Artificial Analysis 发布说话人分离榜：NVIDIA Nemotron 3.5 以 3.3% 误差率居首
ArtificialAnlys · x · 2026-11-14
Artificial Analysis 推出 Diarization Index，一个新的语音转写（STT）API 说话人分离基准，衡量指标为 Word Diarization Error Rate（WDER）：即被归错说话人或未归给任何说话人的单词占比。
- 测试集覆盖 97 段 2 至 8 人对话，各人数规模等权重计分
- NVIDIA 的 Nemotron 3.5 Transcribe 以 3.3% WDER 领先
- Voxtral Small Transcribe 3 以 7.5% 排第二
- 榜单尾部模型（如 ElevenLabs Sonic v5、Sony/Movia 系列）误差率超过 16%，最高达 20.1%
该基准填补了此前 STT 评测只看转写准确率、忽视「谁在什么时间说了哪句」这一关键能力的空白，对会议记录、多说话人场景转写选型有直接参考价值。
「模型」频道最新
- Gemini 4 Carbon/Hydrogen 上线 Runware：1M 上下文与定价一览 — aziz4ai · 2026-11-14
- 趣味统计：AI 模型「醒来」第一句话，Google 模型清一色说 spawned in — liminal_bardo · 2026-11-14
- 网安老用户退订 $200/月 OpenAI，转投中国模型做安全研究 — Ikeablows · 2026-11-14
- 微软 MAI-Transcribe-2 转录速度登顶附近：每秒等待转 93.7 秒音频 — ArtificialAnlys · 2026-11-14
- Tandem-vLLM 0.2.0:DeepSeek-V4.1-Flash 跑上 3090/4090 级消费卡,双卡加速 — smflx · 2026-11-14
- AssemblyAI 接入 GPT-6.1 Terra 等四款新模型 — AssemblyAI · 2026-11-14