미스트랄(Mistral)이 음성 인식·생성 모델과 음성 에이전트 SDK를 묶은 Voxtral 3를 출시했다. 50개 이상 언어의 음성 전사와 여러 단계의 도구 호출을 지원하며, Mistral API나 자체 인프라에서 사용할 수 있다.
Voxtral Small Transcribe 3는 50개 이상 언어의 전사와 화자 구분을 지원한다. 문맥에 맞는 핵심 용어를 입력해 전사 정확도를 높이는 기능도 제공한다. 미스트랄은 영어·프랑스어·스페인어를 포함한 다국어 전사와 화자 구분에서 이 모델이 최신 수준의 결과를 냈으며 Whisper, Scribe v2, Gemini 3.5 Transcribe보다 뛰어났다고 밝혔다. 비교 결과는 미스트랄이 제시한 벤치마크에 근거한다.
실시간 전사 모델 Voxtral Mini Transcribe Realtime 3는 40개 이상 언어에서 500밀리초 미만 지연 시간을 제공한다고 미스트랄은 설명했다. 발화의 음향 정보와 의미를 함께 분석해 사용자가 말을 마친 시점을 예측하며, 사용자가 말을 끊으면 에이전트가 응답을 멈추도록 설계됐다.
음성 생성 모델 Voxtral Speech 3는 35개 이상 언어와 50개 이상 방언을 지원한다. 대화 맥락에 따라 감정·말하기 속도·강조를 조절하며, 음성 복제에는 30분 이상의 오디오를 사용할 수 있다. 미스트랄은 음성 생성 가격을 문자 100만 자당 13달러로 제시했다.
LiveKit 기반 SDK는 음성 인식, 추론, 도구 호출, 음성 응답을 하나의 실시간 스트리밍 파이프라인으로 연결한다. 에이전트는 통화 중 신원 확인, 청구서 조회, 예약 같은 작업을 수행할 수 있다. SIP를 통한 전화 통화와 WebRTC를 통한 브라우저·앱 연결을 지원하며, 각 단계의 모델을 따로 바꿀 수 있다. 미스트랄은 각 단계가 앞 단계의 완료를 기다리지 않아 한 턴이 1초 이내에 끝난다고 밝혔다.
Voxtral 3는 현재 Mistral API의 유럽·미국·글로벌 엔드포인트에서 이용할 수 있고, 자체 인프라 배포도 가능하다. 전체 스택을 온프레미스나 프라이빗 클라우드에서 실행하려면 미스트랄에 문의해야 한다. 공개된 가격은 Voxtral Mini Transcribe 3 배치 전사가 분당 0.0035달러, 실시간 전사가 분당 0.008달러, Voxtral Small Transcribe 3가 분당 0.0040달러다.
모델 문서 · 음성 전사 개요 · Voxtral Small Transcribe 3 · Voxtral Mini Transcribe 3 · 실시간 전사 모델 · Voxtral Mini TTS 3 · Voxtral Mini TTS 3.0
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요