📖 AI 总结

英伟达发布了免费开放的说话人分离模型 Nemotron 3 Diarization，参数量约1亿，权重可自由获取。该模型能实时识别对话中谁在说话，最多区分八位说话人，并可检测多人同时发言的情况。在 VoiceArena 说话人分离基准测试中，它以14.7%的分离错误率位居第一，领先第二名19.3%的成绩，相比前代 Streaming Sortformer 平均降低约41%的错误率。模型支持录音和实时音频，配合语音识别系统可生成带说话人标签的转录文本，但标签为匿名形式。其音频缓冲可设为四档，缓冲越短准确率越低。背景噪声、混响和更多参与者会推高错误率。该模型的发布降低了说话人分离技术的使用门槛，为会议记录、实时转录等场景提供了高性能的免费方案。