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
- Zero 下一代 IVM 引擎塞进单个 DO，实时查询 R2 上 100GiB 数据库 — threepointone · 2026-10-16
- Aziz 梗图开玩：2028 年自己开 Roadster 去芯片工厂提货 — beffjezos · 2026-10-16
- 一个人维护 40 亿台设备的时钟：时区数据库背后的志愿者 — danbri · 2026-10-16
- 4x DGX Spark 跑 DeepSeek V4.1 Flash 实测：内存根本不够，494 t/s 有水分 — Aroochacha · 2026-10-16
- 开发者开源 Intel GPU Vulkan 推理升级:部分路径摄取提速 2 倍 — Fun-Aardvark-1143 · 2026-10-16
- ELSFP 光封装三大痛点：插损超 3dB、PMF 贵且难装、洁净间要求高 — jwt0625 · 2026-10-16