Pular para o conteúdo principal
ToolPotion
Consultor de IA
Enviar

Apriel Voice 27B Preview

Apriel Voice 27B Preview é um modelo aberto de áudio-texto-para-texto da ServiceNow, construído com 27 bilhões de parâmetros e Transformers. Ele processa solicitações faladas, raciocina sobre o contexto da conversa e gera respostas em texto e chamadas de ferramentas. Este modelo aprimora assistentes de voz interativos, suporte ao cliente e uso de ferramentas faladas ao adicionar uma interface de fala, mantendo as capacidades de entrada de texto e imagem.

Ver modelo
Compartilhar
Ver modelo
Compartilhar

Apriel Voice 27B Preview é um modelo avançado aberto desenvolvido pela ServiceNow para fala, raciocínio e uso de ferramentas. Este modelo de áudio-texto-para-texto, com 27 bilhões de parâmetros, é construído sobre a arquitetura Transformers e aproveita uma base compartilhada Gemma 4. Ele é projetado para entender solicitações faladas, engajar-se em raciocínio sobre o contexto da conversa e gerar tanto respostas em texto quanto chamadas de ferramentas estruturadas.

Ler mais

O modelo expande significativamente as capacidades ao integrar uma interface de fala, enquanto mantém suas funcionalidades originais de entrada de texto e imagem. Isso torna o Apriel Voice 27B Preview altamente versátil para desenvolver assistentes de voz interativos, agilizar fluxos de trabalho de suporte ao cliente e permitir o uso de ferramentas faladas. Quando emparelhado com um sintetizador de fala externo, ele pode alimentar aplicações de voz em tempo real.

As principais capacidades incluem compreensão abrangente da fala, abrangendo transcrição, tradução e resposta a perguntas faladas. Ele se destaca em raciocínio e uso de ferramentas, permitindo seguir instruções complexas, lidar com solicitações de múltiplas etapas e gerar chamadas de ferramentas estruturadas. O modelo suporta contexto multimodal, processando áudio, texto, imagens e resultados de ferramentas dentro de uma estrutura conversacional compartilhada. Para aplicações de voz, ele gera respostas em texto que são então emparelhadas com síntese de fala externa, com gerenciamento de turnos pela aplicação.

Tecnicamente, o Apriel Voice 27B Preview conecta um codificador de fala Whisper large-v3-turbo à base Gemma 4 26B-A4B por meio de um projetor aprendido. Seu processo de treinamento envolve alinhar a interface de fala e, em seguida, adaptá-la com a base usando tarefas de fala e reprodução de texto. O modelo suporta entradas de áudio longas, dividindo automaticamente gravações mono de 16 kHz em pedaços de 30 segundos, e demonstrou bom desempenho em gravações contínuas de até 30 minutos, com suporte para durações mais longas sob condições específicas.

Métricas de desempenho destacam sua eficácia, alcançando 51,27% EVA-A, 74,13% EVA-X e 65,51% de sucesso na tarefa τ-Voice, com uma latência média de resposta τ-Voice de 1,91 segundos. No LibriSpeech, ele demonstra uma taxa de erro de palavras de 2,23% no teste limpo e 5,15% no teste outro. O modelo está disponível para serviço padrão e otimizado via imagens Docker, fornecendo uma API compatível com OpenAI para integração. Ele é lançado sob uma Licença MIT.

  • CategoriaModelos de IA e LLMs
  • Modelo de preçosCódigo aberto
  • ImplantaçãoNuvem
  • PlataformasWeb

  • Modelo de Áudio-Texto-para-Texto: Processa solicitações faladas e gera respostas em texto.

  • 27 Bilhões de Parâmetros: Um modelo em larga escala para tarefas complexas.

  • Arquitetura Transformers: Construído com um framework de aprendizado profundo robusto e amplamente utilizado.

  • Compreensão da Fala: Suporta transcrição, tradução e resposta a perguntas faladas.

  • Raciocínio e Uso de Ferramentas: Segue instruções, lida com solicitações de múltiplas etapas e gera chamadas de ferramentas estruturadas.

  • Contexto Multimodal: Integra áudio, texto, imagens e resultados de ferramentas em conversas.

  • Aplicações de Voz: Gera respostas em texto para síntese de fala externa em assistentes de voz interativos.

  • Base Gemma 4: Utiliza uma base compartilhada Gemma 4 26B-A4B para processamento central.

  • Codificador Whisper large-v3-turbo: Conecta a interface de fala através de um projetor aprendido.

  • Suporte a Áudio Longo: Divide automaticamente gravações em pedaços de 30 segundos, suportando até 30 minutos continuamente.

  • API Compatível com OpenAI: Fornece uma API para fácil integração e inferência.

  • Imagens Docker para Serviço: Oferece imagens Docker vLLM padrão e otimizadas para implantação.

  • Licença MIT: Disponível para uso sob uma licença de código aberto.

