ServiceNow-AI, 음성 모델 Apriel Voice 27B 공개

ServiceNow-AI 연구진이 음성 이해와 추론, 도구 사용을 하나의 공통 백본에 결합한 오픈 음성 언어 모델 Apriel Voice 27B Preview를 발표했습니다. 사후 학습된 Gemma 4 26B-A4B 체크포인트를 기반으로 하며, 텍스트와 이미지 입력을 받아 별도의 대화 모델 없이 응답과 도구 호출을 직접 생성합니다. 연구진은 대화형 음성 대화를 위해 자체 서빙 플랫폼에 모델을 배포했다고 밝혔습니다.

연구진은 두 단계의 학습을 통해 모델을 음성에 맞게 조정했습니다. 첫 단계에서는 음성 인터페이스를 구축했고, 두 번째 단계에서는 프로젝터와 백본을 함께 조정했습니다. 이 과정에서 지도 미세 조정, 텍스트 리플레이, 데이터 출처에 따라 적용하는 교차 엔트로피 및 순방향 쿨백-라이블러 발산 지도 학습을 사용했습니다. 학습 데이터는 음성 조건 대화를 자동으로 구성해 마련했습니다. 온라인 증류를 지원하기 위해 로컬 교사 모델 서빙, 교사와 학생의 연산 중첩, 전체 어휘 손실 융합도 적용했습니다.

사고 모드에서 Apriel Voice는 Big Bench Audio 98.90점, Speech-BFCL 81.13점을 기록했습니다. τ-Voice 과제 성공률은 65.51%, 평균 지연시간은 1.91초였습니다. 논문에는 영어 EVA 정확도 51.27%와 experience pass@1 74.13%도 보고됐습니다. 논문은 10월 29일 발표됐고, 11월 2일 Hugging Face Papers에 제출됐습니다.

ServiceNow-AI 연구진이 음성 이해와 추론, 도구 사용을 하나의 공통 백본에 결합한 오픈 음성 언어 모델 Apriel Voice 27B Preview를 발표했습니다. 사후 학습된 Gemma 4 26B-A4B 체크포인트를 기반으로 하며, 텍스트와 이미지 입력을 받아 별도의 대화 모델 없이 응답과 도구 호출을 직접 생성합니다. 연구진은 대화형 음성 대화를 위해 자체 서빙 플랫폼에 모델을 배포했다고 밝혔습니다.

연구진은 두 단계의 학습을 통해 모델을 음성에 맞게 조정했습니다. 첫 단계에서는 음성 인터페이스를 구축했고, 두 번째 단계에서는 프로젝터와 백본을 함께 조정했습니다. 이 과정에서 지도 미세 조정, 텍스트 리플레이, 데이터 출처에 따라 적용하는 교차 엔트로피 및 순방향 쿨백-라이블러 발산 지도 학습을 사용했습니다. 학습 데이터는 음성 조건 대화를 자동으로 구성해 마련했습니다. 온라인 증류를 지원하기 위해 로컬 교사 모델 서빙, 교사와 학생의 연산 중첩, 전체 어휘 손실 융합도 적용했습니다.

사고 모드에서 Apriel Voice는 Big Bench Audio 98.90점, Speech-BFCL 81.13점을 기록했습니다. τ-Voice 과제 성공률은 65.51%, 평균 지연시간은 1.91초였습니다. 논문에는 영어 EVA 정확도 51.27%와 experience pass@1 74.13%도 보고됐습니다. 논문은 10월 29일 발표됐고, 11월 2일 Hugging Face Papers에 제출됐습니다.