NVIDIA发布Nemotron 3 Diarization：1亿参数开源权重模型，实时追踪8位说话人

📋总体概括

NVIDIA在Hugging Face上发布了开源权重的说话人分离模型Nemotron 3 Diarization，仅1亿参数即可解决「谁在何时说话」的问题。该模型最多可同时追踪8位说话人，甚至能应对声音重叠的场景，且单一checkpoint同时支持离线录音处理与实时流式推理。权重以开放许可发布，可直接部署。这类轻量级语音基础组件的开放，将显著降低会议转写、语音助手等应用的开发门槛。