Apriel Voice 27B

Apriel Voice 27B（Apriel Voice 27B Preview） 是 ServiceNow 于 2026 年 10 月 29 日 开放权重、11 月 2 日 发布技术报告的 开源语音大模型，采用 MIT 许可。它能听懂语音请求、结合对话上下文进行推理，并输出 文本回复与结构化工具调用（function calling），同时保留文本和图像输入能力。

架构上，它把 Whisper large-v3-turbo 语音编码器通过可学习投影层接到 Gemma 4 26B-A4B 主干上，用一个共享骨干完成“听—想—调用工具”，再搭配外部 TTS 即可构建语音助手、客服流程和语音工具调用应用。

能力一览

能力	说明
语音理解	转写、语音翻译、语音问答，支持约 50 种语言
推理与工具调用	遵循指令、处理多步请求、生成结构化 tool call
多模态上下文	音频、文本、图像、工具结果共享同一对话
长音频	自动按 30 秒切片，约 30 分钟连续录音效果良好

成绩（英文，官方数据）

• EVA-A 51.27%、EVA-X 74.13%、τ-Voice 任务成功率 65.51%，平均响应延迟 1.91 秒。
• LibriSpeech WER：test-clean 2.23%，test-other 5.15%。
• 在 EVA 指标上明显优于“ASR + Gemma 4-26B”三段式开源方案，接近部分闭源实时语音模型。

为什么重要

传统语音 Agent 多为“语音转文字 → LLM → 文字转语音”三段式，误差和延迟逐级累积。Apriel Voice 把理解与推理合进同一主干，减少信息丢失，且以 MIT 许可开放，便于企业私有化部署。注意它本身 不直接生成语音，也不是原生全双工模型，实时交互由应用和服务栈负责。

快速上手

1. 在线试用：Hugging Face 上的 Apriel Live Space（servicenow-ai-apriel.hf.space）可直接体验语音对话与工具调用。
2. 下载权重：huggingface-cli download ServiceNow-AI/Apriel-Voice-27B-preview，使用 transformers 加载（pipeline_tag: audio-text-to-text）。
3. 服务部署：模型卡提供 vLLM 等服务示例，包含 30 分钟乃至 1 小时音频输入的配置；输入为 16 kHz 单声道音频。
4. 构建语音 Agent：应用层负责执行工具并回传结果，再接入任意 TTS（如开源或商用语音合成）输出语音。
5. 长音频建议：较长录音推荐开启 thinking 模式。

需要较大显存（27B 级别，MoE 激活约 4B）；预览版，生产使用前请做充分评测。