Qu’est-ce que NVIDIA NemotronLabs RE-USE ?
NVIDIA NemotronLabs RE-USE est un modèle universel d'amélioration de la parole : il prend un enregistrement vocal abîmé et en rend une version plus propre. La fiche de NVIDIA cite le bruit, la réverbération, la saturation, la bande passante limitée, les artefacts de codec, la perte de paquets et les mauvais micros parmi les défauts qu'il corrige. Il accepte de l'audio mono à sept fréquences d'échantillonnage, de 8 kHz à 48 kHz, et peut en option étendre un audio à bande étroite vers une bande plus large. La fiche donne le 22 octobre 2026 comme date de publication sur Hugging Face.
Il compte 9,6 millions de paramètres : un encodeur et un décodeur convolutifs autour d'un réseau Mamba bidirectionnel de 30 couches. Il a été entraîné sur environ 2 500 heures de parole en anglais, allemand, espagnol, français et chinois, mêlées à du bruit et de l'écho de salle synthétiques, et NVIDIA le décrit comme indépendant de la langue. Quand des voix se chevauchent, il garde le locuteur principal et atténue les autres ; une variante distincte est proposée pour mieux préserver les rires.
Les poids sont sous OpenMDW-1.1, une licence permissive qui autorise l'usage commercial et n'impose aucune restriction sur les sorties. Les travaux sous-jacents figurent dans deux articles de 2026, à NeurIPS et à IEEE SLT.
NVIDIA NemotronLabs RE-USE vaut-il le coup ?
La force de RE-USE, c'est tout ce qu'il corrige pour sa taille. Sur le jeu de test non aveugle d'URGENT 2025, NVIDIA annonce un score PESQ de 2,57 contre 1,73 pour Sidon, 250 millions de paramètres, et 2,17 pour UniPASE, 500 millions, ainsi qu'une précision de caractères en ASR de 89,17% contre 84,68% et 87,28%. Une similarité de locuteur plus élevée, 0,86 contre 0,74 et 0,81, signifie qu'il modifie moins la voix en la nettoyant. Sidon le devance encore sur deux scores de qualité perçue, DNSMOS et UTMOS. Tous ces essais sont ceux de NVIDIA.
La licence est l'autre atout. OpenMDW-1.1 accorde l'usage sans restriction, demande seulement de conserver les mentions en cas de redistribution et ne dit rien de ce que vous faites de l'audio nettoyé. NVIDIA le déclare prêt pour un usage commercial. La licence vous rend aussi responsable de l'obtention des droits de tiers, et les droits prennent fin si vous engagez une action affirmant que le modèle enfreint un brevet ou un droit d'auteur.
Le hic : malgré sa taille, tel qu'il est livré, ce n'est pas un modèle pour processeur. Le script d'inférence officiel s'arrête sur « CPU mode is not supported » s'il ne trouve pas de périphérique CUDA, la fiche indique Linux et un A100 comme matériel testé, et les couches Mamba reposent sur le paquet CUDA mamba-ssm. Il a été entraîné sur des extraits de moins de 10 secondes, si bien que les fichiers de plus d'environ 30 secondes passent par un script distinct qui les découpe.
Notre avis : pour une équipe qui nettoie un jeu de données vocales avant d'entraîner un modèle TTS ou vocal, ou qui restaure en masse des enregistrements de centres d'appels et d'archives sur les GPU dont elle dispose, RE-USE est le premier candidat compact et sous licence permissive à essayer. Pour nettoyer un podcast ponctuellement sur un portable, un outil hébergé demande moins d'effort.
Là où il fait la différence
Un ingénieur ML qui prépare un corpus d'entraînement TTS de 1 000 heures à partir d'audio collecté en ligne
Retirer bruit, écho et dégâts de codec sans changer l'identité du locuteur
Traitez les fichiers par lots avec inference.sh sur un A100 ou équivalent ; NVIDIA annonce une similarité de locuteur de 0,86 sur URGENT 2025, au-dessus de modèles ouverts plus gros. C'est précisément le cas d'usage cité par NVIDIA : nettoyer des données pour le TTS et les LLM vocaux.
Une équipe d'analyse de centres de contact chez un opérateur télécoms
Améliorer la transcription d'appels téléphoniques à 8 kHz avec perte de paquets
Faites passer les appels par RE-USE avant l'ASR, extension de bande activée ; sur le jeu de test complet de NVIDIA, la précision de caractères en ASR est passée de 81,29% sur l'entrée bruitée à 89,17%. Les longs appels passent par inference_chunk.sh.
