如何用 uv 从源码安装 NeMo Speech 并验证 ASR 与 TTS 集合可用【免费下载链接】SpeechA scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)项目地址: https://gitcode.com/GitHub_Trending/nem/Speech目标在本地从零安装 NVIDIA NeMo Speech安装完成后能确认 ASR自动语音识别和 TTS文本转语音两个集合都已可用即可以导入对应的nemo.collections子包并能加载预训练模型。安装文档见 docs/source/starthere/install.rst模型加载验证方式参考 docs/source/starthere/ten_minutes.rst 与 docs/source/tts/checkpoints.rst。安装前的环境要求安装文档给出的最低要求Python 3.12 或更高版本PyTorch 2.7 或更高版本CPU 或 CUDA 构建均可按你的目标选NVIDIA GPU CUDA训练必需纯 CPU 推理可行但很慢uv官方推荐的安装工具pip也可以但 uv 是主路径。uv 安装路径会按仓库提交的uv.lock复现官方主动测试的依赖栈——默认是 Python 3.13、PyTorch 2.12 搭配 CUDA 13.2另有 PyTorch 2.11 CUDA 12.9 组合。这是官方支持并持续测试的组合但不是硬性要求如果你已有满足最低要求的 Python/PyTorch/CUDA 环境也可以用后文的 pip 回退方式装在现有环境之上且不会替换你已有的 PyTorch。用 uv 从源码安装在源码根目录本仓库下执行git clone https://github.com/NVIDIA-NeMo/Speech.git cd Speech # CUDA 13.x推荐。CUDA 12.x 环境改用 --extra cu12 uv sync --extra all --extra cu13各参数的含义--extra all安装全部集合ASR、TTS、audio、speechlm2。如果只需要 ASR 与 TTS也可以改为--extra asr --extra tts的组合方式二者在文档的 extras 表中都有定义--extra cu13/--extra cu12指定 CUDA 13.x 或 12.x 对应的 PyTorch 构建。Linux 上这两个 extra 互斥必须且只能传其中一个两个都省略时uv 会装通用的 PyPI PyTorch wheel 而不是 NVIDIA 的 CUDA 匹配构建uv sync会在.venv/中创建虚拟环境并以 editable 模式安装 NeMo Speech。日常使用有两种方式用uv run cmd运行命令或先source .venv/bin/activate激活环境。可选步骤按需# 安装测试工具链依赖test 是 PEP 735 依赖组不是 extra必须用 --group uv sync --extra all --extra cu13 --group test # 安装文档构建依赖 uv sync --group docs注意test和docs是依赖组只能用--group安装.[test]这种 bracket 写法无效。如果目标是与容器完全一致的基线Dockerfile 和 CI 使用的路径加上--locked --python 3.13uv sync --locked --python 3.13 --extra all --extra cu13反过来如果你是想在自带 Python/PyTorch/CUDA 的环境上叠加安装不要用uv sync --locked——它会强制套用uv.lock把你已有的 Python/PyTorch/CUDA 替换成受支持基线。该场景应使用uv pip或pip安装安装文档的 “Install from PyPI with pip” 一节。验证 ASR 集合可用安装完成后官方文档给出的验证命令是导入 ASR 集合python -c import nemo.collections.asr as nemo_asr; print(NeMo Speech ASR installed)如果用了uv sync且没有激活.venv需要通过 uv 运行uv run python -c ...。输出NeMo Speech ASR installed说明 ASR 集合导入成功。文档还提供了更深一步的验证实际下载并加载一个预训练模型import nemo_collections.asr as nemo_asr # 注意实际导入名为 import nemo.collections.asr model nemo_asr.models.ASRModel.from_pretrained(nvidia/parakeet-tdt-0.6b-v2) print(fLoaded: {model.__class__.__name__})以上代码块按文档原文应写作import nemo.collections.asr as nemo_asr model nemo_asr.models.ASRModel.from_pretrained(nvidia/parakeet-tdt-0.6b-v2) print(fLoaded: {model.__class__.__name__})from_pretrained会触发一次模型下载需要网络可达加载成功后打印模型类名。验证 TTS 集合可用TTS 集合的导入验证与 ASR 同理导入语句取自 TTS 检查点文档的用法python -c import nemo.collections.tts as nemo_tts; print(NeMo Speech TTS installed)同样未激活.venv时用uv run python执行。