Voxtral 3 TTS vs ElevenLabs: 6배 더 저렴하지만 100점 뒤처진다

Mistral은 Voxtral 3 T​TS의 가격을 100만 자당 13달러로 책정해, 모두가 기준으로 삼는 모델인 ElevenLabs Eleven v4가 80달러를 받으며 Voxtral의 1,217점에 맞서 1,328 Elo를 기록하는 시장에 내놓았다. 그것은 6.2배의 비용으로 얻는 블라인드 청취자 선호도 111점 차이이며, 겉으로 보기에 저가 모델은 문제가 될 만큼 가깝지도 않다. 그런데도 이 모델은 중요하다. 점수판이 보여주지 않는 이유 때문이다. ElevenLabs는 단순히 합성음을 파는 것이 아니다. 그것은 음성 플랫폼, 즉 라이브러리, 더빙, 에이전트, 전문가용 복제를 파는 것이며, 100만 자당 80달러를 내는 팀 대부분은 음성만큼이나 플랫폼에 돈을 내고 있다. 2026년 10월 20일 출시된 Voxtral 3 T​TS는 대신 에이전트 SDK와 EU 주권형 배포라는 이야기 속에서 등장한다. 따라서 구매를 결정하는 비교는 "어느 쪽이 더 잘 들리는가"가 아니다. 그것은 이미 결판났다. 비교는 "그 두 묶음 중 당신에게 실제로 필요한 것은 어느 쪽인가"이다. 이와 같은 발표의 배경이 되는, 문서로 남은 AI 실패와 에이전트 사고들은 OrcaRouter AI Incident Archive에 모여 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 이견 표시가 함께 붙어 있다.

무엇보다 먼저, 스코어보드

• 제공자 음성 Elo — ElevenLabs Eleven v4: 1,328(98개 중 #2). Voxtral 3 TTS: 1,217(#13). 둘 다 Artificial Analysis 기준, 2026년 10월 21일 조회.

• 통제된 음성 Elo — Eleven v4: 1,157 (#4, Eleven v4 Turbo와 동률). Voxtral 3 TTS: 1,066 (#14).

• 100만 자당 정가 — $80.00 대 $13.00.

• 언어 — ElevenLabs: 모든 요금제에서 74개. Voxtral 3 TTS: 35개 이상의 언어와 50개 이상의 방언, 18개 프리셋 제공.

• 즉시 복제 — ElevenLabs: 유료 플랜에서 약 30초 분량의 오디오로 가능. Voxtral 3 TTS: 공개된 즉시 복제 기능은 없음; "Pro Voice" 적응에는 30분 분량의 오디오가 필요.

• 웨이트 — 둘 다 마감.

그 목록의 한 줄은 다시 볼 가치가 있다: ElevenLabs 자체의 더 저렴한 플래그십. Eleven v4 Turbo는 1,333점으로 Eleven v4보다 5점 높지만 오차 범위 안이며, 백만 자당 $40로 정확히 절반 가격이다. 선택이 순전히 "ElevenLabs가 판매하는 최고의 음성"이라면 Turbo가 합리적인 구매이며, 단지 세 배의 비용으로 Voxtral 3 T​TS와의 격차를 111 Elo에서 116으로 줄인다. ElevenLabs의 가격 사다리는 이 맞대결을 다룬 대부분의 비교가 인정하는 것보다 넓다.

제품에서 111포인트가 어떻게 보이는지

그 정도의 Elo 격차는 미묘하지 않다. 블라인드 측면 청취에서 이는 다섯 번째 문장이 아니라 첫 문장에서 청자가 알아차리는 차이이며, ElevenLabs 자사 라인업 내 Eleven v3와 Eleven v4 사이의 격차(1,182 대 1,328)에 맞먹는다. 1,289인 Cartesia의 Sonic 3.6은 그 중간에 위치하며, "돈을 낸 만큼 얻는다"는 해석을 가장 직접적으로 반박하는 모델이다. 이 모델은 Voxtral을 72만큼 앞서면서도 비용은 49달러로, Eleven v4의 절반이다.

