英伟达最近推出了一款叫 Nemotron 3 Diarization 的语音 AI 模型，通俗来说，它的本事就是多人说话录音自动区分是谁在讲话。

日常开会录音最头疼的一件事，就是一堆人一起聊天，经常好几个人同时开口，录音回放只能听见一团嘈杂的声音，很难分清哪句话是谁说的。这个模型就是专门解决这个痛点。它最多可以识别 8 个人同时在场的对话，就算几个人说话重叠、抢话，也能把每个人的发言拆分开，标注清楚每个人说话的时间顺序。

厉害的一点是，这个模型体量很小，参数量只有 100M，不需要很高配置的电脑就能跑起来。很多语音识别模型想要做到多人区分，往往需要巨大算力，普通电脑根本带不动。这个小模型门槛低，普通企业、小工作室都能用。

模型已经开源放到 Hugging Face 平台，任何人都能下载试用。可以用到线上会议记录、访谈录音整理、播客转文字这些场景。以后开会录音，AI 能自动把每个人的话分开整理成文稿，省去人工逐句分辨发言人的大量时间。