NVIDIA Nemotron 3 Diarization dans Glimpse
Glimpse est une app de bureau open source pour macOS et Windows qui réunit dictée vocale, enregistrement de réunions, transcription et NVIDIA Nemotron 3 Diarization. Le modèle tourne sur votre ordinateur et identifie jusqu'à 8 intervenants, en direct pendant l'enregistrement, puis à nouveau sur tout l'enregistrement quand vous l'arrêtez.
- intervenants par piste
- 8intervenants par piste
- d'erreurs en moins que le modèle précédent
- 42 %d'erreurs en moins que le modèle précédent
- plus rapide que le temps réel sur un M2 Pro
- 339×plus rapide que le temps réel sur un M2 Pro
- sur le disque, en pleine précision
- 106 Mosur le disque, en pleine précision
En bref
- Modèle
- NVIDIA Nemotron 3 Diarization, basé sur Streaming Sortformer v3. Il répond à « qui a parlé quand » avec une résolution de 10 ms. Il ne produit pas de texte, donc Glimpse l'associe à un modèle de reconnaissance vocale.
- Où il tourne
- Sur votre ordinateur, via transcribe.cpp, le moteur vocal de Glimpse qui fonctionne sur l'appareil. Aucun envoi, aucun compte, et ça marche sans wifi.
- Plateformes
- macOS 14 ou ultérieur, et Windows 10 ou ultérieur.
- Intervenants
- Jusqu'à 8 par piste.
- Matériel
- La puce graphique, via Metal sur Mac et Vulkan sur Windows, donc pas besoin de carte NVIDIA. Il bascule sur le processeur quand aucun GPU n'est disponible.
- Fichier du modèle
- Un GGUF 8 bits (Q8_0) de 106 Mo, qui obtient les mêmes résultats qu'en pleine précision. Les versions F16 et F32 sont publiées sur Hugging Face.
- Reconnaissance vocale
- Le modèle de votre choix : Parakeet TDT V3, Parakeet Unified, Whisper, Nemotron Streaming ou Qwen3-ASR, tous en local. Les modèles cloud que vous ajoutez avec votre propre clé fonctionnent aussi.
Comment Glimpse l'utilise
L'identification des intervenants pour les réunions, appels, cours et interviews, du premier mot jusqu'à l'export.
- 1
Deux pistes, identifiées séparément
Un enregistrement garde votre micro et le son de votre ordinateur à part, donc vos répliques sont toujours les vôtres. Nemotron 3 Diarization traite chaque piste séparément, si bien que les personnes dans la pièce avec vous ne sont jamais confondues avec celles en ligne.
- 2
En direct, pendant l'enregistrement
La transcription en direct fait tourner le modèle en streaming avec environ une seconde d'anticipation, donc chaque ligne apparaît avec son intervenant déjà identifié.
- 3
Une analyse complète à l'arrêt
Une fois l'enregistrement terminé, Glimpse relance le modèle sur chaque piste entière avec 30 secondes d'anticipation, le réglage publié par NVIDIA pour la meilleure précision. Les intervenants s'alignent alors sur les mots de votre modèle vocal.
- 4
Facile à corriger
Renommez, changez la couleur, fusionnez ou masquez des intervenants dans la Bibliothèque, ou attribuez une ligne à quelqu'un d'autre. Détecter à nouveau les intervenants conserve les noms que vous leur avez donnés. Les fichiers que vous importez sont traités de la même façon.
Benchmarks
Sur le corpus de réunions AMI : 16 vraies réunions, 9,06 heures, avec une marge de 0 seconde et la parole superposée incluse. Chaque ligne est passée par la même chaîne de traitement. Le portage correspond à la référence de NVIDIA à chaque étape. La méthodologie et le tableau complet se trouvent sur la fiche du modèle.
Taux d'erreur de diarisation
Plus bas, c'est mieux. Le mode en direct, avec une seconde d'anticipation, bat encore le meilleur score du modèle précédent.
- Glimpse, Q8_030,4 s d'anticipation9.23%
- Glimpse, Q8_0, en direct1,04 s d'anticipation9.48%
- Référence NVIDIA, fp3230,4 s d'anticipation9.22%
- Sortformer v2.1, modèle précédent30,4 s d'anticipation15.99%
Vitesse
Combien de fois plus rapide que le temps réel sur un Apple M2 Pro. Une réunion de 10 minutes prend moins de deux secondes sur le GPU.
- Nemotron 3 DiarizationGPU (Metal)339×
- Nemotron 3 DiarizationCPU59×
- Sortformer v2.1GPU (Metal)105×
- Sortformer v2.1CPU44×
Questions fréquentes
Glimpse utilise-t-il NVIDIA Nemotron 3 Diarization ?
Oui. Depuis la version 1.2.7, Glimpse identifie les intervenants avec NVIDIA Nemotron 3 Diarization, en local sur Mac et Windows. Il sert aux transcriptions en direct pendant l'enregistrement, à l'analyse complète après un enregistrement, et aux fichiers audio et vidéo que vous importez.
Est-ce la même chose que Sortformer ?
Nemotron 3 Diarization est le Streaming Sortformer v3 de NVIDIA. Il a remplacé Sortformer v2.1 dans Glimpse, avec 42 % d'erreurs en moins au total, environ quatre fois moins de confusion entre intervenants, et deux fois plus d'intervenants.
Faut-il une carte graphique NVIDIA ?
Non. Glimpse fait tourner le modèle via transcribe.cpp, avec Metal sur Mac et Vulkan sur Windows, donc il fonctionne sur Apple Silicon et les puces graphiques AMD, Intel et NVIDIA, et sur le processeur quand il n'y a pas de GPU.
La détection des intervenants fonctionne-t-elle hors ligne ?
Oui. Le modèle est téléchargé une fois et tourne sur votre ordinateur. Vos enregistrements ne sont jamais envoyés en ligne pour la détection des intervenants.
Combien d'intervenants peut-il distinguer ?
Jusqu'à 8 par piste. Comme votre micro et le son de votre ordinateur sont sur des pistes séparées, un appel avec quelques personnes dans la pièce et d'autres en ligne reste net.
La détection des intervenants est-elle gratuite ?
La détection des intervenants fait partie de la Bibliothèque et du mode Enregistrement, inclus avec chaque licence Glimpse et dans l'essai gratuit de deux semaines. La dictée est gratuite et illimitée.
Puis-je utiliser le modèle converti dans mon propre projet ?
Oui. Les fichiers GGUF sont sur Hugging Face sous la licence OpenMDW 1.1 de NVIDIA, qui autorise l'usage commercial, et ils tournent avec transcribe.cpp. Glimpse lui-même est open source sous licence AGPL-3.0.
Essayez-le sur votre prochaine réunion
La dictée est gratuite et illimitée. L'enregistrement et la détection des intervenants s'accompagnent d'un essai gratuit de deux semaines.