Langsung ke konten utama
ToolPotion
Penasihat AI
Kirim (Gratis)

Apriel Voice 27B Preview

Model AIModel AI & LLMOpen source · Web

Apriel Voice 27B Preview adalah model audio-teks-ke-teks terbuka dari ServiceNow, dibangun dengan 27 miliar parameter dan Transformers. Model ini memproses permintaan lisan, melakukan penalaran atas konteks percakapan, dan menghasilkan respons teks serta panggilan alat. Model ini meningkatkan asisten suara interaktif, dukungan pelanggan, dan penggunaan alat lisan dengan menambahkan antarmuka suara sambil mempertahankan kemampuan input teks dan gambar.

Lihat Model
Bagikan
Lihat Model
Bagikan

Apriel Voice 27B Preview adalah model terbuka yang canggih yang dikembangkan oleh ServiceNow untuk pemahaman suara, penalaran, dan penggunaan alat. Model audio-teks-ke-teks ini, yang memiliki 27 miliar parameter, dibangun di atas arsitektur Transformers dan memanfaatkan backbone Gemma 4 yang dibagikan. Model ini dirancang untuk memahami permintaan lisan, terlibat dalam penalaran atas konteks percakapan, dan menghasilkan respons teks serta panggilan alat yang terstruktur.

Baca Selengkapnya

Model ini secara signifikan memperluas kemampuan dengan mengintegrasikan antarmuka suara, sambil tetap mempertahankan fungsi input teks dan gambar aslinya. Hal ini menjadikan Apriel Voice 27B Preview sangat serbaguna untuk mengembangkan asisten suara interaktif, menyederhanakan alur kerja dukungan pelanggan, dan memungkinkan penggunaan alat secara lisan. Ketika dipasangkan dengan sintesis suara eksternal, model ini dapat mendukung aplikasi suara waktu nyata.

Kemampuan kunci termasuk pemahaman suara yang komprehensif, mencakup transkripsi, terjemahan, dan menjawab pertanyaan lisan. Model ini unggul dalam penalaran dan penggunaan alat, memungkinkan untuk mengikuti instruksi yang kompleks, menangani permintaan multi-langkah, dan menghasilkan panggilan alat yang terstruktur. Model ini mendukung konteks multimodal, memproses audio, teks, gambar, dan hasil alat dalam kerangka percakapan yang dibagikan. Untuk aplikasi suara, model ini menghasilkan respons teks yang kemudian dipasangkan dengan sintesis suara eksternal, dengan pengelolaan pergantian yang dikelola aplikasi.

Secara teknis, Apriel Voice 27B Preview menghubungkan pengkode suara Whisper large-v3-turbo ke backbone Gemma 4 26B-A4B melalui proyektor yang dipelajari. Proses pelatihannya melibatkan penyelarasan antarmuka suara dan kemudian mengadaptasinya dengan backbone menggunakan tugas suara dan pemutaran teks. Model ini mendukung input audio yang panjang, secara otomatis membagi rekaman mono 16 kHz menjadi potongan 30 detik, dan telah menunjukkan kinerja yang baik pada rekaman berkelanjutan hingga 30 menit, dengan dukungan untuk durasi yang lebih lama dalam kondisi tertentu.

Metrik kinerja menyoroti efektivitasnya, mencapai 51,27% EVA-A, 74,13% EVA-X, dan 65,51% keberhasilan tugas τ-Voice, dengan latensi respons τ-Voice rata-rata 1,91 detik. Pada LibriSpeech, model ini menunjukkan tingkat kesalahan kata sebesar 2,23% pada test-clean dan 5,15% pada test-other. Model ini tersedia untuk penyajian standar dan dioptimalkan melalui gambar Docker, menyediakan API yang kompatibel dengan OpenAI untuk integrasi. Model ini dirilis di bawah Lisensi MIT.

  • KategoriModel AI & LLM
  • Model HargaOpen source
  • PenerapanCloud
  • PlatformWeb

  • Model Audio-Teks-ke-Teks: Memproses permintaan lisan dan menghasilkan respons teks.

