NVIDIA rilascia Nemotron 3 Diarization: chi parla quando, fino a otto voci, in un solo modello da 100M
In una frase Il 23 settembre NVIDIA pubblica Nemotron 3 Diarization, modello open weight da 100 milioni di parametri che distingue fino a otto speaker in audio dal vivo o registrato, con un unico checkpoint per streaming e offline. Licenza OpenMDW 1.1; la preview gated su Hugging Face è però limitata alla valutazione interna.
La diarizzazione è il compito di capire "chi ha parlato quando" in una registrazione: serve per i verbali delle riunioni, i call center, i sottotitoli con più persone. Finora si faceva di solito con una catena di più modelli: uno taglia l'audio in segmenti, un altro calcola un'impronta della voce, un terzo raggruppa le impronte.
Nemotron 3 Diarization fa tutto in un solo passaggio. È piccolo, circa 100 milioni di parametri, e segue fino a otto persone contemporaneamente, sia in diretta sia su file registrati. Gli speaker vengono numerati nell'ordine in cui intervengono per la prima volta.
Il modello non trascrive le parole e non riconosce le persone per nome: va affiancato a un sistema di riconoscimento vocale. Le condizioni d'uso vanno verificate: la scheda del modello lo indica come utilizzabile commercialmente, ma una testata riporta che la preview su Hugging Face è riservata alla valutazione interna.
Aziende
NVIDIA
Tool
Nemotron 3 Diarization, Streaming Sortformer
Tag
Fonti