[늦게 확인] Nemotron 3.5 Transcribe: 40개 언어 전사·화자 구분·번역을 한 모델로, NVIDIA 오픈 웨이트 음성 모델
무엇인가요
Nemotron 3.5 Transcribe는 녹음된 음성을 글로 바꾸는 오픈 웨이트 모델이에요. 전체 34B 중 토큰마다 약 4.3B만 쓰는 MoE(전문가 혼합) 구조예요. 40개 언어를 전사하고 31개 언어를 영어와 번역하며, 최대 1시간 녹음에서 화자 8명까지 구분해요. 자연어 지시로 출력 형식이나 전문 용어 표기를 바꿀 수 있고 BF16·FP8·NVFP4 가중치가 함께 나왔어요. Transformers로 바로 불러 쓸 수 있어요.
pip install -U transformers accelerate왜 중요한가요
NVIDIA는 Hugging Face Open ASR 영어 9개 세트 평균 WER 4.71%업체 주장, 다국어 7개 언어 4.62%업체 주장로 오픈 웨이트 모델 중 가장 낮다고 밝혔어요. 회의록·콜센터·의료 받아쓰기처럼 화자 구분과 번역이 함께 필요한 서비스를 모델 하나로 만들 수 있고 데이터를 밖으로 보내지 않고 자체 GPU에서 돌릴 수 있어요. 학습 데이터 Granary v2와 미세조정 레시피도 같이 공개돼 도메인 용어에 맞춰 고치기 쉬워요.
완성도
GA 정식가중치를 누구나 받을 수 있고 모델 카드에 상업 이용 가능이라고 적혀 있어 GA로 봤어요. 다만 RTX PRO 6000 한 장으로 초당 2,238초 분량을 전사한다는 속도업체 주장는 NIM 전용 최적화 기준이고 오픈소스 vLLM 경로는 그보다 2배쯤 느리다고 해요.
앞으로 이렇게 지켜보세요
- 독립 측정: Hugging Face Open ASR Leaderboard와 Artificial Analysis 음성 순위에서 실제 순위를 확인하세요.
- 로컬 실행: NeMo Speech GitHub에 NIM 최적화가 반영되는지와 양자화판 배포 일정을 지켜보세요.
- 라이선스: OpenMDW-1.1 조건을 모델 카드에서 읽어 보고 상업 서비스에 맞는지 확인하세요.