Voxtral 3

Mistral 공식 발표 글의 앞부분을 읽고 옮겼어요. 뒤쪽의 벤치마크와 가격 표는 읽지 않았어요.

발표 요지

Voxtral 3는 음성 인식(speech-to-text)과 음성 합성(text-to-speech) 모델의 새 제품군이고, 여기에 음성 에이전트 SDK가 함께 나왔어요. SDK는 듣기, 생각하기, 도구 호출, 말하기를 하나의 실시간 스트리밍 파이프라인으로 묶어요.

왜 만들었나

Mistral은 믿을 만한 음성 에이전트가 동시에 네 가지를 잘해야 한다고 말해요.

• 여러 언어·억양·화자와 말 끊김 속에서도 정확하게 듣기
• 맥락 속에서 사용자가 뜻하는 바를 깊이 추론하기
• 감정과 표현을 담아 자연스럽게 말하기
• 연결된 시스템을 통해 여러 단계에 걸쳐 실행하기

이 넷을 실시간으로 함께 맞추는 일이 여전히 어렵다는 게 출발점이에요.

쓰임새

콜센터 상담원, 서비스 데스크, 가상 비서, 손을 쓰지 않는 코파일럿을 예로 들어요. 발표 페이지 데모에서는 사용자가 프랑스어 진료 의뢰서를 영어로 설명해 달라고 하자, 에이전트가 의뢰 번호를 조회하는 도구를 부르고 내용을 영어로 풀어 준 뒤 예약 도구로 진료를 잡아 줘요.

배포

다른 Mistral 모델처럼 주권형(sovereign) 배포를 염두에 뒀어요. 오늘부터 Mistral의 EU 호스팅 API로 쓰거나 자체 인프라에 직접 배포할 수 있어서, 조직이 데이터 통제권을 쥘 수 있다고 강조해요.