23. 9. 17:15
Na Hugging Face se objevil zajímavý model Nemotron 3 Diarization od společnosti NVIDIA, který slouží k přesné identifikaci mluvčích v audionahrávkách. Tento otevřený model se 100 miliony parametrů dokáže v reálném čase i offline rozlišit až osm různých mluvčích, a to i v případě, že mluví přes sebe. 👉