Локальный ассистент для зумов, часть 9: неделя на Nemotron

Автор продолжает серию материалов о локальном ассистенте для видеозвонков и делится опытом недельного использования модели Nemotron для диаризации спикеров. На тестовом созвоне из восьми человек длительностью 57 минут система разметила голоса за считаные секунды, тогда как прежний инструмент sherpa на той же дорожке работал существенно дольше.

Отдельно автор фиксирует расхождение по времени обработки: повторный прогон той же записи занял уже около восемнадцати минут, что говорит о нестабильности производительности в зависимости от условий запуска. Это важный практический нюанс для тех, кто планирует строить пайплайны автоматической транскрипции и диаризации на локальных моделях.

Материал относится к серии технических заметок и ориентирован на разработчиков, а не на киноиндустрию напрямую. Тем не менее для продакшенов, работающих с расшифровкой интервью и монтажных листов, подобные решения могут быть полезны. Детали замеров и код — на Хабре.