Nemotron ASR Streaming
NVIDIA · États-Unis
- Poids ouverts
- Licence : NVIDIA Open Model License
En bref : 32e sur 53 en transcription en anglais (Open ASR).
Présentation
Modèle de transcription anglaise en streaming de NVIDIA, conçu pour les assistants vocaux, le sous-titrage en direct et les agents conversationnels à faible latence. Son encodeur FastConformer à cache traite seulement les nouveaux morceaux d'audio et le texte sort ponctué, avec majuscules. Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 5 janvier 2026 lu sur la page de l'éditeur
- Taille
- 600 millions de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : anglais seulement (en). Lu sur huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
Son classement
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En anglais · Transcription
Transcription en anglais, Open ASR
32e sur 53taux d'erreur par mot 6,60 %
Vitesse : RTFx 1 111 : transcrit 1 111 secondes d'audio par seconde de calculPar jeu de test : AMI-Cleaned 8,84 %, Earnings22-Cleaned-AA-chunked 9,45 %, Gigaspeech-Cleaned 7,90 %, LS Clean 1,89 %, LS Other 4,35 %, Private (conversational) 13,28 %, Private (scripted) 4,79 %, SPGISpeech 2,69 %, URGENT24 12,54 %, Voice Arena Monsoon 4,44 %, Voxpopuli-AA-Cleaned 2,40 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
Modèles proches
- Transcription en anglais, Open ASR : devant, Granite 4.0 1B Speech (31e, 6,41 %) · derrière, Distil-Large-v3.5 (33e, 6,76 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
nvidia/nemotron-speech-streaming-en-0.6b - Fiche
- Registre de QUELLE IA, lu sur https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b/raw/main/README.md (« Governing Terms: Use of the model is governed by the [NVIDIA Open Model License Agreement] »), 17/10/2026.
- Pages lues
- https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b/raw/main/README.md (« Nemotron-ASR-Streaming is an English, streaming Automatic Speech Recognition (ASR) »), 17/10/2026
- https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b/raw/main/README.md (« such as voice assistants, live captioning, and conversational AI systems »), 17/10/2026
- https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b/raw/main/README.md (« the cache-aware architecture enables continuous transcription by processing only new audio chunks while reusing cached encoder context »), 17/10/2026
- https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b/raw/main/README.md (« This model is for transcription of English audio. »), 17/10/2026
- https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b/raw/main/README.md (« (older checkpoint [01/05/2026] via https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b/tree/nemotron-speech-streaming-jan2026) »), 17/10/2026
- https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b/raw/main/README.md (« Parameters: 600M »), 17/10/2026
- https://huggingface.co/nvidia/nemotron-3.5-asr-streaming-0.6b/raw/main/README.md (« We would recommend [Nemotron ASR Streaming (English)](https://huggingface.co/nvidia/nemotron-speech-streaming-en-0.6b) model for English-only transcription use cases. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.