จุดที่ควรรู้
- อันดับ 1 บน VoiceArena Diarization-Bench รอบแรก ด้วย DER 14.72% (ยิ่งต่ำยิ่งดี) จาก 12 ระบบที่วัด
- ใช้เช็กพอยต์เดียวทั้งงานออฟไลน์และสตรีม ปรับบัฟเฟอร์ได้ตั้งแต่ราว 0.32 วินาที ถึงโหมดออฟไลน์ประมาณ 30.4 วินาที
- โหลดได้บน Hugging Face ชื่อ nvidia/Nemotron-3-Diarization ใช้ผ่าน NVIDIA NeMo หรือ Transformers ได้
- ใบอนุญาต OpenMDW 1.1 พร้อมใช้เชิงพาณิชย์ตามที่ NVIDIA ระบุ
อย่าเข้าใจผิด
- โมเดลนี้แยกแค่ช่วงเวลาของแต่ละคนพูด ไม่ได้ถอดคำพูดเอง ถ้าจะได้ทรานสคริปต์พร้อมชื่อคนต้องจับคู่กับ ASR แยก
- ป้าย speaker_0 / speaker_1 เป็นป้ายทั่วไป ไม่ใช่ยืนยันตัวตนคนจริง
- ถ้ามีคนพูดเกิน 8 คนในคลิปเดียว อาจพลาดหรือสลับคนได้
สรุป
อยากทำประชุม คอลเซ็นเตอร์ หรือพอดแคสต์ที่รู้ว่าใครพูดตอนไหน NVIDIA เปิด Nemotron 3 Diarization แบบทั่วไปแล้ววันนี้ โหลดฟรีบน Hugging Face
แหล่ง: NVIDIA / Hugging Face · 23 ก.ย. 2026