NVIDIA, 프롬프트로 조종하는 음성 모델 Nemotron 3.5 Transcribe 공개
NVIDIA가 2026년 10월 28일 OpenMDW-1.1로 Nemotron 3.5 Transcribe를 공개했습니다. 40개 언어, 화자 라벨, 번역, 프롬프트로 제어하는 전사 스타일, 최대 1시간 녹음을 지원합니다.
NVIDIA는 2026년 10월 28일, 관대한 OpenMDW-1.1 라이선스로 Nemotron 3.5 Transcribe를 공개했습니다. 모델과 함께 NeMo Speech용 파인튜닝 도구 키트와 음성 데이터셋 Granary 버전 2도 공개했습니다.
새로운 점
- 하나의 모델, 여러 역할. 음성 인코더와 누가 언제 말했는지 파악하는 화자 분리(diarization) 모델이 MoE 언어 모델에 입력을 줍니다. 전사, 음성 번역, 화자 표기 전사, 언어 식별, 오디오에 대한 질문 응답을 처리하고 단어 수준 타임스탬프도 반환할 수 있습니다.
- 크기. 모델 카드 기준 총 약 340억 파라미터, 활성 43억(오디오 인코더 포함)입니다.
- 커버리지. 40개 언어를 지원하며, 이 중 31개 언어는 영어와의 번역, 13개 언어는 화자 표기를 지원합니다. 최대 1시간, 최대 8명 화자의 녹음을 다룹니다.
- 조종 가능한 스타일. 텍스트 지시로 원하는 전사를 기술합니다. 축자 텍스트나 문어체 숫자 같은 것입니다. 기대할 이름과 용어 목록을 넘겨줄 수도 있습니다.
- 오프라인 전용. 완성된 녹음을 처리합니다. 실시간 스트리밍 인식기가 아닙니다.
NVIDIA는 영어 Open ASR Leaderboard에서 평균 단어 오류율(WER) 4.71%, 다국어판에서 4.62%를 보고합니다. 개발사 자체 측정이므로 자신의 오디오로 직접 시험해 보세요.
실행 방법
BF16 가중치는 약 68 GB, FP8 버전은 약 35 GB, NVFP4 버전은 약 22 GB입니다. 모델 카드는 80 GB H100 한 장을 배포 목표로 명시하고, NVIDIA의 NeMo-Speech.cpp용 GGUF 파일도 있습니다. 즉, 약 6 GB면 되는 Whisper large-v3-turbo보다 훨씬 무겁습니다. 추가 크기가 값어치를 하는 시점은 나란히 비교에서 보여 주고, 음성 모델 페이지에 대안들이 정리되어 있습니다.
라이선스
OpenMDW-1.1은 머신러닝 모델을 위해 작성된 짧고 관대한 라이선스입니다. 모델을 사용·수정·공유·판매할 수 있고 출력에 제한을 두지 않습니다. 재배포 시 라이선스 문면과 출처 표기를 유지해야 하며, Open Source Initiative는 이 라이선스를 승인하지 않았습니다. Apache 2.0, MIT와의 비교는 AI 라이선스 해설에서 다룹니다.
출처
- NVIDIA Research: Nemotron 3.5 Transcribe (28 Oct 2026) research.nvidia.com
- Nemotron 3.5 Transcribe model card (Hugging Face) huggingface.co
- Hugging Face blog: Nemotron 3.5 Transcribe and Granary v2 huggingface.co
이 기사에 나오는 모델
| 모델 | 출시일 | 파라미터 | 컨텍스트 | 라이선스 | 최소 버전 필요 메모리 |
|---|---|---|---|---|---|
| Nemotron 3.5 Transcribe EN NVIDIA | 34B 활성 4.3B | 64K | OpenMDW-1.1 (허용적) | 25 GB 게이밍 GPU |