Nemotron 3 Diarization，一个开放权重流式说话人日志模型，已发布。该模型旨在识别音频录音中“谁在何时说话”。它支持实时和离线处理，可处理多达八位说话人，并根据说话人在音频中的首次出现顺序来排序说话人输出。 AI
影响 提供了一个新的开源工具来分析音频对话，可能有助于转录和内容审核。
排序理由 发布一个特定 AI 任务的开放权重模型。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
transformers v5.18.0 Nemotron 3 Diarization is an open-weight streaming speaker diarization model designed to determine "who spoke when" in real-world audio. It supports both streaming and offline inference, handles up to eight speakers, and orders speaker outputs by each speaker…