核心信息

NVIDIA 开源了 Nemotron 3 Diarization 模型，可在实时对话中可靠跟踪说话人，采用商业友好许可，并支持与 Transformers 的即日集成。

要点

  • 模型可实时跟踪说话人，弥补语音助手的关键短板。
  • 使用一秒语音片段测试，质量表现良好。
  • 与 Hugging Face Transformers 实现即日集成。
  • 已在 Reachy Mini 和 DGX Spark 上演示。