NVIDIA открыла веса Nemotron 3 Diarization для разметки до 8 спикеров

NVIDIA открыла веса Nemotron 3 Diarization — модели для диаризации речи в записях и аудиопотоках. Она не распознает текст сама: на выходе модель дает временные интервалы и анонимные метки спикеров, которые можно использовать в пайплайне расшифровки.

По данным NVIDIA, модель имеет 100 млн параметров, поддерживает до восьми говорящих и умеет работать с пересечениями речи. В бенчмарке Diarization-Bench она заняла первое место среди 12 систем с DER 14,72%.

Веса доступны через NVIDIA NeMo по лицензии OpenMDW 1.1. Для практического применения это заготовка для систем разбора звонков, встреч и интервью, где сначала нужно разделить речь по участникам, а уже потом запускать ASR.