한눈에 보기
- 무엇: 음성을 글로, 글을 음성으로 바꾸고 대화형 AI까지 연결하는 묶음이에요. 이름은 Voxtral 3(복스트랄 3)예요.
- 누가: 프랑스 AI 회사 미스트랄 AI(Mistral AI)가 개발했어요.
- 언제: 미스트랄 발표 기준, 2026년 10월 20일 공개했어요.
- 얼마: 미스트랄에 따르면 Mini 배치 받아쓰기는 분당 $0.0035예요. 말하기는 100만 글자당 $13이에요.
- 어디서: 미스트랄 API(프로그램에서 AI를 부르는 연결 창구)로 이용해요. Studio 플레이그라운드에서도 시험할 수 있어요.
회의 녹음 받아쓰기부터 전화 응대용 음성 답변까지 한 회사 API로 이어 붙일 수 있어요. 가격은 싼 편이지만 한국어 단독 성능 점수는 없어요. 받아쓰기 Small·Mini 배치·Mini 실시간과 말하기 TTS 네 모델 모두 공개 미리보기 상태예요.
받아쓰기: 녹음 파일과 실시간 대화를 나눠 골라요
받아쓰기 모델은 음성을 글로 바꾸는 AI예요. 복스트랄에는 Small, Mini 배치, Mini 실시간 모델이 있어요.
미스트랄에 따르면 일반 받아쓰기는 EU 공식 24개를 포함해 50개 언어를 지원해요. Mini는 4B, 즉 학습한 수치인 매개변수가 40억 개인 모델이에요.
문서에 따르면 Small은 받아쓰기 외에 번역, 음성 내용 질의응답, 요약, 함수 호출(외부 프로그램 기능을 부르는 것)도 해요. 한 번에 다룰 수 있는 입력 길이(컨텍스트)는 Small·Mini 배치 모두 3만 2천 토큰(32k)이에요.
화자 구분은 누가 말했는지 나누는 기능이에요. 컨텍스트 바이어싱은 전문 용어나 이름을 미리 알려 더 잘 알아듣게 하는 기능이에요.
실시간 모델은 말이 끝났는지도 감지해요. 미스트랄에 따르면 지연, 즉 음성 입력 뒤 처리까지 걸리는 시간은 500ms(0.5초) 미만이라고 해요. 다만 실시간 모델 문서에서는 지연을 80~2,400ms 사이에서 고를 수 있다고 안내해요.
지연을 짧게 잡을수록 빨리 답하지만 오류가 늘어요. 미스트랄이 공개한 실시간 평가(FLEURS 35개 언어 평균, 한국어 포함)를 보면 그 차이가 보여요.
| 실시간 받아쓰기 모델(지연 설정) | 오류율(%) |
|---|---|
| Gemini 3.5 Realtime Transcribe | 4.2 |
| Voxtral Mini Realtime 3 (2,400ms) | 5.7 |
| Microsoft AI Transcribe 2 Streaming | 5.8 |
| Voxtral Mini Realtime 3 (960ms) | 6.0 |
| Voxtral Mini Realtime 3 (480ms) | 6.4 |
| Voxtral Mini Realtime 3 (240ms) | 7.4 |
| GPT Live Transcribe | 8.4 |
| Scribe v2 Realtime | 8.7 |
표만 보면 실시간 1위는 미스트랄이 아니라 구글 Gemini 3.5 Realtime이에요. 발표문이 내세운 ‘500ms 미만’에 가까운 480ms 설정은 6.4%로, 배치 처리(4.0%)보다 오류가 눈에 띄게 많아요. 회의록처럼 기다려도 되는 작업은 배치가 값도 싸고 정확해요.
오류율 평균은 마이크로소프트와 같아요
오류율은 받아쓴 내용에서 틀린 비율로, 낮을수록 좋아요. 미스트랄은 FLEURS(여러 언어 음성 인식 평가 세트)의 공통 45개 언어 평균을 발표했어요.
