Voxtral 3 TTS vs Voxtral 4B TTS: 다운로드할 수 없는 더 새로운 모델

다음에 관한 불편한 사실은 이것입니다: Voxtral 3 T​TS가 Voxtral 4B T​TS보다 측정 가능한 거의 모든 면에서 더 낫지만, 일부 배포를 좌우하는 단 한 가지 면에서는 더 나쁩니다. 바로 그것을 가질 수 없다는 점입니다. Mistral은 2026년 3월 23일 Voxtral 4B T​TS를 오픈 웨이트로 공개했습니다 — mistralai/Voxtral-4B-T​TS-2603은 Hugging Face에서 CC BY-NC 4.0으로 제공되며, 자체 가속기에서 다운로드하고 실행할 수 있습니다. Voxtral 3 T​TS는 2026년 10월 20일 API 제품으로만 출시되었습니다. 출시 페이지에는 EU, 미국 및 글로벌 엔드포인트, Studio 플레이그라운드, 프라이빗 인프라에서의 자체 배포가 설명되어 있지만, 가중치를 사용할 수 있다고는 단 한 번도 말하지 않습니다. 따라서 7개월 후의 후속 모델은 블라인드 청취 보드에서 127 Elo 더 우수하고(1,217 대 1,090), 백만 문자당 $13 대 $16으로 19% 더 저렴하며, 초당 112 대 79 문자로 약 42% 더 빠릅니다 — 그럼에도 이 모델은 자신이 대체하는 모델을 그대로 갈아 끼울 수 있는 대체 모델은 아닙니다. 왜냐하면 이전 모델이 기업이 실제로 소유할 수 있는 이 제품군의 유일한 구성원이기 때문입니다. 이와 같은 릴리스의 배경이 되는 문서화된 AI 실패와 에이전트 사건은 다음에 수집되어 있습니다: OrcaRouter AI Incident Archive에는 각 항목이 자체 출처, 심각도, 신뢰도 등급 및 분쟁 플래그를 갖추고 있습니다.

두 모델, 7개월, 하나의 라이선스 경계

그 경계는 전체 비교의 순서를 바꾸므로, 어떤 벤치마크를 수행하기 전에 정확히 명시해 둘 가치가 있습니다.

• Voxtral 4B TTS — CC BY-NC 4.0에 따른 오픈 가중치. 비상업용. 다운로드하고, 검사하고, 실행하고, 파인튜닝할 수 있습니다. 유료 제품에 포함해 배포할 수는 없습니다. 이 제한은 체크포인트의 기술적 한계가 아니라, 이를 뒷받침하는 참조 음성 데이터셋에서 비롯된 것입니다. 내부 평가용으로 자체 호스팅하는 것은 괜찮지만, 고객 대상 상업 서비스에 자체 호스팅하는 것은 안 됩니다.

• Voxtral 3 TTS — 비공개. 2026년 10월 21일 현재 공개된 가중치는 없습니다. Mistral 페이지의 "사설 인프라 또는 프라이빗 클라우드에서의 자체 배포"는 다운로드 링크가 아니라 벤더와 협상하는 기업 배포 제안이며, 이 둘을 혼동하는 것이 해당 페이지를 빠르게 읽을 때 범하기 가장 쉬운 실수입니다.

실질적인 결과는 다음과 같습니다. Voxtral 4B TTS를 원했던 이유가 오디오가 네트워크를 절대 벗어나지 않는다는 점이었다면, Mistral과 계약서에 서명하지 않는 한 Voxtral 3 TTS가 그것을 대체하지는 못합니다. 이유가 호스팅 API보다 저렴했다는 점이었다면, Voxtral 3 TTS는 가격 면에서 그것을 대체하고 품질 면에서 능가하며, 파일이 아니라 서비스를 구매하는 것이기 때문에 라이선스 문제는 사라집니다. 동일한 7개월의 격차는 두 문장 중 어느 것이 귀하의 상황을 설명하느냐에 따라 다르게 해소됩니다.

점수판

• 공급자 음성 Elo — Voxtral 3 T​TS: 1,217(98개 중 #13), 95% 구간 1,202–1,232. Voxtral 4B T​TS: 1,090(#46), 구간 1,078–1,102. 둘 다 Artificial Analysis 기준, 2026년 10월 21일 확인.

• 100만 자당 가격 — $13.00 대 $16.00. 분당 약 900자 기준으로, 시간당 $0.70 대 $0.86.

• 처리량 — 초당 112자(중앙값) 대 79, Artificial Analysis가 각 모델의 네이티브 호스트에서 측정.

• 언어 — Voxtral 3 T​TS: 35개 이상의 언어와 50개 이상의 방언, 18개 언어의 프리셋. Voxtral 4B T​TS: 9개 언어 — 영어, 프랑스어, 독일어, 스페인어, 네덜란드어, 포르투갈어, 이탈리아어, 힌디어, 아랍어이며 방언도 지원합니다.

• 음성 적응 — Voxtral 3 TTS: "Pro Voice", 30분 분량의 오디오. Voxtral 4B TTS: 모델 카드에서 최소 3초라고 설명되는 5–25초의 참조 프롬프트.

