Nvidia 开源 Nemotron 3 用于实时说话人跟踪

亿参数模型可同时识别多达8个说话人，时延低至320毫秒 英伟达让辨别谁在说话变得更加容易。该公司发布了 Nemotron 3 Diarization，这是一种开放权重模型，专门用于解决音频处理中最烦人的问题之一：实时准确跟踪哪个说话者说了些什么以及他们说了什么。该模型于 9 月 23 日在 Nvid