NVIDIA가 Hugging Face Open ASR 리더보드에서 가장 정확한 오픈 웨이트 음성-텍스트 변환 모델을 출시했으며, 오늘 무료로 사용할 수 있습니다. Nemotron 3.5 Transcribe(정식 명칭 NVIDIA-Nemotron-3.5-Transcribe-30B-A4B)는 2026년 10월 28일 OpenMDW-1.1 라이선스로 공개되었으며, 이는 상업적 사용을 허용합니다. 즉, 세 가지 $0 경로가 있습니다: NVIDIA 자체 데모 Space, 자신의 GPU에서 사용하는 무료 웨이트, 그리고 동일한 체크포인트를 감싼 커뮤니티 Space입니다.
이 가이드는 각 무료 경로, 무엇을 할 수 있고 할 수 없는지, 그리고 무료가 충분하지 않을 때 가장 저렴한 유료 대안을 다룹니다. 모든 사실은 공식 모델 카드, Hugging Face의 NVIDIA 출시 게시물, 그리고 Open ASR 리더보드에서 가져왔으며, 모두 2026년 10월 29일에 확인했습니다.
호스팅 API만 필요하다면 Nemotron 3.5 Transcribe API 가이드로 건너뛰세요.
Nemotron 3.5 Transcribe는 무료인가요?
네, 두 가지 방식으로 무료입니다. 웨이트는 무료로 다운로드할 수 있고 라이선스가 상업적 및 비상업적 사용을 허용하므로, 자체 호스팅 비용은 하드웨어뿐입니다. NVIDIA는 또한 Hugging Face에서 브라우저로 사용해볼 수 있는 무료 데모 Space를 운영합니다.
무료가 아닌 것: 호스팅 API입니다. DeepInfra는 오디오 1분당 $0.002를 청구하고 OpenRouter는 초당 $0.000033로 책정합니다. 어느 쪽도 무료 버전을 제공하지 않습니다. 그리고 2026년 10월 29일 기준으로 이 모델은 build.nvidia.com에 나타나지 않으며, 여기서 많은 NVIDIA 모델이 무료 체험 API를 제공받습니다. 해당 사이트에서 "transcribe"를 검색하면 관련 없는 스페인어 ASR 모델 하나가 반환되었습니다.
사람들이 원하는 이유: 숫자
Nemotron 3.5 Transcribe는 음성 증강 언어 모델입니다. 600M 파라미터 ASR 인코더와 화자 인코더가 하이브리드 Mamba-2 및 Transformer 전문가 혼합 언어 모델에 입력됩니다. 총 34B 파라미터를 가지고 있지만 토큰당 약 4.3B만 활성화되므로 단일 GPU에서 실행됩니다.
하나의 체크포인트로 수행하는 작업:
- 40개 언어로 전사, 그중 13개는 "선도적"(영어, 스페인어, 프랑스어, 독일어, 힌디어, 한국어, 포르투갈어 등)으로 평가됨
- 최대 1시간 녹음을 단일 요청으로 처리 (65,536 토큰 컨텍스트)
- 화자 귀속 최대 8명의 레이블된 화자
- 단어 수준 타임스탬프 CTC 정렬 헤드를 통해 제공
- 음성 번역 31개 언어에 걸쳐 영어로 및 영어로부터
- 컨텍스트 프롬프트: 이름과 전문용어를 전달하여 올바르게 표기
- 오디오 질의응답 (영어만 해당)
2026년 10월 28일에 업데이트된 Open ASR 리더보드에서 평균 WER 5.33%를 기록합니다. 이는 61개 모델 중 9위입니다. 그 위의 8개(Otter, Zoom Scribe v2 Pro, ElevenLabs Scribe v2, Azure Speech 등)는 모두 비공개 유료 API입니다. 다운로드할 수 있는 모델 중에서는 더 높은 순위가 없습니다. OpenAI의 whisper-large-v3는 7.16%로 41위입니다.
