본문으로 건너뛰기

nvidia/nemotron-3.5-transcribe/speech-to-text

NVIDIA의 오픈 웨이트 Nemotron 3.5 Transcribe는 40개 언어로 된 최대 1시간 음성을 텍스트로 바꾸고, 선택적으로 단어 시각과 화자 번호, 또는 번역을 돌려줍니다.

최저가 $0.00003/초

플레이그라운드

입력

음성→텍스트
1/1
파일 1 / 1개
필수입니다. 최대 90MB의 MP3, WAV, MP4, WebM 업로드, 또는 오디오 파일이나 음성 트랙이 있는 영상의 공개 링크입니다. 길이는 1초부터 60분까지이며, 더 긴 파일은 요금 없이 거절됩니다. 1자 이상
Word Timestamps
기본값은 꺼짐입니다. 켜면 결과에 단어마다 초 단위 시작·종료 시각과 0부터 시작하는 화자 번호가 더해집니다. target_language와 함께 쓸 수 없습니다. 가격에는 영향이 없습니다.
비워 두면 말한 언어 그대로 받아씁니다. 언어를 고르면 대신 번역이 나오며, 번역은 영어로 또는 영어에서 가능합니다. 단어 타임스탬프와 함께 쓸 수 없습니다. 가격에는 영향이 없습니다.

제출과 가격 계산을 열기 전에 계정을 확인하고 있습니다.

출력

실행 대기
샘플 결과
모델 응답

관련 모델과 다음 단계

찾는 모델이 없나요?

NVIDIA · 오픈 웨이트 음성 모델

NVIDIA Nemotron 3.5 Transcribe: 1시간짜리 녹음을 40개 언어 텍스트로, 단어 시각과 화자 전환, 번역까지.

핵심 수치

언어
40
Nemotron 3.5 Transcribe는 말한 언어를 스스로 감지하므로 고를 것이 없습니다.
최대 파일 길이
60 min
요청당 최대 1시간 녹음 한 개이며, 더 긴 파일은 요금 없이 거절됩니다.
타임스탬프
단어별
단어 타임스탬프를 켜면 단어마다 시작, 종료, 화자 번호가 붙습니다.
번역 언어 쌍
31
받아쓰기 대신 영어로 또는 영어에서 번역합니다.

결제하기 전에

모든 모드
  • 요청당 녹음 한 개, 길이는 1초부터 60분까지입니다. 더 긴 파일은 실행 전에 거절되며 비용이 들지 않습니다. 업로드는 90MB까지이고, 공개 링크는 더 큰 파일을 가리킬 수 있습니다.
  • 단어 타임스탬프와 번역은 함께 쓸 수 없습니다. Nemotron 3.5 Transcribe에는 언어 설정, 사용자 어휘, 스트리밍 출력이 없으며 결과는 파일 전체 처리가 끝난 뒤 도착합니다.
  • 비슷하게 들리는 목소리는 한 화자로 합쳐질 수 있고, 단어 시작 시각은 최대 0.5초 정도 어긋날 수 있습니다. 같은 클립을 계속 반복하는 오디오는 중간에 끊겨 돌아올 수 있으며, 1시간 반복 테스트에서는 몇 번 반복한 뒤 텍스트가 멈췄습니다.

할 수 있는 일

어두운 홀에서 검은 새틴 캐미솔 차림의 여성이 가장 가까운 마이크에 대고 말하고, 그 뒤로 여러 지역에서 온 사람들이 각자 자기 마이크 앞에서 말하며, 모든 마이크에서 나온 금빛 실이 하나의 선으로 모입니다.

언어 자동 감지

40개 언어, 언어 선택 없이

파일을 올리면 음성 자체에서 언어를 알아내므로, 언어가 섞인 녹음을 미리 분류해 둘 필요가 없습니다. 자체 테스트에서 일본어 일기예보는 일본어 문자로, 영어 통화는 문장부호와 물음표까지 그대로 받아 적혔습니다.

