한국어 회의 녹음, 내 PC에서 정리할 수 있을까? NVIDIA 새 음성 모델의 조건

한국어 회의 녹음을 외부 서비스에 올리지 않고 전사하고, 누가 말했는지 구분할 선택지가 생겼습니다. NVIDIA의 새 음성 모델은 한국어를 지원합니다. 다만 일반 노트북에서 바로 실행하는 회의록 앱은 아닙니다. 지원 GPU와 실행 환경을 갖춰야 하며, 한국어 녹음에 질문하고 답을 받는 기능까지 같은 수준으로 검증된 것도 아닙니다.

NVIDIA는 10월 28일 Nemotron 3.5 Transcribe를 공개했습니다. 녹음과 텍스트 지시를 받아 전사문·번역·화자 표시 등을 출력하는 공개 가중치 모델입니다. 설치형 음성 서비스를 직접 구축하려는 개발자와 운영자가 검토할 대상입니다. (공식 발표)

한국어 지원에서 확인할 것은 ‘어떤 작업인가’입니다

공식 모델 카드의 언어표에는 한국어 음성 인식, 영어와의 양방향 번역, 여러 화자의 발화 구분, 한 녹음에서 언어를 섞어 쓰는 경우가 지원 대상으로 나옵니다.

지시문으로 전사 방식도 정할 수 있습니다. 말버릇과 반복을 남긴 기록이 필요한지, 읽기 쉽게 정리한 문장이 필요한지 선택하고 제품명 같은 전문용어를 문맥으로 제공하는 방식입니다. 예를 들어 기술 회의라면 품번과 약어 목록을 함께 주고, 원음과 결과를 대조하는 시험을 설계할 수 있습니다.

반면 음성 이해·추론·음성 지시 수행은 영어로만 평가됐다고 명시합니다. ‘한국어 전사 지원’을 ‘한국어 회의의 결정사항을 정확히 판단한다’로 넓혀 읽으면 안 됩니다. 화자 표시는 녹음 안의 목소리를 구분하는 것이지 실제 참석자의 신원을 알아내는 기능도 아닙니다.

NVIDIA 공식 모델 카드의 실제 화면 일부. 전사·번역 지원표와 음성 이해·추론의 영어 평가 범위를 구분합니다. 화면 일부만 잘랐으며 내용은 변경하지 않았습니다. © 2026 NVIDIA CORPORATION & AFFILIATES. OpenMDW 1.1 전문. 원문, 2026년 10월 29일 한국시간 확인.

최대 1시간 녹음과 65,536토큰 문맥을 지원하지만 실시간 스트리밍 모델은 아닙니다. 회의가 끝난 뒤 파일을 처리하는 용도로 보는 편이 정확합니다.

활성 4.3B는 작은 PC에서도 된다는 뜻이 아닙니다

이 모델은 음성 인코더를 포함해 총 약 340억 개의 파라미터를 갖고, 계산에 활성화되는 파라미터가 약 43억 개입니다. 활성 파라미터 4.3B는 메모리 4.3GB라는 뜻이 아닙니다. 모델을 올리는 메모리와 긴 녹음을 처리할 여유는 별도로 확인해야 합니다.

공식 BF16 실행 예제는 H100 80GB 한 장을 기준으로 합니다. 호환 표에는 RTX 5090의 NVFP4 실행과 DGX Spark도 기재돼 있지만, 모든 RTX PC나 노트북을 뜻하지는 않습니다. 지원 정밀도와 실행 도구의 조합을 함께 봐야 합니다. vLLM 경로는 버전 0.32.0과 최신 NeMo Speech 구성을 안내합니다. (실행 조건과 호환 표)

DGX Spark 64GB 글이 로컬 AI용 하드웨어 선택을 다뤘다면, 이번에는 그 환경에서 어떤 음성 작업을 맡길지 판단하는 문제입니다. 특정 제품 이름이 호환 표에 있다는 이유로 모든 구성의 실행을 보장해서는 안 됩니다.

도입 시험은 속도보다 틀리면 곤란한 부분부터

처음에는 사용 권한이 확보된 짧은 녹음으로 제품명·수치·날짜가 얼마나 정확히 남는지 확인하는 편이 좋습니다. 이어 두 사람이 말을 겹치는 구간, 한국어와 영어를 섞는 구간, 화자 표시가 바뀌는 지점을 점검하면 실제 업무에 맞는지 판단하기 쉽습니다.

발언을 읽기 쉽게 다듬는 과정에서 조건이나 부정 표현이 빠지지 않는지도 중요합니다. ‘검토하겠다’와 ‘진행하기로 했다’가 뒤섞이면, 전사 속도가 빨라도 업무 기록으로 쓰기 어렵습니다. 회의록 확정과 후속 업무 등록은 원음이나 검토된 전사문을 확인하는 절차로 분리할 필요가 있습니다.

모델은 OpenMDW 1.1 조건으로 상업·비상업 용도에 사용할 수 있습니다. 다만 녹음 사용 권한과 배포 시 고지 의무는 별도입니다. 로컬 실행도 전체 시스템의 외부 통신이나 보관 정책까지 자동으로 해결해주지는 않습니다.

Ollama의 Phonon 글이 글을 음성으로 만드는 쪽이었다면, 이번 모델은 녹음에서 글을 꺼내는 쪽입니다. 한국어 전사 품질과 운영 조건이 맞는다면 상담·회의 기록을 내부에서 처리하는 선택지가 넓어질 수 있습니다. 지금의 판단 기준은 ‘AI가 회의를 대신 정리한다’가 아니라, 우리 녹음을 어디까지 정확히 기록하고 검토할 수 있는가입니다.