NVIDIA publie Nemotron 3.5 Transcribe, un modèle vocal pilotable par prompt

NVIDIA a publié Nemotron 3.5 Transcribe sous OpenMDW-1.1 : 40 langues, étiquettes de locuteurs, traduction et style piloté par prompt, pour des enregistrements d’une heure maximum.

  • Nouvelle sortie
  • 2 min de lecture
  • Publié le
  • Mis à jour le

NVIDIA a publié Nemotron 3.5 Transcribe le 28 octobre 2026 sous la licence permissive OpenMDW-1.1. Avec le modèle, elle a publié une boîte à outils de fine-tuning dans NeMo Speech et la version 2 de son jeu de données vocal Granary.

Quoi de neuf

  • Un modèle, plusieurs métiers. Un encodeur de voix et un modèle de diarisation — qui détermine qui a parlé et quand — alimentent un modèle de langage à mélange d’experts. Il gère transcription, traduction de la parole, transcriptions avec locuteur attribué, identification de langue et questions sur l’audio, et peut renvoyer des horodatages au niveau du mot.
  • Taille. La fiche du modèle liste environ 34 milliards de paramètres au total et 4,3 milliards actifs, encodeur audio compris.
  • Couverture. Il prend en charge 40 langues, avec traduction vers ou depuis l’anglais pour 31 d’entre elles et attribution de locuteur pour 13, sur des enregistrements d’une heure maximum comptant jusqu’à huit locuteurs.
  • Style pilotable. Vous décrivez la transcription voulue dans une instruction texte — par exemple texte verbatim ou nombres sous forme écrite — ou vous fournissez une liste de noms et de termes à attendre.
  • Hors ligne uniquement. Il traite des enregistrements terminés. Ce n’est pas un reconnaisseur en streaming.

NVIDIA rapporte un taux d’erreur moyen par mot de 4,71 % sur l’Open ASR Leaderboard en anglais et de 4,62 % sur la version multilingue. Ce sont des mesures du développeur lui-même : testez le modèle sur votre propre audio.

L’exécuter

Les poids BF16 pèsent environ 68 Go, la version FP8 environ 35 Go et la NVFP4 environ 22 Go. La fiche du modèle donne une seule H100 de 80 Go comme cible de déploiement, et des fichiers GGUF existent pour NeMo-Speech.cpp de NVIDIA. Cela le rend bien plus lourd que Whisper large-v3-turbo, qui réclame environ 6 Go. Notre comparaison côte à côte montre quand la taille supplémentaire vaut le coup, et la page des modèles vocaux liste les alternatives.

Licence

OpenMDW-1.1 est une courte licence permissive écrite pour les modèles d’apprentissage automatique. Elle permet d’utiliser, modifier, partager et vendre le modèle, sans restriction sur ses sorties. Vous devez conserver le texte de la licence et les mentions d’origine lors d’une redistribution, et l’Open Source Initiative n’a pas approuvé cette licence. Licences d’IA expliquées décrit sa comparaison avec Apache 2.0 et MIT.

Sources

Modèles cités dans cet article

Modèle Sortie Paramètres Contexte Licence Mémoire requise (plus petite variante)
Nemotron 3.5 Transcribe EN NVIDIA 34B 4.3B actifs 64K OpenMDW-1.1 (Permissive) 25 GB Carte graphique gaming