단어 시각과 화자

모든 단어에 시작·종료 시각과 화자 번호

단어 타임스탬프를 켜면 결과의 각 단어에 초 단위 시작·종료 시각과 0부터 세는 화자 번호가 붙습니다. 자체 테스트의 두 목소리 라디오 통화는 말이 바뀌는 지점에서 화자 0과 화자 1로 올바르게 나뉘었습니다. 시작 시각은 최대 0.5초가량 어긋날 수 있고 비슷한 목소리는 하나로 합쳐지기도 하므로, 자막 줄 나누기에는 맞지만 프레임 단위 동기화에는 맞지 않습니다.

번역

같은 요청으로 번역까지

target_language를 지정하면 받아쓰기 대신 그 언어로 옮긴 결과가 돌아옵니다. 자체 실행에서 스페인어 내레이션은 영어로, 영어 통화는 일본어로 나왔습니다. 번역은 영어를 기준으로 다른 31개 언어와 오가며 쓸 수 있고, 단어 타임스탬프와는 함께 쓸 수 없습니다.

옷깃을 연 검은 셔츠 차림의 남성이 목에 헤드폰을 걸고 가죽 안락의자에 기대어, 금빛 잔상이 생길 만큼 빠르게 도는 릴 테이프 녹음기를 보며 웃고 있습니다. 옆의 모래시계는 이미 다 떨어졌습니다.

긴 녹음

58분 파일이 약 52초 만에

한 번의 요청으로 최대 60분 길이의 녹음을 받고, 파일 전체의 처리가 끝나면 결과가 돌아옵니다. 자체 테스트에서 58분 분량의 오디오북 한 챕터가 약 52초 만에 끝났고, 단어 타임스탬프를 켠 같은 파일에서는 시각이 붙은 단어 10,594개가 나왔습니다. 60분을 넘는 파일은 실행 전에 거절되며 과금되지 않습니다.

이럴 때 씁니다

  • 팟캐스트·인터뷰 받아쓰기

    인용, 쇼 노트, 검색을 위한 화자별로 나뉜 텍스트.

  • 자막 타이밍

    말한 언어 그대로 자막 파일을 만들 수 있는 단어 단위 시각.

  • 다국어 아카이브

    40개 언어 중 무엇으로 녹음됐든 먼저 태그를 달지 않고 받아씁니다.

  • 초벌 번역

    외국어 녹음의 영어 초안, 또는 다른 시장용으로 옮긴 영어 음성.

모델 레퍼런스

Nemotron 3.5 Transcribe API 레퍼런스

Nemotron 3.5 Transcribe API 사양

모델
NVIDIA Nemotron 3.5 Transcribe(오픈 웨이트, OpenMDW-1.1)
엔드포인트
음성을 텍스트로
언어
받아쓰기 40개 언어, 자동 감지
번역
영어로 또는 영어에서, 그 외 31개 언어
입력
최대 90MB의 MP3, WAV, MP4, WebM 업로드 또는 공개 링크, 1초~60분
출력
전체 텍스트, 단어 타임스탬프 사용 시 단어별 시작·종료·화자 번호
속도
자체 테스트에서 58분 파일을 약 52초에 처리

Nemotron 3.5 Transcribe API 호출 방법

  1. 녹음을 올리거나 링크하기

    최대 90MB의 MP3, WAV, MP4, WebM을 업로드하거나, 더 큰 파일은 공개 링크로 주세요. 음성 기준 최대 60분입니다.

  2. 일반 텍스트 또는 시각 포함 선택

    빠른 일반 받아쓰기는 단어 타임스탬프를 끄고, 자막과 화자 전환이 필요하면 켭니다.

  3. 또는 번역 선택

    목표 언어를 고르면 그 언어로 된 결과가 나옵니다. Nemotron 3.5 Transcribe는 영어로 또는 영어에서 번역합니다.

  4. 결과 읽기

    받아쓰기는 텍스트로 오고, 타임스탬프를 켜면 시각과 화자 번호가 붙은 단어 목록도 함께 옵니다.

한 문단 요약

Nemotron 3.5 Transcribe는 길고 여러 언어가 섞인 녹음에 대한 NVIDIA의 오픈 웨이트 해법입니다. 40개 언어 중 어떤 언어로든 최대 1시간의 음성을 보내면 약 1분 만에 전체 텍스트가 돌아오고, 자막이 필요하면 단어 시각과 화자 전환을, 다른 언어가 필요하면 번역을 붙일 수 있습니다.

Nemotron 3.5 Transcribe API 자주 묻는 질문