
為從事大型語言模型、多模態與語音 AI(自動語音辨識與文字轉語音)研究和開發的人員打造的可擴充生成式 AI 框架。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
19,000
±0 (10月13日〜)
最後提交
2026年11月
GitHub 建立日期
2019年8月5日
收錄日
—
自頁面建立時收錄
Star 數變化
以表格顯示
| 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 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
在 PyPI 上的使用
PyPI 套件:nemo-toolkit · 至 2026年10月 的每月數值(ClickPy)
近一年下載數
9,674,639
來自日本的比例(近一年)
0.5%
依賴它的 PyPI 套件
69
其中必要依賴 40
PyPI 每月下載數
以表格顯示
| 月份 | 下載數(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 |
同分類的熱門資源
whisperopenai110k透過大規模弱監督實現的穩健語音辨識。
sherpa-onnxk2-fsa15k基於新一代 Kaldi 與 onnxruntime、無需連網的語音辨識、語音合成、說話者分離、語音增強、聲源分離與 VAD。支援嵌入式系統、Android、iOS、HarmonyOS、Raspberry Pi、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64 伺服器、WebSocket 伺服端/用戶端,並支援12種程式語言。
moonshinemoonshine-ai11k面向建構語音代理與介面的超低延遲語音轉文字、意圖識別與文字轉語音。
FluidAudioFluidInference3k可嵌入應用程式的前沿 CoreML 音訊模型 —— 語音合成、語音辨識、語音活動偵測與說話者分離。基於 Swift,採用 SOTA 開源技術。
CrispASRCrispStrobe732面向多語言語音辨識與語音合成模型的 C++(ggml)執行環境中心:Cohere Transcribe、Parakeet TDT、Voxtral、Canary 1B v2 等,另提供通用強制對齊等功能。
whisper.cppggml-org54kOpenAI Whisper 模型的 C/C++ 移植版。
研究領域相近的資源
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506k量化 GGUF 版本的 LiquidAI LFM 2.5‑Audio 1.5B JP 模型,包括語言、音訊編碼器和聲碼器權重(F32/F16/Q8_0/Q4_0),以及使用 llama.cpp 的 ASR 與 TTS CLI/Server 運行器。HF 模型共同: 語音辨識・語音合成
mlx-audioNeywa-Labs8k基於 Apple MLX 框架建構的語音合成(TTS)、語音辨識(STT)與語音轉換(STS)函式庫,在 Apple Silicon 上提供高效的語音分析。共同: 語音辨識・語音合成- kana-whispersbintuitions42k一個經過微調的 Whisper large-v3-turbo 模型,能將日語語音轉錄成片假名,作為 Sarashina2.2-TTS 專案內 Joyo Kanji Yomi Benchmark 的 ASR 組件,同時驅動 Kana CER Usage With Transformers 管道。HF 模型共同: 語音辨識・語音合成
Step-Audio-EditXstepfun-ai980一個強大的30億參數、基於大型語言模型的強化學習音訊編輯模型,擅長編輯情緒、說話風格與副語言特徵,並具備穩健的零樣本語音合成能力。共同: 語音合成・大型語言模型