Nvidia affirme que Nemotron 3.5 Transcribe peut fonctionner sur une seule puce, du Jetson AGX Thor et DGX Spark jusqu’aux Blackwell pour centres de données. Le modèle ne traite cependant que de l’audio enregistré, sans prise en charge du direct. Cette annonce intervient alors que Mistral, ElevenLabs et Salesforce ont récemment lancé leurs propres modèles vocaux.
Fonctionne hors temps réel et annoncé sur une seule puce
Nemotron 3.5 Transcribe ne prend pas en charge les flux en direct et s’utilise uniquement avec des enregistrements audio. Nvidia indique que le modèle, doté de 30 milliards de paramètres, peut fonctionner sur une seule puce. Les puces mentionnées vont du contrôleur Jetson AGX Thor et de la puce DGX Spark pour ordinateurs portables, jusqu’aux puces Blackwell destinées aux centres de données. Nemotron 3.5 s’ajoute à la gamme de modèles vocaux open source de Nvidia, qui comprend aussi Parakeet, un modèle de 1,1 milliard de paramètres.
Vous voulez les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Capacités revendiquées et cas d’usage visés
Nemotron 3.5 Transcribe peut transcrire de l’audio en jusqu’à 40 langues. Nvidia précise que le modèle permet la traduction de 31 langues vers et depuis l’anglais, la gestion d’enregistrements allant jusqu’à une heure et la distinction de jusqu’à huit locuteurs. L’entreprise affirme que le modèle surpasse ses concurrents sur des benchmarks, dont le Hugging Face’s Open ASR Leaderboard. Ces outils sont conçus pour des applications telles que les réunions d’affaires et la transcription médicale. Nvidia indique que les développeurs peuvent associer Nemotron 3.5, Granary v2 et des outils comme NeMo Speech pour adapter la reconnaissance du jargon propre à chaque secteur et langue. Le modèle est proposé gratuitement en open source.
Granary v2 disponible et un marché vocal très actif
Nvidia accompagne ce lancement de la version 2 de Granary, son ensemble de données vocales open source. Cette annonce intervient dans un contexte de multiplication des sorties dans le domaine vocal : Mistral a récemment livré Voxtral 3, ElevenLabs a lancé Realtime pour la génération de discours instantané dans des agents vocaux, et Salesforce a publié son modèle vocal Launa-Omni.
