미스트랄 AI가 2026년 10월 20일 음성 AI 제품군 ‘복스트랄 3(Voxtral 3)’을 공개했습니다. 음성을 글로 옮기는 모델 3종, 글을 음성으로 바꾸는 모델 1종, 음성 에이전트 개발용 소프트웨어 개발 키트(SDK)를 묶었습니다. 모델과 도구는 모두 미스트랄 API에서 공개 프리뷰로 제공됩니다.
새 SDK는 사용자의 말을 듣고, 발화가 끝났는지 감지한 뒤, 추론 모델이 내용을 분석하고 필요하면 도구를 호출해 음성으로 답하는 흐름을 지원합니다. 미스트랄은 전체 파이프라인을 각 대화 턴이 1초 이내에 처리되도록 설계했다고 밝혔습니다. 사용자가 에이전트의 말을 끊으면 응답을 중단하는 기능도 포함했습니다.
전사 모델 3종, 분당 0.0035달러부터
Voxtral Small Transcribe 3은 다국어 전사와 화자 구분, 문맥을 반영한 인식을 지원하는 주력 모델입니다. 40억 개 매개변수를 갖춘 Voxtral Mini Transcribe 3은 비용과 속도를 중시하는 용도에 맞췄고, Voxtral Mini Transcribe Realtime 3은 실시간 스트리밍용입니다. 세 모델 모두 화자 구분과 특정 이름·전문 용어를 미리 알려주는 문맥 편향 기능을 지원합니다.
배치 전사는 50개 이상의 언어를 지원합니다. 음성 인식 요금은 Mini가 분당 0.0035달러, Small이 0.004달러, 실시간 모델이 0.008달러입니다. 음성 생성 모델 Voxtral Speech 3은 35개 이상의 언어와 50개 이상의 방언을 지원하며, 문자 100만 개당 13달러입니다. 생성 시작 시간은 약 90밀리초라고 미스트랄은 설명했습니다.
빠른 응답과 정확도 사이의 선택
Artificial Analysis의 음성-텍스트 변환 순위에서 Small Transcribe 3은 3위, 단어 오류율(AA-WER) 2.1%를 기록했습니다. 같은 평가에서 Mini는 2.2%였습니다. 실시간 모델의 경우 미스트랄이 공개한 FLEURS 35 평가에서 지연 설정이 240밀리초일 때 오류율은 7.4%였고, 2400밀리초로 늘리면 5.7%로 낮아졌습니다. 이 수치는 응답 속도와 정확도 사이에 절충이 있음을 보여줍니다.
SDK는 실시간 통신 플랫폼 LiveKit을 기반으로 하며 전화 통화용 SIP와 브라우저·앱 세션용 WebRTC를 처리합니다. 개발자는 전사·추론·음성 생성 단계를 별도 모델로 바꿀 수 있습니다. 음성 생성에는 최대 30분 분량의 음성을 바탕으로 목소리와 말하기 스타일을 재현하는 Pro Voice 기능도 포함됩니다.
왜 중요한가
고객 상담이나 음성 기반 서비스를 만드는 기업 개발자는 전사부터 음성 응답까지 연결하는 도구와 모델별 요금을 한 번에 비교할 수 있습니다. 다만 현재는 공개 프리뷰이며, 실제 서비스에 적용할 때의 사용 한도나 정식 출시 시점은 기사에 나와 있지 않습니다.
