엔비디아, 다국어 음성 모델 네모트론 공개
최근 30일 조회수 —좋아요 —핵심 요약
전사·번역·화자 분리와 질의응답을 자연어 지시로 조정하는 오픈 가중치 음성 모델이 공개됐다.

엔비디아가 다국어 음성을 자연어 지시에 따라 전사·번역·화자 분리할 수 있는 오픈 가중치 모델 네모트론 3.5 트랜스크라이브(Nemotron 3.5 Transcribe)를 공개했다. 모델은 허깅페이스와 모델스코프에서 제공되며, 하나의 체크포인트로 40개 언어 전사, 영어와 31개 언어 간 번역, 13개 언어 화자 분리, 영어로 학습된 오디오 질의응답을 처리한다.1
최대 1시간짜리 녹음과 화자 8명을 지원하며, 단어 단위 타임스탬프도 제공한다. 사용자는 “각 화자를 표시해 전사하라”거나 전문용어의 표기를 유지하라는 식으로 결과를 조정할 수 있다. 다만 작업별 지원 언어가 다르고, 엔비디아는 이름·화자 전환·질의응답 결과를 원본 녹음과 대조하라고 권고했다.
엔비디아 발표에 따르면 이 모델은 허깅페이스 오픈 ASR 리더보드의 오픈 가중치 영어 모델 가운데 1위를 기록했다. 화자 분리에서도 데이비드 AI의 21개 언어 리더보드 최저 오류율과 보이스아레나의 14개 시스템 비교 1위를 제시했다. 함께 공개한 그래너리 v2(Granary v2) 데이터·정제 파이프라인과 NeMo Speech 미세조정 도구를 이용한 의료 사례에서는, 보지 못한 화자의 단어 오류율(WER)이 최적 프롬프트보다 상대적으로 45.8% 줄었다. 로컬 실행용 양자화 버전은 추후 제공될 예정이다.1
Footnotes
읽기 목록은 이 브라우저에 저장됩니다.
출처
- NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt — Hugging Face 블로그·커뮤니티 · 자료: 2026. 10. 28.
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.