如需验证 TTS 能实际生成语音docs/source/starthere/ten_minutes.rst 给出了 Magpie TTS 的完整示例模型会从 Hugging Face 下载from nemo.collections.tts.models import MagpieTTSModel import soundfile as sf # Load model (multilingual 357M, from Hugging Face) model MagpieTTSModel.from_pretrained(nvidia/magpie_tts_multilingual_357m) model.eval() # Generate speech audio, audio_len model.do_tts( transcriptHello! Welcome to NeMo Speech AI., languageen, ) # Save to file sf.write(output.wav, audio[0].cpu().numpy(), 22050) print(Speech saved to output.wav)能生成并保存出output.wav说明 TTS 集合不仅可导入推理链路也通了。已知限制与注意事项weights_only相关从 PyTorch 2.6 起torch.load默认weights_onlyTrue。部分 checkpoint 需要weights_onlyFalse此时在加载前设置环境变量TORCH_FORCE_NO_WEIGHTS_ONLY_LOAD1并且只应用于可信文件——对不受信文件开启完整 pickle 支持有任意代码执行风险。compiled 依赖不在本路径内compiled/compiled-a100extra 是为 SpeechLM2/Automodel 准备的可选性能增强Transformer Engine、FlashAttention、Mamba、MoE kernel需要完整 CUDA 构建环境且官方建议通过docker/Dockerfile构建。安装 ASR/TTS 集合不需要它们。pip 回退路径想用自己的 PyTorch 时先装 PyTorch≥ 2.7再uv pip install nemo-toolkit[asr,tts]或等价的pip install已装的 PyTorch 会被保留而不是替换。验证命令全部通过后ASR 与 TTS 集合即安装完成可以继续按 docs/source/starthere/ten_minutes.rst 做转写与合成的实际操作或查看 docs/source/asr/all_chkpt.rst 了解可用的预训练检查点。【免费下载链接】SpeechA scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)项目地址: https://gitcode.com/GitHub_Trending/nem/Speech创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何用 uv 从源码安装 NeMo Speech 并验证 ASR 与 TTS 集合可用
如何用 uv 从源码安装 NeMo Speech 并验证 ASR 与 TTS 集合可用【免费下载链接】SpeechA scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)项目地址: https://gitcode.com/GitHub_Trending/nem/Speech目标在本地从零安装 NVIDIA NeMo Speech安装完成后能确认 ASR自动语音识别和 TTS文本转语音两个集合都已可用即可以导入对应的nemo.collections子包并能加载预训练模型。安装文档见 docs/source/starthere/install.rst模型加载验证方式参考 docs/source/starthere/ten_minutes.rst 与 docs/source/tts/checkpoints.rst。安装前的环境要求安装文档给出的最低要求Python 3.12 或更高版本PyTorch 2.7 或更高版本CPU 或 CUDA 构建均可按你的目标选NVIDIA GPU CUDA训练必需纯 CPU 推理可行但很慢uv官方推荐的安装工具pip也可以但 uv 是主路径。uv 安装路径会按仓库提交的uv.lock复现官方主动测试的依赖栈——默认是 Python 3.13、PyTorch 2.12 搭配 CUDA 13.2另有 PyTorch 2.11 CUDA 12.9 组合。这是官方支持并持续测试的组合但不是硬性要求如果你已有满足最低要求的 Python/PyTorch/CUDA 环境也可以用后文的 pip 回退方式装在现有环境之上且不会替换你已有的 PyTorch。用 uv 从源码安装在源码根目录本仓库下执行git clone https://github.com/NVIDIA-NeMo/Speech.git cd Speech # CUDA 13.x推荐。CUDA 12.x 环境改用 --extra cu12 uv sync --extra all --extra cu13各参数的含义--extra all安装全部集合ASR、TTS、audio、speechlm2。如果只需要 ASR 与 TTS也可以改为--extra asr --extra tts的组合方式二者在文档的 extras 表中都有定义--extra cu13/--extra cu12指定 CUDA 13.x 或 12.x 对应的 PyTorch 构建。Linux 上这两个 extra 互斥必须且只能传其中一个两个都省略时uv 会装通用的 PyPI PyTorch wheel 而不是 NVIDIA 的 CUDA 匹配构建uv sync会在.venv/中创建虚拟环境并以 editable 模式安装 NeMo Speech。日常使用有两种方式用uv run cmd运行命令或先source .venv/bin/activate激活环境。