NVIDIA Nemotron 3.5 Transcribe와 Granary v2: 지시와 조정이 가능한 지능형 다국어 음성 전사
NVIDIA가 다국어 데이터셋과 데이터 구축 파이프라인과 함께 공개 가중치 음성 모델을 출시했다.
TL;DR
- NVIDIA는 2026-10-28 Nemotron 3.5 Transcribe와 Granary v2를 출시했다.
- 이 모델은 40개 언어의 음성을 전사하고 31개 언어와 영어 사이를 번역하도록 설계됐다.
- 공개된 데이터셋 목록은 48개 언어에 걸친 463,062시간의 음성을 포함한다.
NVIDIA가 녹음된 음성을 처리하는 공개 가중치 모델 Nemotron 3.5 Transcribe를 출시했다. 회사는 다국어 데이터 자원과 데이터 구축 파이프라인으로 Granary v2도 공개했다. [1] [2]
NVIDIA는 같은 모델이 40개 언어를 전사하고 31개 언어와 영어 사이를 번역하며 13개 언어에서 화자를 식별할 수 있다고 밝혔다. 최대 1시간 분량의 녹음을 처리하고 최대 8명의 화자를 구분할 수 있다고도 설명했다. [1]
공개된 Granary v2 목록은 48개 언어에 걸친 463,062시간의 음성을 포함한다. NVIDIA는 이 목록이 공개 데이터셋을 설명하는 것이며 모델 학습에 사용된 전체 데이터 구성은 아니라고 명시했다. [1] [3]
TechCrunch와 The Next Web은 이 모델이 실시간 스트림이 아닌 녹음된 음성을 처리한다고 보도했다. NVIDIA의 벤치마크와 조정 결과는 회사가 발표한 수치이며 실제 운영 환경 전반에서의 성능은 아직 확인되지 않았다. [1] [2] [3]
Why it matters
공개 가중치 모델은 개발자가 배포에 대한 통제권을 더 많이 유지하면서 음성 애플리케이션을 만드는 선택지를 추가한다. 실제 가치는 라이선스, 하드웨어, 언어와 녹음 조건에 따른 성능에 달려 있다.
Editor's note
Hugging Face의 원문은 NVIDIA 소속 저자들이 작성했으며 TechCrunch와 The Next Web은 출시를 별도로 보도했다. 역량과 성능 주장은 독립 검증된 결과로 취급하지 않고 NVIDIA의 발표로 명시했다.