O que é NVIDIA NemotronLabs RE-USE?
NVIDIA NemotronLabs RE-USE é um modelo universal de aprimoramento de fala: recebe uma gravação de voz danificada e devolve uma mais limpa. O model card da NVIDIA lista ruído, reverberação, saturação, banda limitada, artefatos de codec, perda de pacotes e microfones ruins entre os problemas que ele corrige. Aceita áudio mono em sete taxas de amostragem, de 8 kHz a 48 kHz, e pode opcionalmente estender áudio de banda estreita para uma banda maior. O card dá 22 de outubro de 2026 como data de lançamento no Hugging Face.
Tem 9,6 milhões de parâmetros: codificador e decodificador convolucionais em volta de uma rede Mamba bidirecional de 30 camadas. Foi treinado com cerca de 2.500 horas de fala em inglês, alemão, espanhol, francês e chinês misturadas com ruído e eco de sala sintéticos, e a NVIDIA o descreve como independente de idioma. Com falantes sobrepostos, mantém o principal e suprime os outros; há uma variante separada para preservar melhor as risadas.
Os pesos estão sob OpenMDW-1.1, uma licença permissiva que permite uso comercial e não impõe restrições às saídas. A pesquisa por trás está em dois artigos de 2026, no NeurIPS e no IEEE SLT.
NVIDIA NemotronLabs RE-USE vale a pena?
A força do RE-USE é quanto ele conserta para o seu tamanho. No conjunto de teste não cego do URGENT 2025, a NVIDIA relata nota PESQ de 2,57 contra 1,73 do Sidon, de 250 milhões de parâmetros, e 2,17 do UniPASE, de 500 milhões, e precisão de caracteres em ASR de 89,17% contra 84,68% e 87,28%. A similaridade de falante mais alta, 0,86 contra 0,74 e 0,81, significa que ele muda menos a voz ao limpá-la. O Sidon ainda fica à frente em duas notas de qualidade percebida, DNSMOS e UTMOS. Todos são testes da NVIDIA.
A licença é o outro atrativo. A OpenMDW-1.1 concede uso sem restrição, pede apenas que os avisos sejam mantidos na redistribuição e não diz nada sobre o que você faz com o áudio limpo. A NVIDIA o declara pronto para uso comercial. A licença também deixa com você a responsabilidade de obter direitos de terceiros, e os direitos acabam se você processar alegando que o modelo infringe uma patente ou direito autoral.
O porém: apesar do tamanho, do jeito que é distribuído ele não é um modelo para CPU. O script oficial de inferência para com "CPU mode is not supported" quando não encontra um dispositivo CUDA, o card lista Linux e uma A100 como hardware testado, e as camadas Mamba dependem do pacote CUDA mamba-ssm. Ele foi treinado com clipes de menos de 10 segundos, então arquivos com mais de cerca de 30 segundos passam por um script separado que os divide em pedaços.
Nossa opinião: para uma equipe que limpa um conjunto de dados de fala antes de treinar um modelo TTS ou de voz, ou que restaura em massa áudio de call center e de acervo nas GPUs que já tem, o RE-USE é a opção pequena e de licença permissiva para testar primeiro. Para limpar um podcast avulso num notebook, uma ferramenta hospedada dá menos trabalho.
Onde ele se destaca
Um engenheiro de ML montando um conjunto de treinamento TTS de 1.000 horas a partir de áudio coletado na web
Remover ruído, eco e danos de codec sem mudar quem está falando
Processe os arquivos em lote com inference.sh numa A100 ou similar; a NVIDIA relata similaridade de falante de 0,86 no URGENT 2025, acima de modelos abertos maiores. O caso de uso citado pela própria NVIDIA é exatamente este: limpar dados para TTS e LLMs de fala.
Uma equipe de análise de contact center numa operadora de telecomunicações
Melhorar a transcrição de ligações telefônicas de 8 kHz com perda de pacotes
Passe as ligações pelo RE-USE antes do ASR, com a extensão de banda ligada; no conjunto de teste completo da NVIDIA, a precisão de caracteres em ASR subiu de 81,29% na entrada ruidosa para 89,17%. Ligações longas passam pelo inference_chunk.sh.
