NVIDIA выпустила модель Nemotron 3 Diarization для быстрой диаризации

Модель Nemotron 3 Diarization, выпущенная компанией NVIDIA 23 сентября, позволяет значительно повысить эффективность диаризации — процесса определения, кто именно говорит в определённый момент аудиозаписи. Это критически важно для анализа конференц-звонков, интервью и других голосовых коммуникаций, где требуется точная атрибуция речи.

Ранее для подобных задач использовались более ресурсоёмкие решения, например, комбинация sherpa-onnx с дополнительной постобработкой, которая могла занимать до семи минут для двадцатиминутного аудио. Внедрение Nemotron 3 Diarization сократило это время до трёх секунд для аналогичной записи, демонстрируя почти мгновенную обработку.

Столь существенное ускорение открывает новые возможности для разработчиков и компаний, которые работают с голосовыми данными. Быстрая и точная диаризация упрощает создание инструментов для автоматической расшифровки переговоров, анализа клиентского сервиса, а также разработки интеллектуальных ассистентов и систем распознавания речи с разграничением спикеров.