Nvidia met en ligne un modèle de transcription ouvert, multilingue et taillé pour les usages métier. Le signal est fort pour l’écosystème voix.
En bref
- Nvidia lance un modèle vocal open-weight gratuit
- Transcription jusqu’à 40 langues, pas de direct
- Objectif clair, réunions et santé
La voix IA vit un mois chargé, et Nvidia ne veut pas rester simple fournisseur de GPU. Le groupe ajoute une brique logicielle de plus avec Nemotron 3.5 Transcribe, un modèle gratuit à poids ouverts, pendant que Mistral, ElevenLabs et Salesforce multiplient eux aussi les annonces. Pour l’écosystème, ce n’est pas anecdotique. Quand le leader matériel pousse aussi des modèles ouverts, toute la chaîne de valeur bouge.
La voix IA accélère, Nvidia entre plus fort dans la mêlée
Ce lancement arrive dans une fenêtre très dense. Plus tôt ce mois-ci, Mistral a livré Voxtral 3, ElevenLabs a lancé Realtime pour la parole instantanée dans les agents vocaux, et Salesforce a dégainé Launa-Omni. Du coup, la bataille ne se joue plus seulement sur la qualité de génération ou de transcription, mais sur le triptyque devenu central, ouverture, coût de déploiement et adaptation métier.
Un modèle ouvert pensé pour les usages métier
Sur le papier, Nemotron 3.5 Transcribe couvre jusqu’à 40 langues. Nvidia affirme aussi que le modèle peut traduire 31 langues depuis et vers l’anglais, distinguer jusqu’à huit intervenants et traiter des enregistrements d’une durée allant jusqu’à une heure. La société avance enfin de bons résultats sur des benchmarks, notamment le Open ASR Leaderboard de Hugging Face.
Les usages visés ne surprennent pas. On parle de réunions d’entreprise et de transcription médicale, deux terrains où la voix a déjà trouvé sa place au bureau. Avec la version 2 de Granary, son dataset open source, et des outils comme NeMo Speech, Nvidia veut permettre aux développeurs d’ajuster les applications pour reconnaître le jargon d’un secteur dans chaque langue. C’est très concret, et franchement plus utile qu’une simple démo vocale.
Le vrai signal, c’est le déploiement sur une seule puce
Mais le point qui compte sans doute le plus pour les équipes produit, c’est la promesse d’exécution. Malgré ses 30 milliards de paramètres, Nvidia dit que Nemotron 3.5 Transcribe peut tourner sur une seule puce, depuis le contrôleur robotique Jetson AGX Thor et la puce DGX Spark destinée aux nouveaux laptops, jusqu’aux puces datacenter Blackwell. Résultat, une même base technique peut viser l’embarqué, le poste de travail et l’infra.
Il y a quand même une limite nette, le modèle travaille sur de l’audio enregistré, pas sur du flux en direct. Pour certains cas d’usage, ça ferme la porte. Mais dans la famille vocale open-weight de Nvidia, où l’on trouve déjà Parakeet avec 1,1 milliard de paramètres, cette sortie renforce une stratégie lisible, fournir non seulement les puces, mais aussi les modèles qui donnent envie de les acheter.
