Mistral AI가 2026년 10월 21일 새로운 Voxtral3 음성 모델 시리즈와 음성 에이전트 SDK를 정식 출시했다. 이 제품 라인업은 Voxtral Small Transcribe3 전사 모델, Voxtral Mini TTS3.0 음성 합성 모델, 그리고 LiveKit 기반 음성 에이전트 SDK를 포괄하며, API를 통한 이용 또는 프라이빗 클라우드와 자체 인프라에서의 셀프호스팅 배포를 지원한다. 콜센터, 서비스 데스크, 가상 비서 및 핸즈프리 운전 시스템에 고성능의 실시간 스트리밍 음성 상호작용 기능을 제공하는 것이 목표다.
기술 성능 면에서 Voxtral Small Transcribe3는 50개 이상의 언어를 지원하며, 음성 분할, 컨텍스트 바이어싱 및 발화 종료 감지 기능을 갖추고 있다. FLEURS 차트에서 그 강제 오류율과 추론 오류율은 각각 4.1%와 4.0%로, Microsoft AI Transcribe2와 동등하며, Gemini3.5Transcribe, Scribe v2, GPT Transcribe 및 Whisper large-v3를 능가한다.
이 중 40억 파라미터의 Voxtral Mini Transcribe3는 배치 사용 시 분당 0.0035달러, 실시간 버전은 분당 0.008달러이며, 지연 시간은 500밀리초 미만이다. 동시에 Voxtral Mini TTS3.0은 35개 이상의 언어와 50개 이상의 방언에 대한 음성 합성을 제공하며, 가격은 백만 글자당 13달러이고, 톤 적응, 프롬프트 지시 및 30분 분량의 오디오 기반 Pro Voice 크로스랭귀지 음성 복제를 지원한다.
LiveKit을 기반으로 구축된 SDK는 전사, 추론, 도구 호출 및 음성 생성을 동일한 실시간 스트리밍 파이프라인에 통합하여, 범용 모델이 대화를 처리하는 동시에 자율적으로 추론하고 도구를 호출할 수 있게 하며, 대화 턴을 1초 이내로 유지하고 발신자가 끼어들 때 에이전트가 자동으로 멈추는 기능을 지원한다. 분석에 따르면, Mistral의 이번 출시는 모델 성능과 엔터프라이즈급 배포 제어를 모두 고려한 것으로, 모듈형 아키텍처와 프라이빗 배포 지원을 통해 복잡한 비즈니스 시나리오에서 음성 AI 에이전트의 규모화된 도입을 더욱 가속화하고 있다.