프랑스 AI 기업 미스트랄이 현지 시각 10월 20일 음성 AI 모델군 ‘복스트랄 3(Voxtral 3)’와 음성 에이전트 개발 도구를 공개했다. 복스트랄 3는 말을 글로 바꾸는 받아쓰기 모델과 글을 음성으로 읽어 주는 음성 합성 모델로 구성됐다.

받아쓰기 모델은 50개 이상 언어를 지원한다. 가장 정확한 ‘복스트랄 스몰 트랜스크라이브 3’는 여러 사람이 대화할 때 누가 말했는지 구분하고, 말이 끝나는 시점도 감지한다. ‘복스트랄 미니 트랜스크라이브 3’는 매개변수 40억 개 규모의 모델로 녹음 파일을 한꺼번에 처리하는 용도이며, ‘미니 트랜스크라이브 리얼타임 3’는 0.5초 이내 지연으로 실시간 받아쓰기를 지원한다. 매개변수는 AI 모델이 학습으로 조정하는 값으로, 모델의 크기를 나타내는 기준이다. 미스트랄은 다국어 받아쓰기 평가에서 스몰 모델이 오픈AI 위스퍼와 구글 제미나이 3.5 트랜스크라이브보다 정확했다고 밝혔다.

음성 합성 모델 ‘복스트랄 스피치 3’는 35개 이상 언어와 50개 이상 방언을 지원하며 감정과 속도, 강조를 조절할 수 있다. 30분 이상 분량의 녹음이 있으면 특정 인물의 목소리를 복제할 수도 있다. 실시간 통신 기술 기업 라이브킷의 기술로 개발한 음성 에이전트 도구는 듣기와 판단, 도구 사용, 말하기를 한 번에 연결해 처리한다. 전화망과 웹 브라우저 연결을 지원해 기업은 상담 전화나 웹사이트 음성 상담원을 개발할 수 있다.

가격은 미니 받아쓰기 모델이 분당 0.0035달러, 스몰 모델이 분당 0.004달러이며, 음성 합성은 100만 글자당 13달러(약 1만 7,000원)다. 모든 모델은 미스트랄 API와 웹 체험 공간 ‘스튜디오’에서 바로 사용할 수 있다.

자세한 내용은 미스트랄 블로그에서 확인할 수 있다.

이미지 출처: 미스트랄