3초 음성만으로 목소리 클로닝이 되고 9개 언어를 지원하거든요

미스트랄이 첫 오픈웨이트 TTS ‘Voxtral TTS’를 공개했어요. 3초 음성만으로 목소리 클로닝이 되고 9개 언어를 지원하거든요.

모델 크기는 40억 파라미터고, 독일어·영어·프랑스어·스페인어 등을 포함해 다국어 음성을 만들 수 있어요. 감정 표현과 자연스러움을 강조했고, 10초 샘플+500자 기준 지연시간은 70ms 수준이에요.

사람 비교 평가에서 비슷한 응답속도 조건으로 ElevenLabs Flash v2.5보다 자연스러움 점수가 높았어요. 가격은 API 기준 1,000자당 0.016달러고, Hugging Face에 오픈웨이트 버전도 공개됐어요.

저지연·저비용·오픈웨이트 조합이어서, 음성 AI 시장이 폐쇄형 SaaS 중심에서 더 빠르게 개방형 경쟁으로 이동할 가능성이 커 보이에요.