심층 해설 · 약 4분 읽기
Voxtral 3, 전사·추론·실행을 연결하는 모듈형 음성 파이프라인
Mistral의 음성 모델과 LiveKit SDK는 구성 요소마다 언어 범위, 지연 시간, 요금 기준이 다르다.
- 사이트 게시일
- 원문 게시일
- 출처 확인일
Mistral은 10월 20일 전사·음성 합성 모델과 음성 에이전트 SDK를 Voxtral 3로 발표했다. 핵심은 하나의 모델이 통화 전체를 처리한다는 주장이 아니라 분리된 단계를 스트리밍으로 조율한다는 설계다. 전체 발표문을 읽었으며 시연, 비교 결과, 지연 수치는 공급업체의 근거다. AISubHub가 직접 측정한 결과는 아니다.
뉴스 듣기
이 기사를 읽어 드리거나 뉴스를 계속 재생합니다.
읽기를 준비하는 중…
기기 음성
읽기는 브라우저나 기기에서 처리합니다. AISubHub는 내용을 오디오 API로 보내지 않습니다. 사용 가능한 음성과 잠금 화면 재생은 기기에 따라 다릅니다.
계속 재생할 때 짧은 구절이 반복될 수 있습니다.
핵심 요약
- 배치 전사는 50개 이상 언어, 음성 출력은 35개 이상 언어와 50개 이상 방언을 명시한다. 같은 언어 범위로 바꿔 읽으면 안 된다.
- Mini 배치 전사는 분당 0.0035달러, 실시간 전사는 0.008달러, Small은 0.0040달러, 합성은 100만 문자당 13달러다. 전체 에이전트 요금은 별도 기준이다.
교체 가능한 단계가 하나의 대화를 구성
SDK는 LiveKit 기반이다. 실시간 전사가 듣고 발화 종료를 예측하면 범용 언어 모델이 의도를 해석하고 도구를 호출하며 합성 단계가 답변을 발성한다. Mistral은 병렬 스트리밍으로 한 턴을 1초 미만에 끝내고 사용자가 끼어들면 말을 멈춘다고 설명한다. 모든 배포 조건은 공개되지 않아 어떤 네트워크나 업무 시스템에서도 보장되는 수치는 아니다.
업체는 전체 에이전트를 다시 작성하지 않고 추론 모델, 음성, 언어를 바꿀 수 있다고 한다. SIP는 전화, WebRTC는 브라우저와 앱을 연결한다. 그러나 전송 방식은 발신자의 계정 변경 권한을 판정하지 않는다. 신원 확인과 도구 권한은 여전히 응용 프로그램의 책임이다.
듣기 정확도와 말하기 범위를 따로 확인
전사는 누가 언제 말했는지 구분하는 화자 분리와 전문 용어를 제공하는 문맥 편향을 지원한다. Mini 배치 모델은 4B 매개변수다. 제품명을 미리 주면 인식에 도움이 되지만 사용자가 실제로 그 말을 했다는 증거는 아니다. 전문 어휘와 잡음 통화를 함께 시험해야 한다.
합성은 문맥에 맞춰 감정·속도·강조·발음을 조절한다. Pro Voice 적응에는 약 30분의 오디오를 쓴다. 표현 조절은 사실 검증이나 음성 이용 허가를 대신하지 않는다. 전사 50개 이상 언어를 모든 언어의 같은 방언·음성 프리셋으로 확대하면 안 된다. 페이지의 프리셋 목록은 별도로 18개 언어다.
출시 비교는 무엇을 측정했나
전사 그래프는 서로 다른 과제를 다룬다. FLEURS는 공통 지원 45개 언어를 쓰며 지정된 일본어·한국어·태국어·중국어는 문자 오류율, 나머지는 단어 오류율로 측정한다. 언어를 알려 주는 조건과 추론하게 하는 조건도 다르다. 화자 분리는 회의·전화 데이터에서 화자 순열을 고려한 연결 오류율을 쓴다. 예약 정확도를 뜻하지 않는다.
Voice Code Bench는 영어 프롬프트 300개와 시스템당 음성 2개를 쓴다. 다른 시험은 발음 문장 300개, 11개 언어의 프롬프트 377개, 감정 영어 프롬프트 237개다. 판정 모델은 gemini-3.8-flash다. 당사의 해석은 이 선택된 과제와 자동 판정이 해당 절차의 비교를 뒷받침할 뿐, 원어민 청취 평가나 모든 지역의 균일한 품질을 증명하지 않는다는 것이다.
번호 하나의 수정으로 통합을 시험
시연에서는 사용자가 참조 번호를 수정하고 에이전트가 프랑스어 의뢰서를 읽은 뒤 예약을 제안하며 확인 후 작업한다. 제품 시연이지 성공률 측정이 아니다. 실무적인 교훈은 상태 관리다. 초기 부분 전사만으로 수정이 도착하기 전에 돌이킬 수 없는 작업을 실행하면 안 된다.
당사가 제안하는 교육용 시험에서는 끼어들기, 번호 변경, 예약 거부, 느린 도구 응답을 넣는다. 정확히 다시 말하고 상태 변경 전에 명시적 확인을 받는지 살펴본다. 이는 당사의 시험 권고이며 업체 보장이 아니다. 듣기 좋은 목소리가 거래 의도를 보존한다는 증거는 될 수 없다.
전체 통화 비용과 실제 처리 위치
전체 에이전트 API의 표기 요금은 Mistral Small 4 추론 사용 시 분당 0.04달러, 다른 추론 모델은 0.08달러다. 별도 전사 요금과 문자 기반 합성 요금도 있지만 모든 통합에서 모든 항목을 더해야 한다고 설명하지는 않는다. 예산 전에 포함 범위, 도구 비용, 무음 시간 과금을 확인해야 한다.
발표는 EU 호스팅과 자체 배포를 강조하지만 시작 안내에는 유럽·미국·글로벌 엔드포인트도 나온다. 실제 선택을 확인해야 한다. 전체 스택의 온프레미스·프라이빗 클라우드 설치는 Mistral에 문의해야 하며 무료 가중치나 하드웨어 예산은 약속하지 않는다. 데이터 주권은 음성 이름이 아니라 구조와 계약의 문제다.
중요한 이유
다국어 서비스에서는 듣기·답변·승인된 작업이 정확히 이어지는지 평가해야 한다. 확인된 거래, 끼어들기 처리, 세션 전체 비용이 전사 점수 하나보다 실용적이다.
제한 및 이용 가능성
오디오 청취, API 호출, 독립 지연 측정은 하지 않았다. 비공개 배포는 Mistral과 협의해야 한다. 무료 이용권, 자동 데이터 거주 보장, 타인 음성 복제 권한을 뜻하지 않는다.
출처와 근거
원문 게시일: · 출처 확인일:
AI 보조 편집 기사를 명시한 일차 출처와 대조합니다. 업체 주장은 출처를 밝히며 게재는 추천을 뜻하지 않습니다.