模型介绍
**Nemotron 3 Diarization** is an open-weight speaker diarization model designed to determine "who spoke when" in real-world audio. It supports both streaming and offline inference and handles up to eight speakers. Following Sortformer [\[1\]](#ref-1), the model resolves speaker permutation by ordering its output channels according to each speaker's first arrival in the input audio. For streaming inference, the model adopts the Arrival-Order Speaker Cache (AOSC) and FIFO queue introduced in **Streaming Sortformer** [\[2\]](#ref-2). The AOSC retains speaker information from earlier chunks to preserve speaker identities over time, while the FIFO queue provides recent frame context for each processing step. A single checkpoint supports input buffer latency as low as 80 ms for latency-critical applications, although the lowest recommended configuration is 0.32 s; the offline-style configuration uses a 30.4 s input buffer. The output frame resolution is configurable in multiples of 10 ms. With chunked inference, the maximum audio duration is not limited.
主要特点
特点摘要待依据来源补齐，不凭模型名称推断能力。
局限与注意事项
暂无足够来源支持具体缺点结论。请重点验证实际任务表现、时延、数据政策、许可与版本生命周期。
来源报价与费用分析
同一模型在不同渠道、地区和配置下可能采用不同价格。下表独立保留各渠道报价，不将渠道价格视为厂商官方统一价格。
| 来源 / 渠道 | 输入 | 输出 | 计费单位 | 采集时间 |
|---|---|---|---|---|
| 暂未取得可核验报价，请查阅来源渠道。 | ||||
按月估算基础 Token 费用
预估不包含缓存优惠、阶梯定价、多模态附加费用、网络检索、税费及推理额外输出。
公开评测与运行配置
暂无已采集的可核验公开评分。模型未上榜不代表能力较低。
查看完整已收录榜单 →常见问题
开放权重是否代表可以免费商用？
不一定。应核对具体版本许可证、商用门槛和使用政策。自部署还会产生算力和维护成本。
这些价格是实时结算价格吗？
不是实时结算价格，而是带采集时间的来源报价快照。请到对应渠道核对当前版本、区域、折扣和计费方式。
资料来源与可追溯记录
许可证：openmdw-1.1。模型介绍与第三方评测均以原来源的具体版本和方法为准。