Mistral AI가 2026년 10월 20일(현지시각) 음성 모델 제품군 Voxtral 3를 공개했다. 회사는 음성 인식과 실시간 전사, 음성 생성, 음성 복제, 음성 에이전트 기능을 제시했으며, TTS가 35개 이상 언어를 지원한다고 밝혔다.
전사·음성 생성 모델별 요금
Voxtral Mini Transcribe 3의 배치 처리 요금은 $0.0035/min이며, Voxtral Small Transcribe 3는 $0.0040/min이다. 실시간 전사를 위한 Voxtral Mini Transcribe Realtime 3의 가격은 $0.008/min으로 책정됐다.
음성 생성 모델 Voxtral Mini TTS 3의 요금은 $13/1M chars다. Mistral AI는 TTS의 35개 이상 언어 지원을 회사 발표 내용으로 제시했다. 다국어 및 표현력 있는 영어 TTS에 대한 회사 내부 평가에서는 gemini-3.8-flash를 판정 모델로 사용했다.
음성 에이전트와 배포 경로
음성 에이전트 API는 결합하는 모델에 따라 요금이 다르다. Mistral Small 4 reasoning을 사용하는 구성은 0.04$/min이며, 더 큰 모델을 사용하는 구성은 0.08$/min이다.
Voxtral 3는 Mistral AI의 유럽·미국·글로벌 API 엔드포인트를 통해 제공된다. 온프레미스나 프라이빗 클라우드에 배포하려면 Mistral AI에 별도로 문의해야 한다.
Studio 플레이그라운드에서는 전사, 음성 생성, 음성 복제, 음성 에이전트 기능을 시험할 수 있다.
독립 전사 평가에서 확인된 순위
독립 평가 기관 Artificial Analysis의 비스트리밍 AA-WER 측정에서 Voxtral Small은 2.1%, Voxtral Mini는 2.2%를 기록했다. 같은 평가에서 Fun-Realtime-ASR-preview는 1.7%, MAI-Transcribe-2는 2.0%로 집계돼 Voxtral Small보다 앞섰다.
같은 비스트리밍 비교에 포함된 Scribe v2는 2.2%, Gemini 3.5 Transcribe는 2.6%, GPT Transcribe는 3.3%였다. Voxtral Mini와 Scribe v2의 측정치는 모두 2.2%였다.
AA-WER는 AA-AgentTalk에 50%, VoxPopuli-Cleaned-AA에 25%, Earnings22-Cleaned-AA에 25%의 가중치를 적용한다.
