#speech-to-speech

Mistral은 2026년 4월 2일 Voxtral 기반 transcription·speech generation과 Mistral Small 4 reasoning을 묶어 web-search-enabled speech-to-speech assistant를 약 150 lines의 code로 만들 수 있다고 밝혔다. 이 글은 단일 모델 공개보다 real-time audio agent를 위한 reference architecture 제시에 가깝다.

Hacker News에 올라온 Nvidia PersonaPlex 7B의 Swift/MLX 포팅기는 로컬 speech-to-speech 에이전트에서 모델 성능만큼 스트리밍·버퍼링·인터럽트 처리도 중요하다는 점을 보여준다.