• 가중치 — 폐쇄형 대 개방형 (CC BY-NC 4.0).

언어 지원은 아무도 다루지 않은 가장 큰 변화다. Voxtral 4B TTS는 9개 언어를 지원하지만, 새 모델은 35개 이상의 언어와 50개 이상의 방언을 지원한다고 내세운다. 이는 제품의 네 배 확장이며, Elo보다 업그레이드에 대한 더 강력한 근거다. 127점은 순위표 중간에서 중간으로 옮겨 줄 뿐이지만, 9개 언어에서 35개 언어로 가는 것은 판매할 수 있는 시장 자체를 바꾼다.

음성 적응 라인은 반대 방향으로 흘러가며, 이것이 유일한 진짜 퇴보입니다. Voxtral 4B TTS는 짧은 참조 클립에서 복제합니다. 모델 카드 기준 최소 3초이며, 아키텍처는 5~25초의 프롬프트 창을 설명합니다. Voxtral 3 TTS의 Pro Voice는 여러 언어에 걸쳐 화자의 성격, 감정 범위, 스타일을 재현하려면 30분 분량의 오디오를 요구합니다. 30분은 스튜디오 세션입니다. 3초는 기능입니다. 제품에서 사용자가 자신의 목소리를 듣게 한다면, 최신 모델은 그 일에 더 나쁩니다.

내부를 들여다보면 4B가 실제로 무엇인지

구형 모델 이름에 있는 파라미터 수는 실제 아키텍처를 나타내며, 그 강점과 후속 모델이 단순히 그것의 더 큰 버전이 아닌 이유를 모두 설명해 준다.

Voxtral 4B TTS는 약 40억 개 파라미터를 세 부분으로 구성합니다. Ministral 3B를 기반으로 한 3.4B 트랜스포머 디코더 백본, 390M 플로우 매칭 음향 트랜스포머, 300M 신경 오디오 코덱입니다. 이는 8,192개 토큰 어휘를 가진 의미론적 VQ 코덱 위에서 자기회귀 방식으로 동작하며, 36차원·21레벨의 음향 FSQ 특징을 예측하는 플로우 매칭 헤드로 입력을 전달하고 12.5Hz로 실행됩니다. 쉽게 말해, 작은 언어 모델이 텍스트를 읽고 계획을 세우면, 플로우 매칭 네트워크가 그 계획을 오디오 특징으로 바꾸고, 코덱이 특징을 샘플로 바꿉니다. 기본적으로 최대 2분까지 생성하며, 더 긴 출력은 API에서 인터리빙으로 처리합니다.

Mistral이 3월 모델에 대해 공개한 수치는 10초 음성 샘플과 500자 기준 모델 지연 시간 70밀리초, 실시간 계수 약 9.7배였습니다. 이 수치는 Mistral의 서빙 스택에서 측정된 것이지 독립적으로 측정된 것이 아니며, 해당 모델이 당시 세대 기준으로 실제로 빨랐음을 보여줍니다. 10월 모델의 Artificial Analysis 처리량은 초당 112자 대 79자로, 후속 모델이 더욱 빠르다는 것을 시사합니다. 하지만 Mistral은 Voxtral 3 T​TS의 첫 오디오까지 걸리는 시간(time-to-first-audio)을 전혀 공개하지 않았는데, 이는 이전 T​TS 모델에서 지연 시간 수치를 앞세웠던 회사로서는 이상한 누락입니다.

두 세대의 아키텍처는 언어 수에서도 드러난다. 3월에는 9개 언어였고 10월에는 35개 이상이었으며, 이 제품군의 전사 모델은 EU의 24개 공식 언어를 모두 지원한다고 주장한다. 두 체크포인트 사이에서 무엇이 바뀌었든, 그것은 음향 스택보다 훈련 데이터와 토크나이저의 범위를 훨씬 더 많이 바꾸었다.

누가 4B를 보유해야 하고, 누가 이동해야 합니까?

다음 중 하나라도 해당하면 Voxtral 4B T​TS를 유지하세요. 오디오를 직접 통제하는 하드웨어에서 처리해야 하며 프라이빗 배포를 협상할 수 없는 경우. 연구나 평가를 진행 중이어서 CC BY-NC 4.0이 사용을 허용하고 라이선스 비용이 들지 않는 경우. 짧은 참조 음성 복제가 필요한 경우 — 3초와 30분은 비교할 대상이 아닙니다. 지원하는 아홉 개 언어 중 하나로 작업 중이고 품질이 충분한 경우에는, 이미 실행 중인 무료 체크포인트가 호출해야 하는 더 나은 체크포인트보다 더 가치 있습니다.

