Nvidia, 40개 언어 받아쓰는 오픈웨이트 Nemotron 3.5 Transcribe 공개

미국 반도체 기업 Nvidia가 수요일 오픈웨이트 음성 인식 모델 Nemotron 3.5 Transcribe를 무료로 공개했다. 오디오를 최대 40개 언어로 받아쓴다. 오픈소스 음성 데이터셋 Granary의 2번째 버전도 함께 내놨다.

지원 언어와 처리 범위

▼ Nemotron 3.5 Transcribe 주요 사양 (출처: Nvidia 발표)

항목	내용
받아쓰기 지원 언어	최대 40개
영어 양방향 번역	31개 언어
최대 녹음 길이	1시간
화자 구분	최대 8명
파라미터	300억 개

Nvidia는 Hugging Face의 Open ASR Leaderboard 등 벤치마크에서 경쟁 모델을 앞섰다고 밝혔다. 독립 검증 결과는 소스에 없다.

공개 범위

모델: 가중치를 공개한 오픈웨이트 모델이며 무료다.
데이터셋: Granary 2를 오픈소스로 공개했다.
커스터마이징: Nvidia는 모델과 Granary 2, NeMo Speech 같은 도구로 산업별 전문 용어를 언어마다 인식하도록 맞출 수 있다고 설명했다.

대상과 한계

회의록 작성과 의료 전사 앱을 만드는 개발자가 주 대상이다. 한계도 분명하다. Transcribe는 녹음된 오디오만 처리하고 라이브 스트림은 처리하지 못한다.

실행 환경은 비교적 넓다. 300억 파라미터 모델이지만 Nvidia는 칩 하나로 돌릴 수 있다고 밝혔다. 로보틱스 컨트롤러 Jetson AGX Thor, 신형 노트북에 들어가는 DGX Spark 칩, 데이터센터용 Blackwell 칩이 해당한다. 11억 파라미터의 소형 모델 Parakeet 등 기존 오픈웨이트 음성 모델 라인업에 합류한다.