9月27日，英伟达正式推出参数量约为1亿的开源人工智能模型nemotron3diarization。该模型专精于语音分割与说话人聚类（diarization）任务，已全面开放模型权重，可精准判定音频中任意时间点的发言者身份，支持最多8人并发语音的实时流式处理及离线录音分析。

在技术指标与实测性能方面，Nemotron3Diarization在权威语音分割评测基准VoiceArena v1中以14.72%的说话人错误率（DER）位居榜首，明显领先于第二名系统（19.3%）。相较于上一代模型Streaming Sortformer，新模型在采用1.04秒音频缓冲区的全部八个测试场景下，平均DER下降达41%。为兼顾低延迟与高精度，模型提供四级可调音频缓冲区间：0.32秒、1.04秒、5.2秒及30.4秒，满足多样化部署需求。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

AI图像编辑器

一款AI图像与设计工具，主要用于使用文本提示编辑、变换和增强照片，适合需要提升相关任务效率的用户。

下载

在实际应用层面，该模型可与Parakeet等语音识别引擎深度集成，直接输出带匿名化说话人标识（如“speaker_2”）的转录文本。虽然在参与人数过多、环境噪声强烈或混响严重等挑战性条件下，错误率会有所上升，但其底层架构已显著提升对重叠语音等传统难题的鲁棒性。

此次英伟达发布这款轻量化、免授权费且高精度的语音分割模型，有效降低了多说话人语音理解的技术准入门槛。此举不仅为实时会议纪要生成、智能语音客服、多角色人机交互等场景提供了高性价比的基础能力，也标志着多说话人识别技术向终端设备与实时商业化落地迈出了关键一步。