
GitHub-радар
Автоматически узнай, кто и когда говорил в записи разговора
Модель слушает аудио с несколькими людьми и сама определяет, кто говорил и в какой момент — без ручной разметки.
Это программа, которая разделяет запись разговора по голосам: показывает, кто говорил и когда, но не расшифровывает сами слова.
Когда пригодится
Пригодится, если ты монтируешь подкасты, видео или звонки с несколькими участниками. Если нужен текст разговора, этого недостаточно — понадобится отдельный шаг распознавания речи.
Плюсы
- Различает до 8 говорящих в одной записи
- Работает на обычном ноутбуке без видеокарты
- Самый быстрый режим реагирует за 0,32 секунды
- Ошибка на полной записи на треть ниже, чем у прошлой версии NVIDIA
Минусы
- Распознаёт только голоса, а не слова
- Понадобится отдельный шаг, чтобы получить текст разговора
Как поставить — по шагам
- 1Открой своего ИИ-агента (Claude Code или Codex) в папке проекта.
- 2Отправь агенту текст запроса из блока ниже.
- 3Подготовь тестовую запись с несколькими говорящими в формате WAV.
- 4Проверь, что агент установил модель и NeMo-Speech.cpp без ошибок.
- 5Посмотри результат — список отрезков вида «говорящий 1: начало–конец».
- 6Если нужен текст разговора, попроси агента добавить распознавание речи отдельным шагом.
Текст для агента
Текст для шага с агентом — скопируй и отправь (Claude Code, Codex, любой):
Поставь мне локально модель диаризации речи Nemotron 3 Diarization от NVIDIA: https://huggingface.co/nvidia/Nemotron-3-Diarization - через NeMo-Speech.cpp запусти разметку голосов на тестовой записи с несколькими говорящими и покажи, кто и когда говорил.
Обычный ноутбук от 8 ГБ оперативки - модель весит около 100 мегабайт, видеокарта не нужна.
Открыть на Hugging Face▌ Ещё находки