같은 녹음도 목적에 맞는 형식으로 전사
NVIDIA가 2026년 10월 28일 Nemotron 3.5 Transcribe를 공개했다. 녹음을 텍스트로 옮기면서 사용자가 원하는 전사 형식을 지시할 수 있는 음성 증강 언어 모델(SALM)이다. 40개 언어, 최대 1시간 오디오를 지원한다고 안내한다. 공식 발표
녹음의 화자와 시간을 표시하고 목적에 맞는 전사 형식을 선택하는 흐름을 표현했다.
축어·정리된 문장·화자 표시를 선택
공식 안내는 축어 전사, 문어체 전사, 문맥을 반영한 전사, 화자별 전사와 풍부한 전사 형식을 제시한다. 번역과 언어 식별도 다루며, 선택적으로 화자 정보가 붙은 단어 단위 타임스탬프를 출력할 수 있다. 지원 작업
예를 들어 인터뷰 기록은 발화를 그대로 보존할지, 읽기 쉽게 정리할지부터 목적이 다르다. 편집팀은 두 형식의 평가 기준을 따로 세우고, 화자 전환과 숫자·고유명사를 원음과 대조하는 방법을 제안한다.
가중치와 라이선스도 공개
모델 카드는 오디오 인코더를 포함해 총 34B, 활성 4.3B 파라미터, 65,536 토큰 문맥을 안내한다. 제품명의 30B를 전체 파라미터 수로 그대로 읽으면 안 된다. BF16·FP8·NVFP4·GGUF 형식의 배포와 OpenMDW-1.1 라이선스를 확인할 수 있다. 모델 카드와 파일
이는 녹음 입력을 처리하는 모델 발표다. 실시간 회의 서비스의 지연 시간이나 발언 중간 수정 정책까지 이 사양만으로 판단할 수는 없다.
자주 묻는 질문
음성을 새로 만들어 주는 모델인가?
소개된 핵심 작업은 오디오를 텍스트로 옮기는 전사와 관련 작업이다.
화자와 시간 정보도 받을 수 있나?
공식 안내는 화자별 전사와 선택적인 단어 단위 타임스탬프를 지원한다고 설명한다.
최대 입력 길이는 얼마인가?
발표는 최대 1시간 녹음과 40개 언어를 안내한다.
상용 사용 조건은 어디서 확인하나?
모델 카드와 연결된 OpenMDW-1.1 라이선스에서 확인할 수 있다.
한눈에 정리
Nemotron 3.5 Transcribe는 전사의 형식을 지시하고 화자·시간 정보를 활용할 수 있게 한다. 실제 녹음으로 형식별 정확도를 비교하고 실행 자원과 라이선스를 함께 검토할 수 있다.