この記事のポイント
- 録音の品質改善を検討する企業に、自社環境で試せる公開モデルが増えました。実行にはGPU環境を用意します。
- RE-USEはノイズや反響などを補正する音声モデルです。主な公開モデルのパラメータ数は960万です。
- 複数人の声が重なると主話者以外を抑える設計です。会議の全発言を残したい場合は注意が必要です。
NVIDIAの公式モデルページによると、2026年10月22日、音声の品質を回復するオープンウェイトモデルが公開されました。名前は「NVIDIA NemotronLabs RE-USE」です。公式ページの内容を基に、何ができるモデルかを整理します。
どんな音声の問題を直せるのか
雑音、反響、音割れ、録音時の帯域制限などを補正するモデルです。音声を小さく圧縮した際の劣化や、低品質なマイクによる音質低下にも対応します。入力は8〜48kHzのモノラル音声です。言語を問わない設計ですが、日本語の録音も用途に合わせた確認が役立ちます。複数人の声が重なった場合は、主な話者を残してほかの話者を抑えるよう学習されています。
モデルの規模を表すパラメータ数は960万です。公開評価では、2.5億〜5億規模のモデルなどと比較されています。評価はURGENT 2025のテスト音声を使ったNVIDIAの公表結果です。学習データに含む言語と、評価用音声の条件は分けて読む必要があります。
想定される使い道とライセンス
NVIDIAは、制作者の録音改善や研究用の音声データ整備を想定しています。ライセンスはOpenMDW-1.1です。商用利用も想定され、再配布時のライセンスや著作権表示の保持などの条件があります。Apache 2.0とは別のライセンスです。公式デモは、ブラウザから音声や動画を送って試す入口です。これは手元のブラウザ内だけで動くという意味とは異なります。公式の実行環境はLinuxとNVIDIA Ampere世代のGPUで、推論欄にはA100が示されています。
まとめ
録音の補正を検討する際は、消したい雑音と残したい発言を先に決めると、比較する条件がそろいます。文字に変換する工程は、Nemotron 3.5 Transcribeの記事が次に読む参考になります。RE-USEの出力も音声なので、文字起こしとは別工程です。元の録音と補正後を聴き比べ、発言を落としていないか確認すると、業務に使える範囲を判断しやすくなります。
※ 2026年11月時点でNVIDIAが公開している情報に基づいています。