Une archiviste dans une chaîne de télévision régionale
Restaurer d'anciennes bandes d'entretiens en plusieurs langues
Le modèle a été entraîné sur cinq langues et est décrit comme indépendant de la langue. Utilisez la variante pour les rires sur les conversations, et gardez les originaux, car l'amélioration peut atténuer les voix d'arrière-plan.
Avant de vous engager
- Mise en route
- Installez un environnement Mamba (NVIDIA renvoie aux images Docker de SEMamba), téléchargez le dépôt, placez les fichiers WAV dans noisy_audio/ et lancez sh inference.sh ; ajoutez pip install resampy pour l'extension de bande.
- Intégrations
- De simples scripts PyTorch (inference.py, inference_chunk.py) avec une configuration YAML ; ni NeMo, ni Riva, ni surcouche d'API. Une démo Gradio tourne sur un Space ZeroGPU de Hugging Face.
- Données et confidentialité
- Tourne sur votre propre matériel, l'audio reste donc en local. OpenMDW-1.1 autorise l'usage commercial et la modification, laisse les sorties libres et vous charge d'obtenir les droits de tiers ; les données d'entraînement incluent un corpus interne de locuteurs NVIDIA.
- Coût à grande échelle
- Les poids sont gratuits et le modèle compte 9,6 millions de paramètres, la mémoire GPU n'est donc pas la contrainte ; un seul GPU de classe Ampere suffit. Il n'existe pas de tarif hébergé.
- Limites
- CUDA et Linux uniquement dans le code officiel ; entrée mono ; entraîné sur des extraits de moins de 10 secondes ; atténue les voix qui se chevauchent ; le projet n'accepte pas de contributions.
Les points forts
- 9,6 millions de paramètres, contre 250M et 500M pour les rivaux ouverts
- Corrige bruit, écho, saturation, codec et perte de paquets en un seul modèle
- Sept fréquences d'échantillonnage en entrée, de 8 kHz à 48 kHz
- OpenMDW-1.1 : usage commercial autorisé, sorties sans restriction
Les points faibles
- Le script officiel exige un GPU CUDA ; pas de mode processeur
- Les benchmarks sont ceux de NVIDIA
- Préserver les rires demande une variante distincte
- Les longs fichiers passent par le script de découpage
Idéal pour
Les équipes parole et IA vocale équipées de GPU NVIDIA qui doivent nettoyer de gros volumes d'enregistrements réels sous une licence permissive.
NVIDIA NemotronLabs RE-USE : questions fréquentes
- NVIDIA NemotronLabs RE-USE vaut-il le coup ?
- Selon les tests de NVIDIA, RE-USE répare la parole abîmée mieux que des modèles ouverts 25 à 50 fois plus gros, avec une licence qui permet de l'utiliser partout, à condition d'avoir un GPU CUDA. Nous lui donnons 3.9 sur 5.
- Combien coûte NVIDIA NemotronLabs RE-USE ?
- Gratuit sous OpenMDW-1.1, qui autorise l'usage commercial. Pas d'API hébergée ; vous le faites tourner sur votre propre GPU NVIDIA.
- Quels sont les inconvénients de NVIDIA NemotronLabs RE-USE ?
- Le script officiel exige un GPU CUDA ; pas de mode processeur; les benchmarks sont ceux de NVIDIA; préserver les rires demande une variante distincte; les longs fichiers passent par le script de découpage.
- À qui s’adresse NVIDIA NemotronLabs RE-USE ?
- Les équipes parole et IA vocale équipées de GPU NVIDIA qui doivent nettoyer de gros volumes d'enregistrements réels sous une licence permissive.
- Combien coûte NVIDIA NemotronLabs RE-USE pour une équipe ou en production ?
- Les poids sont gratuits et le modèle compte 9,6 millions de paramètres, la mémoire GPU n'est donc pas la contrainte ; un seul GPU de classe Ampere suffit. Il n'existe pas de tarif hébergé.
- NVIDIA NemotronLabs RE-USE est-il sûr pour les données de l’entreprise ?
- Tourne sur votre propre matériel, l'audio reste donc en local. OpenMDW-1.1 autorise l'usage commercial et la modification, laisse les sorties libres et vous charge d'obtenir les droits de tiers ; les données d'entraînement incluent un corpus interne de locuteurs NVIDIA.
Réponses vérifiées le 11 nov. 2026.