NVIDIA、音声モデル公開とRTX Spark更新を発表

米NVIDIA（GPUおよびAI向け計算プラットフォーム大手の米半導体企業）は2026年10月29日、オープンウェイトの最新音声モデル「NVIDIA Nemotron 3.5 Transcribe（文字起こし・話者識別・翻訳を単一モデルで処理するオープン音声AI）」の提供を開始した。あわせて、BlackwellアーキテクチャのGPUとGrace CPUを統合したモバイルワークステーション「RTX Spark（Grace CPUとBlackwell GPUを統合したノートPC向け基盤）」搭載ノートPC向けに、アプリとAIエージェントの間でGPU処理リソースを配分制御できる「NVIDIA App」の新機能など複数のアップデートを発表した。

Nemotron 3.5 Transcribeの性能と主要機能

提供が開始されたNemotron 3.5 Transcribeは、音声の文字起こし（トランスクリプション）、話者識別（スピーカーラベリング）、翻訳の3工程を個別の専用モデルに分けることなく、単一のプロンプト入力型モデルで完結できる点が特徴である。英語やインド系7言語を含む全40言語の音声処理に対応している。

本モデルは自然言語による指示を受け付け、会議音声から決定事項を箇条書きで抽出したり、医療や金融分野の専門用語を指定したフォーマットで書き起こしたりすることが可能となっている。

• ​ベンチマーク実績​: Hugging Face Open ASRリーダーボードで1位、Artificial Analysisのオープンウェイトモデル部門で2位を記録
• ​高効率なパラメータ設計​: アクティブパラメータ数は約43億（4.3B）に抑えられており、従来の首位オープンモデルと比較して80％少ないパラメータで高精度を実現
• ​幅広い動作環境​: Hugging Faceでウェイトが即日提供され、今後量子化版（NVFP4）がNeMo-Speech.cppやvLLMを通じてRTX Spark、DGX Spark、Jetson AGX Thor向けに提供予定

NVIDIA AppによるGPUリソース配分とゲーム対応強化

同時に発表されたソフトウェアおよびプラットフォームの機能強化では、PC上で常駐動作するAIエージェントと通常アプリケーションの共存が強く意識されている。

NVIDIA Appの最新アップデートでは、最前面で動作するフォアグラウンドアプリと、バックグラウンドで稼働する自律型AIエージェントとの間で、GPUの計算リソース配分を手動で調整できる機能が追加された。作業内容に応じて、制作アプリの描画性能を優先するか、バックグラウンドエージェントの処理完了を早めるかを「System > Advanced」設定から選択できる。

また、Liquid AIが開発する「LFM3」オープンモデル群への即日対応（Day-zero support）が表明されたほか、S-GAMEのアクションRPG『Phantom Blade Zero』へのDLSS 4.5対応、クラシックゲームのリマスター基盤「RTX Remix 1.6」による『Minecraft Java Edition』へのパストレーシング適用などが公表された。

ローカルAI開発環境における意義とスペック比較

今回の一連の発表は、クラウドに頼らずノートPC単体で高度な音声対話やエージェントタスクを完結させるローカルAI環境の実用性を大きく高めるものである。特にRTX Spark搭載機はASUS、Dell、HP、Lenovo、Microsoft、MSIの各社から最小構成価格2,599ドルで発売されており、最大128GBの統合メモリと最大1ペタフロップ（FP4）のAI演算性能を備える。

項目	Nemotron 3.5 Transcribe	従来の音声認識パイプライン
構成	単一プロンプト型モデル（4.3B active）	文字起こし・話者識別・翻訳の複数モデル連携
対応言語	全40言語（インド系7言語を含む）	言語ごとの専用辞書・モデルが必要
実行形態	ローカル（RTX Spark / DGX / Jetson）およびクラウド	主にクラウドAPI依存
システム制御	NVIDIA AppでエージェントへのGPU配分を設定可能	OS依存のプロセス優先度のみ

分析と展望：常駐型エージェント前提のPC環境へ

音声認識モデルのパラメータ小型化とGPUスケジューリング機能の統合は、PCの利用形態が「ユーザーが操作する道具」から「バックグラウンドで自律動作するエージェントとの協調環境」へシフトしている実態を示している。43億パラメータでトップクラスの文字起こし精度が確保されたことで、通信環境が制限された機密環境下でもリアルタイムな議事録作成や多言語翻訳がローカル完結で運用可能となった。

今後は量子化版NVFP4の配信に伴い、エッジデバイスや組み込み機器における音声対話エージェントの導入がさらに加速するとみられる。

引用元：NVIDIA Blog