الوصف
Apriel Voice 27B Preview هو نموذج متقدم مفتوح تم تطويره بواسطة ServiceNow لفهم الكلام، والاستدلال، واستخدام الأدوات. هذا النموذج لتحويل الصوت إلى نص، الذي يتميز بـ 27 مليار معلمة، مبني على بنية Transformers ويستفيد من العمود الفقري المشترك Gemma 4. تم تصميمه لفهم الطلبات المنطوقة، والانخراط في الاستدلال حول السياق الحواري، وإنتاج كل من الاستجابات النصية واستدعاءات الأدوات المنظمة.
قراءة المزيد
يوسع النموذج القدرات بشكل كبير من خلال دمج واجهة صوتية، مع الحفاظ أيضًا على وظائف إدخال النص والصورة الأصلية. وهذا يجعل Apriel Voice 27B Preview متعدد الاستخدامات للغاية لتطوير المساعدات الصوتية التفاعلية، وتبسيط سير عمل دعم العملاء، وتمكين استخدام الأدوات المنطوقة. عند اقترانه بمولد صوت خارجي، يمكنه تشغيل تطبيقات الصوت في الوقت الحقيقي.
تشمل القدرات الرئيسية فهم الكلام الشامل، بما في ذلك النسخ، والترجمة، والإجابة على الأسئلة المنطوقة. يتفوق في الاستدلال واستخدام الأدوات، مما يسمح له باتباع التعليمات المعقدة، والتعامل مع الطلبات متعددة الخطوات، وإنتاج استدعاءات أدوات منظمة. يدعم النموذج السياق متعدد الوسائط، حيث يعالج الصوت والنص والصور ونتائج الأدوات ضمن إطار حواري مشترك. بالنسبة لتطبيقات الصوت، فإنه ينتج استجابات نصية يتم اقترانها بعد ذلك مع توليد الصوت الخارجي، مع إدارة التناوب بواسطة التطبيق.
تقنيًا، يتصل Apriel Voice 27B Preview بمشفّر الصوت Whisper large-v3-turbo عبر جهاز عرض متعلم إلى العمود الفقري Gemma 4 26B-A4B. تتضمن عملية تدريبه محاذاة واجهة الصوت ثم تكييفها مع العمود الفقري باستخدام مهام الصوت وإعادة تشغيل النص. يدعم النموذج إدخالات الصوت الطويلة، حيث يقوم تلقائيًا بتقسيم التسجيلات أحادية القناة بتردد 16 كيلو هرتز إلى قطع مدتها 30 ثانية، وقد أظهر أداءً جيدًا في التسجيلات المستمرة التي تصل إلى 30 دقيقة، مع دعم لفترات أطول تحت ظروف معينة.
تسلط مقاييس الأداء الضوء على فعاليته، حيث حقق 51.27% EVA-A، و74.13% EVA-X، و65.51% نجاح مهمة τ-Voice، مع متوسط زمن استجابة τ-Voice يبلغ 1.91 ثانية. على LibriSpeech، يظهر معدل خطأ الكلمات بنسبة 2.23% على test-clean و5.15% على test-other. النموذج متاح للخدمة القياسية والمحسّنة عبر صور Docker، مما يوفر واجهة برمجة تطبيقات متوافقة مع OpenAI للتكامل. تم إصداره بموجب ترخيص MIT.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي
- المنصاتالويب
أبرز ملامح Apriel Voice 27B Preview
نموذج تحويل الصوت إلى نص: يعالج الطلبات المنطوقة وينتج استجابات نصية.
27 مليار معلمة: نموذج واسع النطاق للمهام المعقدة.
بنية Transformers: مبني على إطار عمل تعلم عميق قوي ومستخدم على نطاق واسع.
فهم الكلام: يدعم النسخ، والترجمة، والإجابة على الأسئلة المنطوقة.
الاستدلال واستخدام الأدوات: يتبع التعليمات، ويتعامل مع الطلبات متعددة الخطوات، وينتج استدعاءات أدوات منظمة.
السياق متعدد الوسائط: يدمج الصوت والنص والصور ونتائج الأدوات في المحادثات.
تطبيقات الصوت: ينتج استجابات نصية لتوليد الصوت الخارجي في المساعدات الصوتية التفاعلية.
عمود فقري Gemma 4: يستخدم عمود فقري مشترك Gemma 4 26B-A4B للمعالجة الأساسية.
مشفر Whisper large-v3-turbo: يتصل بواجهة الصوت عبر جهاز عرض متعلم.
دعم الصوت الطويل: يقوم تلقائيًا بتقسيم التسجيلات إلى قطع مدتها 30 ثانية، ويدعم حتى 30 دقيقة بشكل مستمر.
واجهة برمجة تطبيقات متوافقة مع OpenAI: توفر واجهة برمجة تطبيقات للتكامل السهل والاستدلال.
صور Docker للخدمة: تقدم صور Docker قياسية ومحسّنة vLLM للنشر.
ترخيص MIT: متاح للاستخدام بموجب ترخيص مفتوح المصدر.
مقاييس أداء عالية: تحقق نتائج قوية في EVA-A وEVA-X ونجاح مهمة τ-Voice.
معدل خطأ كلمات منخفض: يظهر أداءً تنافسيًا في اختبارات التعرف على الكلام باللغة الإنجليزية.
البدء مع Apriel Voice 27B Preview
الوصول إلى النموذج: قم بتنزيل أو استكشاف ملفات نموذج Apriel Voice 27B Preview على Hugging Face.
إعداد البيئة: استخدم صورة Docker vLLM المقدمة (مثل `docker.io/amant555/vllm_apriel_voice:plain-26b-v0.32.0`) للخدمة.
خدمة النموذج: قم بتشغيل صورة Docker على الأجهزة المناسبة مع وحدة معالجة الرسوميات، مع فتح واجهة برمجة تطبيقات متوافقة مع OpenAI على المنفذ 8000.
تكوين مدة الصوت: اضبط `VLLM_MAX_AUDIO_DECODE_DURATION_S` و`--max-num-batched-tokens` لطول إدخال الصوت المطلوب.
التكامل عبر واجهة برمجة التطبيقات: أرسل إدخالات صوتية أو نصية إلى واجهة برمجة التطبيقات المتوافقة مع OpenAI باستخدام اسم النموذج `Apriel-Voice-27B`.
معالجة الاستجابات: تعامل مع الاستجابات النصية وتفقد `response.choices[0].message.tool_calls` لمخرجات استدعاء الوظائف.
الاقتران مع المولد: دمج مولد صوت خارجي للتفاعل الصوتي في الوقت الحقيقي في التطبيقات.
تحسين الأداء: استخدم صورة Docker المحسّنة (`docker.io/amant555/vllm_apriel_voice:optimised-26b-v0.32.0`) لزيادة الإنتاجية.
حالات استخدام Apriel Voice 27B Preview
- المساعدات الصوتية التفاعلية
- أتمتة دعم العملاء
- استخدام الأدوات المنطوقة
- نسخ الكلام
- ترجمة الكلام
- الإجابة على الأسئلة المنطوقة
- الذكاء الاصطناعي الحواري متعدد الوسائط
- اتباع التعليمات
- التفاعل الصوتي في الوقت الحقيقي









