엔비디아, 40개 언어 받아쓰기 모델 ‘Nemotron 3.5 Transcribe’ 공개
엔비디아가 40개 언어를 받아쓰는 음성·오디오 모델 Nemotron 3.5 Transcribe를 오픈웨이트로 공개했다. 같은 녹음을 지시문에 따라 그대로 받아쓰거나, 지원 언어에서는 화자별로 나누거나 번역해 준다.
엔비디아가 음성·오디오 모델 3.5 Transcribe를 10월 28일 로 공개했다. 40개 언어를 받아쓰고 최대 1시간 녹음을 처리하는 오프라인 모델로, 상업적으로도 쓸 수 있다.
Nemotron 3.5 Lightning 언어 모델에 음성 인식 인코더와 화자 인코더를 붙인 구조로, 전체 340억 개 중 43억 개가 활성화된다. 같은 녹음을 지시문에 따라 그대로 받아쓰거나 화자별로 나누거나 영어와 상호 번역한다. 다만 화자별 받아쓰기와 번역은 언어마다 지원 여부가 다르다.
한국어는 받아쓰기와 여러 화자 받아쓰기, 영어 상호 번역을 모두 지원하며, 엔비디아가 밝힌 FLEURS 기준 문자 오류율은 2.78%다. 영어 받아쓰기는 엔비디아가 밝힌 Open ASR Leaderboard 평균 이 4.71로 오픈웨이트 모델 중 가장 낮았다.
호환표에는 ()가 ··로 올라 있고, RTX 5090은 NVFP4만 지원한다. 엔비디아는 자사 NIM에서 RTX PRO 6000 Blackwell 서버판 1장으로 초당 최대 2,238초 분량을 처리했다고 밝혔으나, 이 최적화는 아직 오픈소스 배포본에 없다.
