Nemotron 3.5 Transcribe, gratuit chez Nvidia, gère 40 langues

Transcribe gère aussi lui-même les étiquettes de locuteurs et la traduction : une seule exécution du modèle remplace donc plusieurs étapes par lesquelles passe l'audio dans une chaîne de transcription classique, selon SiliconANGLE. Une instruction écrite, un prompt, lui indique ce qu'il doit produire, comme une traduction ou les décisions prises pendant une réunion. Il compte 30 milliards de paramètres, les valeurs apprises qui constituent un modèle, et en mobilise 4 milliards pour chaque requête. Nvidia affirme qu'il tient sur un seul GPU, de la carte Blackwell pour data center jusqu'au petit boîtier DGX Spark ou Jetson, la compression nécessaire dépendant du matériel. Granary v2, le jeu de données vocales gratuit à l'origine du modèle, est sorti le même jour.

Le prix de location d'une telle carte figure sur notre grille des prix des GPU cloud, relevée le 24 octobre 2026. Une RTX PRO 6000, carte Blackwell dotée de 96 Go de mémoire, coûte 1,08 $ de l'heure chez l'hébergeur vérifié le moins cher de Vast.ai et 1,69 $ sur la Community Cloud de Runpod.

En précision 16 bits, 30 milliards de paramètres occupent environ 60 Go, ce qui tient dans les 96 Go de la RTX PRO 6000. Une équipe qui loue déjà cette carte pour la vidéo peut donc y sous-titrer et traduire des voix off publicitaires entre deux tâches vidéo, au tarif horaire qu'elle paie déjà et sans frais de transcription à la minute.