NVIDIA telah merilis Nemotron 3 Diarization, sebuah model berbobot terbuka dengan 100 juta parameter untuk penandaan pembicara secara real-time yang mendukung hingga delapan pembicara. Model ini menempati peringkat #1 di papan peringkat Diarization-Bench VoiceArena dengan Tingkat Kesalahan Penandaan (DER) sebesar 14,72%, mengungguli sistem berikutnya dengan pengurangan relatif sekitar 24%.
- Mendukung hingga delapan saluran pembicara dan menangani ucapan yang tumpang tindih menggunakan urutan waktu kedatangan untuk label pembicara yang stabil.
- Mencapai DER 14,72% pada benchmark VoiceArena, dibandingkan dengan 19,3% untuk sistem peringkat kedua.
- Dilatih dengan data publik dan percakapan multibicara berlisensi dari David AI, yang menurunkan DER majemuk sebesar 0,77 poin absolut.
- Menawarkan latensi streaming yang dapat dikonfigurasi dengan latensi buffer input yang direkomendasikan sebesar 30,4, 1,04, 0,64, dan 0,32 detik.
- Menunjukkan pengurangan DER relatif rata-rata sebesar 41,0% di delapan benchmark publik dibandingkan dengan baseline Streaming Sortformer empat pembicara sebelumnya dari NVIDIA.
Model ini memungkinkan aplikasi untuk membuat transkrip yang dikaitkan dengan pembicara dengan menggabungkan timestamp penandaan dengan pengenalan ucapan otomatis, meningkatkan utilitas analitik percakapan dan memori agen suara.