Mistral AI, 음성 에이전트용 모델 "Voxtral 3" 공개

프랑스의 AI 스타트업 Mistral AI가 실시간 음성 에이전트용 새로운 모델 패밀리 "Voxtral 3"을 발표했다. 음성 인식에서 이해, 응답 생성까지를 통합한 시스템으로 50개 이상의 언어를 지원한다.

최근 텍스트를 다루는 AI의 정확도가 향상되면서 다음 경쟁의 장은 "음성으로 사용할 수 있는 AI"로 옮겨가고 있다. 고객 지원이나 음성 어시스턴트 등 사람이 음성으로 상호작용하는 장면에서 AI를 활용하려는 수요가 높아지고 있으며, 여러 대형 AI 서비스가 음성 기능을 강화하고 있다. Voxtral 3은 그러한 흐름 속에서 Mistral AI가 제시한 독자적인 답이라고 할 수 있다.

Voxtral 3은 음성을 텍스트로 변환하는 "음성 인식(STT)", 텍스트를 음성으로 변환하는 "음성 합성(TTS)", 그리고 에이전트를 구축하기 위한 SDK(소프트웨어 개발 키트) 세 가지를 조합한 시스템으로 제공된다. 또한 대화 중에 외부 도구나 서비스를 호출하는 기능도 갖추고 있어, 단순히 말을 주고받는 것뿐 아니라 정보 검색 및 처리를 병행하는 응용이 가능해진다.

이용 방식으로는 자사 인프라에서 운영하는 온프레미스 방식과 EU에서 호스팅되는 API를 통해 사용하는 방식 두 가지가 준비되어 있다. EU 내에서 데이터를 관리할 수 있다는 점은 유럽의 AI 규제나 데이터 보호 규칙(GDPR)을 충족해야 하는 기업에게 실질적인 선택지로 자리잡는다. Mistral AI가 파리를 거점으로 하는 유럽발 기업이라는 점도 이러한 설계 방침과 무관하지 않을 것이다.

음성 에이전트 구축에서 인식, 추론, 응답이라는 세 가지 공정을 각각 다른 서비스로 담당하는 경우, 지연의 누적이나 관리 비용 증가가 문제가 되기 쉽다. Voxtral 3이 이들을 하나의 스택으로 제공함으로써, 개발자는 여러 시스템을 조합하는 수고를 줄이고 실시간성이 높은 애플리케이션을 더 짧은 개발 기간에 구현할 수 있다는 평가가 가능하다.

50개 이상의 언어 지원은 세계 진출을 염두에 두는 기업에게도 주목할 가치가 있다. 영어 중심의 서비스가 많은 가운데 다국어 음성 에이전트 구축을 단일 시스템으로 실현할 수 있다는 점은 차별화 요소가 될 수 있다. 향후 실제 정확도, 응답 속도, 비용 측면에서의 평가가 쌓이면서 실용성이 더욱 명확해질 것으로 예상된다.

Voxtral 3의 등장은 음성 AI가 텍스트 AI에 비해 아직 성숙 단계에 있는 현재, 그 보급을 추진하는 한 수로 볼 수 있다. Mistral AI로서는 텍스트 계열 모델에서 축적한 기술 기반을 음성 영역으로 확대함으로써 엔터프라이즈 시장에서의 입지를 더욱 높이려는 의도가 있는 것으로 보인다.