ServiceNow 发布了一个开放模型，可理解语音请求，并根据对话上下文生成回答和工具调用。开发语音助手或客户支持服务时，无须将语音识别结果交给独立的语言模型，而可用一个模型连接聆听与后续判断。
1. 将语音与屏幕内容纳入同一对话上下文
Apriel Voice 27B Preview 基于经过后训练的 Gemma 4 26B-A4B 模型。语音编码器将音频转为数值表示，经过训练的连接模块再将其适配并传递给现有推理模型。
训练分两阶段进行：先固定推理主体，训练连接模块，再共同调整连接模块与推理主体。
模型权重采用 MIT 许可证。
除语音外，文本、图像和工具执行结果也进入同一对话上下文。例如，用户口头说明账户锁定问题并共享屏幕后，模型会综合这些信息决定下一步行动。实际执行工具调用并将结果送回对话的工作由应用负责。
2. 自由更换合成器，也需承担应用实现负担
将回答文本转为实际声音的工作由外部语音合成服务承担。Apriel Live 应用使用 Cartesia Sonic 3.6，并负责采集语音、判断发言是否结束及控制对话中的打断。无需重新训练推理模型即可更换合成器或音色，但集成这些配套功能的负担也随之转移给部署方。
模型卡提供了基于 vLLM 0.32.0 的标准镜像说明，使用 4 张 GPU 启动服务器，并在端口 8000 开放兼容 OpenAI 的 API。以下原样摘录了原文服务启动命令中的配置部分。
--max-num-batched-tokens 16384 \
--tensor-parallel-size 4 \
--gpu-memory-utilization 0.95 \
--speculative-config '{"model":"google/gemma-4-26B-A4B-it-assistant","num_speculative_tokens":3}' \
--default-chat-template-kwargs '{"enable_thinking":true}' \
--enable-auto-tool-choice \
--tool-call-parser gemma4 \
--reasoning-parser gemma43. 分别评估准确率与对话体验
据公司公布的数据，英语 EVA-A 准确率为 51.27%，对话体验得分 EVA-X 为 74.13%。前者评估忠于发言内容与事实并完成任务的能力，后者考察简洁性、对话推进和轮次交替。
据公司公布的数据，在测试航空、零售和电信业务的 τ-Voice 中，任务成功率为 65.51%，平均响应延迟为 1.91秒。
EVA 和 τ-Voice 评估均开启了在回答前进行推理的思考模式，并按各领域等权重的方式计算平均值。
评估使用了优化后的服务配置和 Cartesia Sonic 3.5 合成。延迟为包含回答生成与语音合成的整个系统数值。
表：Apriel Voice 与 Flux + Gemma 4-26B 的英语语音评估（据公司公布的数据）
条件：EVA·τ-Voice 按领域等权重平均，Apriel 开启思考模式。两个系统均使用 Cartesia Sonic 3.5 合成。延迟为包含回答生成与合成的整个系统数值
单位：EVA·成功率 %（越高越好），延迟秒（越低越好）
| 系统 | EVA-A (%) | EVA-X (%) | τ-Voice 成功率 (%) | 延迟（秒） |
|---|---|---|---|---|
| Flux + Gemma 4-26B | 36.07 | 29.22 | 65.92 | 2.92 |
| Apriel Voice 27B Preview | 51.27 | 74.13 | 65.51 | 1.91 |
与 Flux + Gemma 4-26B 相比，Apriel 的 EVA-A 高 15.20 个百分点，EVA-X 高 44.91 个百分点。τ-Voice 成功率则低 0.41 个百分点，平均延迟缩短 1.01秒。相对此基线，τ-Voice 的优势在于缩短响应时间，而非提高成功率。这是公司公布的完整系统比较，不能将差异归因于模型中的单个组件。
据公司公布的数据，音频推理得分为 85.84，是开启思考模式、以语音输入的 8 个基准测试的等权重平均值。
在 4 张 H100 80GB 上，优化配置的输出 token 吞吐量，即每秒生成 token 数所反映的处理速度，在并发请求为 1 个和 50 个时，分别为原有 Apriel vLLM 配置的 1.96倍和 1.83倍。这是输出 token 吞吐量的提升，与对话延迟属于不同指标。
4. 添加语音能力后，也检查文本推理表现
模型卡还展示了添加语音功能前后的文本评估。以下是公司公布的部分结果，两个模型均使用文本输入并开启思考模式。
表：语音适配前后的文本评估
条件：Gemma 4 26B-A4B 与 Apriel Voice，文本输入，思考模式
单位：分数（0–100，越高越好）
| 项目 | Gemma 4 26B-A4B | Apriel Voice |
|---|---|---|
| MMLU-Pro | 85.27 | 84.42 |
| GPQA Diamond | 77.80 | 80.40 |
| MATH-500 | 92.76 | 92.88 |
相较基础模型，MMLU-Pro 下降 0.85分，GPQA Diamond 上升 2.60分，MATH-500 上升 0.12分。这三项中，GPQA Diamond 升幅最大，MATH-500 变化较小，说明语音适配后的变化因评估而异。这表明，衡量添加语音功能的价值时，既要考察聆听表现，也要看原有文本任务能力保留了多少。
5. 长录音分段处理，重要操作需要核验
输入为 16kHz 单声道音频，处理器这一为模型准备输入音频的组件会将长录音按 30秒分段。据模型卡介绍，连续录音长达约30分钟时仍观察到良好表现。音频与其余对话共享整体上下文预算，长录音建议开启思考模式。
更长录音的表现可能下降，多语言、噪声、远距离麦克风语音及复杂工具任务的可靠性也存在限制。模型卡建议，对重要任务核验工具参数，即传给工具执行的输入值，以及执行结果和最终完成情况，并实施人工监督。
Apriel Voice 将语音理解与推理整合进一个模型，但实际对话产品的完善程度，取决于同时负责语音合成和轮次处理的应用。