Apriel Voice 27B Preview：面向语音、推理与工具调用的开放模型

Apriel Voice 27B Preview 将语音、推理与工具调用统一在一个开放模型中。

资讯摘要

论文提出 Apriel Voice 27B Preview，一个基于 Gemma 4 26B-A4B 后训练检查点的开放语音语言模型，在共享推理主干上统一语音理解、推理、对话与工具调用，并保留文本和图像输入。作者采用两阶段训练适配语音，并用自动构建的语音对话数据与在线蒸馏训练。作者报告 thinking 模式下 Big Bench Audio 98.90、Speech-BFCL 81.13、τ-Voice 任务成功率 65.51%，平均延迟 1.91 秒。

要点速读

1. 基于 Gemma 4 26B-A4B 后训练检查点，直接处理语音并生成回复与工具调用，无需独立对话模型。
2. 两阶段训练：先建立语音接口，再通过监督微调、文本回放及源相关交叉熵与前向 KL 监督联合适配投影器和主干。
3. 作者报告 thinking 模式下 Big Bench Audio 98.90、Speech-BFCL 81.13、τ-Voice 成功率 65.51%，平均延迟 1.91 秒，并已部署于自建服务平台。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。