NVIDIA представила Nemotron 3: революция в диаризации
Мария Соколова24 сентября 2026 г.5 мин чтения
NVIDIA выпустила Nemotron 3 Diarization для определения участников многоспикерных разговоров. Новая модель уже лидирует по точности.
Кратко:
●NVIDIA выпустила Nemotron 3 Diarization
●Модель поддерживает до 8 спикеров
●Точность DER 14.72%, лидерство на Voice Arena
●Интерактивное демо доступно на Hugging Face
23 сентября 2026 года NVIDIA анонсировала Nemotron 3 Diarization — модель, способную понимать, кто говорит в любой момент времени. Этот инструмент уже занял первое место на Voice Arena Diarization-Bench с показателем DER 14.72%.
Почему это важно?
Nemotron 3 Diarization не просто распознаёт слова, но и связывает их с конкретными участниками разговора. Это значительно улучшает качество транскрипций для встреч, подкастов и колл-центров. Благодаря этому улучшается аналитика, поиск и извлечение задач, а также память голосовых агентов.
Основные особенности Nemotron 3
●Обрабатывает до 8 участников, включая перекрывающуюся речь.
●Одна модель подходит как для оффлайн, так и для стриминговой работы.
●Оригинальный подход Sortformer, который упрощает проблему перестановки спикеров.
Технические детали
Модель принимает моно 16 кГц аудио, превращая его в мел-спектрограмму. Трансформер с 31 слоем использует RoPE и Conv1D для восстановления разрешения. Выходной тензор показывает вероятности активности каждого из восьми каналов-спикеров.
В стриминговом режиме применяется speaker cache и FIFO-буфер для поддержания контекста, что позволяет балансировать задержку и точность.
Производительность
Nemotron 3 Diarization демонстрирует на 24% лучшую точность, чем ближайший конкурент, и показывает средний прирост точности на 40% на тестовых наборах. Скорость обработки впечатляет: до 15 113× на batch size 32.
Применение и демонстрация
На Hugging Face доступен интерактивный демо-интерфейс, позволяющий загружать аудио или говорить через микрофон. Партнёры, такие как Argmax Pro SDK 3, уже добавили поддержку Nemotron 3 для улучшения качества распознавания.
Для NVIDIA эта разработка — большой шаг вперёд в области диаризации, который, возможно, задаст новый стандарт для индустрии. К примеру, IPO Nscale также показывает, как важны инвестиции в такие технологии.
Частые вопросы
Что такое Nemotron 3 Diarization?
Это модель от NVIDIA для определения, кто говорит в многоспикерных аудиозаписях.
Сколько спикеров может обрабатывать модель?
Nemotron 3 поддерживает до 8 участников.
Каковы основные преимущества модели?
Высокая точность, поддержка стриминга и оффлайн-режима, инновационный подход к обработке.
Где можно протестировать Nemotron 3?
Интерактивное демо доступно на платформе Hugging Face.
