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
- 「谁有最没法合并的 AI 代码泥潭？」开发者公开征集名场面截图 — pvncher · 2026-09-25
- 开源工具 Wake：把散落本地的 Claude/Codex 会话聚合成一个可搜索窗口 — tom_doerr · 2026-09-25
- 开源轻量浏览器 curf:250KB 体积,专为 AI agent 可操控而生 — jasonkneen · 2026-09-25
- Reddit 征集 AI Agent 失控案例：无限重试、循环互甩、一夜烧光额度 — masterai01 · 2026-09-25
- Auto-Research Arena:6300 次运行中 AI 智能体独立重发现前沿 LLM 架构思路 — qixing_huang · 2026-09-25
- 2026 年用 AI 的分水岭:项目上下文数字化+用上 Agentic 工具 — Afinetheorem · 2026-09-25