Mistral, 음성 모델·실시간 에이전트 SDK Voxtral 3 공개

Mistral이 음성 인식·합성과 도구 호출을 연결하는 Voxtral 3 모델군·SDK를 공개했다. 배치 전사는 50개 이상 언어를 지원하며 분당 0.0035달러부터, 실시간 전사는 분당 0.008달러다. 음성 합성은 100만 문자당 13달러이며, 회사는 API 이용과 자체 인프라 배포를 지원한다고 밝혔다.

내용·출처 업데이트 · 2026. 10. 21. 오전 2:01

LiveKit 기반 SDK가 음성 입력·추론·도구 호출·음성 출력을 스트리밍 파이프라인으로 연결한다. SIP 전화와 WebRTC 기반 브라우저·앱을 지원한다.

배치 전사는 Mini가 분당 0.0035달러, Small이 0.004달러다. 화자 구분과 전문 용어·이름을 제공하는 문맥 편향 기능을 지원한다.

회사는 실시간 전사가 35개 이상 언어에서 500ms 미만 지연을 제공한다고 설명했다. SDK의 대화 턴은 1초 미만에 완료되며 사용자가 끼어들면 발화를 멈춘다는 주장이다.

음성 합성은 35개 이상 언어·50개 이상 방언을 지원하며 감정·속도·강조와 발음을 조절한다. 배치·실시간 가격은 동일하다.

Pro Voice는 약 30분의 음성으로 화자의 말투·감정 범위를 재현하도록 설계됐다.

API는 유럽·미국·글로벌 엔드포인트로 제공한다. 온프레미스·프라이빗 클라우드에서 전체 구성을 운영하려면 회사에 문의하도록 안내한다.

인식·추론·합성을 별도 모델로 구성해 LLM이나 목소리·언어를 바꿀 때 에이전트 전체를 다시 작성할 필요를 줄인다.