NVIDIA представила новую модель Nemotron 3 Diarization, которая позволяет отслеживать до восьми спикеров в реальном времени. Модель, состоящая из 100 миллионов параметров, может обрабатывать ситуации, когда голоса накладываются друг на друга. Она доступна под лицензией OpenMDW 1.1, что позволяет ее коммерческое использование.
Модель работает на Linux и совместима с графическими процессорами Ampere, Ada Lovelace, Hopper и Blackwell. Основная задача диаризации речи заключается в том, чтобы определить, кто и когда говорил, что является важным для создания атрибутированных транскриптов. Это особенно полезно в таких областях, как аналитика звонков, инструменты для встреч и подкастов.
Выход Nemotron 3 Diarization может значительно улучшить качество автоматического распознавания речи (ASR), позволяя пользователям не только получать текст, но и понимать, кто произнес каждую фразу. Это открывает новые возможности для разработки интеллектуальных систем обработки речи и улучшает взаимодействие с пользователями.