Google 开源 DiarizationLM-Gemma 修正会议记录说话人归属错误
lmoroney · x · 2026-10-06
Google 说话人团队在 Hugging Face 发布 DiarizationLM-Gemma-4-E4B-v1,基于 Gemma 4 E4B 微调,作为转录后处理步骤修正会议记录中说话人标签错误(如把「mm-hmm」归错人)。训练方法让模型可移动 1-5 词的短附和语句,6 词以上视为锚点不动,保证长独白的说话人稳定。
- 在全部四个测试集上降低说话人归属错误率,包括 ICSI 和 AMI 的 4-9 人会议
- Fisher 电话通话错误率降至 2.99%,优于此前 8B 版本的 3.28%
- 4-bit GGUF 约 5.3GB,桌面即可运行
作者建议转录管线开发者将其作为后处理步骤,并先在自己标注的几小时会议数据上验证再依赖。
所属事件:谷歌开源说话人分离模型修正会议转录归属错误(2 条相关)→
「编程与Agent」频道最新
- 圈内人称新实验室模型 Persimmon 疑靠 RL 用户模拟器闷声赚钱 — gharik · 2026-10-06
- Hugging Face Kernels 教程:一行代码加载 GPU 优化计算核 — ariG23498 · 2026-10-06
- Lovable CEO 宣布 2026「用 AI 建一家公司」，网友让其别犯错 — santiviquez · 2026-10-06
- 开源 huashu-art-motion skill：35 种艺术风格让画动起来 — AlchainHust · 2026-10-06
- 开源 Rust 版 MCP 服务器 mysid：给 Claude 代码图谱与原生文件工具 — techyphile7 · 2026-10-06
- 应对封号焦虑:开源插件给 Claude Code 输入做隐私替换 — vista8 · 2026-10-06