技能介绍

要解决什么问题

NVIDIA 的语音 NIM 在文档与产品线上仍以 Riva 命名（命令、riva.client、容器与 gRPC），对外品牌则称 Nemotron Speech。工程师要在 ASR、TTS、NMT 之间选型，还要在 build.nvidia.com 云端与 自托管 Docker 两条路径间切换，并处理 VAD、说话人分离、自定义 .nemo 转 NIM 等细节时，很容易在前提条件、模型矩阵和参考文档之间来回跳转。

技能如何组织工作流

本技能把 Nemotron Speech / Riva NIM 相关任务当作路由问题：先识别你是部署、推理、自定义模型还是环境/兼容性检查，再指向 references/ 下对应说明，而不是一次性塞满全部步骤。

环境与授权：自托管需 NVAIE、驱动、Docker、Container Toolkit、NGC 密钥；云端需 nvidia-riva-client 与有效的 NVIDIA_API_KEY。
模态与模型：ASR（Parakeet、Canary、Whisper、流式等）、Magpie TTS、Riva Translate NMT 的部署与推理分文件说明；模型选型有独立决策框架，并强调以 NVIDIA 支持矩阵与 NGC 目录为准。
进阶 ASR：自定义 NeMo（.nemo → RMIR → NIM）、流水线配置（VAD、说话人分离、语言模型、块大小）单独成文。
就绪性检查：GPU/VRAM、容器健康、拉镜像 403 等跨任务问题汇总在 deployment-readiness 类参考里。

多步骤引导时，技能要求 Agent 用 「第 N/M 步 — 步骤名称」 宣告进度，便于长流程不丢上下文。

边界与注意点

仅 x86_64；Windows 上 WSL2 需 Podman 且部分 NIM 受限。
自托管依赖 NVIDIA AI Enterprise 许可证；密钥勿打印或提交仓库。
自托管模型缓存目录需对容器内用户 nvs:1000 可写（常见 Permission denied 来自主机目录属主错误）。
命令、镜像与官方 URL 不要改成 Nemotron 品牌名；版本细节以 docs.nvidia.com 与 build.nvidia.com 为准，而非技能内静态表格。