  • 27 Miliar Parameter: Model skala besar untuk tugas kompleks.

  • Arsitektur Transformers: Dibangun dengan kerangka pembelajaran mendalam yang kuat dan banyak digunakan.

  • Pemahaman Suara: Mendukung transkripsi, terjemahan, dan menjawab pertanyaan lisan.

  • Penalaran dan Penggunaan Alat: Mengikuti instruksi, menangani permintaan multi-langkah, dan menghasilkan panggilan alat yang terstruktur.

  • Konteks Multimodal: Mengintegrasikan audio, teks, gambar, dan hasil alat dalam percakapan.

  • Aplikasi Suara: Menghasilkan respons teks untuk sintesis suara eksternal dalam asisten suara interaktif.

  • Backbone Gemma 4: Memanfaatkan backbone Gemma 4 26B-A4B yang dibagikan untuk pemrosesan inti.

  • Pengkode Whisper large-v3-turbo: Menghubungkan antarmuka suara melalui proyektor yang dipelajari.

  • Dukungan Audio Panjang: Secara otomatis membagi rekaman menjadi potongan 30 detik, mendukung hingga 30 menit secara terus menerus.

  • API Kompatibel dengan OpenAI: Menyediakan API untuk integrasi dan inferensi yang mudah.

  • Gambar Docker untuk Penyajian: Menawarkan gambar Docker vLLM standar dan dioptimalkan untuk penyebaran.

  • Lisensi MIT: Tersedia untuk digunakan di bawah lisensi sumber terbuka.

  • Metrik Kinerja Tinggi: Mencapai hasil yang kuat dalam keberhasilan tugas EVA-A, EVA-X, dan τ-Voice.

  • Tingkat Kesalahan Kata Rendah: Menunjukkan WER yang kompetitif pada tolok ukur pengenalan suara bahasa Inggris.

  1. Akses Model: Unduh atau jelajahi file model Apriel Voice 27B Preview di Hugging Face.

  2. Siapkan Lingkungan: Gunakan gambar Docker vLLM yang disediakan (misalnya, `docker.io/amant555/vllm_apriel_voice:plain-26b-v0.32.0`) untuk penyajian.

  3. Sajikan Model: Jalankan gambar Docker pada perangkat keras GPU yang sesuai, mengekspos API yang kompatibel dengan OpenAI di port 8000.

  4. Konfigurasi Durasi Audio: Sesuaikan `VLLM_MAX_AUDIO_DECODE_DURATION_S` dan `--max-num-batched-tokens` untuk panjang input audio yang diinginkan.

  5. Integrasi melalui API: Kirim input audio atau teks ke API yang disajikan yang kompatibel dengan OpenAI menggunakan nama model `Apriel-Voice-27B`.

  6. Proses Respons: Tangani respons teks dan periksa `response.choices[0].message.tool_calls` untuk output pemanggilan fungsi.

  7. Pasangkan dengan Sintesis: Integrasikan sintesis suara eksternal untuk interaksi suara waktu nyata dalam aplikasi.

  8. Optimalkan Kinerja: Manfaatkan gambar Docker yang dioptimalkan (`docker.io/amant555/vllm_apriel_voice:optimised-26b-v0.32.0`) untuk throughput yang lebih tinggi.

  • Asisten Suara Interaktif
  • Automasi Dukungan Pelanggan
  • Penggunaan Alat Secara Lisan
  • Transkripsi Suara
  • Terjemahan Suara
  • Menjawab Pertanyaan Secara Lisan
  • AI Percakapan Multimodal
  • Mengikuti Instruksi
  • Interaksi Suara Waktu Nyata

Dari ServiceNow

Ulasan Apriel Voice 27B Preview

Memuat...

