NVIDIA chính thức giới thiệu Nemotron 3 Diarization, mô hình mã nguồn mở với kích thước 100 triệu tham số chuyên giải quyết bài toán phân tách và xác định lượt nói (speaker diarization). Công cụ này giúp xác định chính xác thời điểm và khoảng thời gian từng cá nhân cất tiếng nói trong các cuộc hội thoại trực tiếp lẫn bản ghi âm.
Nemotron 3 Diarization hiện vươn lên vị trí số 1 trên bảng xếp hạng Diarization-Bench của VoiceArena với tỷ lệ lỗi (DER) chỉ 14,72%. Khác với các thế hệ trước chỉ hỗ trợ 4 người, mô hình mới của NVIDIA có khả năng nhận diện tới 8 người nói cùng lúc, xử lý hiệu quả hiện tượng nói đè (overlapping speech) và duy trì nhãn người nói ổn định nhờ kiến trúc Sortformer. Mô hình được huấn luyện trên dữ liệu đa ngôn ngữ gồm 21 ngôn ngữ khác nhau, giúp giảm thêm 0,77% tỷ lệ lỗi DER thực tế.
Với ưu điểm mở mã nguồn (open-weight) và tối ưu độ trễ thấp, Nemotron 3 Diarization mang lại công cụ đắc lực cho cộng đồng phát triển AI tại Việt Nam. Các lập trình viên có thể dễ dàng ứng dụng mô hình để xây dựng hệ thống bóc băng cuộc họp tự động, phân tích tổng đài cuộc gọi và nâng cao bộ nhớ cho các ứng dụng voice agent tiếng Việt.
Nguồn: Hugging Face — Biên dịch & tổng hợp: danhbaai.com