
为从事大语言模型、多模态与语音 AI(自动语音识别与文字转语音)研究和开发的人员打造的可扩展生成式 AI 框架。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
19,000
±0 (10月13日〜)
最后提交
2026年11月
GitHub 创建日期
2019年8月5日
收录日
—
自页面创建时收录
Star 数变化
以表格显示
| 月份 | 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 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
在 PyPI 上的使用
PyPI 包:nemo-toolkit · 截至 2026年10月 的月度数值(ClickPy)
近一年下载量
9,674,639
来自日本的比例(近一年)
0.5%
依赖它的 PyPI 包
69
其中必需依赖 40
PyPI 月度下载量
以表格显示
| 月份 | 下载量(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 |
同分类的热门资源
whisperopenai110k通过大规模弱监督实现的鲁棒语音识别。
sherpa-onnxk2-fsa15k基于新一代 Kaldi 与 onnxruntime、无需联网的语音识别、语音合成、说话人分离、语音增强、声源分离与 VAD。支持嵌入式系统、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64 服务器、WebSocket 服务端/客户端,并支持12种编程语言。
moonshinemoonshine-ai11k面向构建语音代理与界面的超低延迟语音转文字、意图识别与文字转语音。
FluidAudioFluidInference3k可嵌入应用的前沿 CoreML 音频模型 —— 语音合成、语音识别、语音活动检测与说话人分离。基于 Swift,采用 SOTA 开源技术。
CrispASRCrispStrobe732面向多语言语音识别与语音合成模型的 C++(ggml)运行时中心:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等,另提供通用强制对齐等功能。
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。
研究领域相近的资源
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506kLiquidAI 的 LFM 2.5‑Audio 1.5B JP 模型的量化 GGUF 版本,包括语言、音频编码器和声码器权重(F32/F16/Q8_0/Q4_0),以及使用 llama.cpp 的 ASR 和 TTS CLI/Server 运行器。HF 模型共同: 语音识别・语音合成
mlx-audioNeywa-Labs8k基于 Apple MLX 框架构建的语音合成(TTS)、语音识别(STT)与语音转换(STS)库,在 Apple Silicon 上提供高效的语音分析。共同: 语音识别・语音合成- kana-whispersbintuitions42k一个经过微调的 Whisper large‑v3‑turbo 模型,用于将日语语音转录为片假名,作为 Sarashina2.2‑TTS 项目中 Joyo Kanji Yomi Benchmark 的 ASR 组件,并驱动 Kana CER Usage With Transformers 管道。HF 模型共同: 语音识别・语音合成
Step-Audio-EditXstepfun-ai980一个强大的30亿参数、基于大语言模型的强化学习音频编辑模型,擅长编辑情感、说话风格与副语言特征,并具备稳健的零样本语音合成能力。共同: 语音合成・大语言模型