  • Altas Métricas de Desempenho: Alcança resultados fortes em EVA-A, EVA-X e sucesso na tarefa τ-Voice.

  • Baixa Taxa de Erro de Palavras: Demonstra WER competitivo em benchmarks de reconhecimento de fala em inglês.

  1. Acessar o Modelo: Baixe ou explore os arquivos do modelo Apriel Voice 27B Preview no Hugging Face.

  2. Configurar o Ambiente: Use a imagem Docker vLLM fornecida (por exemplo, `docker.io/amant555/vllm_apriel_voice:plain-26b-v0.32.0`) para serviço.

  3. Servir o Modelo: Execute a imagem Docker em hardware GPU apropriado, expondo uma API compatível com OpenAI na porta 8000.

  4. Configurar Duração do Áudio: Ajuste `VLLM_MAX_AUDIO_DECODE_DURATION_S` e `--max-num-batched-tokens` para os comprimentos de entrada de áudio desejados.

  5. Integrar via API: Envie entradas de áudio ou texto para a API compatível com OpenAI usando o nome do modelo `Apriel-Voice-27B`.

  6. Processar Respostas: Manipule respostas em texto e inspecione `response.choices[0].message.tool_calls` para saídas de chamadas de função.

  7. Emparelhar com Sintetizador: Integre um sintetizador de fala externo para interação de voz em tempo real em aplicações.

  8. Otimizar Desempenho: Utilize a imagem Docker otimizada (`docker.io/amant555/vllm_apriel_voice:optimised-26b-v0.32.0`) para maior throughput.

  • Assistentes de Voz Interativos
  • Automação de Suporte ao Cliente
  • Uso de Ferramentas Faladas
  • Transcrição de Fala
  • Tradução de Fala
  • Resposta a Perguntas Faladas
  • IA Conversacional Multimodal
  • Seguir Instruções
  • Interação de Voz em Tempo Real

De ServiceNow

Avaliações de Apriel Voice 27B Preview

Carregando...

Ferramentas de IA populares como Apriel Voice 27B Preview

O Gemma 3-27B IT é um modelo de IA multimodal de última geração da Google, capaz de lidar com entradas de texto e imagem para gerar saídas de texto. Suporta mais de 140 idiomas e…

Modelos de IA e LLMs
Ver ferramenta

O Gemma 3-27B IT é um modelo de IA multimodal de última geração da Google, capaz de lidar com entradas de texto e imagem para gerar saídas de texto. Suporta mais de 140 idiomas e…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Modelo Gemma 3n

Modelos de IA

Gemma 3n é uma família de modelos de IA leves e de código aberto da Google, projetados para execução eficiente em dispositivos com poucos recursos. Suporta entradas multimodais,…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Gemma 3n é uma família de modelos de IA leves e de código aberto da Google, projetados para execução eficiente em dispositivos com poucos recursos. Suporta entradas multimodais,…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Modelo Gemma 3-4B

Modelos de IA

Gemma 3-4B é um modelo de IA multimodal de última geração da Google, capaz de lidar com entradas de texto e imagem para gerar saídas de texto. Suporta mais de 140 idiomas e é…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Gemma 3-4B é um modelo de IA multimodal de última geração da Google, capaz de lidar com entradas de texto e imagem para gerar saídas de texto. Suporta mais de 140 idiomas e é…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Gemma-3n-E4B-it é um modelo de IA leve e de última geração do Google, projetado para execução eficiente em dispositivos de baixo recurso. Ele suporta entrada multimodal, lidando…

Modelos de IA e LLMs
Ver ferramenta

Gemma-3n-E4B-it é um modelo de IA leve e de última geração do Google, projetado para execução eficiente em dispositivos de baixo recurso. Ele suporta entrada multimodal, lidando…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Modelo de IA Bark

Modelos de IA

Bark é um modelo de texto-para-áudio baseado em transformador da Suno, capaz de gerar fala realista em múltiplas línguas e outras formas de áudio. Ele suporta pesquisa com pontos…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Bark é um modelo de texto-para-áudio baseado em transformador da Suno, capaz de gerar fala realista em múltiplas línguas e outras formas de áudio. Ele suporta pesquisa com pontos…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

O Modelo Unificado Gemma 4 12B da Google DeepMind é um modelo de IA multimodal projetado para execução local eficiente. Ele suporta entradas de texto, imagem e áudio, oferecendo…

Modelos de IA e LLMs
Ver ferramenta

NVIDIA NemotronLabs VoiceChat é um modelo de fala em tempo real e duplex completo para IA conversacional. Ele integra compreensão e geração de fala em uma única arquitetura,…

Modelos de IA e LLMs
Ver ferramenta

Modelo de fala em tempo real e duplex completo para IA conversacional. Ele integra compreensão e geração de fala em uma única arquitetura,…NVIDIA NemotronLabs VoiceChat é um modelo de fala em tempo real e duplex completo para IA conversacional. Ele integra compreensão e geração de fala em uma única arquitetura,…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA
1 de 8