【免费下载链接】Nemotron-3-Diarization项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Nemotron-3-Diarization点击查看免费下载Nemotron-3-Diarization 是一款基于 MLX 框架的说话人分离Speaker Diarization模型由 NVIDIA 官方模型转换而来配合 mlx-audio 即可运行。它可以从 16 kHz 单声道音频中自动区分最多 8 位说话人时间分辨率高达 10 ms。本文用 3 个步骤带你完成首次说话人分离调用并对比generate与generate_stream两种调用方式快速应用于会议记录、多轮对话标注等场景。模型能力一览8 个说话人、10 ms 分辨率在动手之前先通过 config.json 了解模型的关键能力避免踩坑能力项说明️ 说话人上限最多 8 位num_speakers: 8⏱️ 时间分辨率10 ms 输入要求16 kHz 单声道音频 模型精度bfloat16️ 编码器结构31 层、512 维、8 注意力头⚙️ 核心机制Sortformer 模块 AOSC 说话人一致性机制第1步安装 mlx-audio 并加载说话人分离模型先安装依赖pip install mlx-audio如果希望在本地管理权重文件可以克隆仓库git clone https://gitcode.com/hf_mirrors/mlx-community/Nemotron-3-Diarization加载模型只需一行代码strictTrue会严格校验模型参数确保加载的就是本仓库的 model.safetensors 权重from mlx_audio.vad import load model load(mlx-community/Nemotron-3-Diarization, strictTrue)第2步用 generate 一次性完成离线分离generate适合整段音频离线处理传入音频文件一次性拿到全部说话人分离结果。result model.generate(meeting.wav) print(result.text)调用要点输入文件需为 16 kHz 单声道可用 ffmpeg 等工具转码返回值中直接包含分离结果可打印result.text快速查看适合会议录音、播客等录完再处理的批量场景。第3步用 generate_stream 实现增量流式分离generate_stream返回一个增量生成器边计算边产出结果适合长音频或需要实时展示进度的场景。for result in model.generate_stream(meeting.wav): for segment in result.segments: print(segment.start, segment.end, segment.speaker)调用要点每次迭代返回当前已确定的语音段起始时间、结束时间、说话人编号增量结果通过 AOSC 与 FIFO 机制保持说话人身份一致——同一个人在整段音频中始终使用同一编号适合长录音转写、边播边分离的交互界面。进阶feed() 处理实时 PCM 流输入如果你要做实时录音场景麦克风逐块输入可以跳过文件级 API直接喂 PCM 数据state model.init_streaming_state() model.feed(chunk, state) # 输入 16 kHz 单声道 PCM 块 model.feed([], state, finalTrue) # 收尾冲刷残余数据来自 README.md 的三点重要说明时间戳是绝对时间相对整段录音起点方便与后续数据对齐多人可重叠重叠说话时多个说话人会同时处于活跃状态编号是通用 ID标签按说话人出现顺序分配模型不识别这是谁如需声纹识别请另行处理。常见注意事项清单 ✅ 输入必须是16 kHz 单声道否则结果可能异常 说话人数超过 8 位时模型只能区分前 8 位generate_stream的说话人编号在全程保持一致可直接用于拼接时间轴 训练数据、评测指标与许可证详情请参考模型卡片上游说明见 README.md 权重文件通过 Git LFS 管理见 .gitattributes克隆时请确保环境支持 LFS。仓库核心文件速查文件用途README.md模型简介、generate / generate_stream / feed 完整调用示例config.json模型结构、处理器参数采样率、特征配置等model.safetensorsMLX 格式权重文件小结Nemotron-3-Diarization 把谁在什么时候说话这件事变得很简单——离线批处理用generate一步到位长音频与实时展示用generate_stream增量输出麦克风流则交给feed。三步之后你的 MLX 设备上就跑起来了一个工业级的说话人分离引擎。赞分享【免费下载链接】Nemotron-3-Diarization项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Nemotron-3-Diarization点击查看免费下载相关推荐5分钟上手Nemotron-3-Diarization-preview说话人分离模型快速开始指南5分钟上手Nemotron 3 Diarization preview说话人分离模型快速开始指南 Nemotron 3 Diarization previewNemotron-3-Diarization-8bit 核心API完全指南generate与generate_stream一行代码解析说话人分段Nemotron 3 Diarization 8bit 核心API完全指南generate与generate_stream一行代码解析说话人分段 NemotrNemotron-3-Diarization-8bit 快速上手5分钟在Apple Silicon上跑通10毫秒级说话人分离Nemotron 3 Diarization 8bit 快速上手5分钟在Apple Silicon上跑通10毫秒级说话人分离 Nemotron 3 Diari上一篇Laravel-admin事件系统实现业务逻辑解耦的终极指南下一篇CANN/pyto符号最小值计算创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考