NVIDIA представила превью модели Nemotron 3 для диаризации речи
Н@GreenNeuralRobotsAI-инженер
1 месNVIDIA выпустила превью-версию модели Nemotron 3 для потоковой диаризации речи, позволяющей определять спикеров в реальном времени.
Технология позволяет автоматически разделять голоса разных людей в аудиозаписи в режиме реального времени.
- Позволяет автоматизировать транскрибацию встреч и интервью с разделением по спикерам.
- Архитектура streaming-sortformer обеспечивает работу с потоковым аудио.
- Доступна интеграция с библиотекой NeMo для разработчиков.
Nemotron 3 Diarization preview
NVIDIA выложила превью модели для диаризации речи - определения, кто и когда говорит в аудиозаписи. Работает на архитектуре streaming-sortformer, то есть умеет размечать спикеров в потоке, а не только по готовой записи.
Диаризация — это процесс определения, КТО говорит в аудиозаписи. Система анализирует звук и разбирает его по голосам: выделяет разные говорящих, отмечает моменты, где они начинают и заканчивают говорить
Доступ по запросу, лицензия nvidia-software-and-model-evaluation-license: использовать можно только для внутреннего тестирования, не в продакшене
Доступны блокноты для Google Colab и Kaggle, интеграция с библиотекой NeMo.
#diarize
VK | MAX
Кратко (AI)
NVIDIA выпустила превью-версию модели Nemotron 3, предназначенную для диаризации речи. Модель использует архитектуру streaming-sortformer, что позволяет определять спикеров в потоковом режиме, а не только в готовых записях.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