英伟达推出1亿参数免费模型Nemotron3，支持最多8人实时说话人识别
英伟达发布了Nemotron3Diarization，这款免费模型约有1亿个参数，并开放权重，可识别实时及录制音频中的说话人，最多支持8人同时发声。英伟达称，该模型在VoiceArena语音分割基准测试v1中取得14.72%的错误率，优于排名第二系统的19.3%。在使用1.04秒音频缓冲区的8种测试场景中，其平均错误率较前代Streaming Sortformer降低41%。参与者增多、背景噪声较大或混响严重时，错误率可能上升。
本文来源：AIbase，仅供学习参考，版权归原作者所有。