NVIDIA Nemotron 3 Diarization in Glimpse
Glimpse è un'app desktop open source per macOS e Windows che unisce dettatura vocale, registrazione delle riunioni, trascrizione e NVIDIA Nemotron 3 Diarization. Il modello gira sul tuo computer e riconosce fino a 8 interlocutori, live mentre registri e di nuovo per intero quando ti fermi.
- interlocutori per traccia
- 8interlocutori per traccia
- di errori in meno rispetto al modello precedente
- 42%di errori in meno rispetto al modello precedente
- più veloce del tempo reale su un M2 Pro
- 339×più veloce del tempo reale su un M2 Pro
- su disco, con la massima precisione
- 106 MBsu disco, con la massima precisione
In breve
- Modello
- NVIDIA Nemotron 3 Diarization, basato su Streaming Sortformer v3. Risponde alla domanda «chi ha parlato e quando» con una risoluzione di 10 ms. Non produce testo, quindi Glimpse lo abbina a un modello di riconoscimento vocale.
- Dove gira
- Sul tuo computer, tramite transcribe.cpp, il motore vocale di Glimpse che lavora sul dispositivo. Nessun caricamento, nessun account, e funziona anche senza wifi.
- Piattaforme
- macOS 14 o successivi e Windows 10 o successivi.
- Interlocutori
- Fino a 8 per traccia.
- Hardware
- Il chip grafico, tramite Metal su Mac e Vulkan su Windows, quindi non serve una scheda NVIDIA. Se non c'è una GPU disponibile, usa la CPU.
- File del modello
- Un GGUF a 8 bit (Q8_0) da 106 MB, con gli stessi risultati della precisione piena. Le versioni F16 e F32 sono pubblicate su Hugging Face.
- Riconoscimento vocale
- Il modello che preferisci: Parakeet TDT V3, Parakeet Unified, Whisper, Nemotron Streaming o Qwen3-ASR, tutti in locale. Funzionano anche i modelli cloud che aggiungi con la tua chiave.
Come lo usa Glimpse
Rilevamento degli interlocutori per riunioni, chiamate, lezioni e interviste, dalla prima parola all'esportazione.
- 1
Due tracce, analizzate separatamente
Una registrazione tiene separati il microfono e l'audio del computer, così le tue frasi sono sempre tue. Nemotron 3 Diarization lavora su ogni traccia da sola, quindi le persone nella stanza con te non si confondono mai con quelle in chiamata.
- 2
Live, mentre registri
La trascrizione live esegue il modello in streaming con circa un secondo di anticipo, così ogni frase compare già attribuita a chi l'ha detta.
- 3
Un passaggio completo quando ti fermi
Quando la registrazione finisce, Glimpse la rianalizza su ogni traccia intera con 30 secondi di anticipo, l'impostazione pubblicata da NVIDIA per la massima precisione. Gli interlocutori vengono poi allineati alle parole del tuo modello vocale.
- 4
Facile da correggere
Rinomina, cambia colore, unisci o nascondi gli interlocutori nella Libreria, oppure sposta una singola frase a qualcun altro. Se rilevi di nuovo gli interlocutori, i nomi che hai dato restano. I file che importi vengono trattati allo stesso modo.
Benchmark
Sul corpus di riunioni AMI: 16 riunioni reali, 9,06 ore, con un collar di 0 secondi e parlato sovrapposto incluso. Ogni riga è passata dalla stessa pipeline. La conversione corrisponde al riferimento di NVIDIA in ogni fase. Metodologia e tabella completa sono nella scheda del modello.
Tasso di errore di diarizzazione
Meno è meglio. La modalità live, con un secondo di anticipo, batte comunque il miglior risultato del modello precedente.
- Glimpse, Q8_030,4 s di anticipo9.23%
- Glimpse, Q8_0, live1,04 s di anticipo9.48%
- Riferimento NVIDIA, fp3230,4 s di anticipo9.22%
- Sortformer v2.1, modello precedente30,4 s di anticipo15.99%
Velocità
Volte più veloce del tempo reale su un Apple M2 Pro. Una riunione di 10 minuti richiede meno di due secondi sulla GPU.
- Nemotron 3 DiarizationGPU (Metal)339×
- Nemotron 3 DiarizationCPU59×
- Sortformer v2.1GPU (Metal)105×
- Sortformer v2.1CPU44×
Domande frequenti
Glimpse usa NVIDIA Nemotron 3 Diarization?
Sì. Dalla versione 1.2.7, Glimpse riconosce gli interlocutori con NVIDIA Nemotron 3 Diarization, in locale su Mac e Windows. Lo usa per le trascrizioni live durante la registrazione, per il passaggio completo dopo una registrazione e per i file audio e video che importi.
È lo stesso di Sortformer?
Nemotron 3 Diarization è lo Streaming Sortformer v3 di NVIDIA. Ha sostituito Sortformer v2.1 in Glimpse, con il 42% di errori in meno in totale, circa quattro volte meno confusione tra interlocutori e il doppio degli interlocutori.
Serve una scheda grafica NVIDIA?
No. Glimpse esegue il modello tramite transcribe.cpp, con Metal su Mac e Vulkan su Windows, quindi funziona con grafica Apple Silicon, AMD, Intel e NVIDIA, e sulla CPU quando non c'è una GPU.
Il rilevamento degli interlocutori funziona offline?
Sì. Il modello si scarica una volta e gira sul tuo computer. Le tue registrazioni non vengono mai caricate online per il rilevamento degli interlocutori.
Quanti interlocutori sa distinguere?
Fino a 8 per traccia. Dato che il microfono e l'audio del computer sono tracce separate, anche una chiamata con qualche persona nella stanza e altre in linea viene fuori pulita.
Il rilevamento degli interlocutori è gratuito?
Il rilevamento degli interlocutori fa parte della Libreria e della modalità Registrazione, incluse in ogni licenza Glimpse e nelle due settimane di prova gratuita. La dettatura è gratuita e illimitata.
Posso usare il modello convertito nel mio progetto?
Sì. I file GGUF sono su Hugging Face con la licenza OpenMDW 1.1 di NVIDIA, che consente l'uso commerciale, e funzionano con transcribe.cpp. Glimpse è open source con licenza AGPL-3.0.
Provalo nella tua prossima riunione
La dettatura è gratuita e illimitata. Registrazione e rilevamento degli interlocutori hanno due settimane di prova gratuita.