NVIDIA выпустила Nemotron 3 Diarization: кто говорит в реальном времени

NVIDIA выложила на Hugging Face новую модель Nemotron 3 Diarization, которая решает классическую задачу диаризации: определяет, кто именно говорит в диалоге нескольких участников. Главное преимущество — работа в реальном времени, что подходит для потоковой обработки звонков, встреч и стримов.

Модель построена на архитектуре Nemotron и заточена под мультиспикерные сценарии. Разработчики могут встраивать её в свои сервисы для автоматической расшифровки с указанием имён или ролей говорящих — без необходимости резать аудио на куски и обрабатывать постфактум.

Точность и низкая задержка позиционируются как ключевые характеристики: модель пытается сохранять контекст на всём потоке, а не только на отдельных фрагментах. Это открывает применением для колл-центров, транскрибации судебных заседаний и любых продуктов, где нужно разбирать, кто что сказал в режиме live.