Nvidia, 음성 인식 모델 "Nemotron 3.5 Transcribe" 공개

Nvidia는 음성 인식 오픈 모델 "Nemotron 3.5 Transcribe"를 공개했다. 이 모델은 음성의 전사(트랜스크립션), 화자 식별, 그리고 번역이라는 3가지 기능을 하나로 통합한 점이 큰 특징이다. 더불어 조작 지시를 텍스트 프롬프트로 제공할 수 있는 설계가 되어 있어 사용 방식의 유연성이 높다.

음성 인식 분야에서는 최근 정확도, 속도, 다기능화 경쟁이 계속되고 있다. 그동안은 전사, 화자 식별, 번역 같은 기능을 별도의 도구로 대응하는 경우가 많아 시스템 통합 비용과 처리의 복잡성이 과제였다. Nvidia가 이번에 이러한 기능들을 1개 모델에 집약한 것은 이러한 실용상의 과제에 대응하려는 시도로 볼 수 있다.

성능 측면에서는 여러 벤치마크(성능 평가 지표)에서 최고 수준의 결과를 내고 있다. 주목할 점은 가장 강력한 오픈소스 경쟁 모델 대비 처리에 사용하는 "활성 파라미터 수"(실제 동작 시 사용되는 파라미터의 수)가 약 6분의 1에 불과하다는 점이다. 파라미터 수가 적을수록 일반적으로 계산 자원 소비를 줄일 수 있는 경향이 있으므로, 더 낮은 비용으로의 운영이 기대된다.

Nvidia는 모델 본체와 함께 80만 시간 이상의 음성 데이터를 포함하는 대규모 데이터세트도 공개했다. 더하여 특정 용도나 언어에 맞게 모델을 조정하는 "파인튜닝"을 위한 도구군도 제공하고 있다. 오픈 공개라는 형식을 취함으로써 연구자와 개발자가 자유롭게 활용·개선할 수 있는 환경을 마련한 셈이다.

이러한 시도의 배경에는 Nvidia가 AI의 추론·학습 인프라를 제공할 뿐만 아니라 모델과 개발 도구 영역에도 적극적으로 진출하고 있다는 흐름이 있다. 음성 AI 분야는 스마트 디바이스, 회의 시스템, 번역 도구 등 폭넓은 응용처를 가지고 있으며, Nvidia가 이 계층에서의 영향력을 높이려고 하고 있다고 볼 수 있다.

향후 주목점은 이 대규모 데이터세트와 파인튜닝 도구가 어떻게 활용될지이다. 오픈한 형태로의 공개는 다양한 언어와 전문 분야로의 응용을 촉진할 가능성이 있으며, 음성 인식 기술의 저변을 더욱 넓히는 계기가 될 수 있다는 견해도 있다. 모델의 경량성과 다기능성의 조합이 실제 제품과 서비스로의 채용으로 어떻게 이어질지가 초점이 될 것으로 보인다.