언어를 미리 지정하면 Small과 Microsoft AI Transcribe 2는 모두 4.0%예요. 언어를 모델이 자동으로 감지하게 하면 두 모델 모두 4.1%예요. 아래 수치는 모두 미스트랄 자체 측정이에요.
| 모델 | 언어 지정 | 언어 자동 감지 |
|---|---|---|
| Voxtral Small Transcribe 3 | 4.0% | 4.1% |
| Microsoft AI Transcribe 2 | 4.0% | 4.1% |
| Voxtral Mini Transcribe 3 | 4.5% | 4.6% |
| Gemini 3.5 Transcribe | 4.5% | 6.1% |
| Scribe v2 | 4.9% | 4.9% |
| GPT Transcribe | 5.6% | 6.3% |
| Whisper large-v3 | 14.9% | 16.0% |
45개 언어는 일곱 모델이 모두 지원하는 언어의 교집합이에요. 한국어도 포함되지만 한국어만의 성능은 알 수 없어요. 한국어·일본어·중국어·태국어는 단어 대신 글자 오류율(CER, Character Error Rate)로 계산했어요.
Small은 두 조건 모두 표의 최저 오류율을 Microsoft와 함께 기록했어요. Mini와 Gemini의 격차는 조건에 따라 달라요. 언어 지정에서는 둘 다 4.5%지만 자동 감지에서는 각각 4.6%, 6.1%예요. 조건을 섞으면 모델 간 차이를 잘못 판단할 수 있어요.
가격: 처리 방식에 따라 달라요
미스트랄은 받아쓰기와 말하기, 대화 연결에 각각 가격을 매겼어요. 다음은 복스트랄 3 제품군의 요금이에요.
| 모델 | 용도 | 가격 |
|---|---|---|
| Small Transcribe | 받아쓰기 | $0.004/분 |
| Mini Transcribe | 배치 처리 | $0.0035/분 |
| Mini Realtime | 실시간 변환 | $0.008/분 |
| Mini TTS | 말하기 | $13/100만 글자 |
| 음성 에이전트 | Small 4로 추론 | $0.04/분 |
| 음성 에이전트 | 다른 모델로 추론 | $0.08/분 |
말하기: 감정과 속도, 강조를 조절해요
TTS(Text-to-Speech)는 글을 음성으로 바꾸는 기술이에요. 모델명은 Voxtral Mini TTS 3.0이며 블로그에는 Voxtral Speech 3로도 나와요.
미스트랄에 따르면 감정과 말하는 속도, 강조를 조절할 수 있어요. Pro Voice는 30분 이상 음성을 바탕으로 목소리를 복제하는 기능이에요.
모델 문서에는 감정 태그 34개, 속도 태그 2개, 출력 형식 5가지가 적혀 있어요. 스트리밍으로 첫 음성이 나오기까지는 약 90ms라고 해요.
미스트랄은 말하기가 35개 이상 언어와 50개 이상 방언을 지원한다고 썼어요. 기본 목소리인 Voice Presets의 18개 언어 목록에는 한국어가 있어요.
회사는 말하기 운영비가 OpenAI TTS-1·Deepgram·ElevenLabs Flash·Gemini Flash 네 제품 모두보다 낮다고 주장해요. 회사가 제시한 비교이므로 실제 이용 조건에서도 비용이 낮은지는 따로 확인해야 해요.
말하기 비교에는 외부 벤치마크와 내부 다국어 평가가 함께 쓰였어요. 영어 300문항의 Voice Code Bench는 외부 벤치마크지만, 점수는 미스트랄이 gemini-3.8-flash 모델로 심사한 결과예요. 11개 언어 평가는 내부 평가예요. 이 결과로 한국어 말하기 품질을 확인할 수는 없어요.
| 말하기 모델 | 100만 글자당 가격 | Voice Code Bench 정확 비율 |
|---|---|---|
| Eleven v4 | $80 | 98.3% |
| Eleven v4 Turbo | $40 | 97.5% |
| Voxtral TTS 3 | $13 | 79.7% |
| Inworld TTS-2 | $25 | 77.3% |
| OpenAI gpt-4o-mini-tts | $16 | 39.7% |
미스트랄 자료에서도 전화번호·이메일 같은 숫자와 이름을 읽는 정확도는 일레븐랩스 최신 모델보다 18%포인트쯤 낮아요. 대신 값은 3분의 1에서 6분의 1 수준이에요. 예약 확인처럼 숫자를 틀리면 안 되는 응대라면 이 차이를 직접 시험해 봐야 해요.
음성 에이전트: 듣고 판단하고 답하는 흐름을 이어요
에이전트는 도구를 써서 일을 처리하는 AI예요. 음성 에이전트 SDK(Software Development Kit)는 이를 만드는 개발 도구 묶음이에요.
복스트랄 SDK는 LiveKit을 바탕으로 만들었어요. 실시간 받아쓰기와 답을 판단하는 추론 모델, 음성 응답을 연결해요.
