NVIDIA, 다국어 음성 전사 모델 Nemotron 3.5 Transcribe와 Granary v2 공개
지금까지의 흐름
NVIDIA는 2026년 10월 28일부터 29일에 걸쳐 오픈 웨이트 음성 인식 모델 "Nemotron 3.5 Transcribe"와 음성 데이터셋 구축 체계 "Granary v2"를 공개했다. 이 모델은 40개 언어를 전사하며, 그중 31개 언어에서는 영어 번역을 지원한다. 화자 식별은 13개 언어에서 가능하며, 최대 8명, 최장 1시간 분량의 녹음을 처리할 수 있다. 자연어 지시로 출력을 전환할 수 있어, 화자 라벨이 붙은 전사, 영어 번역, 회의 내용에 대한 질문 등이 가능하다. 총 파라미터는 30B이며, 추론 시 활성화되는 파라미터는 약 4B다. 단일 NVIDIA GPU에서 동작하며, vLLM을 통한 서빙과 NeMo-Speech.cpp를 이용한 로컬 실행, Baseten, DeepInfra, Simplismart의 호스팅 제공도 있다. 녹음된 음성을 대상으로 하며, 실시간 스트리밍은 지원하지 않는다. 음성 Q&A는 영어로 학습되었다. NVIDIA와 Hugging Face Blog에 따르면, Open ASR Leaderboard에서 영어 부문 평균 WER은 5.33%, 7개 언어 다국어 부문은 4.62%, 장문 부문은 10.98%였다. Artificial Analysis의 AA-WER은 2.8%로 오픈 웨이트 모델 중 공동 1위로 알려졌다. The Decoder는 2.81%로 보도하며, 최고의 오픈 모델인 Mistral의 Voxtral Small(2.77%)에 근접하지만 활성 파라미터는 약 6분의 1이라고 전했다. 화자 식별에서는 David AI의 21개 언어 벤치마크에서 DER 18.26%로 가장 낮았고, VoiceArena의 14개 시스템 비교에서 1위(cpWER 32.4%)를 기록했다고 한다. RTX PRO 6000 Blackwell Server Edition의 NVFP4 조건에서 100시간 분량의 음성을 3분 미만에 처리한다고 한다. 이 수치들은 주로 NVIDIA의 설명과 공개된 값에 근거한다. Granary v2의 규모는 보도마다 수치가 다르다. Hugging Face Blog는 48개 언어, 16개 소스 코퍼스, 463,062시간으로 v1의 25개 언어에서 확대되었다고 설명한다. The Decoder는 48개 언어, 약 844,000시간이며 이전 버전은 약 643,000시간이었다고 전했다. 축어 형식과 역 텍스트 정규화 등 여러 전사 형식이 제공되며, 구축에 사용된 NeMo Curator 파이프라인도 공유된다. 음원은 각 코퍼스의 라이선스에 따라 별도로 확보해야 한다. 의료 분야 사례에서는 Eka Care의 인도 의료 음성 벤치마크에서 프롬프트 개선으로 WER이 30.8%에서 23.8%로, 파인튜닝으로 11.8%까지 떨어졌다. 작업에는 GB300 1기로 약 14 GPU 시간이 들었다. 반면 LibriSpeech test-clean의 WER은 1.54%에서 1.69%로 소폭 상승했으며, 브랜드명 약품에서는 의료 특화 모델이 우세한 것으로 나타났다. NVIDIA는 고유명사, 화자 전환, 답변 추출에 대한 검사를 권장하고 있다. NVIDIA Blog에 따르면 RTX Spark 탑재 노트북에서의 지원도 예정되어 있다. 모델과 데이터셋은 Hugging Face에 공개되었으며 데모도 제공된다.
