nvidia-nemo/speech 是面向研究语音模型的研究者与 PyTorch 开发者的框架。GitHub 上 v3.0.0 显示为最新版本。但公开信息中没有发布说明，因此本次版本有哪些改动无法确认。
仓库说明将该框架描述为面向同时研究大语言模型、多模态与语音 AI 的研究者和开发者的可扩展生成式 AI 架构。README 表示，围绕 Automatic Speech Recognition（ASR，语音识别）、Text-to-Speech（TTS，语音合成）、Speech LLM 相关功能，该框架被设计为可利用既有代码与预训练模型检查点来构建、定制并部署语音模型。
从语音合成模型的开发到微调与推理都集中在一处处理。这是一个创建于 2019 年 8 月 5 日的公开项目，主要语言为 Python，许可证为 Apache-2.0，GitHub 星标数为 18610 个。
可确认的信息到此为止。公开信息中没有关于 ASR·TTS 准确率或延迟的性能数据，也没有与其他语音框架的对比资料。在收集到的评分记录中，momentum 项为 10 分制下的 2.7 分，偏低。与其现在引入，更接近于值得留意的项目。