미스트랄에 따르면 한 번 주고받기가 1초 안에 끝나요. 사용자가 말을 끊으면 AI도 말하기를 멈춘다고 해요.
전화는 SIP(Session Initiation Protocol), 즉 통화를 연결하는 규약을 써요. 웹에서는 WebRTC(Web Real-Time Communication)라는 실시간 통신 기술로 연결해요.
추론 모델로는 Mistral Small 등을 연결할 수 있어요. 미스트랄은 추론 모델과 목소리, 언어를 각각 바꿀 수 있다고 설명해요. 다른 미스트랄 모델은 미스트랄 라지 4 소개에서도 확인할 수 있어요.
지금 써 봐도 될까
시험용으로는 지금 써 볼 만해요. 실제 서비스에 넣는 결정은 한국어 녹음으로 직접 재 보고, 미리보기 표시가 풀린 뒤에 내리는 편이 안전해요.
국내 개발자는 Studio에서 받아쓰기와 음성 응답을 시험할 수 있어요. API는 유럽·미국·글로벌 엔드포인트라는 접속 주소를 제공해요.
회의록 용도라면 배치와 실시간 가격부터 나눠 보세요. 미스트랄 발표 기준 Mini는 배치 분당 $0.0035, 실시간 분당 $0.008이에요.
한국어 받아쓰기는 여러 언어의 평가 점수 평균에만 포함돼요. 원문에는 한국어 단독 점수가 없으니 회의 녹음으로 직접 확인해 보세요.
콜센터 용도라면 말 끊기와 응답 시간을 시험해 보세요. 실제 통화에서도 회사가 발표한 속도가 나오는지는 확인이 필요해요.
문서에서 Small·Mini 배치·Mini 실시간·TTS 네 모델 모두 공개 미리보기로 표시돼 있어요. 모델 목록의 라이선스 칸도 이전 세대 일부의 Apache 2.0 같은 공개 라이선스가 아니라 Premier(상용 모델 표기)로 돼 있어요. 정식 출시일은 문서에 없어요. 미리보기 단계라 정식 출시 때 조건이 달라질 수 있어요(추정, 미리보기 표시 근거).
회사는 음성 보관 여부를 통제할 수 있다고 설명해요. 자체 인프라 운영도 안내하지만, 구체적인 보관 설정 절차는 발표문에 없어요.
대단한 점과 아쉬운 점
받아쓰기, 말하기, 대화 연결을 한 회사 API와 한 요금표로 묶었어요. 따로 고른 서비스를 이어 붙이던 개발자에게는 연결 작업이 줄어요. 회사 자료 기준으로 화자 구분 오류율은 이전 세대보다 크게 낮아졌어요.
아쉬운 점은 제시된 성능 수치가 미스트랄 자체 측정이나 모델 심사에 따른 결과라는 점이에요. 외부 벤치마크를 썼더라도 독립 기관이 이번 결과를 검증했다는 뜻은 아니에요. 한국어 단독 결과도 없어요. 실시간 받아쓰기와 숫자 읽기처럼 회사 자료 안에서도 경쟁 모델에 밀리는 항목이 있어요.
회사가 강조한 데이터 주권은 데이터 처리와 보관을 직접 통제한다는 주장이에요. 유럽 회사라는 점만으로 개별 이용 조건까지 확인되는 것은 아니에요.
확장성: 예전 Voxtral과 비교하고 해 볼 것
이전 세대보다 가장 크게 달라진 곳은 화자 구분이에요. 미스트랄 평가(영어 회의·통화 위주 공개 자료와 중국어 회의 자료)에서 화자까지 맞혀야 하는 오류율이 이전 Voxtral Mini Transcribe 2는 30.9%, 이번 Small은 18.4%, Mini는 18.6%였어요. 같은 평가에서 Microsoft AI Transcribe 2는 20.3%, Scribe v2는 23.0%예요.
전문 용어를 미리 알려 주는 기능의 효과도 수치로 나왔어요. 실적 발표 통화 자료(Earnings-22)에서 Small이 핵심 단어를 맞힌 비율은 용어 목록 없이 81.4%, 목록을 주면 94.6%였어요.
이 비교는 미스트랄이 고른 평가와 예시에 따른 것이에요. 이전 세대와의 한국어 품질 차이는 제시한 자료로 알 수 없어요. 이전 세대 일부는 가중치를 공개해 직접 설치할 수 있었지만, 이번 세대는 아직 API 중심이라는 점도 달라졌어요.