보도를 바탕으로 AI가 작성 · 7일 전 업데이트
새로운 전개
- 10월 29일 00:00 · 보도 1건RTX Spark 노트북PC에 AI 모델 및 에이전트 기능 추가NVIDIA Blog: NVIDIA RTX Spark 노트북, 신모델·에이전트용 도구·게임 지원 확대
- 10월 28일 23:58 · 보도 3건NVIDIA, 다국어 전사 모델 Nemotron 3.5 Transcribe 공개Hugging Face Blog: NVIDIA, 프롬프트로 제어하는 다국어 음성 전사 모델 Nemotron 3.5 Transcribe와 Granary v2 공개
보도 타임라인
보도를 따라가며 이슈의 여러 측면을 살펴보세요.
- The DecoderNVIDIA, 오픈 음성 인식 모델 Nemotron 3.5 Transcribe 공개… 전사·번역·화자 식별 통합
NVIDIA는 음성 받아쓰기, 번역, 화자 식별을 하나의 모델로 처리하는 오픈 음성 인식 모델 Nemotron 3.5 Transcribe를 공개했다. 40개 언어의 음성 받아쓰기를 지원하며, 31개 언어에서 영어로의 번역, 13개 언어에서 화자 식별이 가능하다. Hugging Face의 영어 Open ASR Leaderboard에서는 오픈 웨이트 모델 중 1위(평균 단어 오류율 5.33%)를 기록했으며, 약 844,000시간 분량의 학습 데이터셋 Granary v2도 함께 공개됐다.
- NVIDIA BlogNVIDIA RTX Spark 노트북, 신모델·에이전트용 도구·게임 지원 확대
NVIDIA RTX Spark 탑재 노트북을 위해 오픈 웨이트 음성 모델 「NVIDIA Nemotron 3.5 Transcribe」와 LFM3 오픈 모델 패밀리의 지원이 예정되어 있다. Nemotron 3.5 Transcribe는 40개 언어를 지원하며, 받아쓰기, 화자 식별, 번역을 하나의 모델로 처리한다.
- TechCrunch AINvidia, 오픈 음성 인식 모델 「Nemotron 3.5 Transcribe」 공개
Nvidia가 40개 언어까지 음성을 전사할 수 있는 무료 오픈 웨이트 모델 「Nemotron 3.5 Transcribe」와 오픈소스 음성 데이터셋 「Granary」 제2판을 공개했다. Nemotron 3.5는 31개 언어와 영어 간 상호 번역, 최대 1시간 분량의 녹음 처리, 최대 8명 화자 식별을 지원하며, 회사 측은 Hugging Face의 Open ASR Leaderboard를 포함한 벤치마크에서 경쟁 모델을 앞섰다고 주장했다. 실시간 방송이 아니라 녹음된 음성이 대상이며, 파라미터 수는 30 billion으로 단일 칩에서 동작할 수 있다고 한다.
- Hugging Face BlogNVIDIA, 프롬프트로 제어하는 다국어 음성 전사 모델 Nemotron 3.5 Transcribe와 Granary v2 공개
NVIDIA는 전사, 화자 식별, 번역, 음성 Q&A를 하나의 체크포인트로 처리하는 오픈 웨이트 모델 Nemotron 3.5 Transcribe를 Hugging Face와 ModelScope에 공개했다. 40개 언어의 전사를 지원하며, Hugging Face Open ASR Leaderboard 영어 부문에서 오픈 웨이트 모델 중 1위인 평균 WER 5.33%를 기록했다. 학습 데이터 파이프라인 Granary v2와 파인튜닝 절차도 함께 공개됐다.
이 이슈의 화제도 추이
현재 화제도 5·비교 가능한 최고치 29 (10월 29일 11:00)·24시간 비교 가능 변화 -75%
추이는 연속으로 빠짐없이 관측한 계정만 비교하므로 현재 화제도 수치보다 범위가 좁을 수 있습니다. 포인터를 움직이거나 차트를 누르면 시간대별 화제도를 볼 수 있고, 키보드에서는 왼쪽·오른쪽 방향키를 쓰면 됩니다.