Présentation du modèle

Nvidia a annoncé le 28 octobre 2026 le lancement de Nemotron 3.5 Transcribe, un modèle à poids ouvert destiné à la transcription audio. Le modèle supporte jusqu’à 40 langues et se propose gratuitement aux développeurs. En parallèle, la société a publié la version 2 du jeu de données Granary, également open source, destiné à l’entraînement de systèmes de reconnaissance vocale.

Capacités techniques et performances

Selon le communiqué, Nemotron 3.5 Transcribe possède 30 milliards de paramètres et peut traduire 31 langues vers et depuis l’anglais. Il accepte des enregistrements d’une durée maximale d’une heure et est capable de différencier jusqu’à huit locuteurs simultanés. Nvidia affirme que le modèle surpasse les concurrents sur les benchmarks publics, notamment le Open ASR Leaderboard de Hugging Face, bien que les scores détaillés ne soient pas fournis dans le communiqué.

Architecture, déploiement et contraintes d’utilisation

Le modèle a été conçu pour fonctionner sur un seul circuit intégré, ce qui le rend compatible avec plusieurs plateformes matérielles de Nvidia : le contrôleur robotique Jetson AGX Thor, le nouveau processeur portable DGX Spark, ainsi que les puces de datacenter Blackwell. Cette flexibilité découle d’une optimisation du pipeline d’inférence qui réduit la consommation de mémoire tout en maintenant la précision. Cependant, le produit ne traite que des fichiers audio pré‑enregistrés ; il ne supporte pas les flux en temps réel, ce qui limite son usage pour les applications de streaming ou de traduction instantanée.

Contexte concurrentiel et perspectives

Nemotron 3.5 Transcribe s’inscrit dans une vague de lancements de modèles vocaux en 2026 : Mistral a publié Voxtral 3, ElevenLabs a introduit Realtime pour la synthèse instantanée, et Salesforce a présenté Launa‑Omni. En comparaison, le modèle Parakeet de Nvidia, avec seulement 1,1 milliard de paramètres, illustre la stratégie de la firme de proposer une gamme de tailles pour couvrir différents besoins de calcul. La disponibilité d’un jeu de données actualisé (Granary v2) renforce la capacité des développeurs à adapter le modèle à des vocabulaires spécialisés, par exemple dans les réunions d’affaires ou la transcription médicale, où la reconnaissance de jargon technique reste un défi majeur.