Voxtral 3: Mistral의 음성 인식·합성 모델 4종과 음성 에이전트 SDK
무엇인가요
Voxtral 3는 음성 모델 묶음이에요. 받아쓰기(STT) 모델 3종(Small Transcribe 3, 4B 크기의 Mini Transcribe 3, 실시간용 Mini Transcribe Realtime 3)과 음성 합성(TTS) 모델 Mini TTS 3로 이뤄져 있어요. 여기에 LiveKit 기반 음성 에이전트 SDK가 붙어서 듣기, 추론, 말하기를 한 흐름으로 이어 줘요. 받아쓰기는 50개 이상 언어를 지원하고 화자 구분과 전문 용어 힌트를 넣을 수 있어요.
왜 중요한가요
가격이 낮아요. 배치 받아쓰기가 분당 $0.0035~$0.004, 실시간은 분당 $0.008, TTS는 100만 자에 $13이에요. Mistral은 Small Transcribe 3가 FLEURS 다국어 받아쓰기에서 Whisper, Scribe v2, Gemini 3.5 Transcribe보다 낫다고 하고업체 주장 실시간 지연은 500ms 미만이라고 해요업체 주장. 콜센터나 회의록처럼 음성 비용이 큰 서비스라면 비교해 볼 만해요. EU 엔드포인트와 온프레미스 배포도 있어 데이터 위치 요건이 있는 곳에 맞아요.
완성도
PreviewMistral API에서 바로 쓸 수 있지만 여러 보도는 공개 프리뷰로 소개해요. 가중치 공개 여부는 발표문에 없어요.
앞으로 이렇게 지켜보세요
- 독립 평가: Artificial Analysis 음성 리더보드에 Voxtral 3 받아쓰기·TTS 순위가 오르는지 봐요.
- 가중치: Hugging Face mistralai 조직에 Voxtral 3 가중치가 올라오는지 확인해요.
- SDK: 음성 에이전트 SDK의 GitHub 릴리스와 한국어 음성 프리셋 추가를 지켜봐요.