テクノロジー
会議の発言者を最大8人まで追跡、NVIDIAの新AIは人数で精度に差
NVIDIAのNemotron 3 Diarizationは最大8人の発話を分ける。独立評価では5〜8人の会話群で優位な一方、2人の会話群では次点モデルに劣った。公称の遅延が示す範囲も整理する。
Tech Product
Sortformer
Overview
最終更新: 2026年9月27日音声データの中から「誰がいつ話したか」をリアルタイムで正確に識別（話者ダイアライゼーション）するモデル。MultiTalker Parakeetなどの音声認識技術と組み合わせることで、会議の自動議事録作成やマルチモーダルなAIアシスタントの精度を向上させる。
Mentioned Articles
2 件
External Mentions
10 件- arXivSlots Are Not Speakers: Training-Free Speaker Linking for Frozen Streaming Diarizers
- arXivAutomated Pronunciation Evaluation for Korean Toddler Speech using Speech Diarization and Self-Supervised Learning
- arXivMind the Gap: Impact of Synthetic Conversational Data on Multi-Talker ASR and Speaker Diarization
- arXivTrain Short, Infer Long: Speech-LLM Enables Zero-Shot Streamable Joint ASR and Diarization on Long Audio
- arXivLibriConvo: Simulating Conversations from Read Literature for ASR and Diarization
- arXivStreaming Sortformer: Speaker Cache-Based Online Speaker Diarization with Arrival-Time Ordering
- Hacker NewsStolen from Apple (2004)
- Hacker NewsA Mac For Mick (2005)
- Hacker News90 Hours a Week and Loving It
- Hacker NewsShortformer: Better Language Modeling using Shorter Inputs [pdf]