¿Qué es NVIDIA NemotronLabs RE-USE?
NVIDIA NemotronLabs RE-USE es un modelo universal de mejora de voz: recibe una grabación de voz dañada y devuelve una más limpia. La ficha de NVIDIA enumera ruido, reverberación, saturación, ancho de banda limitado, artefactos de códec, pérdida de paquetes y micrófonos malos entre los problemas que repara. Acepta audio mono en siete frecuencias de muestreo, de 8 kHz a 48 kHz, y opcionalmente puede ampliar el audio de banda estrecha a un ancho de banda mayor. La ficha da como fecha de publicación en Hugging Face el 22 de octubre de 2026.
Tiene 9,6 millones de parámetros: codificador y decodificador convolucionales en torno a una red Mamba bidireccional de 30 capas. Se entrenó con unas 2.500 horas de voz en inglés, alemán, español, francés y chino mezcladas con ruido y eco de sala sintéticos, y NVIDIA lo describe como independiente del idioma. Con hablantes superpuestos conserva al principal y suprime a los demás; hay una variante aparte para conservar mejor la risa.
Los pesos están bajo OpenMDW-1.1, una licencia permisiva que permite el uso comercial y no impone restricciones a las salidas. La investigación detrás está en dos artículos de 2026, en NeurIPS y en IEEE SLT.
¿Merece la pena NVIDIA NemotronLabs RE-USE?
La fuerza de RE-USE es cuánto arregla para su tamaño. En el conjunto de prueba no ciego de URGENT 2025, NVIDIA informa de una puntuación PESQ de 2,57 frente a 1,73 del Sidon de 250 millones de parámetros y 2,17 del UniPASE de 500 millones, y de una precisión de caracteres de ASR del 89,17% frente al 84,68% y el 87,28%. Una mayor similitud de hablante, 0,86 frente a 0,74 y 0,81, significa que cambia menos la voz al limpiarla. Sidon aún le gana en dos puntuaciones de calidad percibida, DNSMOS y UTMOS. Todas son pruebas de NVIDIA.
La licencia es el otro atractivo. OpenMDW-1.1 concede el uso sin restricciones, solo pide conservar los avisos al redistribuir y no dice nada de lo que hagas con el audio limpio. NVIDIA lo declara listo para uso comercial. La licencia también te hace responsable de obtener los derechos de terceros, y los derechos se pierden si demandas alegando que el modelo infringe una patente o un copyright.
La pega: pese a su tamaño, tal como se distribuye no es un modelo para CPU. El script oficial de inferencia se detiene con "CPU mode is not supported" si no encuentra un dispositivo CUDA, la ficha indica Linux y una A100 como hardware probado, y las capas Mamba dependen del paquete CUDA mamba-ssm. Se entrenó con clips de menos de 10 segundos, así que los archivos de más de unos 30 segundos pasan por un script aparte que los trocea.
Nuestra opinión: para un equipo que limpia un conjunto de datos de voz antes de entrenar un modelo TTS o de voz, o que restaura en bloque audio de centros de llamadas y archivos con las GPU que ya tiene, RE-USE es la primera opción pequeña y con licencia permisiva que conviene probar. Para limpiar un pódcast puntual en un portátil, una herramienta alojada da menos trabajo.
Dónde se gana su sitio
Un ingeniero de ML que prepara un conjunto de entrenamiento TTS de 1.000 horas a partir de audio recopilado de la web
Quitar ruido, eco y daños de códec sin cambiar quién habla
Procesa los archivos por lotes con inference.sh en una A100 o similar; NVIDIA informa de una similitud de hablante de 0,86 en URGENT 2025, por encima de modelos abiertos mayores. El caso de uso que da la propia NVIDIA es justo este: limpiar datos para TTS y LLM de voz.
Un equipo de analítica de centros de contacto en una operadora de telecomunicaciones
Mejorar la transcripción de llamadas telefónicas a 8 kHz con pérdida de paquetes
Pasa las llamadas por RE-USE antes del ASR, con la ampliación de ancho de banda activada; en el conjunto de prueba completo de NVIDIA, la precisión de caracteres de ASR subió del 81,29% con la entrada ruidosa al 89,17%. Las llamadas largas pasan por inference_chunk.sh.