격차가 집중되는 지점은 표현력이 풍부한 소재에서의 전달 제어다. ElevenLabs의 v4 생성은 텍스트에 내장된 감정, 속도, 강조에 대한 인라인 지시인 오디오 태그를 중심으로, 그리고 대부분의 팀이 전혀 복제할 필요가 없을 만큼 방대한 음성 라이브러리를 중심으로 구축되었다. Mistral의 Voxtral 3 T​TS는 감정, 속도, 강조에 대한 프롬프트 수준 제어와 함께 음소 수준 발음 및 어휘 라이브러리를 제공한다. 둘 다 연출 지시를 가능하게 한다. ElevenLabs는 그러한 제어가 극단적인 상황에서 어떻게 작동하는지에 대해 두 세대에 걸친 공개 피드백을 받아 왔고, Voxtral 3 T​TS는 아직 하루밖에 되지 않았다.

격차가 좁아지는 지점은 영어가 아닌 유럽 언어입니다. Mistral의 모델은 다국어 우선으로 구축되었으며, 50개 이상의 방언을 지원한다고 주장하고 음성 제품군 전반에서 EU 공식 언어 24개를 모두 지원합니다. ElevenLabs는 74개 언어를 지원해 수치상 더 넓지만, 지원 언어 수의 폭과 언어별 품질은 별개의 주장이며, 두 업체 모두 언어별 Elo를 공개하지 않습니다. 네덜란드어, 폴란드어, 포르투갈어를 출시하려는 경우 어느 점수판도 답을 알려주지 않습니다. 직접 들어봐야 합니다.

100만 자당 80달러로 실제로 사는 것

여기가 바로 가격 차이가 단순한 마크업처럼 보이지 않게 되는 비교의 지점입니다. ElevenLabs의 문자당 요금에는 플랫폼이 함께 포함되어 있습니다. 직접 복제하는 대신 라이선스를 받아 쓸 수 있는 공유 음성 마켓플레이스, 동의 절차를 거쳐 약 30분 분량의 오디오로 진행하는 전문 음성 복제, 더빙, 음향 효과, 대화형 에이전트 스택, 그리고 수년간 축적된 클라이언트 라이브러리와 통합 기능이 그것입니다. 이 중 어느 것도 리더보드에는 나타나지 않지만, 모두가 없다면 팀이 직접 해야 했을 작업입니다.

Mistral의 묶음은 다른 방향을 가리킨다. Voxtral 3 TTS는 SIP 전화, WebRTC, IVR을 지원하는 LiveKit 기반 음성 에이전트 SDK와 함께 제공되며, 에이전트 턴이 1초 미만이라고 주장하고, 추론 모델로 Mistral Small 4를 사용하는 에이전트의 분당 가격은 0.04달러다. 또한 EU, 미국, 글로벌 엔드포인트, 프라이빗 인프라에서의 자체 배포, 그리고 오디오가 어디서 처리되고 보존되는지에 대한 명시적 우려를 담은 소버린 배포 제안도 함께 내놓는다. 유럽 기업이나 공공 부문 구매자에게 이는 ElevenLabs가 현재 같은 형태로는 맞추지 못하는 조달 답변이다.

간단히 말해: ElevenLabs는 제품의 폭을 팔고, Mistral은 배포 통제권을 판다. 더빙, 음향 효과, 라이선스된 음성 카탈로그가 필요한 팀은 애초에 이 둘 중에서 고르는 게 아니다. 하나의 음성, 하나의 언어 쌍을 자기가 통제하는 데이터 센터에서 운영해야 하는 팀은 결코 켜지 않을 ElevenLabs의 많은 부분에 비용을 지불하는 셈이다.

이주 문제, 솔직히 말하면

매력적인 프레이밍은 "ElevenLabs에서 전환하고 84%를 절약하라"는 것입니다. 믿기 전에 숫자를 따져 보세요. 그 절감은 품질 저하와 빠진 기능을 감수할 수 있는 워크로드에서만 실제로 성립하기 때문입니다.

• 대규모 순수 내레이션, 단일 언어, 라이선스 음성 없음 — 절감 효과는 실재합니다. 월 1,000시간은 Eleven v4에서 약 $4,320인 반면 Voxtral 3 TTS에서는 $700이며, 청취자는 A/B 비교를 하지 않습니다.

• ElevenLabs 라이브러리의 라이선스된 유명인 또는 브랜드 음성이 포함된 항목 — 마이그레이션은 불가능합니다. Voxtral 3 TTS에는 마켓플레이스가 없습니다. 30분 분량의 오디오를 준비해 직접 적응 버전을 제작해야 합니다.

