NVIDIA Nemotron 3.5 Transcribe : transcription vocale en local

NVIDIA a dévoilé un nouveau modèle capable de transformer des enregistrements audio en texte, d'identifier les intervenants et de traduire la parole directement sur l'appareil de l'utilisateur. Baptisé Nemotron 3.5 Transcribe, il permet aux développeurs de créer des applications pour les réunions, le service client et le travail vocal sans devoir toujours envoyer les enregistrements vers des serveurs dans le cloud.

Selon le blog de NVIDIA, le modèle prend en charge la transcription dans 40 langues. L'utilisateur peut lui donner des consignes en langage courant : transcrire un enregistrement en distinguant chaque locuteur, le traduire ou extraire les décisions d'une réunion. Les développeurs peuvent aussi ajouter des termes spécialisés pour mieux gérer le vocabulaire de la médecine et de la santé, des services financiers et du service client.

L'intérêt du traitement local

Traiter les enregistrements en local donne aux développeurs davantage de choix quant à l'emplacement des données. C'est précieux lorsque la conversation contient des informations professionnelles ou sensibles, et cela limite les transferts de fichiers vers le cloud. Le modèle peut tourner sur du matériel compatible, puis être déployé dans des centres de données quand il faut plus de puissance.

Cette annonce accompagne l'extension des capacités des ordinateurs RTX Spark, conçus pour exécuter des modèles d'intelligence artificielle en local.

Répartir la puissance du GPU

NVIDIA ajoute aussi des outils permettant de choisir comment la puissance du processeur graphique est partagée entre l'application ouverte à l'écran et un agent d'IA travaillant en arrière-plan. On peut donner la priorité au programme principal ou allouer davantage de ressources à l'agent pour qu'il termine plus vite.

Ce changement traduit la conviction de l'entreprise que les applications et agents d'IA fonctionneront en permanence aux côtés des logiciels classiques sur un même ordinateur.