NVIDIA Nemotron · Sprecherdiarisierung · Nemotron 3
Nemotron 3 Diarization Preview ist NVIDIAs Modell mit 100 Millionen Parametern zur Erkennung, wer wann in Live- oder aufgezeichnetem Audio spricht.
| Feld | Wert |
|---|---|
| Aufgabe | Diarisierung: erkennen, wer wann spricht |
| Sprecherkapazität | Bis zu 8 in Ankunftsreihenfolge |
| Inferenzmodi | Streaming und offline |
| Eingabe | 16-kHz-Monoaudio: WAV, FLAC, OPUS oder MP3 |
| Ausgabe | Aktivitätswahrscheinlichkeiten [T, 8] |
| Eingabepuffer | 80 ms bis 30,4 s; segmentiert ohne feste Dauergrenze |
| Laufzeitumgebung | NVIDIA NeMo mit PyTorch |
| Präzision | BF16 |
| Referenzhardware | NVIDIA Blackwell RTX PRO 5000 |
Diese zugangsbeschränkte, selbst hostbare Vorschau gehört zur Nemotron-Domäne Audio/Sprache und zum Track Sprecherdiarisierung. Sie verarbeitet 16-kHz-Monoaudio und liefert Aktivitätswahrscheinlichkeiten für bis zu acht Sprecher in Ankunftsreihenfolge.
Das Modell mit 100 Millionen Parametern nutzt einen 31-schichtigen Streaming Sortformer Transformer mit rotierenden Positions-Vektoreinbettungen. Mel-Frames von 10 ms werden auf 80 ms reduziert; anschließend erzeugt eine Conv1D-Stufe die Aktivitätswahrscheinlichkeiten.
Angezeigt werden nur exakte, quellengeprüfte Varianten dieser Version.
nvidia/Nemotron-3-Diarization-preview
Offiziell · BF16 · nemo
Laufzeitumgebung verifiziert: NeMo
| Präzision / Quantisierung | Format | Bit | Vertrauen in Herausgeber | Bereitstellungsstatus |
|---|---|---|---|---|
| BF16 | nemo | 16 | Offiziell | Laufzeitumgebung verifiziert |
Verwenden Sie den exakten zugangsbeschränkten .nemo-Checkpoint mit NVIDIA NeMo, dem dokumentierten PyTorch-Backend und BF16. NVIDIA testete auf einer RTX PRO 5000 Blackwell; dies ist Referenzhardware, kein kommerzielles Angebot.
Die kommerziellen Rechte sind nicht verifiziert; diese Version wird daher nicht für kommerzielle Bereitstellungen empfohlen.
Der Zugriff erfordert die Annahme der NVIDIA-Evaluierungslizenz. Die Eingabe muss 16-kHz-Monoaudio sein; segmentierte Inferenz unterstützt lange Aufnahmen mit einem Puffer von 80 ms bis 30,4 Sekunden.
Die NVIDIA-Lizenz zur Evaluierung von Software und Modellen erlaubt nur interne Tests und Evaluierungen. Produktive Nutzung und kommerzielles Hosting sind verboten; die Nutzung ist auf NVIDIA-GPU-Systeme beschränkt. Maßgeblich sind die offiziellen Bedingungen.
Unbekannt / nicht empfohlen. Die kommerziellen Rechte sind nicht verifiziert; diese Version wird daher nicht für kommerzielle Bereitstellungen empfohlen.
Quellrevision: a43022e40b9883fb75078c47c5d4c995436863bb26e26f13a1a7e836ea519229
Es erkennt Sprecheraktivität über die Zeit und ordnet bis zu acht Sprechern Aktivitätswahrscheinlichkeiten nach Ankunft zu.
Ja. NVIDIA dokumentiert Streaming- und Offline-Inferenz über den NeMo-Checkpoint.
Es wird kein kommerzielles Angebot angezeigt. Die verifizierte Lizenz beschränkt das Release auf interne Tests und Evaluierungen und verbietet den Produktivbetrieb.
Zuletzt geprüft: 2026-09-03
