NVIDIA NemotronLabs RE-USEとは？
NVIDIA NemotronLabs RE-USEは汎用の音声強調モデルで、劣化した音声録音を受け取り、よりきれいな音声を返します。NVIDIAのモデルカードは、雑音、残響、音割れ、帯域制限、コーデックのノイズ、パケットロス、質の悪いマイクを修復対象として挙げています。8 kHzから48 kHzまで7種類のサンプリングレートのモノラル音声を受け付け、狭帯域の音声をより広い帯域へ拡張することもできます。カードはHugging Faceでの公開日を2026年10月22日としています。
パラメーター数は960万（9.6 million）で、30層の双方向Mambaネットワークを畳み込みのエンコーダーとデコーダーが挟む構成です。英語、ドイツ語、スペイン語、フランス語、中国語の約2,500時間の音声に合成した雑音や室内の残響を混ぜて訓練されており、NVIDIAは言語に依存しないとしています。話者が重なる場合は主な話者を残して他を抑えます。笑い声をよりよく残したい場合は別のバリアントが用意されています。
重みはOpenMDW-1.1で、商用利用を認め、出力にも制限を設けない寛容なライセンスです。背景となる研究は2026年のNeurIPSとIEEE SLTの2本の論文にまとめられています。
NVIDIA NemotronLabs RE-USEは使う価値があるか？
RE-USEの強みは、サイズのわりに直せる範囲の広さです。URGENT 2025の非ブラインドテストセットで、NVIDIAはPESQスコア2.57を報告しています。2億5,000万（250 million）パラメーターのSidonは1.73、5億（500 million）パラメーターのUniPASEは2.17です。音声認識の文字正解率は89.17%で、それぞれ84.68%、87.28%を上回ります。話者類似度も0.86と、0.74や0.81より高く、きれいにする際に声を変えにくいことを意味します。体感品質を測る2つのスコア、DNSMOSとUTMOSではSidonがまだわずかに上です。いずれもNVIDIA自身の測定です。
ライセンスがもう一つの魅力です。OpenMDW-1.1は制限なしの利用を認め、再配布時に表示を残すことだけを求め、きれいにした音声の使い道については何も定めていません。NVIDIAは商用利用に対応済みとしています。一方で、第三者の権利処理は利用者の責任とされ、モデルが特許や著作権を侵害していると訴えた場合は権利が失われます。
注意点：小さなモデルですが、配布されたままではCPU向けではありません。公式の推論スクリプトはCUDAデバイスが見つからないと"CPU mode is not supported"で止まり、カードはテスト済みハードウェアとしてLinuxとA100を挙げ、Mamba層はCUDA用パッケージmamba-ssmに依存します。10秒未満のクリップで訓練されているため、約30秒を超えるファイルは分割用の別スクリプトで処理します。
結論：TTSや音声モデルの訓練前に音声デ ータセットをきれいにするチームや、手持ちのGPUでコールセンターやアーカイブの音声をまとめて修復するチームにとって、RE-USEはまず試すべき小型で寛容なライセンスの候補です。ノートPCでポッドキャストを一度だけきれいにするなら、ホスト型ツールのほうが手間がかかりません。
真価を発揮する場面
ウェブで集めた音声から1,000時間のTTS訓練セットを作るMLエンジニア
話者を変えずに雑音、残響、コーデック劣化を取り除く
A100などでinference.shを使ってファイルを一括処理します。NVIDIAはURGENT 2025で話者類似度0.86を報告しており、より大きなオープンモデルを上回ります。NVIDIA自身が挙げる用途もまさにこれで、TTSや音声LLM向けのデータをきれいにすることです。
通信会社のコンタクトセンター分析チーム
パケットロスのある8 kHz電話音声の書き起こし精度を上げる
帯域拡張をオンにして、音声認識の前に通話をRE-USEに通します。NVIDIAの全体テストセットでは、音声認識の文字正解率が雑音入りの入力の81.29%から89.17%に上がりました。長い通話はinference_chunk.shで処理します。
