Nemotron 3.5 Transcribe : NVIDIA mise sur une IA de transcription qui tourne en local

Parmi les annonces de NVIDIA ce 28 octobre, celle qui a retenu mon attention n'est pas la plus bruyante. Ce n'est pas un nouveau portable, mais un modèle vocal : Nemotron 3.5 Transcribe.

Trois outils en un

Jusqu'ici, transcrire un enregistrement, savoir qui parle et traduire demandait souvent d'enchaîner plusieurs modèles. NVIDIA propose ici un seul modèle qu'on pilote avec des consignes en langage courant : « transcris et indique chaque intervenant », « traduis cet audio en anglais », ou encore lui poser des questions sur le contenu de l'enregistrement. Il gère 40 langues.

Pourquoi le « local » compte

Le point qui me parle le plus, c'est que les poids du modèle sont ouverts. Concrètement, chacun peut choisir où l'audio est traité : sur sa propre machine ou dans le cloud. NVIDIA indique environ 4,3 milliards de paramètres actifs, bien moins que d'autres modèles du même niveau, ce qui le rend plus réaliste sur du matériel personnel. Le modèle est déjà disponible sur Hugging Face, et des versions allégées doivent suivre pour tourner directement sur les portables RTX Spark et d'autres machines de la marque.

Pour moi, c'est la bonne direction. Je passe pas mal de temps à réécouter des interviews et des tables rondes de festivals, et l'idée de ne pas envoyer chaque enregistrement sur un serveur lointain me plaît beaucoup. Reste à voir ce que ça donne en conditions réelles, avec des voix qui se chevauchent et un micro de salle moyen.

Et les joueurs ?

Le même billet rappelle que les portables RTX Spark sont en vente à partir de 2 599 dollars, et que Phantom Blade Zero sort avec la prise en charge du DLSS 4.5. Mais pour une fois, c'est bien le modèle de transcription qui me donne envie d'essayer.

Tous les détails sont dans le billet officiel de NVIDIA.