Glimpse में NVIDIA Nemotron 3 Diarization

Glimpse macOS और Windows के लिए एक ओपन-सोर्स डेस्कटॉप ऐप है, जिसमें वॉइस डिक्टेशन, मीटिंग रिकॉर्डिंग, ट्रांसक्रिप्शन और NVIDIA Nemotron 3 Diarization एक साथ हैं। मॉडल आपके कंप्यूटर पर चलता है और 8 स्पीकर तक पर लेबल लगाता है, रिकॉर्ड करते समय लाइव, और रुकने पर पूरी रिकॉर्डिंग पर दोबारा।

Glimpse डाउनलोड करें
किसने कब बोलाNemotron 3 Diarization
LeslieBenAnnAndy
0:000:150:300:451:00
स्पीकर प्रति ट्रैक
8स्पीकर प्रति ट्रैक
पिछले मॉडल से कम गलतियाँ
42%पिछले मॉडल से कम गलतियाँ
M2 Pro पर रियल टाइम से तेज़
339×M2 Pro पर रियल टाइम से तेज़
डिस्क पर, पूरी सटीकता के साथ
106 MBडिस्क पर, पूरी सटीकता के साथ

एक नज़र में

मॉडल
NVIDIA Nemotron 3 Diarization, जो Streaming Sortformer v3 पर बना है। यह 10 ms की सटीकता से बताता है कि “किसने कब बोला”। यह टेक्स्ट नहीं बनाता, इसलिए Glimpse इसे एक स्पीच रिकग्निशन मॉडल के साथ जोड़ता है।
कहाँ चलता है
आपके कंप्यूटर पर, transcribe.cpp के ज़रिए, जो Glimpse का ऑन-डिवाइस स्पीच इंजन है। कोई अपलोड नहीं, कोई खाता नहीं, और वाई-फ़ाई बंद होने पर भी काम करता है।
प्लेटफ़ॉर्म
macOS 14 या बाद का, और Windows 10 या बाद का।
स्पीकर
हर ट्रैक पर 8 तक।
हार्डवेयर
Mac पर Metal और Windows पर Vulkan के ज़रिए ग्राफ़िक्स चिप, इसलिए NVIDIA कार्ड की ज़रूरत नहीं। GPU न होने पर यह CPU पर चलता है।
मॉडल फ़ाइल
8-बिट GGUF (Q8_0), 106 MB, जिसका स्कोर फ़ुल प्रिसिज़न जितना ही है। F16 और F32 वर्ज़न Hugging Face पर प्रकाशित हैं।
स्पीच रिकग्निशन
आप जो भी मॉडल चुनें: Parakeet TDT V3, Parakeet Unified, Whisper, Nemotron Streaming या Qwen3-ASR, सब लोकल। अपनी कुंजी से जोड़े गए क्लाउड मॉडल भी चलते हैं।

Glimpse इसे कैसे इस्तेमाल करता है

मीटिंग, कॉल, लेक्चर और इंटरव्यू के लिए स्पीकर लेबल, पहले शब्द से निर्यात तक।

  1. 1

    दो ट्रैक, अलग-अलग लेबल

    रिकॉर्डिंग आपके माइक्रोफ़ोन और आपके कंप्यूटर के ऑडियो को अलग रखती है, इसलिए आपकी पंक्तियाँ हमेशा आपकी रहती हैं। Nemotron 3 Diarization हर ट्रैक पर अलग से चलता है, इसलिए आपके साथ कमरे में बैठे लोग कभी कॉल पर मौजूद लोगों से नहीं मिलते।

  2. 2

    लाइव, रिकॉर्ड करते समय

    लाइव ट्रांसक्रिप्ट मॉडल को स्ट्रीमिंग मोड में करीब एक सेकंड के लुकअहेड के साथ चलाता है, इसलिए हर पंक्ति स्पीकर के लेबल के साथ ही आती है।

  3. 3

    रुकने पर पूरा पास

    रिकॉर्डिंग खत्म होने पर Glimpse हर पूरे ट्रैक पर इसे 30 सेकंड के लुकअहेड के साथ दोबारा चलाता है, जो सबसे अच्छी सटीकता के लिए NVIDIA की प्रकाशित सेटिंग है। फिर स्पीकर लेबल आपके स्पीच मॉडल के शब्दों से मिला दिए जाते हैं।

  4. 4

    ठीक करना आसान

    लाइब्रेरी में स्पीकर का नाम बदलें, रंग बदलें, उन्हें मिलाएँ या छिपाएँ, या कोई एक पंक्ति किसी और को दें। स्पीकर दोबारा पहचानने पर आपके दिए नाम बने रहते हैं। इम्पोर्ट की गई फ़ाइलों के साथ भी यही होता है।