地方放送局のアーキビスト
複数言語の古いインタビューテープを修復する
モデルは5言語で訓練され、言語に依存しないとされています。会話の素材には笑い声用のバリアントを使い、強調処理で背景の話者が抑えられることがあるため原本は残しておいてください。
導入前に確認すること
- 導入
- Mamba環境を用意し（NVIDIAはSEMambaのDockerイメージを案内しています）、リポジトリをダウンロードしてWAVファイルをnoisy_audio/に置き、sh inference.shを実行します。帯域拡張にはpip install resampyを追加します。
- 連携
- YAML設定付きの素のPyTorchスクリプト（inference.py、inference_chunk.py）で、NeMoやRiva、APIラッパーはありません。GradioのデモがHugging FaceのZeroGPU Spaceで動いています。
- データとプライバシー
- 自前のハードウェアで動くので、音声は手元に残ります。OpenMDW-1.1は商用利用と改変を認め、出力を制限せず、第三者の権利処理を利用者に委ねています。訓練データにはNVIDIA社内の話者データセットが含まれます。
- 大規模利用時のコスト
- 重みは無料で、モデルは960万パラメーターなのでGPUメモリは制約になりません。Ampere世代のGPU 1枚で動きます。ホスト型の料金はありません。
- 制限
- 公式コードはCUDAとLinuxのみ、入力はモノラル、10秒未満のクリップで訓練、重なった話者は抑えられます。プロジェクトは外部からの貢献を受け付けていません。
良い点
- パラメーター960万。オープンな競合は2億5,000万と5億
- 雑音、残響、音割れ、コーデック劣化、パケットロスを1つのモデルで修復
- 8 kHzから48 kHzまで7種類の入力 サンプリングレート
- OpenMDW-1.1：商用利用可、出力に制限なし
気になる点
- 公式スクリプトはCUDA対応GPUが必須で、CPUモードなし
- ベンチマークはNVIDIA自身によるもの
- 笑い声を残すには別バリアントが必要
- 長いファイルには分割用スクリプトが必要
おすすめの人
NVIDIA GPUを持ち、実環境の大量の録音を寛容なライセンスのもとできれいにする必要がある音声・音声AIチーム。
NVIDIA NemotronLabs RE-USE：よくある質問
- NVIDIA NemotronLabs RE-USEは使う価値があるか？
- NVIDIA自身のテストでは、RE-USEは25〜50倍の大きさのオープンモデルより上手に劣化音声を直し、どこでも使えるライセンスですが、CUDA対応GPUがあればの話です。 評価は5点満点中3.9点です。
- NVIDIA NemotronLabs RE-USEの料金は？
- 商用利用を認めるOpenMDW-1.1で無料。ホスト型APIはなく、自前のNVIDIA GPUで動かします。
- NVIDIA NemotronLabs RE-USEの欠点は？
- 公式スクリプトはCUDA対応GPUが必須で、CPUモードなし; ベンチマークはNVIDIA自身によるもの; 笑い声を残すには別バリアントが必要; 長いファイルには分割用スクリプトが必要.
- NVIDIA NemotronLabs RE-USEは誰に向いているか？
- NVIDIA GPUを持ち、実環境の大量の録音を寛容なライセンスのもとできれいにする必要がある音声・音声AIチーム。
- チームや本番環 境でNVIDIA NemotronLabs RE-USEを使うと費用はいくらか？
- 重みは無料で、モデルは960万パラメーターなのでGPUメモリは制約になりません。Ampere世代のGPU 1枚で動きます。ホスト型の料金はありません。
- NVIDIA NemotronLabs RE-USEは企業データを扱っても安全か？
- 自前のハードウェアで動くので、音声は手元に残ります。OpenMDW-1.1は商用利用と改変を認め、出力を制限せず、第三者の権利処理を利用者に委ねています。訓練データにはNVIDIA社内の話者データセットが含まれます。
回答確認日：2026年11月11日