Voxtral transcribes
lastmod 2026-11-16created 2026-02-052 edits
음성-텍스트 변환 모델
Voxtral Transcribe 2
Voxtral Transcribe 2 개요
- Mistral 이 2026-02-04 공개한 음성 인식 모델 두 종. 배치 전사용 Voxtral Mini Transcribe V2 와 실시간용 Voxtral Realtime
주요 기능 요약
- 두 모델 모두 영어·중국어·힌디어·스페인어·아랍어·프랑스어·포르투갈어·러시아어·독일어·일본어·한국어·이탈리아어·네덜란드어 13개 언어 지원
Voxtral Realtime
- 오디오를 청크로 나눠 처리하지 않고 들어오는 대로 전사하는 스트리밍 구조. 지연을 200ms 아래까지 설정 가능
- 2.4초 지연이면 배치 모델과 같은 정확도, 480ms 에서는 WER 차이 1~2% 이내. 4B 파라미터라 엣지 기기에서도 돌고, Apache 2.0 으로 Hugging Face 에 가중치 공개
Voxtral Mini Transcribe V2
- FLEURS WER 약 4%. GPT-4o mini Transcribe, Gemini 2.5 Flash, Assembly Universal, Deepgram Nova 보다 정확하고, ElevenLabs Scribe v2 와 품질은 비슷하면서 약 3배 빠르고 비용은 1/5
엔터프라이즈 기능
- 화자 분리(겹친 발화는 보통 한 명만 전사), 단어 단위 타임스탬프, 최대 100개 단어·구문의 컨텍스트 바이어싱(영어 최적화, 그 밖은 실험적), 최대 3시간 오디오 한 번에 처리
오디오 플레이그라운드
- Mistral Studio 에서 파일 최대 10개(mp3·wav·m4a·flac·ogg, 개당 1GB)를 올려 바로 테스트
다양한 활용 사례
- 회의록, 음성 에이전트, 콜센터, 실시간 자막, 규제 대응 기록. 두 모델 모두 온프레미스·프라이빗 클라우드로 GDPR·HIPAA 준수 배포 가능
이용 및 가격
- API 가격은 Mini Transcribe V2 분당 $0.003, Realtime 분당 $0.006. Mini Transcribe V2 는 Le Chat 에서도 쓸 수 있음
See also
이 문서를 가리키는 문서