話者識別

NVIDIAは、最大8人の話者をリアルタイムで識別可能な1億パラメータの軽量音声AIモデル「NVIDIA Nemotron 3 Diarization」を公開しました。VoiceArenaのベンチマークで首位を獲得した本モデルは、Hugging Face上でオープンウェイトとして提供されています。