Voxtral Transcribe 2 리뷰: Whisper 및 ScreenApp과 비교

Mistral이 Voxtral Transcribe 2를 출시하면서 음성 인식 분야가 한층 흥미로워졌습니다. 2026년 2월 5일에 공개된 이 새로운 모델 패밀리는 배치 처리용 Voxtral Mini Transcribe V2와 200ms 미만의 지연 시간으로 실시간 전사가 가능한 Voxtral Realtime을 포함합니다. Apache 2.0의 오픈 웨이트와 분당 $0.003의 가격으로, 전사 API 시장에서 가장 공격적인 제안입니다.

하지만 벤치마크만으로는 전체 그림을 볼 수 없습니다. 회의 전사나 실시간 오디오 녹음 및 전사가 필요하다면, 실제로 중요한 것은 전체 경험입니다. 실제 대화에서의 정확도, 사용 편의성, 화자 식별, 그리고 전사 후 어떤 일이 일어나는지가 관건입니다.

Voxtral Transcribe 2란

Voxtral Transcribe 2는 Mistral AI가 만든 두 가지 음성 인식 모델의 패밀리입니다. 첫 번째 모델인 Voxtral Mini Transcribe V2는 배치 전사를 처리합니다. 최대 3시간의 오디오 파일을 업로드하면 화자 레이블, 단어 수준의 타임스탬프, 전문 용어를 위한 컨텍스트 바이어싱이 포함된 전사를 받을 수 있습니다. 한국어를 포함한 13개 언어를 지원합니다.

두 번째 모델인 Voxtral Realtime은 실시간 전사를 위해 특별히 설계되었습니다. 오디오를 청크로 처리하는 배치 모델과 달리, Realtime은 오디오가 도착하는 대로 전사하는 스트리밍 아키텍처를 사용합니다. 지연 시간은 200ms 미만으로 설정할 수 있습니다.

Mistral은 Voxtral Mini Transcribe V2가 FLEURS 벤치마크에서 약 4%의 단어 오류율을 달성하며, GPT-4o mini Transcribe, Gemini 2.5 Flash, AssemblyAI Universal, Deepgram Nova를 능가한다고 주장합니다. ElevenLabs Scribe v2보다 약 3배 빠르게 오디오를 처리하며, 동일한 품질에 5분의 1 비용입니다.

Voxtral Realtime은 Apache 2.0 라이선스로 공개됩니다. Hugging Face에서 웨이트를 다운로드하여 자체 하드웨어에서 실행할 수 있습니다. 40억 파라미터 모델로 에지 디바이스에서도 작동합니다.

Voxtral vs. Whisper

OpenAI의 Whisper는 2022년 이래 표준 오픈소스 전사 모델입니다. large-v3 변형은 여전히 널리 사용되며, OpenAI는 분당 $0.006에 관리형 API를 제공합니다.

Whisper large-v3는 다국어 벤치마크에서 약 10.3%의 단어 오류율을 보고하고, Voxtral은 FLEURS에서 약 4%를 주장합니다. 상당한 차이이지만, 벤치마크 수치는 항상 주의해서 해석해야 합니다.

Whisper의 관리형 API에는 화자 분리가 포함되어 있지 않습니다. 별도의 다이어리제이션 파이프라인과 결합하거나 서드파티 서비스를 사용해야 합니다. Voxtral은 배치 모델에 다이어리제이션을 기본 포함하여 파이프라인을 크게 단순화합니다.

가격 면에서 Whisper API는 분당 $0.006입니다. Voxtral Mini Transcribe V2는 분당 $0.003으로 정확히 절반입니다. Voxtral Realtime은 분당 $0.006으로 Whisper의 배치 가격과 같지만 실시간 스트리밍을 제공합니다.

Voxtral vs. 클라우드 서비스

AssemblyAI는 감정 분석과 주제 감지 등의 기능과 함께 분당 $0.222의 가격으로 제공됩니다. Deepgram Nova는 분당 $0.0043부터 시작합니다. Rev는 AI 전사와 인간 검토를 결합하여 AI 전용 분당 $0.02부터 시작합니다.

핵심 차이점: Voxtral은 모델이지 플랫폼이 아닙니다. 전사, 타임스탬프, 화자 레이블을 제공하지만 검색 가능한 아카이브, AI 요약, 액션 아이템, 워크플로우는 제공하지 않습니다.

