엔비디아가 2026년 10월 28일 무료 오픈 웨이트 음성 전사 모델 Nemotron 3.5 Transcribe를 공개했습니다. 최대 40개 언어의 오디오를 텍스트로 변환하는 모델로, 오픈소스 음성 데이터셋 Granary의 버전 2도 함께 내놓았습니다.
1. Nemotron 3.5 Transcribe의 사양
테크크런치 보도에 따르면 이 모델은 최대 40개 언어를 전사하고, 31개 언어와 영어 사이의 상호 번역을 지원합니다. 최대 1시간 분량의 녹음을 처리하며, 최대 8명의 화자를 구분합니다. 파라미터 규모는 300억(30B)이고, 엔비디아는 단일 칩에서 실행할 수 있다고 밝혔습니다. 언급된 실행 환경은 Jetson AGX Thor 로보틱스 컨트롤러와 DGX Spark 칩, Blackwell 데이터센터 칩입니다.
엔비디아는 이 모델이 허깅페이스의 Open ASR Leaderboard를 포함한 벤치마크에서 경쟁 모델을 앞선다고 주장합니다. 다만 한계도 분명합니다. 녹음된 오디오 파일 전용이며, 실시간 스트리밍은 지원하지 않습니다.
항목 | 내용 |
|---|---|
모델명 | Nemotron 3.5 Transcribe |
라이선스 | 무료·오픈 웨이트 |
전사 언어 | 최대 40개 |
영어 상호 번역 | 31개 언어 |
최대 녹음 길이 | 1시간 |
화자 구분 | 최대 8명 |
파라미터 | 300억(30B) |
실행 환경 | 단일 칩 (Jetson AGX Thor·DGX Spark·Blackwell) |
실시간 스트리밍 | 미지원 (녹음 파일 전용) |
2. 함께 공개된 Granary v2
엔비디아는 음성 데이터셋 Granary의 버전 2도 오픈소스로 함께 공개했습니다. 개발자는 이 모델과 데이터셋, 그리고 NeMo Speech 같은 도구를 조합해 특정 업계의 전문 용어를 인식하도록 앱을 맞춤 설정할 수 있습니다.
3. 노리는 시장 — 회의록과 의료 기록
테크크런치는 이 도구들이 기업 회의와 의료 기록 작성을 겨냥한다고 전합니다. 두 영역은 AI가 이미 업무 현장에 자리 잡은 대표적인 분야입니다. 업계 용어 맞춤 설정이 가능하다는 점에서, 전문 분야의 전사 품질이 관건이 될 전망입니다.
4. 음성 AI 경쟁 구도
엔비디아의 이번 출시는 음성 AI 경쟁이 달아오른 시점에 나왔습니다. 같은 시기 미스트랄은 Voxtral 3를, 일레븐랩스는 음성 에이전트용 실시간 음성 서비스 Realtime을, 세일즈포스는 음성 모델 Launa-Omni를 각각 내놨습니다. 엔비디아 진영 안에서는 11억(1.1B) 파라미터의 초경량 모델 Parakeet도 함께 제공되고 있어, 용도에 따라 모델을 고를 수 있는 구조입니다.
5. 참고 자료
마무리 — 도입 전에 확인할 3단계
새 음성 모델을 업무에 쓰기 전에는 원문에서 공개된 사양을 먼저 확인하는 것이 좋습니다. 오늘 바로 할 수 있는 일은 다음과 같습니다.
1. 허깅페이스 Open ASR Leaderboard에서 Nemotron 3.5 Transcribe의 벤치마크 위치를 확인합니다.
2. 우리 업무의 오디오(회의 녹음 등)가 1시간 이내의 파일인지, 실시간 처리가 필요한지를 점검합니다.
3. 업계 용어가 많다면 NeMo Speech와 Granary v2 문서를 함께 살펴봅니다.