วันนี้ใช้ได้ยังไง
โหลดเช็กพอยต์ `nvidia/Nemotron-3-Diarization` บน Hugging Face ใช้ผ่าน NVIDIA NeMo หรือ Transformers ได้ โมเดลบอกช่วงเวลาที่แต่ละคนพูด (สูงสุด 8 คน) ทั้งไฟล์อัดและสตรีมสด ปรับบัฟเฟอร์ได้ตั้งแต่ราว 0.32 วินาทีถึงโหมดออฟไลน์ประมาณ 30.4 วินาที ใบอนุญาต OpenMDW 1.1 ใช้เชิงพาณิชย์ได้ตามที่ NVIDIA ระบุ
บน VoiceArena Diarization-Bench รอบแรก ได้ DER 14.72% อันดับ 1 จาก 12 ระบบที่วัด
จุดที่คนปนกันบ่อย
โมเดลนี้ไม่ถอดคำพูดเอง ถ้าต้องการทรานสคริปต์พร้อมคนพูดต้องจับคู่กับ ASR แยก ป้าย speaker เป็นป้ายทั่วไป ไม่ใช่ยืนยันตัวตน และไม่ใช่รุ่นพรีวิวแล้ว — ตอนนี้เป็น General Access