Voxtral vs. ScreenApp

여기서 비교는 모델에서 제품으로 전환됩니다. ScreenApp은 전사 모델이 아니라, AI 전사를 더 큰 워크플로우의 구성 요소로 사용하는 완전한 회의 및 녹화 플랫폼입니다.

ScreenApp으로 회의를 녹화하면 플랫폼이 전체 파이프라인을 처리합니다. 녹화, 화자 분리 포함 전사, AI 생성 요약, 액션 아이템, 검색 가능한 아카이브, 공유까지.

ScreenApp은 브라우저에서 직접 작동하며 소프트웨어 설치, API 키, 인프라 관리가 필요 없습니다. Zoom, Google Meet, Microsoft Teams 등과 통합됩니다.

음성 애플리케이션을 구축하는 개발자에게 Voxtral은 훌륭한 선택입니다. 하지만 회의 전사, 강의 노트, 인터뷰 녹음이 필요한 전문가에게는 ScreenApp과 같은 제품이 모든 복잡성을 제거합니다.

ScreenApp에서는 녹화 버튼을 클릭하고 회의에 참석하면 나머지는 모두 자동입니다. AI 노트 어시스턴트가 구조화된 노트를 생성합니다.

비교표

누가 Voxtral을 사용해야 할까

Voxtral Transcribe 2는 음성 기반 애플리케이션을 구축하는 개발자와 엔지니어링 팀에 가장 적합합니다. 보이스 에이전트, 실시간 자막 시스템, 콜센터 자동화를 구축한다면 경쟁력 있는 가격의 강력한 모델입니다.

워크플로우의 일부로 회의 전사가 필요한 전문가에게는 ScreenApp과 같은 제품이 더 나은 선택입니다. 전사에 더해 요약, 노트, 검색, 협업까지 모두 얻을 수 있습니다.

큰 그림

VentureBeat는 2026년을 “노트 테이킹의 해”로 선언했습니다. 고품질 전사 비용이 불과 2년 만에 10분의 1로 떨어졌습니다. Voxtral의 분당 $0.003는 8시간 근무일의 전사 비용이 $1.44임을 의미합니다.

원시 전사는 커모디티화되고 있습니다. 차별화는 전사 후에 무엇이 일어나느냐에 있습니다. ScreenApp과 같은 도구가 바로 그 가치를 제공합니다.

시작하기

Voxtral Transcribe 2를 사용해 보려면 Mistral의 오디오 플레이그라운드를 방문하세요.

설정 없이 바로 작동하는 전사를 원한다면, ScreenApp의 온라인 전사 생성기를 사용해 보세요.

FAQ

Voxtral Transcribe 2는 무료인가요?

Voxtral Realtime은 Apache 2.0의 오픈 웨이트로 자체 하드웨어에서 무료로 실행할 수 있습니다. API는 분당 $0.006입니다. Voxtral Mini Transcribe V2는 API 전용으로 분당 $0.003입니다.

Voxtral은 Whisper보다 얼마나 정확한가요?

Mistral은 FLEURS 벤치마크에서 Voxtral Mini Transcribe V2가 약 4%, Whisper large-v3가 약 10.3%의 단어 오류율을 보고합니다. 실제 결과는 오디오 품질에 따라 달라집니다.

Voxtral은 화자 분리를 지원하나요?

네, Voxtral Mini Transcribe V2는 각 화자의 정확한 시작 및 종료 시간이 포함된 내장 화자 분리를 제공합니다. Voxtral Realtime은 현재 화자 분리를 지원하지 않습니다.

Voxtral을 회의 전사에 사용할 수 있나요?

API를 사용하여 회의 오디오를 전사할 수 있지만, 녹화, 저장, 요약, 공유를 위한 파이프라인은 직접 구축해야 합니다. 종합적인 솔루션으로는 ScreenApp과 같은 도구가 전체 워크플로우를 처리합니다.

Voxtral은 어떤 언어를 지원하나요?

영어, 중국어, 힌디어, 스페인어, 아랍어, 프랑스어, 포르투갈어, 러시아어, 독일어, 일본어, 한국어, 이탈리아어, 네덜란드어의 13개 언어를 지원합니다.