NVIDIA Nemotron 3.5 Transcribe의 개요
Nemotron 3.5 Transcribe는 NVIDIA의 오프라인 음성 모델로, 2026년 10월 28일 Hugging Face, NGC, build.nvidia.com에 공개되었습니다. 600M 파라미터 ASR 인코더와 99M 파라미터 화자 인코더를 Nemotron 3.5 Lightning 하이브리드 Mamba-Transformer mixture-of-experts 언어 모델과 결합했습니다. 전체 파라미터는 340억(34 billion)이고, 오디오 인코더를 포함해 토큰당 약 43억(4.3 billion)이 활성화됩니다.
체크포인트 하나로 40개 언어 전사, 있는 그대로의 텍스트 또는 다듬은 텍스트, 단어 타임스탬프가 붙은 화자별 전사, 영어와 다른 언어 간 양방향 번역, 언어 식별, 프롬프트 속 어휘 힌트, 영어 오디오 질의응답을 처리합니다. 최대 1시간 길이의 녹음을 받으며, 스트리밍 모델은 아닙니다.
가중치는 상업적 사용을 허용하는 OpenMDW-1.1 라이선스로 BF16, FP8, NVFP4 빌드가 있습니다. NVIDIA는 48개 언어, 463,062시간 분량의 음성 데이터인 Granary v2도 공개했습니다. DeepInfra는 오디오 1분당 $0.002에 호스팅합니다.
NVIDIA Nemotron 3.5 Transcribe의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | OpenMDW-1.1, 상업적 사용 가능 |
| DeepInfra API | $0.002 per audio minute | 요청당 최대 60분 |
OpenMDW-1.1 오픈 가중치. DeepInfra: 오디오 1분당 $0.002(시간당 $0.12). OpenRouter는 거의 같은 요금으로 DeepInfra에 라우팅합니다.
NVIDIA Nemotron 3.5 Transcribe, 쓸 만한 가치가 있습니까?
Nemotron 3.5 Transcribe는 독립 테스트에서 가장 강한 오픈 전사 모델이며, 회의록 파이프라인의 대부분을 한 번의 호출로 처리하는 첫 오픈 모델입니다. Artificial Analysis는 AA-WER 지수에서 2.8%로 평가했습니다. 오픈 가중치 모델 중 Mistral의 Voxtral Small과 공동 1위이며(2.77% 대 2.81%), 활성 파라미터는 Voxtral의 24B의 약 6분의 1입니다. Hugging Face의 Open ASR Leaderboard에서는 영어 평균 WER 5.33%로 오픈 모델 중 1위이고, Qwen3-ASR-1.7B의 5.4를 앞섭니다.
특징은 프롬프트입니다. 전사 스타일, 어휘 힌트, 화자 태그, 번역을 모두 지시문에서 고릅니다. NVIDIA 자체 다화자 수치(AMI, CALLHOME, Mixer 6, NOTSOFAR-1 전체 세션 평균 cpWER 15.80, 차선의 공개 시스템은 16.83)는 자체 보고이지만 외부 순위와 일치합니다. 도메인 적응 비용도 낮습니다. Eka Care의 의료 음성 세트에서 WER은 더 나은 프롬프트로 30.8%에서 23.8%로, GB300 1장에서 약 14 GPU시간 파인튜닝한 뒤 11.8%로 내려갔습니다.
한계는 카드에 분명히 나와 있습니다. 오프라인 전용이므로, 부분 결과가 필요한 실시간 자막이나 음성 에이전트에는 여전히 Parakeet 같은 스트리밍 모델이 필요합니다. 언어 지원은 고르지 않습니다. 전사는 40개, 번역은 31개, 화자 라벨은 13개 언어이며, 중국어(Mandarin), 아랍어, 벵골어는 "supported" 등급에 그칩니다. 오디오 질의응답은 영어로만 학습되었습니다. 전체적으로는 비공개 모델이 여전히 앞서며, Gemini 3.5 Transcribe는 Open ASR 순위표에서 2.60%입니다.
자체 호스팅에는 BF16 가중치용으로 80GB H100 1장이 필요합니다. NVIDIA의 가장 빠른 서빙 수치인 RTX PRO 6000에서 초당 오디오 2,238초 처리는 NIM 빌드 기준입니다. 출시일에 나온 오픈 vLLM 경로는 NVIDIA 자체 추정으로 그 절반 정도 속도입니다. DeepInfra 가격이면 전사 비용은 OpenAI의 과거 Whisper API 요금의 3분의 1이므로, 월 수천 시간 미만인 대부분의 팀에는 호스팅이 합리적인 기본 선택이 될 것입니다.
제 역할을 하는 곳
300석 규모 콘택트센터의 데이터 엔지니어
월 10,000시간의 녹음 통화를 전사하고 화자를 구분하기
DeepInfra에서 시간당 $0.12면 월 약 $1,200이고, 응답 하나에 <spk:N> 화자 태그와 단어 타임스탬프가 들어 있습니다. 제품명은 별도의 바이어싱 단계 대신 프롬프트에 컨텍스트 용어로 넣습니다.
헬스테크 스타트업의 ML 엔지니어
전사를 임상 어휘에 맞게 조정하기
NVIDIA의 Eka Care 사례는 약 245시간의 데이터와 GB300 1장에서의 14 GPU시간으로 WER을 30.8%에서 11.8%로 낮췄습니다. 일반 영어는 약간 나빠졌으므로(LibriSpeech clean 1.54%에서 1.69%), 둘 다 테스트해야 합니다.