NVIDIA 자체 모델 카드는 9개의 공개 세트에서 평균 WER 4.71%를 보고합니다. 리더보드의 5.33%는 두 개의 비공개 세트를 추가하므로 두 숫자 모두 정직합니다. 서로 다른 조합을 측정한 것입니다.
시작하기 전에 알아야 할 한 가지 한계: 오프라인 모델입니다. 라이브 마이크 스트림이 아닌 녹음된 파일을 전사합니다.
모든 무료 및 유료 경로 비교
| 경로 | 비용 | 로그인 | 제한 | 적합한 용도 |
|---|---|---|---|---|
NVIDIA 데모 Space (nvidia/nemotron-transcribe) |
$0 | 불필요 | 샘플 탭에서 60초 미리보기; 공유 대기열 | 빠른 품질 확인 |
| 커뮤니티 Space | $0 | 대개 불필요 | Space마다 다름; 슬립 상태가 되거나 사라질 수 있음 | 다른 UI 시험 |
| 자체 호스팅 웨이트 (BF16, FP8, NVFP4) | $0 라이선스, 자체 GPU | 다운로드용 Hugging Face 계정 | BF16은 H100 80 GB 1대; 더 작은 카드는 FP8 또는 NVFP4 필요 | 무제한 비공개 전사 |
| DeepInfra API | 분당 $0.002 | 계정 및 API 키 | 유료 사용 | GPU 없는 프로덕션 |
| OpenRouter | 초당 $0.000033 | 계정 및 크레딧 | DeepInfra로만 라우팅 | 여러 모델용 단일 키 |
| build.nvidia.com | 아직 미등록 | 해당 없음 | 해당 없음 | 지켜볼 것 |
처음 세 행만 비용이 들지 않습니다.
무료 경로 1: NVIDIA의 데모 Space
모델이 무엇을 할 수 있는지 가장 빠르게 들어보는 방법은 huggingface.co/spaces/nvidia/nemotron-transcribe에 있는 NVIDIA의 공식 Space입니다.
- 브라우저에서 Space를 엽니다. 로드하는 데 계정이 필요하지 않습니다.
- 탭을 선택합니다. 2026년 10월 29일 기준으로 Space에는 세 개가 있었습니다: Karaoke(단어 타이밍 가사), Podcast transcript(화자 귀속 텍스트), Movie subtitles(타이밍 자막).
- 탭에서 허용하는 대로 샘플을 선택하거나 링크를 붙여넣습니다. Karaoke 탭은 미리보기가 처음 60초를 다룬다고 안내합니다.
- 실행하고 출력을 읽습니다. Karaoke 뷰는 노래되는 각 단어를 강조 표시하여 단어 타임스탬프를 보여줍니다.
Space를 무료 API가 아닌 데모로 취급하세요. 공개 Space는 GPU를 공유하고, 요청을 대기열에 넣으며, 예고 없이 변경될 수 있습니다. 하나에 제품을 구축하지 마세요.
무료 경로 2: 오픈 웨이트 직접 실행
이것이 진정한 무료 티어입니다: 이미 보유한 하드웨어에서 무제한 전사, 머신을 떠나는 것은 아무것도 없습니다. 라이선스(OpenMDW-1.1)는 상업적 사용을 허용하므로 제품에 포함시켜 출시할 수 있습니다.
문제는 하드웨어입니다. NVIDIA의 참조 설정은 BF16에서 H100 80 GB 1대입니다. 모델 카드의 호환성 표는 다음과 같습니다:
- BF16: H100, H200, A100 80 GB, B200, GB200, DGX Spark
- FP8: H100, H200, L40S 48 GB
- NVFP4만: RTX 5090 (32 GB) 및 RTX PRO 6000 Blackwell
따라서 소비자용 RTX 5090이 NVFP4 체크포인트와 함께 작동합니다. RTX 4090과 같은 구형 24 GB 카드는 목록에 없습니다.
