Voxtral 3 - 50개 이상 언어의 음성 인식 모델과 실시간 음성 에이전트 SDK

Mistral이 Voxtral 3 음성 모델군과 음성 에이전트 SDK를 공개함. 음성 인식, 추론, 도구 호출, 음성 합성을 하나의 실시간 스트리밍 파이프라인으로 연결함 음성 전사는 50개 언어를 지원하며, 화자 분리와 문맥 기반 인식 보정을 제공함. 실시간 모델은 35개 이상 언어에서 500ms 미만 지연으로 동작함 Voxtral Mini TTS 3는 35개 이상 언어와 50개 이상 방언으로 음성을 생성하며, 대화 문맥에 따라 감정, 속도, 강조를 조절함 LiveKit 기반 SDK는 각 처리 단계를 겹쳐 실행해 대화 턴을 1초 미만에 완료하고, 사용자가 끼어들면 발화를 멈춤. 전화나 웹 대화 중 사내 시스템과 연결해 다단계 작업을 수행할 수 있음 Mistral API 또는 자체 인프라에서 실행할 수 있어 음성 처리 위치와 대화 보관 여부를 통제할 수 있음. 전사 모델 가격은 분당 0.0035달러부터, 음성 합성은 100만 문자당 13달러임 음성 인식부터 업무 실행까지 연결 신뢰할 수 있는 음성 에이전트는 언어, 억양, 화자, 끼어들기를 정확히 인식하고, 문맥 속 의도를 추론하며, 감정과 표현을 담아 말하고, 연결된 시스템에서 여러 단계의 작업을 수행해야 함 Voxtral 3는 음성 인식 모델, 음성 합성 모델, 에이전트 SDK를 결합해 이 네 가지를 실시간으로 처리하도록 설계됨 활용 대상은 컨택센터, 서비스 데스크, 가상 비서, 핸즈프리 코파일럿이며, 자체 도구와 데이터에 연결해 미묘한 의도와 복잡한 요청을 처리할 수 있음 다국어 전사와 문맥 기반 인식 보정 Voxtral Small Transcribe 3는 다국어 전사, 화자 분리, 문맥 기반 인식 보정을 지원함 지원 언어는 50개로, EU의 24개 공식 언어와 학습 자원이 부족한 아시아 및 인도계 언어가 포함됨 Mistral의 비교에서 영어, 프랑스어, 스페인어를 포함한 다국어 전사와 화자 분리에서 최고 수준의 결과를 기록했으며, Whisper, Scribe v2, Gemini 3.5 Transcribe를 앞섬 Voxtral Mini Transcribe 3는 40억 매개변수 모델로, 분당 0.0035달러에 전사를 제공함 두 모델 모두 문맥 기반 인식 보정(context biasing) 을 지원함 핵심 용어와 자유 형식 텍스트를 입력해 전문 용어의 재현율을 높일 수 있음 별도 미세 조정 없이 도메인 특화 어휘가 필요한 운영 환경에 적용할 수 있음 전사 성능 ...