핵심 요약

NVIDIA Nemotron 3.5 Transcribe는 음성과 텍스트 지시를 받아 녹음 파일에 대한 전사, 화자 구분, 시간 정보 등을 산출하는 공개 가중치 모델이다. 최대 1시간 분량의 녹음 처리와 문맥 길이 65,536토큰을 지원하며, 오프라인 처리 방식을 사용한다. 한국어를 포함한 다국어 지원은 공식 표에 명시되어 있으나 실제 정확도는 녹음 환경에 좌우된다. 모델 실행에는 GPU 서버 환경이 필요하며, 라이선스와 녹음 권한에 관한 법적·윤리적 검토가 요구된다.

주요 내용

항목 내용
최대 처리 길이 1시간 녹음, 문맥 길이 65,536토큰
작동 방식 오프라인 처리 (실시간 스트리밍 아님)
화자 표기 화자 태그 부착 가능하나 신원 인증 아님
한국어 지원 범위 음성 전사, 다중 화자 분리, 언어 혼합 등 공식 지원, 실제 정확도는 환경 의존
오류 유형 단어 누락, 반복, 없는 발화 생성, 잘못된 화자 배정 가능성 있음
실행 환경 예시 - BF16: NVIDIA H100 80GB, vLLM 0.32.0, NeMo Speech (Linux 및 Windows WSL2 지원)
- FP8: RTX PRO 6000 Blackwell 96GB, 속도 및 정확도는 BF16과 다름
파라미터 수 34억 개(음성 인코더 포함), 약 4.3억 개 활성화
라이선스 OpenMDW 1.1. 무상 이용 가능하나 저작권 및 출처 고지 필수
녹음·전사 권한 관리 사전 동의 필요, 저장 위치와 접근 권한 설정 필수, 외부 서비스 데이터 처리 조건 점검 필요

실무 유의점

  • 녹음 파일은 1시간 이내로 나누어 처리하는 것이 권장된다.
  • 화자 태그는 화자를 구분하는 목적으로만 사용해야 하며 신원 인증 수단으로 사용할 수 없다.
  • 결과물을 확정 기록으로 사용하기 전에 원음과 대조 검증을 수행해야 하며, 이름 및 숫자 등 주요 정보는 반드시 확인한다.
  • 실행 시 BF16과 FP8 모델의 요구 사양 및 성능 특성을 숙지하고 적합한 하드웨어를 준비한다.
  • 공개된 가중치와 별개로, 운영비용과 서버 환경 구축에 필요한 자원은 별도로 고려해야 한다.
  • 녹음 및 전사 작업 전 반드시 관련 법적 동의 절차를 완료하고, 개인정보 보호 및 데이터 관리 정책을 준수한다.
  • 초기 적용 시 비민감 음성 데이터를 대상으로 성능 검증을 시행해야 한다.

1차 출처