NVIDIA Nemotron · Diarisation des locuteurs · Nemotron 3
Nemotron 3 Diarization Preview est le modèle NVIDIA de 100 millions de paramètres qui détermine qui parle et quand, dans un flux audio ou un enregistrement.
| Champ | Valeur |
|---|---|
| Fonction | Diarisation : déterminer qui parle et quand |
| Nombre de locuteurs | Jusqu’à 8, classés par ordre d’arrivée |
| Modes d’inférence | En continu et hors ligne |
| Entrée | Audio mono 16 kHz : WAV, FLAC, OPUS ou MP3 |
| Sortie | Probabilités d’activité [T, 8] |
| Tampon d’entrée | 80 ms à 30,4 s ; durée non limitée avec traitement par segments |
| Environnement d’exécution | NVIDIA NeMo avec PyTorch |
| Précision | BF16 |
| Matériel de référence | NVIDIA Blackwell RTX PRO 5000 |
Cette préversion gated et auto-hébergeable appartient au domaine Audio/Parole de Nemotron et à la piste Diarisation des locuteurs. Elle accepte un son mono à 16 kHz et renvoie les probabilités d’activité de huit locuteurs au maximum, classés par ordre d’arrivée.
Le modèle de 100 millions de paramètres utilise un Streaming Sortformer Transformer de 31 couches avec représentations vectorielles de position rotatifs. Les trames Mel de 10 ms sont réduites à 80 ms avant la production des probabilités d’activité des locuteurs par une étape Conv1D.
Seules les variantes exactes, rattachées à cette version et certifiées par leur source sont affichées.
nvidia/Nemotron-3-Diarization-preview
Officiel · BF16 · nemo
Environnement d’exécution certifié: NeMo
| Précision / quantification | Format | Bits | Confiance éditeur | État de déploiement |
|---|---|---|---|---|
| BF16 | nemo | 16 | Officiel | Environnement d’exécution certifié |
Utilisez le checkpoint .nemo gated exact avec NVIDIA NeMo, le backend PyTorch documenté et la précision BF16. La mesure de référence NVIDIA utilise un GPU RTX PRO 5000 Blackwell ; il s’agit de matériel de test, pas d’une offre commerciale.
Les droits commerciaux ne sont pas vérifiés ; cette version n’est donc pas recommandée pour un usage commercial.
L’accès exige l’acceptation de la licence d’évaluation NVIDIA. L’entrée doit être un son mono à 16 kHz ; le traitement par segments prend en charge les longs enregistrements avec un tampon réglable de 80 ms à 30,4 secondes.
La licence NVIDIA d’évaluation des logiciels et des modèles autorise uniquement les tests et l’évaluation internes. Elle interdit la production et l’hébergement commercial et limite l’utilisation aux systèmes GPU NVIDIA. Consultez les conditions officielles complètes.
Inconnu / non recommandé. Les droits commerciaux ne sont pas vérifiés ; cette version n’est donc pas recommandée pour un usage commercial.
Révision de la source: a43022e40b9883fb75078c47c5d4c995436863bb26e26f13a1a7e836ea519229
Il suit l’activité des locuteurs dans le temps et attribue des probabilités à huit locuteurs au maximum selon leur ordre d’arrivée.
Oui. NVIDIA documente l’inférence en continu et hors ligne avec le checkpoint NeMo.
Aucune offre commerciale n’est affichée. La licence NVIDIA vérifiée limite cette version aux tests et à l’évaluation internes et interdit la production.
Dernière vérification: 2026-09-03