Alat AI Populer Seperti Apriel Voice 27B Preview

Model IT Gemma 3-27B adalah model AI multimodal canggih dari Google, mampu menangani input teks dan gambar untuk menghasilkan output teks. Model ini mendukung lebih dari 140…

Model AI & LLM
Lihat Alat

Model AI multimodal canggih dari Google, mampu menangani input teks dan gambar untuk menghasilkan output teks. Model ini mendukung lebih dari 140…Model IT Gemma 3-27B adalah model AI multimodal canggih dari Google, mampu menangani input teks dan gambar untuk menghasilkan output teks. Model ini mendukung lebih dari 140…

Model AI & LLM
Lihat Top 5 Model AI

Gemma 3n adalah keluarga model AI ringan dan sumber terbuka dari Google, dirancang untuk eksekusi yang efisien pada perangkat dengan sumber daya terbatas. Model ini mendukung…

Model AI & LLM
Lihat Alat

Gemma 3n adalah keluarga model AI ringan dan sumber terbuka dari Google, dirancang untuk eksekusi yang efisien pada perangkat dengan sumber daya terbatas. Model ini mendukung…

Model AI & LLM
Lihat Top 5 Model AI

Model AI multimodal dengan 975B parameter yang dirancang untuk pengembang. Model ini menerima input teks, gambar, dan audio, menghasilkan output teks untuk berbagai…Inkling adalah model AI multimodal dengan 975B parameter yang dirancang untuk pengembang. Model ini menerima input teks, gambar, dan audio, menghasilkan output teks untuk berbagai…

UnggulanModel AI & LLM
Lihat Top 5 Model AI

Gemma 3-4B adalah model AI multimodal canggih dari Google, mampu menangani input teks dan gambar untuk menghasilkan output teks. Model ini mendukung lebih dari 140 bahasa dan…

Model AI & LLM
Lihat Alat

Gemma 3-4B adalah model AI multimodal canggih dari Google, mampu menangani input teks dan gambar untuk menghasilkan output teks. Model ini mendukung lebih dari 140 bahasa dan…

Model AI & LLM
Lihat Top 5 Model AI

Gemma-3n-E4B-it adalah model AI ringan dan canggih dari Google, dirancang untuk eksekusi efisien pada perangkat dengan sumber daya rendah. Model ini mendukung input multimodal,…

Model AI & LLM
Lihat Alat

Gemma-3n-E4B-it adalah model AI ringan dan canggih dari Google, dirancang untuk eksekusi efisien pada perangkat dengan sumber daya rendah. Model ini mendukung input multimodal,…

Model AI & LLM
Lihat Top 5 Model AI

Bark adalah model teks-ke-audio berbasis transformer dari Suno, yang mampu menghasilkan ucapan multibahasa yang realistis dan bentuk audio lainnya. Ini mendukung penelitian dengan…

Model AI & LLM
Lihat Alat

Bark adalah model teks-ke-audio berbasis transformer dari Suno, yang mampu menghasilkan ucapan multibahasa yang realistis dan bentuk audio lainnya. Ini mendukung penelitian dengan…

Model AI & LLM
Lihat Top 5 Model AI

Gemma 4 12B Unified Model oleh Google DeepMind adalah model AI multimodal yang dirancang untuk eksekusi lokal yang efisien. Model ini mendukung input teks, gambar, dan audio,…

Model AI & LLM
Lihat Alat

Gemma 4 12B Unified Model oleh Google DeepMind adalah model AI multimodal yang dirancang untuk eksekusi lokal yang efisien. Model ini mendukung input teks, gambar, dan audio,…

Model AI & LLM
Lihat Top 5 Model AI

NVIDIA NemotronLabs VoiceChat adalah model ucapan penuh-dupleks waktu nyata untuk AI percakapan. Ini mengintegrasikan pemahaman dan generasi ucapan dalam satu arsitektur,…

Model AI & LLM
Lihat Alat

Model ucapan penuh-dupleks waktu nyata untuk AI percakapan. Ini mengintegrasikan pemahaman dan generasi ucapan dalam satu arsitektur,…NVIDIA NemotronLabs VoiceChat adalah model ucapan penuh-dupleks waktu nyata untuk AI percakapan. Ini mengintegrasikan pemahaman dan generasi ucapan dalam satu arsitektur,…

Model AI & LLM
Lihat Top 5 Model AI
1 dari 8