Mistral, 50개국어 지원 음성 에이전트 SDK 출시
원제: Voxtral 3
왜 중요한가
음성 에이전트 시장에서 다국어·데이터 주권·실시간 도구 호출을 동시에 제공하는 플랫폼 경쟁이 본격화되는 시점이다.
Mistral AI가 음성 에이전트 SDK 'Voxtral 3'를 출시했다. 50개 이상 언어 지원, 화자 분리(diarization), 감정 표현 음성 합성, 멀티스텝 도구 호출을 단일 실시간 스트리밍 파이프라인으로 통합했으며, EU 호스팅 API 또는 자체 인프라 배포 방식으로 즉시 이용 가능하다.
Mistral AI가 음성 에이전트 개발 플랫폼 'Voxtral 3'를 공개했다. 이번 릴리스는 음성 인식 모델, 음성 합성 모델, 그리고 이 둘을 하나의 실시간 스트리밍 파이프라인으로 묶는 에이전트 SDK 세 가지로 구성된다.
음성-텍스트 변환 모델 'Voxtral Small Transcribe 3'는 50개 이상 언어의 다국어 전사를 지원하며, 화자 분리(diarization), 키프레이즈 기반 정확도 향상(context-biasing), 발화 종료 감지(end-of-turn detection) 기능을 탑재했다. 발화 종료 감지 덕분에 에이전트가 사용자의 말이 끝난 즉시 응답할 수 있어 지연을 줄인다.
텍스트-음성 변환 모델 'Voxtral Mini TTS 3'는 대화 맥락에 따라 감정과 표현을 조절하는 새로운 음성을 제공한다. 단순 낭독 수준을 넘어 자연스러운 억양과 감정을 실시간으로 반영한다는 점이 특징이다.
에이전트 SDK는 청취→추론→도구 호출→발화의 전 과정을 하나의 파이프라인으로 처리한다. 콜센터, 서비스 데스크, 핸즈프리 코파일럿 등 복잡한 워크플로우 자동화를 목표로 설계됐다.
데이터 주권 측면에서 Mistral은 EU 호스팅 API와 자체 인프라 배포를 모두 지원한다. 오디오 처리 위치, 데이터 취급 방식, 대화 보존 여부를 조직이 직접 제어할 수 있다고 Mistral은 밝혔다.