엔비디아(NVIDIA)가 2026년 10월 28일 Hugging Face 블로그와 모델 페이지를 통해 공개 음성 모델 Nemotron 3.5 Transcribe를 내놨습니다. 녹음 파일을 글로 받아쓰고, 누가 말했는지 구분하고, 영어와 다른 언어 사이를 번역하고, 녹음 내용에 대한 질문에 답하는 일을 모델 하나로 처리합니다. 가중치(모델 파일)가 공개돼 있어 회사 서버에 직접 설치해 쓸 수 있습니다.
무엇이 바뀌나
지금까지는 받아쓰기, 화자 구분, 번역을 각각 다른 도구로 이어 붙이는 경우가 많았습니다. 이번 모델은 이 일을 한 번에 하고, "화자를 표시해 줘", "영어로 번역해 줘"처럼 평소 말로 지시하면 결과 형식이 바뀝니다.
- 받아쓰기 40개 언어, 영어와의 양방향 번역 31개 언어, 화자 구분 13개 언어를 지원합니다. 모델 페이지의 언어 표에서 한국어는 가장 높은 등급(Leading)으로, 받아쓰기·번역·여러 화자 받아쓰기가 모두 표시돼 있습니다.
- 녹음은 최대 1시간, 화자는 최대 8명까지 구분하고, 단어마다 시간 표시(타임스탬프)를 붙입니다.
- 실시간 통역용이 아니라 이미 녹음된 파일을 위한 모델입니다.
- 전체 약 300억 개 매개변수 중 한 번에 약 40억 개만 쓰는 구조(전문가 혼합, MoE)라 GPU 한 장에서 돌아갑니다. 엔비디아는 서버용 GPU 한 장으로 100시간 분량을 3분 안에 처리했다고 밝혔습니다(30초 단위 파일을 동시에 많이 처리한 조건).
- Hugging Face 공개 음성 인식 순위표(Open ASR Leaderboard)에서 영어 평균 오류율 5.33%로 공개 모델 중 1위라고 밝혔습니다.
함께 공개한 학습 데이터 목록 Granary v2는 48개 언어, 46만 3,062시간 분량입니다. 의료 현장 녹음으로 추가 학습한 사례에서는 처음 보는 화자 기준 오류율이 22.44%에서 12.17%로 줄었습니다.
누가, 언제부터 쓸 수 있나
10월 28일부터 Hugging Face와 ModelScope에서 모델을 내려받을 수 있고, Hugging Face Spaces에서 체험판(데모)을 써 볼 수 있습니다. 직접 설치하지 않으려면 Baseten, DeepInfra, Simplismart의 호스팅 서비스로 쓸 수 있습니다. 라이선스는 OpenMDW-1.1이며, 모델 페이지는 상업적·비상업적 사용이 모두 가능하다고 적고 있습니다.
직장인에게 의미
회의 녹음을 받아쓰고 발언자를 나누는 일을 외부 서비스에 맡기지 않고 사내 서버에서 처리할 수 있는 선택지가 늘었습니다. 모델 페이지에서 한국어는 가장 높은 품질 등급으로 분류돼 있습니다. 다만 엔비디아는 이름, 화자가 바뀌는 지점, 답변을 원래 녹음과 대조해 확인하라고 권했습니다.
자주 묻는 질문
무료로 쓸 수 있나요? 모델 파일은 공개돼 있어 내려받아 직접 설치하면 됩니다. 호스팅 서비스 요금은 원문에는 나와 있지 않습니다.
한국어 회의 녹음도 되나요? 모델 페이지 언어 표에 한국어 받아쓰기, 영어와의 번역, 여러 화자 받아쓰기가 지원으로 표시돼 있습니다. 화자 구분 13개 언어의 정확한 목록은 원문에는 나와 있지 않습니다.
출처
NVIDIA, Hugging Face 블로그 "Nemotron 3.5 Transcribe and Granary v2" (2026년 10월 28일) NVIDIA, Hugging Face 모델 페이지 NVIDIA-Nemotron-3.5-Transcribe-30B-A4B (2026년 10월 28일)