Nvidia выпустила Nemotron 3 Diarization: открытая модель на 100 млн параметров для 8 спикеров

Nvidia выложила на Hugging Face открытую модель диаризации спикеров Nemotron 3 Diarization на 100 млн параметров. Она отслеживает до 8 говорящих с перекрытием голосов и работает как с записями, так и в реальном времени; лицензия OpenMDW 1.1 разрешает коммерческое использование.

• Модель на 100 млн параметров различает до 8 спикеров, включая перекрывающуюся речь
• Один чекпоинт покрывает офлайн-записи и стриминг с задержкой от 0,32 с
• В тесте Voice Arena Diarization-Bench заняла 1-е место среди 12 систем с DER 14,72%
• Обучение: около 10 000 часов реальных разговоров и 82 611 часов симулированных смесей