Voxtral 3 받아쓰기·음성 합성, 업무 도구에 붙이기 전 확인할 것

회의 녹음을 글로 옮기는 기능과 안내 문장을 목소리로 읽어 주는 기능을 업무 도구에 붙이려면, 받아쓰기 모델과 음성 합성 모델을 각각 고르고 그 사이를 이을 방법도 정해야 합니다. Mistral은 2026년 10월 20일 공식 뉴스에서 받아쓰기 모델, 음성 합성 모델, 그리고 둘을 대화 하나로 묶는 음성 에이전트 SDK를 함께 담은 Voxtral 3를 발표했습니다.

이 글은 Mistral 공식 뉴스와 같은 날짜가 표시된 Mistral 문서 모델 페이지를 읽고 제공 상태, 구성 요소와 가격, 한국어와 관련해 확인한 범위를 정리했습니다. 모델을 직접 실행해 보지는 않았습니다.

1. Voxtral 3에 들어 있는 것

Mistral 뉴스에 따르면 Voxtral 3는 음성을 글로 바꾸는 받아쓰기 모델과 글을 음성으로 바꾸는 음성 합성 모델, 그리고 음성 에이전트 SDK(개발자가 음성 상담 프로그램을 만들 때 쓰는 개발 도구 묶음)로 구성됩니다. 받아쓰기 모델은 누가 말했는지 나누는 화자 구분과, 미리 알려 준 용어를 더 잘 알아듣게 하는 기능(context biasing)을 지원한다고 설명합니다. 음성 합성 모델은 대화 맥락에 맞춰 감정, 속도, 강조를 조절한다고 소개합니다. 같은 문단 안에서 이 음성 합성 모델을 Voxtral Mini TTS 3.0과 Voxtral Speech 3라는 이름으로 함께 부릅니다.

구성 요소	공식 뉴스의 설명	공식 뉴스 가격표
Voxtral Small Transcribe 3	받아쓰기·화자 구분, 정확도 우선	분당 $0.0040
Voxtral Mini Transcribe 3	40억 개 매개변수의 소형 받아쓰기 모델(일괄 처리)	분당 $0.0035
Voxtral Mini Transcribe Realtime 3	실시간 받아쓰기, 말이 끝났는지 감지	분당 $0.008
Voxtral Speech 3	음성 합성, 일괄·실시간 같은 API	100만 자당 $13
음성 에이전트 API	Mistral Small 4로 판단할 때	분당 $0.04
음성 에이전트 API	다른 판단 모델을 쓸 때	분당 $0.08

음성 에이전트 SDK는 LiveKit을 기반으로 만들었고, 듣기와 판단, 말하기를 하나의 스트리밍 처리 과정으로 실행한다고 Mistral은 설명합니다. 실시간 받아쓰기 모델이 상대가 말을 마쳤는지 감지하고, Mistral Small 같은 범용 모델이 판단과 도구 호출을 맡고, Voxtral Speech 3가 대화 분위기에 맞춰 답을 읽습니다. 단계마다 모델이 따로 있어 판단 모델이나 목소리, 언어를 바꿔도 에이전트를 다시 짤 필요가 없다는 설명이 이어집니다.

원문 사실: 단계별 모델 이름, 말 끝남 감지, 도구 호출 예시, 1초 미만 응답과 SIP·WebRTC 연결은 2026년 10월 20일 Mistral 공식 뉴스의 설명이며, 1초 미만은 회사 설명입니다. 작성자 구성: 대화 한 차례를 원으로 그리고 단계마다 단독 가격이나 메모를 붙인 배치는 작성자가 정리했습니다.

2. "available today"와 PUBLIC PREVIEW 표기

공식 뉴스는 Voxtral 3를 오늘부터 Mistral API에서 쓸 수 있다고 적었습니다(원문 "available today"). 같은 날짜가 표시된 Mistral 문서의 Voxtral Small Transcribe 3 모델 페이지에는 PUBLIC PREVIEW와 v3.0이 표시돼 있습니다. 두 표기 가운데 어느 쪽이 지원 범위를 정확히 나타내는지는 공개 자료만으로 판단할 수 없었습니다. 업무 도구에 붙일 계획이라면 서비스 수준 약정과 지원 조건을 Mistral 쪽에 따로 확인하는 편이 안전합니다.

