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 Diarization-Bench(5 条相关)→
「具身」频道最新
- 云栖大会观察：具身 AI 正走出屏幕渗入日常产品 — Shruti_0810 · 2026-09-23
- Meta 今日发布无摄像头智能眼镜,Polymarket 开出各家 AI 实验室接受第三方审查赔率 — Polymarket · 2026-09-23
- 特斯拉 Optimus v3 渲染图疑从安卓 APK 泄露,外形近乎真人 — CyberRobooo · 2026-09-23
- Meta 今日将发布首款无摄像头智能眼镜,隐私争议升温 — Polymarket · 2026-09-23
- Anduril 获野火 XPRIZE,做到点火 10 分钟内探测并扑灭 — PeterDiamandis · 2026-09-23
- 中国正在测试消防无人机,视频展示灭火场景 — iamfakhrealam · 2026-09-23