ServiceNow-AI/Apriel-Voice-27B-preview · Hugging Face

来自 ServiceNow AI：Apriel Voice 27B Preview，一个由 ServiceNow 推出的开放模型，用于语音、推理和工具调用。Apriel Voice 27B Preview 能够理解语音请求、对对话上下文进行推理，并通过共享的 Gemma 4 骨干网络生成文本回复和工具调用。它在保留文本和图像输入能力的同时增加了语音接口。将其与外部语音合成器配合使用，可构建交互式语音助手、客户支持工作流和语音工具调用。试用 Apriel Live · 阅读博客 · 技术报告。模型能力：能力——支持内容：语音理解——转录、翻译和语音问答。推理与工具使用——遵循指令、处理多步骤请求并生成结构化工具调用。多模态上下文——音频、文本、图像和工具结果共享于同一对话中。语音应用——文本回复配合外部语音合成以及由应用管理的轮次切换。该模型支持转录、语音翻译、语音指令遵循、推理和函数调用。应用负责执行工具并将结果返回至对话。实时语音交互由应用和服务栈支持；检查点本身生成文本和工具调用，而非原生全双工语音。一个 Whisper large-v3-turbo 语音编码器通过学习到的投影器连接到 Gemma 4 26B-A4B 骨干网络。训练首先对齐该语音接口，然后通过语音任务和文本回放使骨干网络适配。交叉熵和教师蒸馏监督因数据来源而异；技术报告描述了完整方案。长音频——处理器自动将较长的 16 kHz 单声道录音分割为 30 秒的片段。在测试中，我们观察到在长达约 30 分钟的连续录音上表现良好。支持更长的录音，但性能可能随持续时间增长而下降；对于较长的音频建议使用思考模式。