可选步骤按需# 安装测试工具链依赖test 是 PEP 735 依赖组不是 extra必须用 --group uv sync --extra all --extra cu13 --group test # 安装文档构建依赖 uv sync --group docs注意test和docs是依赖组只能用--group安装.[test]这种 bracket 写法无效。如果目标是与容器完全一致的基线Dockerfile 和 CI 使用的路径加上--locked --python 3.13uv sync --locked --python 3.13 --extra all --extra cu13反过来如果你是想在自带 Python/PyTorch/CUDA 的环境上叠加安装不要用uv sync --locked——它会强制套用uv.lock把你已有的 Python/PyTorch/CUDA 替换成受支持基线。该场景应使用uv pip或pip安装安装文档的 “Install from PyPI with pip” 一节。验证 ASR 集合可用安装完成后官方文档给出的验证命令是导入 ASR 集合python -c import nemo.collections.asr as nemo_asr; print(NeMo Speech ASR installed)如果用了uv sync且没有激活.venv需要通过 uv 运行uv run python -c ...。输出NeMo Speech ASR installed说明 ASR 集合导入成功。文档还提供了更深一步的验证实际下载并加载一个预训练模型import nemo_collections.asr as nemo_asr # 注意实际导入名为 import nemo.collections.asr model nemo_asr.models.ASRModel.from_pretrained(nvidia/parakeet-tdt-0.6b-v2) print(fLoaded: {model.__class__.__name__})以上代码块按文档原文应写作import nemo.collections.asr as nemo_asr model nemo_asr.models.ASRModel.from_pretrained(nvidia/parakeet-tdt-0.6b-v2) print(fLoaded: {model.__class__.__name__})from_pretrained会触发一次模型下载需要网络可达加载成功后打印模型类名。验证 TTS 集合可用TTS 集合的导入验证与 ASR 同理导入语句取自 TTS 检查点文档的用法python -c import nemo.collections.tts as nemo_tts; print(NeMo Speech TTS installed)同样未激活.venv时用uv run python执行。如需验证 TTS 能实际生成语音docs/source/starthere/ten_minutes.rst 给出了 Magpie TTS 的完整示例模型会从 Hugging Face 下载from nemo.collections.tts.models import MagpieTTSModel import soundfile as sf # Load model (multilingual 357M, from Hugging Face) model MagpieTTSModel.from_pretrained(nvidia/magpie_tts_multilingual_357m) model.eval() # Generate speech audio, audio_len model.do_tts( transcriptHello! Welcome to NeMo Speech AI., languageen, ) # Save to file sf.write(output.wav, audio[0].cpu().numpy(), 22050) print(Speech saved to output.wav)能生成并保存出output.wav说明 TTS 集合不仅可导入推理链路也通了。已知限制与注意事项weights_only相关从 PyTorch 2.6 起torch.load默认weights_onlyTrue。部分 checkpoint 需要weights_onlyFalse此时在加载前设置环境变量TORCH_FORCE_NO_WEIGHTS_ONLY_LOAD1并且只应用于可信文件——对不受信文件开启完整 pickle 支持有任意代码执行风险。compiled 依赖不在本路径内compiled/compiled-a100extra 是为 SpeechLM2/Automodel 准备的可选性能增强Transformer Engine、FlashAttention、Mamba、MoE kernel需要完整 CUDA 构建环境且官方建议通过docker/Dockerfile构建。安装 ASR/TTS 集合不需要它们。pip 回退路径想用自己的 PyTorch 时先装 PyTorch≥ 2.7再uv pip install nemo-toolkit[asr,tts]或等价的pip install已装的 PyTorch 会被保留而不是替换。验证命令全部通过后ASR 与 TTS 集合即安装完成可以继续按 docs/source/starthere/ten_minutes.rst 做转写与合成的实际操作或查看 docs/source/asr/all_chkpt.rst 了解可用的预训练检查点。【免费下载链接】SpeechA scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speech Recognition and Text-to-Speech)项目地址: https://gitcode.com/GitHub_Trending/nem/Speech创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考