OmniTools 9月23日消息，英伟达在 Hugging Face 发布开源语音说话人分离（diarization）模型 Nemotron 3 Diarization。该模型为 100M 参数，支持最多 8 名说话人的实时与离线处理，已在 Voice Arena Diarization-Bench 初始评测中排名第一，取得 14.72% 的说话人分离错误率（DER）。
模型采用 arrival-order 排序机制，稳定输出说话人通道标签，支持重叠语音识别，并可灵活配置延迟（最低推荐 0.32 秒）。训练数据包含公开及授权多语种真实对话，覆盖 21 种语言。
Nemotron 3 Diarization 不识别具体身份，仅输出匿名说话人通道（如 speaker_1、speaker_2）及其活跃时间戳，需结合会议元数据或声纹验证等下游模块实现身份映射。模型已集成至 NVIDIA NeMo Speech 工具链，支持流式与离线两种部署模式。
