Nemotron 3 Diarization 实测:流式识别 8 说话人,接入机器人记忆新面孔
futterneid · reddit · 2026-09-23
作者分享本地语音 agent 实践:NVIDIA 开源的 Nemotron 3 Diarization 解决了「谁在说话」这一痛点——
- 输出说话人标签(非转写),支持流式输出,最多跟踪 8 个说话人。
- 作者用 1 秒流式分块测试,质量表现出色。
- 演示:接入 DGX Spark 上的语音到语音系统与 Reachy Mini 机器人,新人开口时机器人会询问并记住其名字。
- 已有 Transformers 首日集成,并将采用商业友好许可证。
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