미스트랄 AI, 음성 모델 '복스트랄 3'와 보이스 에이전트 SDK 공개

미스트랄 AI가 음성 인식과 음성 합성 모델군에 보이스 에이전트 SDK를 더한 새로운 제품군 '복스트랄 3'를 공개했다고 회사 측이 밝혔다.

미스트랄에 따르면 이번 출시는 듣고, 추론하고, 말하고, 연결된 시스템을 통해 실시간으로 다단계 작업을 수행할 수 있는 음성 에이전트 구축을 목표로 한다. 회사는 기존 음성 도구들이 발전해 왔지만, 정확한 음성 인식과 맥락적 추론, 자연스러운 발화, 툴 호출 기능을 하나의 신뢰할 수 있는 실시간 시스템으로 결합하는 일은 여전히 어려운 과제로 남아 있었다고 설명했다.

이번 출시에 포함된 내용

미스트랄은 복스트랄 3가 두 가지 핵심 모델과 SDK로 구성된다고 밝혔다.

• 복스트랄 스몰 트랜스크라이브 3(Voxtral Small Transcribe 3) — 회사가 다국어 음성 인식 분야에서 최고 수준이라고 설명하는 음성 인식 모델로, 발화자 구분(누가 무엇을 말했는지 식별), 맥락 바이어싱(제공된 핵심 어구를 활용해 정확도를 높이는 기능), 발화 종료 감지를 지원한다.
• 복스트랄 미니 TTS 3(Voxtral Mini TTS 3) — 회사에 따르면 대화 맥락에 맞춰 감정, 속도, 강세를 조정하는 음성을 생성하는 음성 합성 모델로, 35개 이상 언어와 50개 이상 방언을 지원한다.
• 보이스 에이전트 SDK — 미스트랄에 따르면 듣기, 추론, 툴 호출, 발화 기능을 하나의 실시간 스트리밍 파이프라인으로 결합해, 실제 전화나 웹 대화 중에도 에이전트가 정보를 검색하고 작업을 완료할 수 있게 한다.

회사는 또한 전문적인 용도를 위한 프로 보이스(Pro Voice) 기능도 소개했다. 약 30분 분량의 음성 데이터를 활용해 화자의 독특한 특징과 감정 표현의 폭, 말투를 여러 언어에 걸쳐 재현할 수 있다고 회사는 설명했다.

언어 지원 범위와 성능 주장

미스트랄에 따르면 음성 인식 모델은 이제 EU의 24개 공식 언어를 포함해 50개 언어를 지원하며, 자원이 부족한 아시아 및 인도계 언어도 다수 포함된다. 회사는 스몰 버전이 발화자 구분과 다국어 음성 인식, 특히 영어·프랑스어·스페인어에서 최고 수준의 성능을 달성했으며, 이러한 지표에서 위스퍼(Whisper), 스크라이브 v2(Scribe v2), 제미나이 3.5 트랜스크라이브(Gemini 3.5 Transcribe)를 능가한다고 밝혔다. 미스트랄은 40억 개 파라미터 규모의 미니 버전 가격이 분당 0.0035달러라고 설명했다.

회사는 또한 별도 모델인 복스트랄 리얼타임 트랜스크라이브 3(Voxtral Realtime Transcribe 3)도 소개했는데, 35개 이상 언어에서 500밀리초 미만의 지연 시간으로 음성 인식을 제공하며 발화자 구분과 맥락 바이어싱도 지원한다고 밝혔다.

음성 생성 부문에서는 미스트랄이 복스트랄 미니 TTS 3.0의 가격을 100만 자당 13달러로 책정했다고 밝혔으며, 이는 오픈AI의 TTS-1, 딥그램(Deepgram), 일레븐랩스 플래시(ElevenLabs Flash), 제미나이 플래시(Gemini Flash) 등 비교 가능한 제품들보다 저렴하다고 설명했다. 미스트랄은 이 모델이 텍스트 맥락의 의미를 네이티브로 해석해 음성을 생성하며, 30분 이상의 샘플 음성을 활용한 음성 복제, 감정·속도·강세에 대한 맞춤형 프롬프트 지시 이행, 어휘 라이브러리 등 새로운 기능이 추가됐다고 밝혔다.

배포 방식과 데이터 처리

미스트랄은 복스트랄 3가 다른 자사 모델들과 마찬가지로 주권적 배포를 염두에 두고 설계됐다고 밝혔다. 이 모델은 미스트랄의 EU 호스팅 API를 통해 이용하거나 조직 자체 인프라에 직접 구축할 수 있으며, 회사에 따르면 이를 통해 조직은 음성 데이터가 처리되는 위치와 데이터 처리 방식, 대화 보관 여부를 직접 통제할 수 있다.

미스트랄 AI, 'Voxtral 3: Voice Agent SDK & Speech Models in 50+ Languages', 2026년 10월 20일 발행.