Nemotron 3 Diarization от NVIDIA
Nemotron 3 Diarization от NVIDIA Финальная версия диаризации на 100 млн параметров - размечает речевые отрезки каждого участника на записи и в потоке • до восьми собеседников - вдвое больше предыдущей Sortformer • одновременная речь не мешает - модель выдает вероятности для каждого участника • длина записи не ограничена - звук режется фрагментами • метки анонимные: speaker_X с такой-то по такую-то секунду, без определения личности • имена и роли привязываются логикой сценария в приложении • моно-вход 16 кГц • кадры по 80 мс, предсказание каждые 10 мс • кэш голосов в потоковом режиме - собеседники запоминаются между фрагментами HF Демо Спасибо @m_franz huggingface.co/blog/nvidia/nemotron-diarization
62 просмотров