엔비디아, 40개 언어 녹음 처리 모델 공개…발언자 구분과 번역도 결합

전사 결과가 업무에 쓰이려면 문장 내용 외에도 발언자와 표기 방식이 필요하다. 엔비디아는 하나의 모델에 이런 요구를 결합했다. 발표 기준으로 영어와 오가는 번역은 31개 언어, 발언자 구분은 13개 언어를 지원하며, 최대 여덟 명의 발언자를 표시한다. 전사 40개 언어라는 숫자가 모든 부가 기능에 동일하게 적용되는 것은 아니다.

모델 카드는 음성과 글 지시를 입력받아 글을 내보내는 구조로 설명한다. 사용자는 그대로 옮긴 말투와 읽기 편한 표기 등 원하는 형식을 지정할 수 있다. 전문용어를 참고 정보로 줄 수도 있지만, 그 단어가 실제 음성에 있을 때만 반영하도록 지시하는 방식이다. 용어 목록은 음성에 없던 내용을 추가해도 된다는 허가가 아니다.

한국어는 공식 언어별 표에서 전사, 영어와의 번역, 발언자 구분과 언어 혼용 항목에 표시돼 있다. 반면 음성 내용을 이해하고 추론하는 기능은 영어로 평가했다는 설명이 별도로 붙어 있다. 따라서 한국어 녹음의 글 변환 지원과 한국어로 어떤 질문이든 안정적으로 답한다는 주장은 나눠 읽어야 한다. 언어 수보다 작업별 지원표가 실제 적용 판단에 더 가깝다.

가중치 공개는 음성을 어디에서 처리할지 선택할 여지를 준다. 회사 서버에 직접 배치하는 방식과 외부 호스팅 서비스를 사용하는 방식은 데이터 이동과 운영 책임이 다르다. 모델 카드는 상업·비상업 이용이 가능한 OpenMDW 1.1 조건을 제시하고, 사용자가 해당 라이선스와 포함된 구성 요소의 조건을 지킬 책임이 있다고 명시한다.

실행 비용도 다운로드 여부와 별개다. 공개 문서의 시작 예시는 메모리 80GB인 H100 한 장을 사용하는 구성을 제시한다. 이는 모델을 무료로 내려받는 것과 일반 노트북에서 추가 준비 없이 사용하는 것이 다른 문제임을 보여준다. 압축 모델과 실행기의 지원 범위는 계속 바뀔 수 있어, 특정 소비자 기기에서의 속도를 이번 발표만으로 보장할 수 없다.

함께 발표한 그라너리 v2(Granary v2)는 음성 학습용 정답과 지시문 자료다. 공식 설명은 48개 언어, 16개 원천 자료, 46만3,062시간의 음성에 대응하는 표식을 제공한다고 적었다. 이 규모는 공개 자료 묶음에 관한 수치이며, 이번 전사 모델이 지원하는 언어 수나 전체 학습량과 같은 뜻이 아니다. 데이터와 모델의 범위를 구별해야 한다.

그라너리 저장소에는 음성 파일 전체가 들어 있지 않다. 내려받는 것은 자료 위치와 정답 등을 담은 목록이고, 원본 음성은 각 배포처에서 별도로 확보해야 한다. 원본의 이용 조건도 그대로 적용된다. 공개된 정답 자료를 받았다고 모든 음성을 아무 조건 없이 재배포하거나 학습에 쓸 권리까지 생기는 것은 아니라는 점이 문서에 분명히 나와 있다.

이번 공개의 의미는 녹음 처리의 여러 단계를 한 모델과 조정 가능한 지시로 묶었다는 데 있다. 다만 회의 기록에서 이름을 틀리거나 발언자를 잘못 붙이면 내용 해석도 달라질 수 있다. 결과를 활용하는 조직에는 원본 녹음과 대조할 수 있는 기록 구조가 여전히 필요하다. 모델이 여러 기능을 함께 제공해도 각 기능의 오류를 따로 확인할 이유는 남는다.