NVIDIA Nemotron · Diarização de locutores · Nemotron 3
Nemotron 3 Diarization Preview é o modelo da NVIDIA com 100 milhões de parâmetros que identifica quem falou e quando em áudio transmitido ou gravado.
| Campo | Valor |
|---|---|
| Finalidade | Diarização: identificar quem falou e quando |
| Capacidade de locutores | Até 8, ordenados pela chegada |
| Modos de inferência | Streaming e offline |
| Entrada | Áudio mono de 16 kHz: WAV, FLAC, OPUS ou MP3 |
| Saída | Probabilidades de atividade [T, 8] |
| Buffer de entrada | 80 ms a 30,4 s; sem limite fixo com blocos |
| Ambiente de execução | NVIDIA NeMo com PyTorch |
| Precisão | BF16 |
| Hardware de referência | NVIDIA Blackwell RTX PRO 5000 |
Esta prévia gated e auto-hospedável pertence ao domínio Áudio/Fala do Nemotron e à trilha Diarização de locutores. Aceita áudio mono de 16 kHz e devolve probabilidades de atividade para até oito locutores ordenados pela chegada.
O modelo de 100 milhões de parâmetros usa um Streaming Sortformer Transformer de 31 camadas com representações vetoriais posicionais rotativos. Quadros Mel de 10 ms são reduzidos para 80 ms e uma etapa Conv1D produz as probabilidades de atividade.
São mostradas apenas variantes exatas desta versão, certificadas pela fonte.
nvidia/Nemotron-3-Diarization-preview
Oficial · BF16 · nemo
Ambiente de execução certificado: NeMo
| Precisão / quantização | Formato | Bits | Confiança no editor | Estado de implementação |
|---|---|---|---|---|
| BF16 | nemo | 16 | Oficial | Ambiente de execução certificado |
Use o checkpoint .nemo gated exato com NVIDIA NeMo, backend PyTorch documentado e BF16. A medição de referência da NVIDIA usou uma RTX PRO 5000 Blackwell; é hardware de teste, não uma oferta comercial.
Os direitos comerciais não estão verificados, pelo que esta versão não é recomendada para implementações comerciais.
O acesso exige aceitar a licença de avaliação da NVIDIA. A entrada deve ser áudio mono de 16 kHz; a inferência em blocos aceita gravações longas com buffer de 80 ms a 30,4 segundos.
A licença NVIDIA para avaliação de software e modelos permite apenas testes e avaliação internos. Proíbe a utilização em produção e o alojamento comercial e limita o uso a sistemas com GPU NVIDIA. Consulte as condições oficiais.
Desconhecido / não recomendado. Os direitos comerciais não estão verificados, pelo que esta versão não é recomendada para implementações comerciais.
Revisão da fonte: a43022e40b9883fb75078c47c5d4c995436863bb26e26f13a1a7e836ea519229
Identifica a atividade dos locutores ao longo do tempo e atribui probabilidades a até oito locutores pela ordem de chegada.
Sim. A NVIDIA documenta inferência em streaming e offline por meio do checkpoint NeMo.
Nenhuma oferta comercial é exibida. A licença verificada limita esta versão a testes e avaliação internos e proíbe produção.
Última verificação: 2026-09-03