Uma arquivista de uma emissora regional
Restaurar fitas antigas de entrevistas em vários idiomas
O modelo foi treinado em cinco idiomas e é descrito como independente de idioma. Use a variante de risadas para material de conversa e guarde os originais, porque o aprimoramento pode suprimir falantes ao fundo.
Antes de decidir
- Configuração
- Instale um ambiente Mamba (a NVIDIA indica as imagens Docker do SEMamba), baixe o repositório, coloque os arquivos WAV em noisy_audio/ e rode sh inference.sh; acrescente pip install resampy para a extensão de banda.
- Integrações
- Scripts simples de PyTorch (inference.py, inference_chunk.py) com configuração YAML; sem NeMo, Riva ou camada de API. Uma demo em Gradio roda num Space ZeroGPU do Hugging Face.
- Dados e privacidade
- Roda no seu próprio hardware, então o áudio fica local. A OpenMDW-1.1 permite uso comercial e modificação, deixa as saídas sem restrição e põe em você a obtenção de direitos de terceiros; os dados de treinamento incluem um conjunto interno de falantes da NVIDIA.
- Custo em escala
- Os pesos são gratuitos e o modelo tem 9,6 milhões de parâmetros, então a memória da GPU não é o gargalo; uma única GPU da classe Ampere dá conta. Não há preço hospedado.
- Limites
- Só CUDA e Linux no código oficial; entrada mono; treinado com clipes de menos de 10 segundos; suprime falantes sobrepostos; o projeto não aceita contribuições.
O que é bom
- 9,6 milhões de parâmetros, contra 250M e 500M dos rivais abertos
- Corrige ruído, eco, saturação, danos de codec e perda de pacotes num só modelo
- Sete taxas de amostragem de entrada, de 8 kHz a 48 kHz
- OpenMDW-1.1: uso comercial permitido, saídas sem restrição
O que não é
- O script oficial exige GPU com CUDA; não há modo CPU
- Os benchmarks são da própria NVIDIA
- Preservar risadas exige uma variante separada
- Arquivos longos precisam do script em pedaços
Ideal para
Equipes de fala e IA de voz com GPUs NVIDIA que precisam limpar grandes volumes de gravações reais sob uma licença permissiva.
NVIDIA NemotronLabs RE-USE: perguntas frequentes
- NVIDIA NemotronLabs RE-USE vale a pena?
- Nos testes da própria NVIDIA, o RE-USE conserta fala danificada melhor que modelos abertos de 25 a 50 vezes o seu tamanho, com uma licença que deixa usá-lo em qualquer lugar, desde que você tenha uma GPU com CUDA. Damos nota 3.9 de 5.
- Quanto custa NVIDIA NemotronLabs RE-USE?
- Gratuito sob OpenMDW-1.1, que permite uso comercial. Sem API hospedada; você roda na sua própria GPU NVIDIA.
- Quais são as desvantagens de NVIDIA NemotronLabs RE-USE?
- O script oficial exige GPU com CUDA; não há modo CPU; os benchmarks são da própria NVIDIA; preservar risadas exige uma variante separada; arquivos longos precisam do script em pedaços.
- Para quem NVIDIA NemotronLabs RE-USE é indicado?
- Equipes de fala e IA de voz com GPUs NVIDIA que precisam limpar grandes volumes de gravações reais sob uma licença permissiva.
- Quanto custa NVIDIA NemotronLabs RE-USE para uma equipe ou em produção?
- Os pesos são gratuitos e o modelo tem 9,6 milhões de parâmetros, então a memória da GPU não é o gargalo; uma única GPU da classe Ampere dá conta. Não há preço hospedado.
- NVIDIA NemotronLabs RE-USE é seguro para dados da empresa?
- Roda no seu próprio hardware, então o áudio fica local. A OpenMDW-1.1 permite uso comercial e modificação, deixa as saídas sem restrição e põe em você a obtenção de direitos de terceiros; os dados de treinamento incluem um conjunto interno de falantes da NVIDIA.
Respostas verificadas em 11 de nov. de 2026.