NVIDIA Nemotron 3 Diarization：每小时音频一美分的实时说话人标签
NVIDIA Nemotron 3 Diarization 发布，这是一个约 100M 参数的 Transformer 说话人分离模型，基于 NVIDIA Streaming Sortformer 构建，把 16 kHz 音频切成 10ms 帧并输出 T×8 的说话人活动概率矩阵。
推荐理由：原文给出单检查点四档延迟、DER 对比与单卡并发上限，可据此评估实时说话人分离的部署成本。
公司与模型
NVIDIA 英伟达 最新动态
英伟达的 AI 芯片与生态动态：GPU 新品、CUDA 生态、机器人平台与 AI 算力市场的风向。
21 条精选近 30 天 21 条共收录 104 条
更新
精选归档 · 第 2 页
日期栏展示收录日期，历史补录归入原文日期。
Baseten Blog精选AI 评分6666