/ Модель

Характеристики

Лицензия
openmdw-1.1
Архитектура
nemotron_diarization · dense
Базовая модель
Nemotron-3-Diarization
Библиотека
mlx-audio
Опубликована
23 сен 2026

Nemotron-3-Diarization

Поиск речи в аудиоАудио → label7 профессий

Преобразованная для MLX модель NVIDIA Nemotron-3-Diarization размечает активность и временные интервалы до восьми говорящих в аудио 16 кГц.

1 061скачиваний за 30 дней3лайкавеса обновлены23 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Nemotron 3 Diarization (MLX) — версия модели NVIDIA Nemotron-3-Diarization, преобразованная сообществом mlx-community для запуска через mlx-audio на устройствах Apple с MLX. Модель анализирует монофоническое аудио с частотой 16 кГц и с шагом 10 мс определяет активность до восьми говорящих; поддерживаются пакетная обработка и потоковая обработка с сохранением меток говорящих между фрагментами.

Модель подходит для разметки реплик и временных границ в записях встреч и для обработки аудиопотока в реальном времени. Она может отмечать одновременную активность нескольких говорящих, но выдаёт только условные идентификаторы в порядке появления и не устанавливает личности людей. В карточке указана лицензия OpenMDW-1.1; сведения об обучающих данных и оценке предлагается смотреть в карточке базовой модели.

Сценарии применения

  • диаризация записей совещаний
  • разметка говорящих в аудиоинтервью
  • потоковое определение активности говорящих
  • получение временных границ реплик
  • обработка аудио с перекрывающейся речью

Ограничения

Принимает монофоническое аудио с частотой 16 кГц и рассчитана максимум на восемь говорящих. Метки обозначают порядок появления говорящих, не их личности; сведения об обучающих данных и оценке в README этой версии не приведены.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Nemotron 3 Diarization (MLX)

Converted from nvidia/Nemotron-3-Diarization for use with mlx-audio.

It predicts up to eight speakers at 10 ms resolution from 16 kHz mono audio.

from mlx_audio.vad import load

model = load("mlx-community/Nemotron-3-Diarization", strict=True)
result = model.generate("meeting.wav")
print(result.text)

# Incremental results retain speaker identities through the AOSC and FIFO.
for result in model.generate_stream("meeting.wav"):
    for segment in result.segments:
        print(segment.start, segment.end, segment.speaker)

For live PCM input, call model.feed(chunk, state) with a state from model.init_streaming_state() and 16 kHz mono chunks. Flush the final partial chunk and lookahead with model.feed([], state, final=True). Timestamps are absolute within the recording. Labels are generic arrival-order speaker IDs; the model does not identify people. Overlapping speakers may be active together.

Consult the upstream model card for training data, evaluation and license information.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx-audio

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
59ed2db

0 моделей