Una archivera de una televisión regional
Restaurar cintas antiguas de entrevistas en varios idiomas
El modelo se entrenó con cinco idiomas y se describe como independiente del idioma. Usa la variante de la risa para material conversacional y guarda los originales, porque la mejora puede suprimir a hablantes de fondo.
Antes de decidirte
- Puesta en marcha
- Instala un entorno Mamba (NVIDIA remite a las imágenes Docker de SEMamba), descarga el repositorio, pon los archivos WAV en noisy_audio/ y ejecuta sh inference.sh; añade pip install resampy para la ampliación de ancho de banda.
- Integraciones
- Scripts de PyTorch sin más (inference.py, inference_chunk.py) con una configuración YAML; sin NeMo, Riva ni envoltorio de API. Una demo en Gradio funciona en un Space ZeroGPU de Hugging Face.
- Datos y privacidad
- Funciona en tu propio hardware, así que el audio se queda en local. OpenMDW-1.1 permite uso comercial y modificación, deja las salidas sin restricciones y te carga la obtención de derechos de terceros; los datos de entrenamiento incluyen un conjunto interno de hablantes de NVIDIA.
- Coste a escala
- Los pesos son gratis y el modelo tiene 9,6 millones de parámetros, así que la memoria de la GPU no es el límite; basta una sola GPU de clase Ampere. No existe precio alojado.
- Límites
- Solo CUDA y Linux en el código oficial; entrada mono; entrenado con clips de menos de 10 segundos; suprime a los hablantes superpuestos; el proyecto no acepta contribuciones.
Lo bueno
- 9,6 millones de parámetros, frente a 250M y 500M de sus rivales abiertos
- Arregla ruido, eco, saturación, daños de códec y pérdida de paquetes en un solo modelo
- Siete frecuencias de muestreo de entrada, de 8 kHz a 48 kHz
- OpenMDW-1.1: uso comercial permitido, salidas sin restricciones
Lo malo
- El script oficial necesita una GPU con CUDA; no hay modo CPU
- Las pruebas son de la propia NVIDIA
- Para conservar la risa hace falta una variante aparte
- Los archivos largos necesitan el script por trozos
Ideal para
Equipos de voz e IA de voz con GPU de NVIDIA que necesitan limpiar grandes cantidades de grabaciones reales con una licencia permisiva.
NVIDIA NemotronLabs RE-USE: preguntas frecuentes
- ¿Merece la pena NVIDIA NemotronLabs RE-USE?
- Según las pruebas de NVIDIA, RE-USE repara la voz dañada mejor que modelos abiertos de 25 a 50 veces su tamaño, con una licencia que te deja usarlo en cualquier sitio, si tienes una GPU con CUDA. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta NVIDIA NemotronLabs RE-USE?
- Gratis bajo OpenMDW-1.1, que permite el uso comercial. Sin API alojada; lo ejecutas en tu propia GPU de NVIDIA.
- ¿Qué inconvenientes tiene NVIDIA NemotronLabs RE-USE?
- El script oficial necesita una GPU con CUDA; no hay modo CPU; las pruebas son de la propia NVIDIA; para conservar la risa hace falta una variante aparte; los archivos largos necesitan el script por trozos.
- ¿Para quién es NVIDIA NemotronLabs RE-USE?
- Equipos de voz e IA de voz con GPU de NVIDIA que necesitan limpiar grandes cantidades de grabaciones reales con una licencia permisiva.
- ¿Cuánto cuesta NVIDIA NemotronLabs RE-USE para un equipo o en producción?
- Los pesos son gratis y el modelo tiene 9,6 millones de parámetros, así que la memoria de la GPU no es el límite; basta una sola GPU de clase Ampere. No existe precio alojado.
- ¿Es NVIDIA NemotronLabs RE-USE seguro para los datos de la empresa?
- Funciona en tu propio hardware, así que el audio se queda en local. OpenMDW-1.1 permite uso comercial y modificación, deja las salidas sin restricciones y te carga la obtención de derechos de terceros; los datos de entrenamiento incluyen un conjunto interno de hablantes de NVIDIA.
Respuestas comprobadas el 11 nov 2026.