다음 중 하나라도 사실이라면 Voxtral 3 T​TS로 이동하세요. 출력물을 판매하고 있어서 어차피 4B를 상업적으로 셀프 호스팅할 수 없었던 경우 — 그렇다면 이미 1,000자당 $0.016 API를 사용 중이었고, 새로운 백만 자당 $13은 127-Elo 더 나은 모델에 대해 19% 더 저렴하므로 이 글에서 가장 쉬운 업그레이드입니다. 원래의 아홉 언어 밖의 언어가 필요하다면. 에이전트 스택이 필요하다면: Voxtral 3 T​TS에는 LiveKit 기반 음성 에이전트 SDK, SIP 및 WebRTC 지원, 1초 미만의 에이전트 턴, Mistral Small 4 추론이 포함된 분당 $0.04 번들 가격이 함께 제공되며, 이 중 어느 것도 3월 모델 무렵에는 존재하지 않았습니다.

세 번째 그룹이 있는데, 이들은 둘 다 운영해야 하며 생각보다 규모가 큽니다. 바로 오픈 체크포인트에서 프로토타이핑하고 API로 서빙하는 팀들입니다. Voxtral 4B T​TS는 호출당 비용도 없고 데이터가 외부로 나가지도 않은 채로 프롬프트, 음성, 실패 모드를 테스트할 수 있는 로컬 모델을 제공합니다. Voxtral 3 T​TS는 언어 커버리지와 판매 라이선스를 갖춘 프로덕션 엔드포인트를 제공합니다. 두 모델은 같은 계열이지만 API 표면은 공유하지 않으므로, 프롬프트를 다시 조정해야 할 것으로 계획하세요. 127포인트의 품질 격차는 버전 업이 아니라 다른 모델이라는 뜻이며, 4B에서 한 방식으로 작동하던 방향 제어가 반드시 그대로 이전되지는 않습니다.

프로덕션 경로가 벤더 장애를 견뎌야 한다면, 그것이 바로 Mistral을 직접 호출하는 대신 합성 호출을 라우터 뒤에 두어야 하는 이유입니다. 200개 이상의 모델을 아우르는 하나의 OpenAI 호환 엔드포인트를 공급자 정가를 0% 마크업으로 그대로 전달하며 제공하므로, 하나의 합성 백엔드에서 장애가 발생하면 페일오버되어 조용히 멈추지 않습니다 — 그리고 야간 배치를 렌더링하는 음성 파이프라인은 죽은 엔드포인트가 요청 하나가 아니라 밤 하나를 날리는 바로 그런 워크로드입니다. Mistral의 모델은 Mistral 자체 API와 여러 타사 플랫폼을 통해 접근할 수 있으므로, 특정 모델 ID를 중심으로 설계하기 전에 카탈로그에서 현재 가용성을 확인하세요.

Mistral이 답하지 않은 질문

Voxtral 3 T​TS가 오픈 가중치를 공개할까? 3월 모델은 비상업적 라이선스 하에 오픈 가중치를 공개했고, 유럽 연구소의 오픈 T​TS 체크포인트가 어떤 모습인지를 보여주는 기준점이 되었다. 10월 출시에서는 이를 반복하는 내용이 전혀 없다. 해당 페이지는 API 액세스와 프라이빗 배포에 대해서는 명시적이지만 다운로드에 대해서는 침묵하는데, 이는 Mistral이 몇 달 후 가중치를 공개하기 전 여러 텍스트 모델에 사용했던 것과 같은 패턴이다.

가중치가 실제로 공개된다면 비교는 완전히 달라집니다. 라이선스 조건이 오픈 모델의 상업적 사용 가능 여부를 결정할 것이며, 선례인 CC BY-NC 4.0은 그렇지 않을 것임을 시사합니다. 그렇게 되면 상황은 대략 지금과 같아질 것입니다. 다운로드 가능한 모델은 연구용 산출물이고, 사용 가능한 모델은 서비스가 되는 것입니다.

또 다른 미해결 질문은 4B가 API 목록에 계속 등재될지 여부입니다. Mistral의 음성 가격표에는 새 제품군이 나와 있고 3월 모델은 언급하지 않지만, Artificial Analysis는 여전히 활성 호스트가 있는 상태에서 $16로 추적하고 있습니다. 역사적으로 Mistral은 오래된 음성 모델을 긴 꼬리 동안 호출 가능하게 유지해 왔습니다. 그것이 유지된다면 팀에게는 진정으로 유용한 폴백이 있습니다. 즉, 약간 더 나쁘고 약간 더 비싸지만 그럼에도 별개의 배포인 모델입니다. 그렇지 않다면, voxtral-mini-tts-latest를 3월에 사용해 구축한 사람은 다음 청구서 전에 해당 별칭이 이제 어떤 모델을 가리키는지 확인해야 합니다.

간단히 말하면: Voxtral 3 T​TS는 더 나은 모델이지만 더 나쁜 자산이다. 언어, 품질, 에이전트 스택 때문에 구매하라; 로컬 작업, 짧은 참조 복제, 그리고 이미 잘 처리하는 아홉 개 언어에는 Voxtral 4B T​TS를 유지하라. 명백히 올바른 단 하나의 마이그레이션은 4B의 호스팅 API에서 새 API로 옮기는 것이다 — 같은 공급업체, 같은 라이선스 입장, 더 저렴하고 더 우수하다 — 그리고 이 비교에서 비용이 전혀 들지 않는 유일한 이동이다.