엔비디아, 40개 언어 음성 받아쓰기 모델 출시
엔비디아는 10월 28일 Nemotron 3.5 Transcribe를 공개했다. 음성을 40개 언어의 텍스트로 변환하는 인공지능 모델이다.
이 모델은 받아쓰기 외에도 영어를 다른 31개 언어로 번역할 수 있다. 또한 대화에서 각 발언이 어느 화자의 것인지 구분하는 기능도 갖추고 있으며, 13개 언어에서 사용할 수 있다. PC Watch에 따르면 최대 1시간 길이의 오디오 녹음을 한 번에 처리할 수 있다.
기본 버전은 이미 Hugging Face에 올라와 있다. 엔비디아는 모델의 가중치, 즉 실행에 필요한 매개변수를 공개했으며 OpenMDW-1.1 라이선스에 따라 무료 상업적 이용을 허용했다. FP8과 NVFP4 양자화 버전은 추후 내놓을 계획이다. 양자화는 매개변수 표현의 정밀도를 낮춰 필요한 연산 자원과 메모리를 줄이는 방식이다.
Hugging Face Open ASR 테스트 결과, 단어 인식 평균 오류율은 영어 5.33%, 7개 언어 4.62%, 긴 녹음 10.98%였다. 엔비디아는 이 모든 항목에서 Nemotron 3.5 Transcribe가 다른 가중치 공개 모델을 앞섰다고 밝혔다.
별도의 성능 테스트에서 NVFP4 버전은 엔비디아 RTX PRO 6000 Blackwell Server Edition 한 장을 탑재한 장비에서 100시간 분량의 오디오를 3분 안에 처리했다. 이 결과는 특정 구성에 해당하는 것으로, 모든 기기에서 1시간짜리 녹음이 같은 속도로 처리된다는 뜻은 아니다.
이 모델은 이미 vLLM을 통해 배포할 수 있다. NeMo-Speech.cpp를 이용한 로컬 실행은 양자화 버전과 함께 제공될 예정이다.