NVIDIA Nemotron 3.5 Transcribe 공개 — 40개 언어 전사·8명 화자 구분

NVIDIA · Nemotron 3.5 Transcribe · ax-trend 이슈 #3608 · 2026-10-28 공개

Nemotron 3.5 Transcribe — 40개 언어 전사, 8명 화자 구분, 1시간 녹음 처리
개요 — 녹음된 음성을 텍스트로 바꾸는 오픈웨이트 모델입니다

공개 내용

NVIDIA는 2026년 10월 28일 오픈웨이트 음성 모델 Nemotron 3.5 Transcribe를 공개했습니다. 녹음된 음성을 텍스트로 바꾸는 모델이며, 전사·번역·화자 구분·음성 질의응답을 하나의 체크포인트에 합친 것이 특징입니다. 자연어 지시로 그대로 받아쓰기, 요약, 회의 내용 질의를 만들 수 있습니다.

지원 범위는 40개 언어 전사, 31개 언어와 영어 사이 번역, 최대 8명 화자 구분, 최대 1시간 녹음 처리입니다. 구조는 300억 개 파라미터의 혼합 전문가(MoE)이며, 토큰당 약 40억 개 파라미터만 활성화합니다. Jetson AGX Thor부터 DGX Spark, Blackwell 데이터센터 칩까지 단일 GPU에서 동작합니다.

음성 작업 흐름: 녹음 파일 입력, 전사·번역·화자 구분, 자연어 지시로 가공, 단일 GPU에서 실행
하나의 체크포인트로 묶인 음성 작업 흐름 — 녹음 입력부터 온프레미스 활용까지 이어집니다

핵심 수치

언어 지원 범위: Transcribe 전사 40개 언어, 번역 31개 언어, Granary v2 48개 언어, Granary v1 25개 언어
언어 지원 범위 — 모델의 전사·번역 범위와 데이터셋의 언어 수를 함께 표시했습니다
항목수치비고
모델 규모300억 개 파라미터 (MoE)토큰당 약 40억 개 파라미터만 활성화
처리 속도100시간 분량을 3분 안에 처리RTX PRO 6000 Blackwell Server Edition, NVFP4 정밀도, NVIDIA 자체 벤치마크
전사 정확도AA-WER 2.8%Artificial Analysis 외부 벤치마크, 오픈웨이트 모델 중 1위 동점
동점 상대240억 개 파라미터 활성화 모델Transcribe는 토큰당 약 40억 개만 활성화
데이터셋 규모463,062시간Granary v2, 48개 언어 (v1은 25개 언어)

속도 수치는 NVIDIA 자체 벤치마크 기준이며, 정확도 수치는 Artificial Analysis의 외부 측정입니다. 두 수치는 출처가 다르므로 같은 잣대로 직접 비교하기보다는 각각의 측정 조건을 따로 확인하는 편이 안전합니다.

함께 공개된 것

중요성

회의 녹음을 받아쓰고 화자를 구분하고 요약을 뽑는 작업이 하나의 오픈 모델로 묶였습니다. 단일 GPU에서 돌아간다는 점이 온프레미스 전사 도구를 만드는 개발자에게 직접 쓸모가 있습니다. 46만 시간 규모의 데이터셋까지 함께 열렸으니, 전문 용어에 맞춘 파인튜닝 재료도 확보됐습니다.

이 글의 핵심은 모델 하나보다 묶음에 있습니다. 전사·번역·화자 구분·질의응답을 따로 붙이던 파이프라인이 체크포인트 하나로 줄어들면, 회의 기록과 의료 전사처럼 음성 AI가 일터에 자리 잡은 분야의 도입 문턱이 낮아집니다.

아직 확인되지 않은 점

Hugging Face Open ASR Leaderboard 1위 주장은 NVIDIA의 자체 발표 기준이며, 해당 리더보드가 API 모델을 제외한 순위인지 원문 차트에서 확인이 필요합니다. 실시간 스트리밍은 지원하지 않고 녹음 파일만 처리합니다. 언어별 지원 범위가 작업마다 다르며, 음성 질의응답 학습은 영어로만 이뤄졌습니다. 한국어 전사 품질이 어느 수준인지, 40개 언어 목록에 한국어가 포함되는지는 원문에서 별도 확인이 필요합니다.

실무 판단: 온프레미스 전사부터, 한국어 품질은 직접 재고 도입합니다

실무 판단은 이렇게 정리됩니다. 회의·전사 도구를 사내에서 돌리려는 팀이라면 단일 GPU 구성을 먼저 써보는 것이 순서입니다. 다만 한국어 전사 품질이 미확인인 상태에서는 한국어 회의록을 곧바로 맡기기보다, 자기 팀의 실제 녹음으로 정확도를 먼저 재는 것이 좋습니다. 실시간 스트리밍이 필요하면 이 모델이 아니라 스트리밍 지원 모델을 고르는 편이 맞습니다. Granary v2는 전문 용어 파인튜닝 재료로 가치가 있으나, 48개 언어 중 한국어 비중은 따로 확인해야 합니다.

원문 이슈

AX Trend음성 에이전트오픈 모델