Nvidia는 무료 오픈 가중치 모델 Nemotron 3.5 Transcribe와 오픈소스 음성 데이터셋 Granary 2를 공개했다. 이 모델은 최대 40개 언어의 음성을 글로 옮기고, 31개 언어를 영어와 상호 번역할 수 있다고 제시됐다. 최대 1시간 길이의 녹음을 처리하며, 최대 8명의 화자를 구분하는 기능도 포함한다. Nvidia는 Hugging Face의 Open ASR Leaderboard 등을 포함한 벤치마크에서 경쟁 모델보다 우수하다고 설명했다.
대상은 업무 회의 기록과 의료 전사처럼 음성 AI가 이미 쓰이는 분야의 개발자다. Nvidia는 Transcribe, 갱신된 Granary, NeMo Speech 같은 도구를 함께 써서 산업별 전문 용어를 각 언어에 맞게 인식하도록 앱을 조정할 수 있다고 밝혔다. 다만 실시간 스트리밍이 아니라 녹음 음성만 다룬다. 300억 매개변수 규모이지만 Jetson AGX Thor, DGX Spark, Blackwell 데이터센터 칩 등 단일 칩에서 실행할 수 있다고 했고, Parakeet에 이어 공개 음성 모델군을 넓혔다.