Google 放 DiarizationLM-Gemma-4-E4B：4B 说话人分离模型，四个基准同时显著改进
Google 在 Hugging Face 放出 DiarizationLM-Gemma-4-E4B-v1，把说话人分离的后处理模型从「只会处理 2 人电话」扩到四套常见语料：Fisher（2 人电话）、Callhome（2–5 人电话）、ICSI（3–9 人学术会议）与 AMI（4 人桌面会议）。底座是 Gemma 4 E4B（4B dense，42 层、隐层 2560、26.2 万词表），放出的是合并后的 bfloat16 权重，另附 Q4_K_M 与 Q4_0 两个 GGUF，许可 Apache-2.0。
做法是把训练目标写成「保局部性的 oracle 监督」：1–5 个词的短接续（词边界、应和声）按真实转写纠正，6 词以上的长独白则保持声学说话人锚点不变——官方说这正是以往多域直接微调会出现「长独白说话人身份漂移」的地方。训练数据为 51,063 条 Fisher 加 20,762 条多语料样本，1 万步、8 卡 TPU v5p。模型卡报告在四个基准上 WDER 与 cpWER 同时取得统计显著改进（p<0.0001）：Fisher WDER 2.99（前代 8B 为 3.28）、Callhome 4.92（前代 6.66），说话人计数的平均绝对误差也同步下降。
它改变了什么：说话人分离的后处理此前基本只在电话域有效，现在 4B 一个模型就能覆盖电话与多人会议，且权重与 GGUF 一起放出，可直接在本地或端上跑，不必把会议音频送去第三方 API。边界：全部数字为 Google 自测（表格含 95% bootstrap 区间），未见官方博客或新闻稿，模型卡自述 not an officially supported Google product；我们没有复现评测。
核验记录
HF 仓 google/DiarizationLM-Gemma-4-E4B-v1 createdAt 2026-10-04T13:06:04Z；同日官方代码仓 google/speaker-id 两次提交（2026-10-04T16:15:37Z「Add google/DiarizationLM-Gemma-4-E4B-v1 support and locality-preserving data prep」、16:52:45Z 合并「Add gemma4 support and best results on AMI」），两个独立时间戳同日互证。未找到官方博客或新闻稿（HF 博客、blog.google、Google Research 博客本轮均无该条目），日期取自仓库时间戳而非官方宣布日。基准数字取自模型卡表格，均为厂商自测。 【2026-10-06 22:50 配图更换（报备执行）】原配图 https://cdn-thumbnails.huggingface.co/social-thumbnails/models/google/DiarizationLM-Gemma-4-E4B-v1.png 在本机直连（裸请求／带站内 Referer）与经代理三条通路均返回 401 Unauthorized，且 `api/models?search=DiarizationLM` 的 9 条结果里已不含 google/DiarizationLM-Gemma-4-E4B-v1（只剩第三方 GGUF 转存 mradermacher/…-GGUF，2026-10-05 建仓）——401 只能证明「本机这几条通路读不到该仓」，不等于该仓已被删除（HF 用 401 隐藏私仓/受限仓）。改为 google/speaker-id 代码仓的社交缩略图，三条通路各测一次均 200 / image/png 61,884 字节。正文与日期未改动。