가장 빠른 테스트는 소스에서 Transformers를 설치하기만 하면 됩니다:
pip install git+https://github.com/huggingface/transformers
from transformers import AutoModelForMultimodalLM, AutoProcessor
model_id = "nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForMultimodalLM.from_pretrained(model_id, device_map="auto")
inputs = processor.apply_transcription_request("meeting.wav").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=1024)
print(processor.decode(outputs[:, inputs.input_ids.shape[1]:], skip_special_tokens=True))
몇 개의 파일에는 충분합니다. 배치, 긴 녹음, OpenAI 호환 엔드포인트에는 vLLM 0.32.0과 NeMo Speech 플러그인으로 서빙하세요. Nemotron 3.5 Transcribe를 로컬에서 실행하기 단계별 가이드에 모델 카드의 정확한 설치 및 vllm serve 명령이 있습니다.
로컬 GPU가 없으신가요? 시간당 임대하는 것이 대량 백로그에 가장 저렴한 "거의 무료" 경로입니다. NVIDIA에 따르면 RTX PRO 6000 Blackwell 1대가 NVFP4 빌드로 100시간의 오디오를 3분 이내에 처리할 수 있지만, 이 수치는 아직 오픈 소스가 아닌 서빙 최적화를 사용합니다.
무료 경로 3: 커뮤니티 Space
모델 페이지에는 동일한 체크포인트를 기반으로 구축된 여러 커뮤니티 Space가 나열되어 있으며, 여기에는 hugging-apps/nemotron-3-5-transcribe와 mrfakename/nemotron-3.5-transcribe가 포함됩니다. NVIDIA Space 대기열이 길거나 단순한 업로드 상자를 원할 때 유용합니다. 개인이 운영하므로 슬립, 할당량, 때때로 죽은 링크를 예상하세요.
더 나은 무료 결과를 얻는 프롬프트
Nemotron 3.5 Transcribe는 평문 지시를 받습니다. 다음은 모델 카드와 DeepInfra 목록에서 가져온 것입니다. 전사의 경우 시스템 프롬프트를 비워두고 temperature 0을 사용하세요.
깔끔하고 읽기 쉬운 텍스트:
Audio transcription. Language: as spoken. Wording: omit fillers and accidental repetitions; keep the remaining spoken wording unchanged. Formatting: punctuation and capitalization. Output: transcript only.
누가 무엇을 말했는지:
Transcribe verbatim, including fillers. Write numbers as spoken, without punctuation or capitalization. Start every speaker turn with <spk:0>, <spk:1>, etc. Keep one stable tag per speaker. Output only the speaker-tagged transcript.
제품 이름 및 전문용어:
Transcribe with punctuation and capitalization. Context terms: Apidog, OpenAPI, Kubernetes, gRPC.
번역:
Please translate the given speech to English.
컨텍스트 용어는 예상보다 더 중요합니다. NVIDIA의 ContextASR 벤치마크에서 WER은 컨텍스트 없이 3.33%에서 세밀한 컨텍스트 사용 시 1.71%로 감소합니다.
무료로 충분하지 않을 때: 가장 저렴한 유료 경로
지원되는 GPU가 없고 데모 이상이 필요하다면 호스팅 API가 저렴합니다. DeepInfra의 분당 $0.002로, 1시간 녹음은 $0.12이고 1,000시간은 $120입니다. OpenRouter의 초당 $0.000033은 시간당 약 $0.119로, 동일한 제공업체로 라우팅됩니다.
DeepInfra API 페이지에서 가져온 최소 요청:
curl -X POST \
-H "Authorization: bearer $DEEPINFRA_API_KEY" \
-F audio=@meeting.mp3 \
'https://api.deepinfra.com/v1/inference/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B'
응답에는 text, 시작 및 종료 시간이 있는 segments, words, 그리고 감지된 language가 포함됩니다. API 가이드에서 키, 응답 필드, 비용을 자세히 다룹니다.
