Nemotron-3-Diarization-preview
nvidia/Nemotron-3-Diarization-preview
आधिकारिक · BF16 · nemo
सत्यापित निष्पादन परिवेश: NeMo
| प्रिसीजन / क्वांटाइज़ेशन | प्रारूप | बिट | प्रकाशक भरोसा | परिनियोजन स्थिति |
|---|---|---|---|---|
| BF16 | nemo | 16 | आधिकारिक | सत्यापित निष्पादन परिवेश |
NVIDIA Nemotron · वक्ता डायरीकरण · Nemotron 3
Nemotron 3 Diarization Preview: विनिर्देश, GPU आवश्यकताएं और लाइसेंस
Nemotron 3 Diarization Preview NVIDIA का 10 करोड़ पैरामीटर वाला वक्ता डायरीकरण मॉडल है, जो स्ट्रीम या रिकॉर्ड किए गए ऑडियो में बताता है कि कौन कब बोला।
कुल पैरामीटर१००M
सक्रिय पैरामीटरघना मॉडल
संदर्भ सीमालागू नहीं / सीधे तुलनीय नहीं
संस्करण स्थितिपूर्वावलोकन · हाल का
वास्तुकलाStreaming Sortformer Transformer
मोडैलिटीऑडियो
लाइसेंसother
परिनियोजन स्थितिमूल्यांकन के लिए तकनीकी रूप से चलने योग्य
वाणिज्यिक स्थितिअज्ञात / अनुशंसित नहीं
जारी होने की तारीख2026-08-27
तकनीकी विवरण
| फ़ील्ड | मान |
|---|---|
| उद्देश्य | वक्ता डायरीकरण: कौन कब बोला पहचानना |
| वक्ता क्षमता | आगमन क्रम में अधिकतम 8 |
| अनुमान मोड | स्ट्रीमिंग और ऑफलाइन |
| इनपुट | 16 kHz मोनो WAV, FLAC, OPUS या MP3 |
| आउटपुट | [T, 8] वक्ता गतिविधि संभावनाएँ |
| इनपुट बफर | 80 ms से 30.4 s; खंडित अनुमान में निश्चित अवधि सीमा नहीं |
| निष्पादन परिवेश | PyTorch के साथ NVIDIA NeMo |
| परिशुद्धता | BF16 |
| संदर्भ हार्डवेयर | NVIDIA Blackwell RTX PRO 5000 |
आर्किटेक्चर, खूबियाँ और उपयोग
यह gated और स्वयं होस्ट की जा सकने वाली पूर्वावलोकन रिलीज Nemotron के ऑडियो/वाक् डोमेन और वक्ता डायरीकरण ट्रैक में है। यह 16 kHz मोनो ऑडियो लेती है और आने के क्रम में अधिकतम आठ वक्ताओं की गतिविधि संभावनाएँ लौटाती है।
10 करोड़ पैरामीटर वाला मॉडल RoPE सहित 31-लेयर Streaming Sortformer Transformer उपयोग करता है। 10 ms Mel फ्रेम 80 ms एन्कोडर फ्रेम में डाउनसैंपल होते हैं और Conv1D चरण वक्ता गतिविधि संभावनाएँ बनाता है।
स्ट्रीमिंग और ऑफलाइन डायरीकरण
आगमन क्रम में अधिकतम आठ वक्ता
BF16 प्रमाण वाला आधिकारिक NeMo चेकपॉइंट
मीटिंग और कॉल वक्ता विभाजन का मूल्यांकन
स्ट्रीमिंग वक्ता परिवर्तन विश्लेषण
रिकॉर्ड किए गए ऑडियो पर ऑफलाइन डायरीकरण शोध
प्रमाणित चेकपॉइंट और क्वांटाइज़ेशन
केवल इस संस्करण से जुड़े सटीक और स्रोत-प्रमाणित वैरिएंट दिखाए जाते हैं।
अनुशंसित हार्डवेयर
सटीक gated .nemo चेकपॉइंट को NVIDIA NeMo, दस्तावेज़ित PyTorch backend और BF16 के साथ उपयोग करें। NVIDIA ने RTX PRO 5000 Blackwell पर संदर्भ परीक्षण किया; यह परीक्षण हार्डवेयर है, व्यावसायिक ऑफर नहीं।
अज्ञात / अनुशंसित नहीं
व्यावसायिक अधिकार सत्यापित नहीं हैं, इसलिए यह संस्करण व्यावसायिक उपयोग के लिए अनुशंसित नहीं है।
लाइसेंस और स्व-होस्टिंग विचार
पहुँच के लिए NVIDIA मूल्यांकन लाइसेंस स्वीकार करना आवश्यक है। इनपुट 16 kHz मोनो ऑडियो होना चाहिए; 80 ms से 30.4 सेकंड के बफर के साथ खंडित अनुमान लंबी रिकॉर्डिंग संभालता है।
NVIDIA सॉफ़्टवेयर और मॉडल मूल्यांकन लाइसेंस केवल आंतरिक परीक्षण और मूल्यांकन की अनुमति देता है। प्रोडक्शन में उपयोग और व्यावसायिक होस्टिंग प्रतिबंधित हैं तथा इसे केवल NVIDIA GPU सिस्टम पर चलाया जा सकता है। पूरी जानकारी के लिए आधिकारिक शर्तें देखें।
अज्ञात / अनुशंसित नहीं. व्यावसायिक अधिकार सत्यापित नहीं हैं, इसलिए यह संस्करण व्यावसायिक उपयोग के लिए अनुशंसित नहीं है।
रिलीज़ क्रम
nvidia/nemotron/nemotron-3-diarization-preview
स्रोत का विवरण
स्रोत संशोधन: a43022e40b9883fb75078c47c5d4c995436863bb26e26f13a1a7e836ea519229
सामान्य प्रश्न
Nemotron 3 Diarization Preview क्या करता है?
यह समय के साथ वक्ता गतिविधि पहचानता है और आगमन क्रम में अधिकतम आठ वक्ताओं को संभावनाएँ देता है।
क्या यह लाइव और रिकॉर्डेड ऑडियो संसाधित करता है?
हाँ। NVIDIA NeMo चेकपॉइंट से स्ट्रीमिंग और ऑफलाइन दोनों अनुमान दस्तावेज़ित करता है।
क्या इसका व्यावसायिक उत्पादन में उपयोग हो सकता है?
कोई व्यावसायिक ऑफर नहीं दिखता। सत्यापित लाइसेंस इसे आंतरिक परीक्षण और मूल्यांकन तक सीमित करता है और उत्पादन रोकता है।
आधिकारिक स्रोत
अंतिम सत्यापन: 2026-09-03