• 고객이 짧은 클립을 업로드한 뒤 자신의 목소리를 듣기를 기대하는 모든 사용자 대면 상황 — ElevenLabs는 약 30초 만에 복제하며, Mistral의 문서에 따르면 Voxtral은 즉석 복제 기능을 전혀 제공하지 않습니다.

• 이미 더빙, 음향 효과 또는 대화형 스택을 사용하고 있다면 — 실질적인 비교는 $80 대 $13이 아닙니다. 떠난다는 것은 청구서의 같은 항목에 올라간 적이 없는 제품들을 대체해야 한다는 뜻이기 때문입니다.

현실적인 패턴은 분리입니다. 사람이 가까이서 듣고 비교할 수도 있는 제품 영역에는 ElevenLabs를 유지하고, 대량 렌더링은 더 저렴한 모델로 옮기십시오. 그 분리를 깔끔하게 운영하는 것은 구매의 문제가 아니라 라우팅의 문제입니다. OrcaRouter는 단일 OpenAI 호환 키 뒤에 200개 이상의 모델을 노출하며 공급자 정가를 0% 마크업으로 그대로 전달하므로, 하우스 보이스 내레이션 작업과 고객 대면 클론이 별도의 계약 없이 서로 다른 백엔드를 가리킬 수 있습니다. 또한 렌더링 도중 한 엔드포인트의 성능이 저하되면 자동 페일오버가 작업을 계속 진행시킵니다. 이 글을 쓰는 시점에 Voxtral 3 TTS와 ElevenLabs는 모두 OrcaRouter의 카탈로그에 없습니다. 둘 다 각 공급업체의 자체 API와 여러 타사 플랫폼을 통해 접근할 수 있으며, 지금 구축하는 라우팅 설계 덕분에 나중에 전환하는 것은 설정 변경만으로 가능합니다.

이 평결을 바꿀 수 있는 것은 무엇인가요

세 가지 전개 상황, 그중 어느 것도 아직 일어나지 않았다.

첫 번째는 지연 시간 수치입니다. Mistral은 Voxtral 3 T​TS의 첫 오디오까지 걸리는 시간을 공개하지 않았습니다. 출시 자료에 있는 유일한 지연 시간 수치는 실시간 전사 모델(500ms 미만)과 에이전트 루프(1초 미만)에 관한 것입니다. Artificial Analysis는 중앙값 처리량이 초당 112자라고 보고하는데, 이는 Eleven v3의 56보다 빠르고 Sonic 3.6의 145보다 느리지만, 처리량은 시작 시간이 아닙니다. Voxtral 3 T​TS가 스트리밍으로 제공되며 첫 오디오 수치가 Cartesia의 수치에 근접한다면, 상호작용 작업의 후보가 되고 ElevenLabs의 가격은 더 나쁘게 보입니다. 그렇지 않다면 스트리밍 카테고리는 Voxtral 3 T​TS에 닫혀 있고, 13달러는 배치 렌더링 가격일 뿐입니다.

두 번째는 독립적인 언어 수준 평가입니다. 보드 점수는 집계 수치일 뿐이며, 어떤 모델이 전체적으로 1,217 Elo를 보유하더라도 이탈리아어에서는 훨씬 뛰어나거나 훨씬 뒤처질 수 있습니다. 어느 벤더도 세부 내역을 공개하지 않는데, 유럽 구매자에게는 바로 그 수치가 가장 중요합니다.

세 번째는 지구력입니다. 아레나 클립은 짧습니다. Mistral의 자료에는 TTS 엔드포인트의 최대 생성 길이가 명시되어 있지 않으며, ElevenLabs의 내레이션 전통이 기반을 둔 바로 그 장기 일관성은 오디오북 제작자에게 의미가 있을 만한 어떤 길이에서도 Voxtral 3 TTS에 대해 검증되지 않았습니다.

그것들이 출시되기 전까지는 결정이 이례적으로 깔끔하다. 제품의 음성이 짧은 클립으로 고객에게 평가된다면 ElevenLabs에 비용을 지불하고, $80 플래그십 대신 $40의 Eleven v4 Turbo에 지불하라. 제품의 음성이 대량으로, 유럽 언어로, 직접 통제하는 인프라에서 생성되고, 실시간으로 수행되지 않고 재생된다면, $13의 Voxtral 3 TTS는 품질 상한이 알려진 방어 가능한 베팅이다 — 그리고 그 상한은 기존 업체보다 111점 낮으며, 이는 검토에서 발견하는 놀라움이 아니라 계획에 반영할 수 있는 숫자다.