Nemotron-3-Diarization-preview
nvidia/Nemotron-3-Diarization-preview
公式 · BF16 · nemo
検証済み実行環境: NeMo
| 精度 / 量子化 | 形式 | ビット | 公開元の信頼区分 | デプロイ状態 |
|---|---|---|---|---|
| BF16 | nemo | 16 | 公式 | 検証済み実行環境 |
NVIDIA Nemotron · 話者ダイアライゼーション · Nemotron 3
Nemotron 3 Diarization Preview：仕様、GPU 要件、ライセンス
Nemotron 3 Diarization Preview は、ストリーミングまたは録音音声で誰がいつ話したかを識別する NVIDIA の 1 億パラメータ話者ダイアライゼーションモデルです。
総パラメータ100M
有効パラメータ密なモデル
コンテキスト長該当なし / 直接比較不可
バージョン状態プレビュー · 最近
アーキテクチャStreaming Sortformer Transformer
モダリティ音声
ライセンスother
デプロイ状態評価目的で技術的に実行可能
商用状態不明 / 推奨不可
公開日2026-08-27
技術プロファイル
| フィールド | 値 |
|---|---|
| 用途 | 話者ダイアライゼーション：誰がいつ話したかを識別 |
| 話者数 | 到着順で最大 8 話者 |
| 推論モード | ストリーミングとオフライン |
| 入力 | 16 kHz モノラル WAV、FLAC、OPUS、MP3 |
| 出力 | [T, 8] 話者活動確率 |
| 入力バッファ | 80 ms〜30.4 秒、分割推論に固定時間上限なし |
| 実行環境 | NVIDIA NeMo と PyTorch |
| 精度 | BF16 |
| 参照ハードウェア | NVIDIA Blackwell RTX PRO 5000 |
アーキテクチャ、強み、用途
このアクセス制限付きセルフホスト可能プレビューは、Nemotron の音声ドメインと話者ダイアライゼーショントラックに属します。16 kHz モノラル音声を受け取り、到着順で最大 8 話者の活動確率を返します。
1 億パラメータのモデルは、RoPE を備えた 31 層 Streaming Sortformer Transformer を使用します。10 ms の Mel フレームを 80 ms にダウンサンプリングし、Conv1D 段が話者活動確率を生成します。
ストリーミングとオフラインのダイアライゼーション
到着順で最大 8 話者
BF16 根拠を持つ公式 NeMo チェックポイント
会議・通話の話者分割評価
ストリーミング話者交代分析
録音音声のオフライン研究
検証済みチェックポイントと量子化
このバージョンに紐づく、情報源で検証済みの正確なバリアントだけを表示します。
推奨ハードウェア
正確な gated .nemo チェックポイントを NVIDIA NeMo、文書化された PyTorch バックエンド、BF16 で使用してください。NVIDIA の参照測定は RTX PRO 5000 Blackwell を使用しており、商用オファーではありません。
不明 / 推奨不可
商用権利が確認されていないため、商用導入は推奨されません。
ライセンスとセルフホスティング
アクセスには NVIDIA 評価ライセンスへの同意が必要です。入力は 16 kHz モノラル音声で、分割推論は 80 ms〜30.4 秒のバッファにより長時間録音を処理できます。
NVIDIA ソフトウェア・モデル評価ライセンスで認められるのは、社内でのテストと評価に限られます。本番利用と商用ホスティングは禁止され、NVIDIA GPU システムでのみ使用できます。正式な条件を確認してください。
不明 / 推奨不可. 商用権利が確認されていないため、商用導入は推奨されません。
リリース履歴
nvidia/nemotron/nemotron-3-diarization-preview
よくある質問
Nemotron 3 Diarization Preview は何をしますか？
時間ごとの話者活動を識別し、到着順で最大 8 話者に活動確率を割り当てます。
ライブ音声と録音を処理できますか？
はい。NVIDIA は NeMo チェックポイントによるストリーミングとオフライン推論を文書化しています。
商用本番環境で使えますか？
商用オファーは表示されません。検証済みライセンスは社内テストと評価に限定し、本番利用を禁止しています。
公式情報源
最終検証日: 2026-09-03