NVIDIA 开源 Nemotron 3 Diarization,补上语音 agent 认人短板
andimarafioti · x · 2026-09-23
作者指出当前语音 agent 的关键缺口：它们分不清「谁在说话」，而各种电话演示掩盖了这一点。NVIDIA 今日开源 Nemotron 3 Diarization 模型，可在实时对话中可靠地追踪说话人，且采用商业友好许可证。
- 实测：一秒语音块下分离质量很好，可直接用于语音 agent
- 演示：在 DGX Spark 上配合 Reachy Mini 与 speech-to-speech 运行，机器人能察觉新声音、询问名字并记住
- Transformers 库提供 day-zero 集成
所属事件:NVIDIA 开源 Nemotron 3 说话人分离模型，登顶基准榜(16 条相关)→
「具身」频道最新
- NVIDIA 上传 PhysicalAI-Human-1M-100K 机器人数据集 — nvidia · 2026-11-11
- 开发者在 ESP32 上跑 hermes-agent 阵容：语音对语音+工具调用 — alexcovo_eth · 2026-11-11
- CoRL 2026 论文 Instant-Fold:单次人类示范即可零样本迁移真实世界折叠任务 — Ed__Johns · 2026-11-11
- 特斯拉在德州 Robotaxi 运营量 8 个月反超 Waymo — RachelVT42 · 2026-11-11
- CoRL 最亮演示:长时程移动操作被视为部署分水岭 — JasonMa2020 · 2026-11-11
- UCLA 团队推出 TRIMI：手套本身即机器人手，消除示教与执行鸿沟 — DennisHongRobot · 2026-11-11