3. 가격표로 해 보는 비용 계산 예시

공식 뉴스 가격표를 그대로 곱하면 대략의 크기를 가늠할 수 있습니다. 아래는 예시 계산이며, 세금과 요금제별 조건은 반영하지 않았습니다.

• 60분 회의 녹음을 Voxtral Small Transcribe 3로 받아쓰면 60분 × $0.0040 = $0.24입니다.
• 같은 녹음을 Voxtral Mini Transcribe 3로 일괄 처리하면 60분 × $0.0035 = $0.21입니다.
• 안내문 1만 자를 Voxtral Speech 3로 읽히면 100만 자당 $13 기준으로 $0.13입니다.
• 10분 상담에 음성 에이전트 API 단가만 곱하면 Mistral Small 4 기준 $0.40, 다른 판단 모델 기준 $0.80입니다. 이 단가에 받아쓰기·음성 합성 요금이 포함되는지는 가격표에 적혀 있지 않습니다.

뉴스는 Voxtral Speech 3의 운영 비용이 OpenAI TTS-1, Deepgram, ElevenLabs Flash, Gemini Flash의 비슷한 모델보다 낮다고 적었습니다. Mistral이 직접 내놓은 비교이므로 다른 회사 가격은 각 회사 요금 페이지에서 따로 확인해야 합니다.

4. 한국어로 쓸 때 확인한 것과 확인하지 못한 것

공식 뉴스의 받아쓰기 성능 비교는 FLEURS라는 다국어 음성 평가 자료로 Mistral이 직접 측정한 결과입니다. 평가 언어 목록에 한국어(KO)가 들어 있고, 한국어·일본어·중국어는 단어 오류율 대신 글자 오류율(CER)로 쟀다는 각주가 붙어 있습니다. 다만 공개된 수치는 여러 언어의 평균이라 한국어만의 점수는 확인하지 못했습니다. Small 버전이 Whisper, Scribe v2, Gemini 3.5 Transcribe보다 성능이 높다는 뉴스의 설명도 회사 자체 비교입니다.

음성 합성 쪽에서는 미리 만들어 둔 목소리(Voice Presets)를 제공하는 18개 언어 목록에 한국어가 들어 있습니다. 화자의 말투와 감정 폭을 재현하는 Pro Voice는 30분 분량의 음성으로 만든다고 설명합니다. 한국어 억양이나 존댓말을 얼마나 자연스럽게 읽는지는 공개 자료에 따로 적혀 있지 않습니다.

5. 데이터 처리 위치와 자체 배포 조건

뉴스 앞부분은 유럽에 둔 API(EU-hosted API)와 자체 인프라 배포를 함께 언급하고, 마지막 시작 안내에서는 유럽, 미국, 글로벌 엔드포인트로 제공한다고 적었습니다. 음성이 어느 지역에서 처리되는지가 중요한 조직이라면 호출할 엔드포인트를 먼저 정해야 합니다. 사내 서버나 사설 클라우드에 전체를 설치하려면 Mistral 팀에 문의하라고 안내합니다. 모델 가중치 공개 여부와 라이선스 조건은 이번에 확인하지 못했으므로, 자체 배포를 전제로 한 계획은 그 조건부터 확인한 뒤 세우십시오.

6. 이번 주에 해 볼 일

1. 외부에 올려도 되는 한국어 회의 녹음 1건을 골라 Studio playground에서 받아쓰기를 시험하고, 사람이 고친 글자와 화자 구분 오류를 따로 세어 보십시오. 공식 뉴스는 Studio playground에서 음성 에이전트, 받아쓰기, 음성 생성, 목소리 복제를 시험해 볼 수 있다고 안내합니다.
2. 자주 쓰는 사내 용어 10개를 적어 두십시오. context biasing을 쓸 수 있는 환경이라면 용어를 미리 알려 줬을 때와 알려 주지 않았을 때의 받아쓰기 결과를 비교하면 됩니다.
3. 한 달에 처리할 녹음 시간과 안내문 글자 수를 적고, 위 가격표로 월 비용을 계산해 보십시오. PUBLIC PREVIEW 표기와 라이선스 조건은 그 계산과 함께 담당 부서에 넘길 확인 항목으로 정리해 두면 됩니다.