미스트랄, 음성 AI 에이전트 'Voxtral 3' 공개
원제 Voxtral 3
216 포인트댓글 53
Key Point
음성 AI 에이전트는 콜센터·가상 비서·자동화 시스템에서 실제 운영되는 필수 기술인데, 이전까지는 낮은 정확도와 부자연스러운 응답이 문제였다. Voxtral 3은 저렴한 가격에 다국어·고감정 표현 능력으로 프로덕션 레벨의 음성 에이전트 구축을 현실화한다.
핵심 요약
- 미스트랄이 음성 에이전트 SDK와 음성 모델 Voxtral 3을 발표했다.
- 음성 인식, 추론, 도구 호출, 음성 생성을 하나의 실시간 스트리밍 파이프라인으로 통합한다.
- 음성-텍스트 모델 Voxtral Transcribe 3은 50개 이상 언어 지원, 화자 분석(diarization), 문맥 기반 정확도 향상(context-biasing), 발화 종료 감지 기능을 제공한다.
- 텍스트-음성 모델 Voxtral Speech 3은 35개 이상 언어, 50개 이상 방언을 지원하며 감정·속도·강조에 따라 음성을 적응시킨다.
- Pro Voice 기능은 30분의 음성 샘플로 화자의 독특한 특성, 감정 범위, 말투를 여러 언어에서 재현한다.
- 음성 에이전트 SDK는 실시간 파이프라인에서 각 단계가 독립적으로 동작하여 한 번의 턴이 1초 이내에 완료되며, 통화 중 본인 인증·청구서 확인·예약 등을 처리할 수 있다.
- Voxtral Mini Transcribe 3은 0.0035달러/분, Mini Transcribe Realtime 3은 0.008달러/분, Small Transcribe 3은 0.004달러/분, Speech 3은 100만 문자당 13달러로 요금 책정된다.
- OpenAI TTS-1, Deepgram, ElevenLabs Flash, Gemini Flash 등 경쟁 제품 대비 더 저렴하면서 표현력이 우수하다고 벤치마크 결과를 제시한다.
- EU 호스팅 API 또는 자체 인프라 배포로 제공되어 데이터 주권을 보장하며, SIP 통화와 WebRTC 브라우저·앱 통합을 지원한다.
- 각 모듈이 독립적이어서 LLM, 음성, 언어를 개별적으로 변경할 수 있으며, Mistral API 또는 온프레미스에서 전체 스택을 실행할 수 있다.