英伟达发布 Nemotron 3 Diarization，支持 8 说话人日志
精选理由
英伟达新出的说话人日志模型，100M 能本地跑，专门负责“谁在何时说话”，配 ASR 就能做分角色转写，比 Qwen 那个更专精。
英伟达上线了多说话人日志模型 Nemotron 3 Diarization，用于标注谁在什么时间说话，支持最多 8 个说话人。该模型支持直播和录音输入，能处理重叠语音，参数量 100M，可本地部署。技术上通过按首次出现顺序固定 speaker 编号、AOSC 长期说话人缓存加 FIFO 短期上下文来保持跨时间、跨 chunk 的说话人标签一致，避免同人被拆成新 speaker 或多人混成一人。它只输出“谁+何时”，文本部分需另配 ASR，与阿里 Qwen 昨天发布的分角色转写 ASR 方向相近。
原文 · AIGCLINK
英伟达最新上的多说话人日志模型：Nemotron 3 Diarization，用来跟踪谁在什么时间说话，支持8说话人
直播与录音都支持、能处理重叠语音；100M，可本地跑
跟昨天阿里Qwen的那个分角色转写ASR是同一方向，英伟达这个等于是这个方向的专精组件版，不同的是英伟达这个只出“谁+何时”，文本需另配ASR
它通过“按首次出现顺序固定speaker编号+AOSC长期说话人缓存+FIFO短期上下文”来维持跨时间/跨chunk的说话人标签一致性，来避免把同一个人误判成新speaker、把不同人混成同一个speaker
#语音日志模型 #Nemotron3Diarization
