Компания Nvidia выпустила Nemotron 3 Diarization — ИИ-модель, предназначенную для идентификации говорящих в ходе беседы. Модель содержит около 100 миллионов параметров, а ее веса доступны для свободного использования. Система поддерживает работу как с записями, так и с аудиопотоками в реальном времени, распознавая до восьми спикеров и фиксируя моменты, когда несколько человек говорят одновременно. При интеграции с системами распознавания речи, такими как Parakeet, модель позволяет создавать транскрипты с пометками участников. Согласно данным бенчмарка Diarization-Bench от VoiceArena, модель занимает первое место с показателем ошибки 14,72%. Разработчики отмечают, что точность снижается при наличии сильного фонового шума, реверберации или большого количества участников. По сравнению с предыдущей версией, Streaming Sortformer, новая модель снижает уровень ошибок в среднем на 41% в восьми тестовых сценариях при использовании буфера длительностью 1,04 секунды.