NVIDIA hat Nemotron3Diarization veröffentlicht, ein kostenloses, leichtgewichtiges KI-Modell mit 100 Millionen Parametern für die Sprachsegmentierung. Es erreicht in den VoiceArena-Benchmarks eine Fehlerrate von 14,72 % und unterstützt die Echtzeitverarbeitung von bis zu acht gleichzeitigen Sprechern. Das Modell bietet dynamische Audio-Puffereinstellungen zur Balance zwischen Latenz und Genauigkeit und integriert sich in Parakeet für die automatisierte Transkription mit anonymisierten Sprecherkennzeichnungen. Diese Veröffentlichung senkt die technischen Hürden für Anwendungen wie Echtzeit-Protokolle von Meetings und intelligente Kundenservice-Systeme und beschleunigt die Implementierung der Mehrsprechererkennung auf Edge-Geräten sowie in kommerziellen Szenarien.