Rohan Paul

VoiceArena 推出了 Diarization Bench，根据相同的真实音频和评分规则来比较 12 个二值化系统。 它揭示了随着重叠和更多说话人的出现，准确度下降的速度有多快。 STT、TTS、会话代理以及现在的二值化，全部在 @voicearena_ai 上 让我感兴趣的数字是项圈效应：项圈只是围绕扬声器变化的时序容差。 NVIDIA Nemotron 3 在 250 毫秒项圈下的 DER 得分为 4.29%。在 0 毫秒时获得完全相同的输出，结果变为 14.72%。