
大規模言語モデル・マルチモーダル・音声AI(自動音声認識とテキスト読み上げ)に取り組む研究者・開発者向けに構築された、スケーラブルな生成AIフレームワーク。
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
19,000
±0 (10月13日〜)
最終コミット
2026年11月
GitHub での作成日
2019年8月5日
掲載日
—
ページ作成時から掲載
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 19,000 |
| 2026年10月 | 19,000 |
| 2026年11月 | 19,000 |
各月の最後のスナップショット。Star 数は 1,000 以上では 100 単位に丸められています。
PyPI での利用
PyPI パッケージ: nemo-toolkit · 2026年10月までの月間値(ClickPy)
直近1年のダウンロード数
9,674,639
日本からの割合(直近1年)
0.5%
依存している PyPI パッケージ
69
うち必須の依存 40
PyPI の月間ダウンロード数
数値を表で見る
| 月 | ダウンロード数(月) |
|---|---|
| 2019年1月 | — |
| 2019年2月 | — |
| 2019年3月 | — |
| 2019年4月 | — |
| 2019年5月 | — |
| 2019年6月 | — |
| 2019年7月 | — |
| 2019年8月 | — |
| 2019年9月 | 463 |
| 2019年10月 | 311 |
| 2019年11月 | 1,330 |
| 2019年12月 | 1,282 |
| 2020年1月 | 870 |
| 2020年2月 | 1,121 |
| 2020年3月 | 6,349 |
| 2020年4月 | 3,199 |
| 2020年5月 | 2,917 |
| 2020年6月 | 6,935 |
| 2020年7月 | 4,730 |
| 2020年8月 | 8,788 |
| 2020年9月 | 8,297 |
| 2020年10月 | 8,228 |
| 2020年11月 | 7,569 |
| 2020年12月 | 5,335 |
| 2021年1月 | 4,817 |
| 2021年2月 | 5,564 |
| 2021年3月 | 7,649 |
| 2021年4月 | 8,500 |
| 2021年5月 | 7,941 |
| 2021年6月 | 9,307 |
| 2021年7月 | 8,322 |
| 2021年8月 | 6,516 |
| 2021年9月 | 6,262 |
| 2021年10月 | 7,174 |
| 2021年11月 | 8,181 |
| 2021年12月 | 9,799 |
| 2022年1月 | 12,377 |
| 2022年2月 | 15,457 |
| 2022年3月 | 20,969 |
| 2022年4月 | 19,751 |
| 2022年5月 | 21,196 |
| 2022年6月 | 20,634 |
| 2022年7月 | 18,983 |
| 2022年8月 | 20,650 |
| 2022年9月 | 16,959 |
| 2022年10月 | 19,004 |
| 2022年11月 | 17,496 |
| 2022年12月 | 21,329 |
| 2023年1月 | 24,996 |
| 2023年2月 | 23,683 |
| 2023年3月 | 33,791 |
| 2023年4月 | 38,053 |
| 2023年5月 | 45,748 |
| 2023年6月 | 38,384 |
| 2023年7月 | 38,934 |
| 2023年8月 | 43,612 |
| 2023年9月 | 44,014 |
| 2023年10月 | 41,639 |
| 2023年11月 | 40,200 |
| 2023年12月 | 37,292 |
| 2024年1月 | 48,697 |
| 2024年2月 | 56,886 |
| 2024年3月 | 60,471 |
| 2024年4月 | 57,778 |
| 2024年5月 | 51,823 |
| 2024年6月 | 51,301 |
| 2024年7月 | 59,641 |
| 2024年8月 | 83,581 |
| 2024年9月 | 119,466 |
| 2024年10月 | 111,477 |
| 2024年11月 | 207,221 |
| 2024年12月 | 112,777 |
| 2025年1月 | 118,226 |
| 2025年2月 | 72,657 |
| 2025年3月 | 189,498 |
| 2025年4月 | 266,299 |
| 2025年5月 | 224,557 |
| 2025年6月 | 311,205 |
| 2025年7月 | 294,985 |
| 2025年8月 | 338,298 |
| 2025年9月 | 456,413 |
| 2025年10月 | 811,009 |
| 2025年11月 | 713,447 |
| 2025年12月 | 662,266 |
| 2026年1月 | 688,947 |
| 2026年2月 | 622,595 |
| 2026年3月 | 773,395 |
| 2026年4月 | 789,780 |
| 2026年5月 | 936,365 |
| 2026年6月 | 1,030,899 |
| 2026年7月 | 1,538,107 |
| 2026年8月 | 919,150 |
| 2026年9月 | 489,290 |
| 2026年10月 | 510,398 |
同じカテゴリで人気のリソース
whisperopenai110k大規模弱教師あり学習によるロバストな音声認識。
sherpa-onnxk2-fsa15k次世代 Kaldi と onnxruntime を用いた、インターネット接続不要の音声認識・音声合成・話者分離・音声強調・音源分離・VAD。組み込みシステム、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64サーバー、WebSocketサーバー/クライアントに対応し、12のプログラミング言語をサポート。
moonshinemoonshine-ai11k音声エージェントやインターフェースの構築に向けた、超低遅延の音声認識・意図認識・音声合成。
FluidAudioFluidInference3kアプリに組み込める最先端の CoreML 音声モデル ── 音声合成、音声認識、発話区間検出、話者分離。Swift 製で、最先端のオープンソースを活用。
CrispASRCrispStrobe732多言語の音声認識・音声合成モデル向けの C++(ggml)ランタイムハブ:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 など、さらに汎用の強制アラインメントなども提供。
whisper.cppggml-org54kOpenAI の Whisper モデルの C/C++ 移植版。
研究分野が近いリソース
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506kLiquidAI の LFM 2.5‑Audio 1.5B JP モデルの量子化 GGUF バージョン(言語、オーディオエンコーダー、およびボコーダー重み:F32/F16/Q8_0/Q4_0)と、llama.cpp を使用した ASR と TTS の CLI/Server ランナー。HF モデル共通: 音声認識・音声合成
mlx-audioNeywa-Labs8kApple の MLX フレームワーク上に構築された音声合成(TTS)・音声認識(STT)・音声変換(STS)ライブラリで、Apple Silicon 上で効率的な音声解析を実現。共通: 音声認識・音声合成- kana-whispersbintuitions42kWhisper large‑v3‑turboをファインチューニングしたモデルで、日本語音声をカタカナに文字起こしするASRコンポーネントとして、Sarashina2.2‑TTSプロジェクト内のJoyo Kanji Yomi Benchmarkに使用され、Kana CER Usage With Transformersパイプラインを動かします。HF モデル共通: 音声認識・音声合成
Step-Audio-EditXstepfun-ai980強力な30億パラメータのLLMベース強化学習音声編集モデルで、感情・話し方・パラ言語情報の編集に優れ、堅牢なゼロショット音声合成機能も備える。共通: 音声合成・大規模言語モデル(LLM)