开发者把 NVIDIA Nemotron 3 说话人分离移植到 Apple Silicon 本地运行
ivan_digital · reddit · 2026-09-25
speech-swift(Apache-2.0 Swift 语音库)维护者把 NVIDIA Nemotron 3 Diarization 模型移植为 Core ML INT8 和 MLX INT8 版本,可在 Apple Silicon 上本地运行,面向语音 agent 场景。
要点:
- diarization 负责输出「哪个匿名说话人何时在说话」的时间线,与 ASR 互补;支持重叠语音和最多 8 个说话人,不做转写、不识别身份
- 安装即用:brew install soniqo/tap/speech,然后 speech diarize meeting.wav --engine nemotron3,加 --nemotron3-backend mlx 切换 MLX 后端,模型首次使用时下载
- 作者还向多用户语音 agent 开发者提问:实际更头疼的是停顿后的说话人标签错换,还是抢话时的插话漏检?
「编程与Agent」频道最新
- 用第三方推理服务跑编码 agent 等于交出机器 shell 权限 — TheZachMueller · 2026-11-11
- Plurai 推出 Agent 仿真测试:让 agent 在数字孪生世界里先失败再修复 — PrajwalTomar_ · 2026-11-11
- PlayCanvas 引擎仓库突破第 10000 个 issue/PR 里程碑 — willeastcott · 2026-11-11
- AI 做的游戏太难：Claude 6 分钟通关，作者砍 40% 难度 — builderjaydub · 2026-11-11
- Anthropic 推出 Claude Tag，65% 产品代码由内部 AI 生成 — nikola_mr64990 · 2026-11-11
- 评测工作流核心：最大化专家每单位注意力的信息增益 — danshipper · 2026-11-11