話者8人を聞き分ける無料モデル　Nvidiaが重みを公開

ぼくがこれを3本目に置いたのは、録音を扱う人の手間が今日から減るからです。

文字起こしが正確でも、誰の発言かが分からないと、議事録も対談記事も作り直しになります。

そこを無料で、しかも商用可の重みで埋めるモデルです。

注目は小ささと速さです。

1億パラメータで、区切って処理するので録音の長さに上限はありません。

遅れ0.3秒級の設定もあり、配信や通話でもその場で話者を分けられます。

Nvidiaの計測では、GPU上で録音の1万倍以上の速さで処理します。

ただし出てくるのは「話者1」「話者2」という番号で、名前は付けてくれません。

今日やることは、手元の対談や会議の録音を1本、デモに通すこと。

学習には21言語の音声が入っていますが、日本語の精度は公表されていません。

自分の録音で確かめてから使ってください。