NVIDIA, 전사·번역·화자 구분 묶은 Nemotron 3.5 Transcribe 공개
NVIDIA가 녹음 파일의 전사·화자 구분·번역·질의응답을 하나의 체크포인트로 처리하는 Nemotron 3.5 Transcribe를 공개했다. 최대 1시간 녹음에서 8명까지 화자를 구분하며, 실시간 음성 스트리밍용 모델은 아니다. 자연어 지시로 출력 형태를 고를 수 있다.
전사는 40개 언어, 영어와의 양방향 번역은 31개 언어, 화자 구분은 13개 언어를 지원한다고 NVIDIA는 설명했다. 음성 질의응답은 영어로 학습했으며 작업별 지원 언어가 다르다.
프롬프트로 화자별 발화를 표시하거나 녹음을 영어로 옮기고, 회의에서 어떤 결정이 내려졌는지 질문할 수 있다. 전문용어와 출력 표기 방식을 문맥으로 주고 단어 단위 타임스탬프를 받는 기능도 제공한다.
함께 소개한 Granary v2 구축 절차는 같은 녹음에 대해 숫자를 풀어 쓴 전사, 숫자·기호로 정리한 전사, 머뭇거림을 뺀 전사 등 서로 다른 학습 목표를 만든다. 필요한 표기 규칙을 지시로 선택하고, 전문 분야에서 남는 인식 오류는 NeMo Speech 미세조정 절차로 다루는 구성이다.
모델은 Hugging Face와 ModelScope에서 가중치를 제공하는 형태로 발표됐다. 모델 카드에는 OpenMDW-1.1 라이선스와 작업별 지원 범위가 명시돼 있다.
원문
- NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and AdaptHugging Face · 원문 2026-10-28