NVIDIA Nemotron · Diarización de hablantes · Nemotron 3
Nemotron 3 Diarization Preview es el modelo de NVIDIA con 100 millones de parámetros que identifica quién habló y cuándo en audio en directo o grabado.
| Función | Diarización: identificar quién habló y cuándo |
|---|---|
| Capacidad de hablantes | Hasta 8, ordenados por llegada |
| Modos de inferencia | Streaming y sin conexión |
| Entrada | Audio mono de 16 kHz: WAV, FLAC, OPUS o MP3 |
| Salida | Probabilidades de actividad [T, 8] |
| Búfer de entrada | De 80 ms a 30,4 s; sin límite fijo con fragmentos |
| Entorno de ejecución | NVIDIA NeMo con PyTorch |
| Precisión | BF16 |
| Hardware de referencia | NVIDIA Blackwell RTX PRO 5000 |
Esta versión preliminar gated y autoalojable pertenece al dominio Audio/Voz de Nemotron y a la línea Diarización de hablantes. Acepta audio mono de 16 kHz y devuelve probabilidades de actividad para un máximo de ocho hablantes ordenados por llegada.
El modelo de 100 millones de parámetros usa un Streaming Sortformer Transformer de 31 capas con representaciones vectoriales posicionales rotatorios. Los fotogramas Mel de 10 ms se reducen a 80 ms y una etapa Conv1D produce las probabilidades de actividad.
Solo se muestran variantes exactas, vinculadas a esta versión y certificadas por su fuente.
nvidia/Nemotron-3-Diarization-preview
Oficial · BF16 · nemo
Entorno de ejecución certificado: NeMo
| Precisión / cuantización | Formato | Bits | Confianza del editor | Estado de despliegue |
|---|---|---|---|---|
| BF16 | nemo | 16 | Oficial | Entorno de ejecución certificado |
Use el checkpoint .nemo gated exacto mediante NVIDIA NeMo, el backend PyTorch documentado y BF16. La medición de referencia de NVIDIA utilizó una RTX PRO 5000 Blackwell; es hardware de prueba, no una oferta comercial.
Los derechos comerciales no están verificados, por lo que no se recomienda esta versión para despliegues comerciales.
El acceso exige aceptar la licencia de evaluación de NVIDIA. La entrada debe ser audio mono de 16 kHz; la inferencia por fragmentos admite grabaciones largas con un búfer de 80 ms a 30,4 segundos.
La Licencia de NVIDIA para la evaluación de software y modelos solo permite pruebas y evaluación internas. Prohíbe el uso en producción y el alojamiento comercial y limita el uso a sistemas GPU NVIDIA. Consulte los términos oficiales.
Desconocido / no recomendado. Los derechos comerciales no están verificados, por lo que no se recomienda esta versión para despliegues comerciales.
Identifica la actividad de cada hablante y asigna probabilidades a un máximo de ocho hablantes según su orden de llegada.
Sí. NVIDIA documenta inferencia en streaming y sin conexión mediante el checkpoint NeMo.
No se muestra una oferta comercial. La licencia verificada limita esta versión a pruebas y evaluación internas y prohíbe la producción.
Última verificación: 2026-09-03