बेंचमार्क

AMI मीटिंग कॉर्पस पर: 16 असली मीटिंग, 9.06 घंटे, 0 सेकंड कॉलर के साथ और ओवरलैप होती बोली को शामिल करके। हर पंक्ति एक ही पाइपलाइन से गुज़री। पोर्ट हर चरण पर NVIDIA के रेफ़रेंस से मेल खाता है। तरीका और पूरी तालिका मॉडल कार्ड पर है।

डायराइज़ेशन त्रुटि दर

कम बेहतर है। एक सेकंड के लुकअहेड वाला लाइव मोड भी पिछले मॉडल के सबसे अच्छे नतीजे से आगे है।

  • Glimpse, Q8_030.4 s लुकअहेड9.23%
  • Glimpse, Q8_0, लाइव1.04 s लुकअहेड9.48%
  • NVIDIA रेफ़रेंस, fp3230.4 s लुकअहेड9.22%
  • Sortformer v2.1, पिछला मॉडल30.4 s लुकअहेड15.99%

स्पीड

Apple M2 Pro पर रियल टाइम से कितने गुना तेज़। 10 मिनट की मीटिंग GPU पर दो सेकंड से कम लेती है।

  • Nemotron 3 DiarizationGPU (Metal)339×
  • Nemotron 3 DiarizationCPU59×
  • Sortformer v2.1GPU (Metal)105×
  • Sortformer v2.1CPU44×

मॉडल और सोर्स

आम सवाल

क्या Glimpse NVIDIA Nemotron 3 Diarization इस्तेमाल करता है?

हाँ। वर्ज़न 1.2.7 से Glimpse NVIDIA Nemotron 3 Diarization से स्पीकर पर लेबल लगाता है, जो Mac और Windows पर लोकल चलता है। यह रिकॉर्ड करते समय लाइव ट्रांसक्रिप्ट के लिए, रिकॉर्डिंग के बाद पूरे पास के लिए, और इम्पोर्ट की गई ऑडियो और वीडियो फ़ाइलों के लिए इस्तेमाल होता है।

क्या यह Sortformer जैसा ही है?

Nemotron 3 Diarization, NVIDIA का Streaming Sortformer v3 है। Glimpse में इसने Sortformer v2.1 की जगह ली, कुल मिलाकर 42% कम गलतियों, स्पीकर की करीब चार गुना कम उलझन, और दोगुने स्पीकर के साथ।

क्या मुझे NVIDIA ग्राफ़िक्स कार्ड चाहिए?

नहीं। Glimpse मॉडल को transcribe.cpp से चलाता है, Mac पर Metal और Windows पर Vulkan के साथ, इसलिए यह Apple Silicon, AMD, Intel और NVIDIA ग्राफ़िक्स पर चलता है, और GPU न हो तो CPU पर।

क्या वक्ता पहचान ऑफ़लाइन काम करती है?

हाँ। मॉडल एक बार डाउनलोड होता है और आपके कंप्यूटर पर चलता है। वक्ता पहचान के लिए आपकी रिकॉर्डिंग कभी अपलोड नहीं होतीं।

यह कितने स्पीकर को अलग-अलग पहचान सकता है?

हर ट्रैक पर 8 तक। क्योंकि आपका माइक्रोफ़ोन और आपके कंप्यूटर का ऑडियो अलग ट्रैक हैं, इसलिए कमरे में कुछ लोग और लाइन पर और लोग हों, तब भी नतीजा साफ़ आता है।

क्या वक्ता पहचान मुफ़्त है?

वक्ता पहचान लाइब्रेरी और रिकॉर्ड मोड का हिस्सा है, जो हर Glimpse लाइसेंस और दो हफ़्ते के मुफ़्त ट्रायल के साथ आते हैं। डिक्टेशन मुफ़्त और असीमित है।

क्या मैं बदला हुआ मॉडल अपने प्रोजेक्ट में इस्तेमाल कर सकता हूँ?

हाँ। GGUF फ़ाइलें Hugging Face पर NVIDIA के OpenMDW 1.1 लाइसेंस के तहत हैं, जो कमर्शियल इस्तेमाल की अनुमति देता है, और ये transcribe.cpp से चलती हैं। Glimpse खुद AGPL-3.0 के तहत ओपन सोर्स है।

अपनी अगली मीटिंग पर आज़माएँ

डिक्टेशन मुफ़्त और असीमित है। रिकॉर्डिंग और वक्ता पहचान के साथ दो हफ़्ते का मुफ़्त ट्रायल मिलता है।

Glimpse डाउनलोड करें