Nvidia, 40개 언어 음성 인식 모델 공개

Nvidia가 최대 40개 언어의 음성을 인식할 수 있는 오픈 AI 음성 인식 모델 'Nemotron 3.5 Transcribe'를 발표했습니다. 이 모델은 녹음된 파일에서만 작동하며, 31개 언어를 영어로 번역할 수 있는 기능을 제공합니다. 또한, 최대 8명의 화자를 구분할 수 있으며, 최대 1시간 길이의 녹음을 처리할 수 있습니다.

Nvidia는 이 모델이 경쟁사들보다 우수한 성능을 보인다고 주장하며, 특히 Hugging Face의 Open ASR Leaderboard에서 좋은 평가를 받았다고 밝혔습니다. 이 모델은 주로 비즈니스 회의와 의료 기록 같은 분야의 애플리케이션 개발자를 대상으로 하며, 각 언어의 산업용 용어를 인식할 수 있도록 커스터마이즈할 수 있습니다. 그러나 실시간 스트리밍에서는 사용이 불가능하다는 한계가 있습니다.

Nemotron 3.5는 30억 개의 매개변수로 구성되어 있으며, Nvidia의 다양한 칩에서 실행할 수 있습니다. 이는 Jetson AGX Thor 로봇 컨트롤러와 DGX Spark 칩, 그리고 Blackwell 데이터센터 칩까지 포함합니다. Nvidia는 이 모델을 통해 AI 음성 기술의 포용성을 확장하고, 다양한 산업에서의 활용 가능성을 높이고자 합니다.