NVIDIA, 다국어 음성 인식 모델 Nemotron 3.5 Transcribe 공개

NVIDIA가 음성 전사와 화자 구분, 영어 번역, 오디오 질의응답을 한 모델에서 지원하는 개방형 가중치 모델 Nemotron 3.5 Transcribe를 공개했습니다. 40개 언어를 전사하고 최대 8명의 화자를 구분하며, Granary v2 데이터와 NeMo Speech 미세조정 도구도 제공해 개발자가 도메인 용어와 억양에 맞게 조정할 수 있습니다. NVIDIA는 여러 공개 벤치마크에서 높은 순위를 기록했다고 밝혔으며, 의료 사례에서는 미세조정으로 보류 화자의 단어 오류율을 최선의 프롬프트 결과보다 상대적으로 45.8% 낮췄습니다.

도메인 용어가 중요한 서비스라면 먼저 자연어 프롬프트로 인식 결과를 보정하고, 정확도가 부족할 때 Granary v2와 미세조정 도구를 검토하는 단계적 접근이 가능합니다. 다만 벤치마크 순위와 의료 사례는 특정 평가 조건에 따른 결과이며, 오디오 질의응답은 영어로 학습됐고 이름·화자 전환·답변은 녹음과 대조해야 합니다. 양자화 버전은 추후 제공 예정이므로, 현재 로컬 실행을 전제로 한 배포 계획은 지원 시점을 확인해야 합니다.