Deskripsi
Nemotron 3 Diarization adalah model diarization pembicara canggih yang dikembangkan oleh NVIDIA, dirancang untuk menentukan dengan akurat 'siapa yang berbicara kapan' dalam skenario audio dunia nyata. Model ini mampu menangani hingga delapan pembicara secara bersamaan, menjadikannya ideal untuk lingkungan audio yang kompleks seperti rapat, podcast, dan percakapan telepon.
Baca Selengkapnya
Model ini mendukung inferensi streaming dan offline, memberikan fleksibilitas untuk berbagai kasus penggunaan. Inferensi streaming memanfaatkan Arrival-Order Speaker Cache (AOSC) dan antrean FIFO untuk mempertahankan identitas pembicara seiring waktu, memastikan hasil diarization yang konsisten. Arsitektur model ini mencakup encoder Transformer 31-lapis dengan Rotary Positional Embeddings, yang memproses fitur input Mel-spectrogram 10 ms.
Nemotron 3 Diarization dioptimalkan untuk sistem yang dipercepat GPU NVIDIA, termasuk GPU NVIDIA Ampere, Ada Lovelace, Blackwell, dan Hopper. Model ini terintegrasi dengan NeMo Framework, memungkinkan penerapan yang mulus dalam sistem AI. Model ini dilatih pada berbagai set dataset, termasuk percakapan nyata dan campuran audio multi-pembicara yang disimulasikan, memastikan kinerja yang kuat di berbagai kondisi audio.
Model ini tersedia untuk penggunaan komersial dan non-komersial di bawah Perjanjian Lisensi OpenMDW, versi 1.1. Model ini menyediakan resolusi bingkai output yang dapat dikonfigurasi dan mendukung inferensi terchunk, memungkinkan rekaman tanpa durasi maksimum yang tetap. Nemotron 3 Diarization adalah alat yang berharga untuk aplikasi yang memerlukan identifikasi pembicara yang tepat dan pelacakan aktivitas.
- KategoriModel AI & LLM
- Model HargaSumber Terbuka
- PenerapanCloud
- PlatformLinux
Sorotan Nemotron 3 Diarization
Mendukung hingga 8 pembicara
Inferensi streaming dan offline
Arsitektur Transformer dengan 31 lapisan
Rotary Positional Embeddings
Integrasi dengan NeMo Framework
Dioptimalkan untuk GPU NVIDIA
Resolusi bingkai output yang dapat dikonfigurasi
Perjanjian Lisensi OpenMDW
Memulai dengan Nemotron 3 Diarization
Akses model: Kunjungi Hugging Face
Autentikasi: Siapkan NeMo Framework
Siapkan lingkungan: Instal dependensi
Integrasi melalui API: Gunakan pipeline NeMo
Optimalkan: Konfigurasi pengaturan latensi
Kasus Penggunaan Nemotron 3 Diarization
- Analisis Rapat
- Produksi Podcast
- Percakapan Telepon
- Pengenalan Suara
- Transkripsi Audio
