Nvidia lance une IA gratuite capable de transcrire 40 langues

Résumé

Nvidia lance Nemotron 3.5 Transcribe, un modèle ouvert qui traite 40 langues et cible la transcription médicale et les réunions, sans audio en direct.

Les faits

Nvidia a lancé Nemotron 3.5 Transcribe, un modèle gratuit à poids ouverts capable de transcrire des enregistrements audio dans jusqu’à 40 langues. L’entreprise a également publié la version 2 de Granary, son jeu de données vocal ouvert. Selon Nvidia, Nemotron 3.5 peut traduire 31 langues vers l’anglais et depuis l’anglais, traiter des enregistrements d’une durée maximale d’une heure et distinguer jusqu’à huit intervenants. L’entreprise affirme aussi que le modèle dépasse ses concurrents dans plusieurs évaluations, notamment le classement Open ASR Leaderboard de Hugging Face. Les outils visent notamment les développeurs d’applications pour les réunions professionnelles et la transcription médicale. Nvidia indique qu’ils peuvent combiner le modèle, la nouvelle version de Granary et des outils comme NeMo Speech afin d’adapter les applications au jargon propre à chaque secteur et à chaque langue. Nemotron 3.5 Transcribe compte 30 milliards de paramètres et peut fonctionner sur une seule puce, notamment les puces Jetson AGX Thor, DGX Spark et Blackwell. Le modèle traite toutefois les enregistrements, et non les flux audio en direct. Il rejoint les modèles vocaux à poids ouverts de Nvidia, dont Parakeet, présenté avec 1,1 milliard de paramètres.

Pourquoi c’est important

Le lancement positionne Nvidia sur des usages professionnels déjà établis de l’intelligence artificielle vocale, en particulier les comptes rendus de réunions et la transcription médicale. La prise en charge de 40 langues, la séparation de huit locuteurs et la possibilité d’adapter la reconnaissance au vocabulaire d’un secteur renforcent son intérêt pour des applications spécialisées. La compatibilité annoncée avec une seule puce élargit les scénarios de déploiement, des contrôleurs robotiques aux puces pour ordinateurs et aux composants destinés aux centres de données. En revanche, l’absence de prise en charge de l’audio en direct laisse ce segment aux solutions conçues pour la transcription en temps réel.

Questions fréquentes

Quel modèle Nvidia a-t-elle lancé ?

Nvidia a lancé Nemotron 3.5 Transcribe, un modèle gratuit à poids ouverts pour la transcription audio.[1]

Combien de langues Nemotron 3.5 Transcribe peut-il transcrire ?

Le modèle peut transcrire des enregistrements audio dans jusqu’à 40 langues.[1]

Le modèle fonctionne-t-il avec l’audio en direct ?

Non. Nemotron 3.5 Transcribe fonctionne avec des enregistrements, et non avec des flux audio en direct.[1]

Combien de locuteurs peut-il distinguer ?

Nvidia affirme que le modèle peut distinguer jusqu’à huit locuteurs.[1]

Quel jeu de données accompagne cette sortie ?

Nvidia a publié la version 2 de Granary, son jeu de données vocal ouvert.[1]

Source

Auteur

Rédaction spécialisée dans la veille et l’analyse de l’actualité de l’intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.