유럽 미디어 회사의 현지화 프로듀서
체코어, 폴란드어, 독일어 인터뷰의 영어 전사본과 번역본 만들기
이 언어들은 전사와 양방향 번역 모두 "leading" 등급입니다. 1시간 녹음은 요청 하나에 들어갑니다. NVIDIA가 권고하듯 이름과 지명은 여전히 오디오와 대조해 표본 확인이 필요합니다.
도입 전 확인할 점
- 설정
- 호스팅: DeepInfra나 OpenRouter(nvidia/nemotron-3.5-transcribe)에 OpenAI 방식 호출 한 번. 자체 호스팅: H100 80GB 1장에서 NeMo Speech 플러그인과 함께 vLLM 0.32.0, 또는 SGLang-Omni 0.2.0. Transformers는 소스 버전에서 작동합니다.
- 연동
- vLLM, SGLang-Omni, Hugging Face Transformers, RTX 5090과 RTX PRO 6000의 GGML, 파인튜닝용 NeMo Speech. DeepInfra, Baseten, Simplismart에서 호스팅합니다.
- 데이터와 개인정보
- OpenMDW-1.1은 상업적 사용을 허용합니다. NVIDIA는 배포된 제품에서의 사용자 상호작용을 학습에 쓰지 않았다고 밝힙니다. DeepInfra는 요청 후 오디오나 전사본을 저장하지 않는다고 말합니다.
- 대규모 사용 시 비용
- 오디오 1,000시간은 DeepInfra에서 $120이며, 무음 구간을 포함해 모든 분을 청구합니다. 자체 호스팅에는 80GB H100 1장(BF16) 또는 L40S 48GB(FP8)가 필요합니다.
- 제한
- 요청당 최대 1시간, 65,536 토큰, 화자 최대 8명입니다. 오프라인 전용이고, 오디오 QA는 영어로만 테스트되었습니다. 카드는 1시간 학습 한도를 넘어서는 일반화를 보장하지 않는다고 밝힙니다.
좋은 점
- Artificial Analysis에서 AA-WER 2.8%로 오픈 모델 공동 1위, 활성 파라미터 약 4B
- 화자 라벨, 단어 타임스탬프, 번역, 어휘 힌트를 체크포인트 하나로
- DeepInfra에서 오디오 1분당 $0.002
- OpenMDW-1.1 라이선스와 NeMo Speech의 공개 파인튜닝 레시피
아쉬운 점
- 오프라인 전용, 스트리밍 부분 결과 없음
- 화자 라벨은 13개 언어, 번역은 31개 언어
- 가장 빠른 서빙 경로는 현재 NIM 전용, 오픈 vLLM은 약 절반 속도
- BF16 가중치는 80GB GPU 필요
추천 대상
녹음된 통화, 회의, 미디어를 대량으로 전사하며, 여러 모델을 이어 붙이지 않고 화자 라벨과 도메인 어휘를 원하는 팀.
NVIDIA Nemotron 3.5 Transcribe 대안
NVIDIA Nemotron 3.5 Transcribe: 자주 묻는 질문
- NVIDIA Nemotron 3.5 Transcribe, 쓸 만한 가치가 있습니까?
- 정확도에서 최고의 오픈 경쟁 모델과 대등하고, 화자 분리, 번역, 사용자 어휘를 프롬프트 하나에 담는 오픈 음성 모델입니다. 호스팅 가격은 시간당 $0.12입니다. 평점은 5점 만점에 4.5점입니다.
- NVIDIA Nemotron 3.5 Transcribe의 가격은 얼마입니까?
- OpenMDW-1.1 오픈 가중치. DeepInfra: 오디오 1분당 $0.002(시간당 $0.12). OpenRouter는 거의 같은 요금으로 DeepInfra에 라우팅합니다.
- NVIDIA Nemotron 3.5 Transcribe의 단점은 무엇입니까?
- 오프라인 전용, 스트리밍 부분 결과 없음; 화자 라벨은 13개 언어, 번역은 31개 언어; 가장 빠른 서빙 경로는 현재 NIM 전용, 오픈 vLLM은 약 절반 속도; BF16 가중치는 80GB GPU 필요.
- NVIDIA Nemotron 3.5 Transcribe에 적합한 사람은 누구입니까?
- 녹음된 통화, 회의, 미디어를 대량으로 전사하며, 여러 모델을 이어 붙이지 않고 화자 라벨과 도메인 어휘를 원하는 팀.
- 팀이나 프로덕션 환경에서 NVIDIA Nemotron 3.5 Transcribe의 비용은 얼마입니까?
- 오디오 1,000시간은 DeepInfra에서 $120이며, 무음 구간을 포함해 모든 분을 청구합니다. 자체 호스팅에는 80GB H100 1장(BF16) 또는 L40S 48GB(FP8)가 필요합니다.
- NVIDIA Nemotron 3.5 Transcribe에 회사 데이터를 맡겨도 안전합니까?
- OpenMDW-1.1은 상업적 사용을 허용합니다. NVIDIA는 배포된 제품에서의 사용자 상호작용을 학습에 쓰지 않았다고 밝힙니다. DeepInfra는 요청 후 오디오나 전사본을 저장하지 않는다고 말합니다.
- NVIDIA Nemotron 3.5 Transcribe의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Voxtral 3 (Transcribe and TTS), Parakeet TDT 0.6B v3, Whisper large-v3-turbo 및 MOSS-Transcribe-Diarize 0.9B입니다.
답변 확인일: 2026년 10월 31일.
NVIDIA Nemotron 3.5 Transcribe 개발사입니까? 이 평점을 사이트에 표시하십시오
