Пост канала

Блог системного администратора

1. 27.09 · 23:49фото

   NVIDIA показала компактную модель для распознавания говорящих NVIDIA выпустила Nemotron 3 Diarization — модель на 100 млн параметров, которая определяет, кто и когда говорит в аудиозаписи. Она поддерживает до восьми собеседников и не теряется при одновременной речи. Веса открыты на Hugging Face под лицензией OpenMDW 1.1 для коммерческого и некоммерческого использования. Модель не расшифровывает слова и не узнаёт людей по голосу — только метки speaker_0, speaker_1. Работает с записями и прямым эфиром, принимает аудио 16 кГц. В тесте VoiceArena заняла первое место среди 12 систем с DER 14,72% против 19,3% у конкурента. Запускается через NeMo, Transformers или C++-рантайм.

   Открыть в MAX

   Просмотры

   119

   ER

   2,5%

   Реакции

   3