NVIDIA 开源全套本地语音栈：ASR、TTS 与编解码器皆可量化部署
ImaginaryRea1ity · reddit · 2026-08-07
NVIDIA 开源了其完整的语音技术栈，支持通过 NeMo-Speech.cpp 在本地设备上运行。
- 语音识别 (ASR)：包含 Nemotron-3.5 ASR Streaming、Parakeet CTC 1.1B 和 Parakeet TDT 0.6B v3。
- 语音合成 (TTS)：包含支持多语言的 Magpie-TTS Multilingual 以及 Nemotron Speech Streaming EN 0.6B。
- 音频编解码：发布了合并版本的 NanoCodec。
这些模型均支持量化为 GGUF 格式，方便开发者在端侧进行高效部署。
「Infra」频道最新
- 马斯克超级工厂 Terafab 尺寸惊人：面积超五角大楼数倍 — beffjezos · 2026-08-07
- DARPA 启动 ScAN 计划：研发模拟神经网络以突破算力瓶颈 — inductionheads · 2026-08-07
- 双 3090 部署 Qwen 实测：修改切分模式让处理速度飙升 4 倍 — DjCanalex · 2026-08-07
- RTX 5090跑翻译要40天？开发者求助高效小模型方案 — a9udn9u · 2026-08-07
- 本地跑 AI 模型致显卡高温，用户求助散热方案 — Inner_West_4997 · 2026-08-07
- 麦当劳薯条供应商如何意外成为美国 DRAM 芯片的救星 — DynamicWebPaige · 2026-08-07