Apidog CLI로 코딩 에이전트가 엔드포인트를 테스트하도록 하기
자체 호스팅하든 DeepInfra를 사용하든, 전사가 비어 있거나 잘못된 언어로 반환될 때 크게 실패하는 검사가 필요합니다. JSON을 눈으로 확인하는 대신 코딩 에이전트와 Apidog CLI에 그 작업을 맡기세요.
npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com # pick Claude Code, Codex, Cursor or OpenCode
그런 다음 에이전트에 프롬프트 하나를 주세요:
In Apidog project <id>, create a test case for POST {{baseUrl}}/v1/inference/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B
that uploads samples/hello.mp3 as the "audio" form field, asserts status 200, a non-empty "text",
"language" equal to "en", and at least one item in "words", then run it against the
deepinfra environment and summarize any failures.
에이전트는 스키마를 읽고, 페이로드를 검증하고, 케이스를 작성하고 실행합니다:
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -r cli,json
API에서 자체 호스팅으로 전환할 때 환경을 로컬 서버를 가리키도록 바꾸세요. -r junit과 함께 동일한 apidog run을 CI에 넣을 수 있습니다. 설정은 CI/CD 파이프라인에서 Apidog CLI 실행하기와 Claude Code에서의 Apidog CLI를 참조하세요.
의존하기 전에 알아야 할 한계
- 오프라인 전용. 스트리밍하지 않습니다. NVIDIA는 라이브 오디오용 별도의 Nemotron 3.5 ASR Streaming 모델을 가리킵니다.
- 오디오 Q&A는 영어 전용. 전사는 40개 언어를 다루지만, 오디오 이해와 음성 지시는 영어로만 평가되었습니다.
- 화자 레이블은 신원이 아닙니다.
<spk:0>은 "첫 번째 목소리"를 의미하며, 이름이 지정된 사람이 아닙니다. - 긴 출력에는 공간이 필요합니다. 밀도 높은 1시간 대화는 약 20,000개의 출력 토큰을 생성할 수 있으므로
max_new_tokens를 그에 맞게 설정하세요. - 환각을 일으킬 수 있습니다. 카드는 불명확한 오디오에 대해 "그럴듯한 전사를 생성"할 수 있다고 경고합니다. 법률 또는 의료 관련은 모두 검토하세요.
FAQ
Nemotron 3.5 Transcribe는 상업적 사용이 무료인가요? 네. OpenMDW-1.1 라이선스는 웨이트의 상업적 및 비상업적 사용을 허용합니다. 호스팅 API는 컴퓨팅 비용을 청구합니다.
무료 Nemotron 3.5 Transcribe API 키가 있나요? 2026년 10월 29일 기준으로 찾지 못했습니다. DeepInfra와 OpenRouter는 유료이며, build.nvidia.com에는 아직 없습니다. 무료 체험 엔드포인트를 받은 Nemotron Nano 12B v2 VL용 NVIDIA 무료 API와 비교해 보세요.
Mac에서 실행할 수 있나요? 공식 목록에는 없습니다. 지원되는 런타임은 Linux 또는 Windows(WSL2)의 NVIDIA GPU를 대상으로 합니다. GGML 지원은 RTX 5090 및 RTX PRO 6000에만 나열되어 있습니다.
Whisper와 비교하면 어떤가요? 10월 28일 리더보드에서 평균 WER 5.33% 대 whisper-large-v3의 7.16%입니다. OpenAI의 호스팅 옵션은 Whisper API 가이드를, 전체 분야는 최고의 오픈 소스 음성-텍스트 모델 순위를 참조하세요.
MP3를 지원하나요? 네. WAV, FLAC, MP3, OGG 또는 16 kHz 모노 PCM으로 디코딩되는 모든 것을 허용합니다. 다른 형식은 FFmpeg로 변환하세요.
결론
Nemotron 3.5 Transcribe는 중요한 곳에서 무료입니다: 웨이트, 라이선스, NVIDIA의 데모입니다. 품질 확인을 위해 Space를 사용해 보고, 무제한 비공개 사용을 위해 H100, L40S 또는 RTX 5090에서 자체 호스팅하고, 하드웨어가 없을 때 시간당 $0.12의 DeepInfra로 대체하세요. 어떤 경로를 선택하든 에이전트가 엔드포인트에서 Apidog 검사를 실행하도록 하여 잘못된 전사가 프로덕션에 도달하지 않도록 하세요.