תרגום מכונה · המקור באנגלית
שאלון diarization Indexs: Nemotron 3 ו-MINformer
Nemotron 3 MLX ו CoreML הצטרפו למערכות דיאריזציה קודמות על אותה מערכת פנימית 132 הקלטות בשמונה שפות, כל מערכת מקבלת את אודיו ללא ספירת דוברות. Nemotron 3 כיסויי ריצה 12.82 שעות של אודיו ללא קבצים כושלים.
כל תא הוא DER (שיעור השגיאה של השמדה), הפניה-דיבר עם צווארון 0.25 נמוך יותר. שיחות אמתיות ומסילות סינתטיות הן הטיים שונים של ראיות, ואין לקרוא עליהן.
Nemotron 3 INT8 יצוא
Apple Silicon פועל בזמן האחרון NVIDIA Nemotron 3 Diarization מחסום שני פועל ספירת רמקולים אוטומטית והמשך ברירת המחדל של החבילה הוא מוכנס על ידי זמן הדובר ההתייחסות בתוך כל מפה להערכה של הקלטה, כולל חפיפה. 85.6% עבור MLX ו 84.8% עבור CoreML.
| שפה | קבצים | Nemotron 3 MLX | Nemotron 3 CoreML | מקור |
|---|---|---|---|---|
| ערבית ערבית | 12 | 16.54% | 18.16% | 22.32% |
| גרמניה גרמנית | 12 | 7.32% | 7.21% | 8.38% |
| אנגלית אנגלית | 48 | 10.31% | 10.24% | 13.81% |
| ספרדית | 12 | 12.56% | 13.19% | 16.33% |
| מנדרינה | 12 | 10.00% | 9.68% | 9.95% |
| אזרבייג'ן | 12 | 2.53% | 2.55% | 5.25% |
| שוויצרי גרמני | 12 | 15.72% | 15.69% | 21.59% |
| רוסיה רוסיה | 12 | 4.47% | 4.44% | 5.35% |
| All | 132 | 10.98% | 11.20% | — |
תוצאות מודל מקור מוקדם על ידי שפה
שיחה אמיתית
שידור, טלפון ומפגש אודיו 96 הקלטות, 12.63 שעות.
| מערכת מערכת | ערבית ערבית | גרמניה גרמנית | אנגלית אנגלית | ספרדית | מנדרינה |
|---|---|---|---|---|---|
| נמוך יותר הוא טוב יותר | |||||
| תגית: Cloud API | 21.02% | 7.62% | 13.21% | 15.92% | 9.63% |
| סטרימינג | 22.32% | 8.38% | 13.81% | 16.33% | 9.95% |
| המונחים במצב לא מקוון | 17.92% | 8.13% | 14.34% | 16.43% | 10.52% |
| תגית: Community-1 | 15.57% | 20.22% | 15.22% | 22.78% | 16.19% |
רכבות סינתטיות
דיבור קורא עם דגימת תורות שנמדדו על פרוסות ה-CallHome. אלה מזהים כשלי דומיין גולמיים ולא יותר. אל תשוו את המספרים האלה עם השולחן לעיל.
| מערכת מערכת | אזרבייג'ן | שוויצרי גרמני | רוסיה רוסיה |
|---|---|---|---|
| נמוך יותר הוא טוב יותר | |||
| תגית: Cloud API | 4.74% | 19.33% | 8.15% |
| סטרימינג | 5.25% | 21.59% | 5.35% |
| המונחים במצב לא מקוון | 5.16% | 28.03% | 8.20% |
| תגית: Community-1 | 35.23% | 45.21% | 35.26% |
מתודולוגיה ומגבלות
- One Scorer, פריט אחד מוגדר. כל תא מגיע מאותה רתמה ואותו ביטויים מלוטשים, כך שתי מערכות לעולם אינן קשורות לשני השליטים השונים.
- Noרמקול ספירה מסופקת לכל חזרה.
- צירי זמן הדוברים אנונימיים בלבד. אלה הם תוצאות diarization, לא נקרא רמקול על נקמה.
- Synthetic Rails אינם שיחה אמיתית.
az,gswוruנבנו מחדש על התפלגות מעקב של הפעלות שנמדדה מ-CallHome. מסילות קדם השתמש דפוס קבוע אשר הפיק שיעור של 100%-change, שבו שיחות אמיתיות חוזר על אודות כ- 16% מהרמקולים שגויים על פני השטח. - Sortformer caps בארבע רמקולים; 22 מתוך 96 הקבצים המקוריים עולה על יכולת זו.
הוכחת נתונים
הגרמני, הספרדית והמנדרינה מגיעות מ talkbank/callhome בתיקון 17c8a153 תחת CC BY-NC-SA 4.0.הפניה הופכת ל- corpus של corpus עצמו פעמיםtamps: no VAD
רוץ בעצמך
התוצאות משתמשות באותו ציון נתונים ודירוג של אותו ציון. תגית: diarization guide עבור בחירת מנוע, DER ניקוד ו- RTTM פלט Apple Silicon, או את ה- ZXQ. מדד ה-MBA המלא עבור שורות ASR ו- TTS מדדו את אותה הדרך.