Apriel Voice 27B Preview 开源语音推理模型发布
原文标题：Apriel Voice 27B Preview: An Open Model for Speech, Reasoning, and Tool Use
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究团队发布 Apriel Voice 27B Preview，一个基于 Gemma 4 26B-A4B 检查点后训练的开源语音语言模型，在共享推理主干上统一语音理解、推理与工具调用，并保留文本与图像输入。思考模式下 Big Bench Audio 得 98.90、τ-Voice 任务成功率 65.51%，平均延迟 1.91 秒。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Apriel Voice 27B Preview 开源，基于 Gemma 4 26B-A4B 后训练，思考模式下 τ-Voice 成功率 65.51%、平均延迟
- •在共享推理主干上统一语音理解、推理与工具调用，无需独立对话模型，并保留文本与图像输入
- •两阶段训练：先建立语音接口，再通过监督微调、文本回放与源相关交叉熵/前向 KL 联合适配投影器与主干
- •思考模式下 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
- •另报告英文 EVA 准确率 51.27%、experience pass@1 74.13%，并部署于自建服务平台
为什么重要：开源语音模型开始把推理与工具调用放进同一主干，语音助手类产品的选型多了一个可自托管的选项。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。