ServiceNow veröffentlicht offene Vorschau von Apriel Voice 27B für sprachgesteuerte Aufgaben
ServiceNow hat Apriel Voice 27B veröffentlicht: eine Open-Weight-Vorschau, die Text, Bilder und Spracheingaben verarbeitet und auf Basis des Verstandenen handeln kann.
ServiceNow hat Apriel Voice 27B als Open-Weight-Vorschaumodell auf Hugging Face veröffentlicht. Nach Angaben des Unternehmens ist es darauf ausgelegt, per Spracheingabe Aufgaben zu erledigen. Berman, der in einem Video über die Veröffentlichung berichtete, erklärte, das Modell nehme Text, Bilder und Sprache gleichzeitig entgegen und führe sie zusammen. Anschließend entscheide es, was zu tun sei, und zwar auf Grundlage dessen, was es als Ziel des Nutzers verstehe. Zudem könne es Sprachausgabe per Text-to-Speech erzeugen.
Die Architektur besteht laut Bermans Erläuterung aus mehreren Teilen. Sprache gelangt über einen Speech Encoder ins Modell, Text über Token-Embeddings und Bilder über eine, wie er es nannte, eingefrorene visuelle Schnittstelle. All das fließt in ein Mixture-of-Experts-Backbone. Zur Leistung sagte Berman, das Modell schneide für seine Größe in Benchmarks sehr gut ab; konkrete Zahlen nannte das Video allerdings nicht.
Was sich ändert
Art: Neue Funktion · Betrifft: Apriel Voice 27B
Warum es wichtig ist
Ein offenes, auf Sprache ausgerichtetes Agentenmodell könnte es Unternehmen ermöglichen, Sprach-Workflows auf einer Infrastruktur unter eigener Kontrolle aufzubauen.
Was Sie tun können
Teams, die sich mit Sprachagenten befassen, könnten prüfen, ob die Vorschau reif für eine interne Evaluierung ist.
Originalquelle
Für diese Meldung haben wir noch keinen Link zur Originalquelle.
Wo wir es gesehen haben
Forward Future (Matthew Berman)
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es