회의 녹음에 전문 용어를 미리 알려 준 경우와 생략한 경우를 비교해 보세요. 말하기에서는 같은 문장의 속도와 강조를 바꿔 들어볼 수 있어요.
대화 연결에서는 추론 모델을 바꿔 시험해 볼 수 있어요. 자체 서버나 사설 클라우드 설치는 미스트랄 영업팀에 문의해야 해요.
아직 모르는 것
- 말하기 지원 언어 수가 자료마다 달라요. 블로그는 35개 이상, TTS 모델 문서는 9개라고 적었어요.
- 실시간 받아쓰기도 블로그 본문은 35개 이상, 블로그 하단 소개 카드는 40개 이상 언어라고 적었어요. 실시간 모델 문서에는 언어 수가 없어요. 정확한 지원 범위는 확인이 필요해요.
- 기본 목소리 목록에 한국어는 있지만, 한국어 말하기 품질은 확인되지 않았어요. 한국어 받아쓰기 단독 점수도 원문에 없어요.
- 공식 문서는 네 모델을 Premier(상용)로 분류해요. 2026-10-21 08:30 KST 확인 기준, Hugging Face mistralai 계정에는 Voxtral 3 가중치가 없었어요. 가중치는 모델을 직접 돌리는 데 필요한 학습 결과 파일이에요.
- 이전 세대 일부는 Apache 2.0이나 CC BY-NC 4.0 조건으로 가중치를 공개했어요. 이번 세대의 가중치를 나중에 공개할지는 발표되지 않았어요. 자체 서버나 사설 클라우드 설치 조건은 영업팀에 확인해야 해요.
- 음성 보관을 통제할 수 있다는 회사 설명은 있어요. 구체적인 설정 방법과 조건은 발표문만으로 알 수 없어요.
FAQ
한국어 회의록에 바로 쓸 수 있나요?
한국어가 평가 평균에 포함됐지만 단독 성능 점수는 없어요. 실제 회의 녹음으로 이름과 전문 용어, 화자 구분을 확인해 보세요.
받아쓰기 가격은 얼마부터인가요?
미스트랄 발표 기준 Mini 배치 받아쓰기가 분당 $0.0035예요. 실시간 모델은 분당 $0.008로 처리 방식과 가격이 달라요.
한국어로 말하는 기능도 있나요?
블로그의 기본 목소리 목록에는 한국어가 있어요. 다만 지원 언어 수가 문서와 다르고, 한국어 말하기 품질은 확인되지 않았어요.
가중치를 받아 자체 서버에서 쓸 수 있나요?
확인일 기준 Voxtral 3 가중치는 Hugging Face mistralai 계정에 없어요. 회사는 자체 서버 설치를 원하면 영업팀에 문의하라고 안내해요.
출처
- 미스트랄 공식 블로그: Voxtral 3. 기능·가격·자체 평가의 1차 자료예요. 발표 시각: 2026-10-20 12:00:22 UTC(한국 시각 21:00:22). 확인일: 2026-10-21.
- 미스트랄 문서: Voxtral Small Transcribe 3.0. 공개 미리보기와 Premier 분류의 근거예요. 게시일: 2026-10-20. 확인일: 2026-10-21.
- 미스트랄 문서: Voxtral Mini TTS 3.0. 공개 미리보기·Premier 분류와 지원 언어 표기의 근거예요. 게시일: 2026-10-20. 확인일: 2026-10-21.
- 미스트랄 문서: Mini 배치 받아쓰기. 공개 미리보기·Premier 분류와 요금의 근거예요. 게시일: 2026-10-20. 확인일: 2026-10-21.
- 미스트랄 문서: Mini 실시간 받아쓰기. 공개 미리보기·Premier 분류와 지연 설정의 근거예요. 게시일: 2026-10-20. 확인일: 2026-10-21.
- 미스트랄 공식 모델 목록. 세대별 라이선스 분류의 근거예요. 확인일: 2026-10-21.
- Hugging Face mistralai의 Voxtral 모델 목록. Voxtral 3 가중치 공개 여부를 확인했어요. 확인일: 2026-10-21 08:30 KST.
대표 이미지: 미스트랄 AI
구글 검색에서 AIMAG 소식을 먼저 보려면
AI 보조 초안 · 편집부 검수