10월 21일, Mistral이 공식 블로그를 통해 새로운 음성 모델 제품군 Voxtral 3 공개를 알렸습니다. 말을 글자로 옮기는 음성 인식 모델과 글을 말소리로 바꾸는 음성 합성 모델이 함께 나왔습니다. Mistral은 같은 발표에서 음성 에이전트를 만드는 개발 도구 모음인 SDK도 내놓았습니다. 모든 모델은 지금 Mistral API로 사용할 수 있습니다.
전화 상담이나 안내 업무에 AI를 들이려는 조직이라면 이번 발표에서 살펴볼 부분이 여러 가지입니다. 대화 속도, 지원 언어, 요금 구조, 데이터가 처리되는 지역을 차례로 짚어 봅니다.
듣고, 판단하고, 말하는 과정을 하나로 묶었습니다
새 SDK는 LiveKit을 기반으로 만들어졌습니다. 이 SDK는 음성 입력과 추론, 음성 출력을 하나의 스트리밍 파이프라인으로 처리합니다. Mistral은 어느 단계도 앞 단계가 끝나기를 기다리지 않도록 설계했다고 설명합니다. 그 결과 대화 한 차례가 1초 안에 끝난다고 밝혔습니다.
이 수치는 회사가 제시한 값입니다. 실제 응답 시간은 우리 조직의 네트워크 환경과 질문의 길이, 연결된 업무 시스템에 따라 달라질 수 있습니다. 상담 현장에서는 고객이 말을 마친 뒤 얼마나 기다리는지가 만족도를 크게 좌우하므로, 이 부분은 반드시 우리 환경에서 다시 측정해야 합니다.
연결 방식도 눈여겨볼 만합니다. 음성 에이전트는 SIP 방식으로 전화를 받을 수 있고, 직접 전화를 걸 수도 있습니다. 브라우저와 앱에서는 WebRTC로 동작합니다. 전화 상담 창구와 웹사이트 상담 창을 같은 SDK로 다룰 수 있다는 뜻입니다.
음성 인식은 50개 언어로 늘었습니다
음성 인식 모델인 Voxtral Transcribe 3는 지원 언어를 50개로 늘렸습니다. 여기에는 EU 공식 언어 24개가 모두 포함됩니다. 유럽 여러 나라에 지사나 고객을 둔 기업이라면 하나의 모델로 여러 언어의 통화를 처리할 수 있습니다.
제품군은 크기와 용도에 따라 나뉩니다. 녹음 파일을 한꺼번에 처리하는 Voxtral Mini Transcribe 3, 실시간 대화를 처리하는 Voxtral Mini Transcribe Realtime 3, 더 큰 Voxtral Small Transcribe 3가 있습니다. 음성 합성 모델로는 Voxtral Mini TTS 3가 나왔습니다. Mini 계열 인식 모델의 크기는 40억 개 파라미터입니다.
한국 기업이 가장 먼저 확인할 점은 한국어 지원 여부입니다. 이번 발표에서는 50개 언어라는 숫자와 EU 공식 언어 포함 사실이 강조되었습니다. 한국어 업무에 적용하려면 공식 지원 언어 목록에서 한국어가 들어 있는지, 그리고 음성 합성에서도 같은 언어를 지원하는지 따로 확인해야 합니다.
요금은 분과 글자 수로 계산됩니다
Voxtral 3의 요금은 모델마다 기준이 다릅니다. 음성 인식은 분 단위로 계산합니다. Voxtral Mini Transcribe 3는 분당 0.0035달러이고, 실시간용 Voxtral Mini Transcribe Realtime 3는 분당 0.008달러입니다. Voxtral Small Transcribe 3는 분당 0.0040달러입니다.
음성 합성은 글자 수로 계산합니다. Voxtral Mini TTS 3는 100만 글자당 13달러입니다. 음성 에이전트 API는 통화 시간을 분 단위로 계산합니다. 추론에 Mistral Small 4를 사용하면 분당 0.04달러이고, 더 큰 모델을 사용하면 분당 0.08달러입니다.
같은 음성 인식이라도 실시간 처리가 녹음 파일 일괄 처리보다 비쌉니다. 통화가 끝난 뒤 기록만 남기면 되는 업무라면 일괄 처리 모델로 비용을 줄일 수 있습니다. 음성 에이전트는 추론 모델 선택에 따라 단가가 크게 달라지므로, 어떤 질문까지 작은 모델로 처리할지 정하는 일이 곧 비용 관리가 됩니다.
데이터가 처리되는 지역을 고를 수 있습니다
Mistral은 Voxtral 3를 유럽, 미국, 글로벌 엔드포인트로 제공합니다. 고객 통화에는 이름과 연락처, 계약 내용 같은 개인정보가 담기기 쉽습니다. 어느 지역에서 음성이 처리되는지는 보안 검토와 법무 검토에서 빠지지 않는 질문입니다.
이번 발표에는 음성 데이터와 대화 기록을 얼마나 보관하는지, 모델 학습에 활용하는지에 대한 설명이 없습니다. 이 내용은 계약 조건과 데이터 처리 약관에서 확인해야 합니다. 지역 선택이 가능하다는 점은 출발점일 뿐이고, 보관 기간과 삭제 절차까지 확인해야 내부 정책에 맞출 수 있습니다.
도입 전에 확인할 것
먼저 언어와 정확도를 확인합니다. 공식 목록에서 한국어 지원 여부를 확인하고, 지원된다면 실제 상담 녹음 일부로 인식 정확도와 응답 시간을 측정합니다. 회사가 밝힌 1초라는 수치가 우리 환경에서도 유지되는지 보는 것이 핵심입니다.
다음은 권한과 승인입니다. 음성 에이전트가 직접 전화를 걸 수 있다면, 어떤 상황에서 발신을 허용할지 내부 기준이 필요합니다. 에이전트가 답할 수 있는 범위와 사람 상담원에게 넘기는 조건도 미리 정해 두어야 합니다. 통화 녹음과 처리에 대한 고객 고지와 동의 절차도 함께 점검합니다.
비용 구조도 미리 계산합니다. 월간 통화 시간과 합성할 글자 수를 추정하고, 추론 모델별 단가를 적용해 예산 상한을 정합니다. 실시간 처리가 꼭 필요한 업무와 일괄 처리로 충분한 업무를 나누면 같은 예산으로 더 많은 업무를 다룰 수 있습니다.
마지막으로 교육이 필요한 역량을 살펴봅니다. 음성 에이전트의 품질은 모델 성능만큼 대화 흐름 설계에 달려 있습니다. 상담 시나리오를 나누고, 예외 상황을 정의하고, 통화 기록을 검토해 개선하는 역량을 현업 담당자가 갖추도록 준비하는 것이 좋습니다.

이정민






























