英伟达开源整套语音模型，可在本地离线运行

英伟达这次把整套语音技术栈放到了本地：ASR、TTS、codec 一个不缺，量化成 GGUF 格式，通过 NeMo-Speech.cpp 跑在设备端。

具体是六项：
- Magpie-TTS Multilingual——语音合成
- Nemotron Speech Streaming EN 0.6B / Nemotron-3.5 ASR Streaming——流式识别
- Parakeet CTC 1.1B / Parakeet TDT 0.6B v3——识别模型
- NanoCodec——音频编解码，对应一个已合并 PR

整套东西的落点是设备端。Magpie-TTS Multilingual 的参数量是 357M（3.57 亿参数），英伟达给出了在本地用 NeMo-Speech.cpp 运行的说明。

手机上怎么跑，这次发布说明里还没有路径。发布帖下有人留言：平时用 AI Desktop XP 跑开源大语言模型，不知道这些语音模型在手机上该怎么装。

社区的高票讨论停在唤醒词上。有评论说，唤醒词仍然是市场空白，对拿这些模型做产品的人卡得很死。没有它，得先打开应用再开口。另一条说，让基于大语言模型的复杂识别进程一直运行，效率不高。大多数语音控制产品不适合这么干。还有人想要一个容易定制、完全开源的 openwakeword 替代方案。

识别、合成、编解码三件套已经齐了。唤醒词还空着，一个不碰手机就能说话的本地助手，正好少这一环。