

• 01Модели автоматического распознавания речи, в том числе для потоковой обработки и офлайн-режима
• 02Модели синтеза речи с поддержкой нескольких языков
• 03Речевые LLM и модели голосового общения с полнодуплексной связью
• 04Предобученные чекпойнты, опубликованные на Hugging Face
• 05Установка через uv, Docker или pip в существующей среде PyTorch

Сценарии использования

• Создание или дообучение системы распознавания речи для конкретного языка или предметной области
• Развёртывание потоковой транскрибации с низкой задержкой на GPU NVIDIA
• Создание мультиязычных голосов для синтеза речи в приложениях
• Исследование речевых LLM и разговорных голосовых агентов

Быстрый старт

1. 1

   Клонируйте репозиторий

   git clone https://github.com/NVIDIA-NeMo/Speech.git
2. 2

   Перейдите в каталог проекта

   cd Speech
3. 3

   Установите поддерживаемый стек с помощью uv (CUDA 13.x)

   uv sync --extra all --extra cu13
4. 4

   Или установите пакет с помощью pip в существующую среду PyTorch

   uv pip install 'nemo-toolkit[asr,tts]'

Что важно знать

• !Для обучения требуется GPU NVIDIA с поддержкой CUDA.
• !Требуются Python 3.12 или новее и PyTorch 2.7 или новее.

Темы

Частые вопросы

Что такое Speech?

Открытый инструментарий NVIDIA для создания, дообучения и развёртывания моделей речевого ИИ: распознавания речи (ASR), синтеза речи (TTS) и речевых LLM. NeMo Speech — фреймворк NVIDIA на базе PyTorch для исследователей и разработчиков, работающих с речевыми моделями. Он охватывает автоматическое распознавание речи, синтез речи и речевые LLM и помогает создавать, настраивать и развёртывать модели, используя существующий код и предобученные чекпойнты.

Speech можно использовать бесплатно? Какая у него лицензия?

Speech распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.

Speech всё ещё поддерживается?

Активно поддерживается. Последний коммит в Speech — 20 окт. 2026 г..

Для чего можно использовать Speech?

Создание или дообучение системы распознавания речи для конкретного языка или предметной области Развёртывание потоковой транскрибации с низкой задержкой на GPU NVIDIA Создание мультиязычных голосов для синтеза речи в приложениях Исследование речевых LLM и разговорных голосовых агентов

Как установить Speech?

Клонируйте репозиторий: git clone https://github.com/NVIDIA-NeMo/Speech.git Перейдите в каталог проекта: cd Speech Установите поддерживаемый стек с помощью uv (CUDA 13.x): uv sync --extra all --extra cu13 Или установите пакет с помощью pip в существующую среду PyTorch: uv pip install 'nemo-toolkit[asr,tts]'

Где скачать Speech?

Исходный код и инструкции по установке — на GitHub: https://github.com/NVIDIA-NeMo/Speech