你对 AI 说“查一下订单，再把结果填进系统”，普通语音模型往往只负责把话写成文字。ServiceNow 的 Apriel Voice 27B Preview 想把后面的理解、推理和操作也接起来：它能处理语音请求与多轮上下文，输出文字回答，或生成结构化的工具调用——也就是按规定格式，让外部程序搜索、查库或操作软件。
它用 Whisper large-v3-turbo 语音编码器来“听”，再通过一个训练得到的连接层，把声音接入 Gemma 4 26B-A4B 骨干模型——承载主要理解与推理能力的核心网络。文字、图像、语音和工具返回结果因此可以进入同一段对话。长录音会被自动切成 30 秒片段；ServiceNow 称测试中连续录音在约 30 分钟内表现良好，但时长继续增加可能退化。
要注意，这仍是预览版，而且模型本身只生成文字和工具调用，并不会直接开口说话；完整语音助手还要外接语音合成器，并由应用负责执行工具和管理对话轮次。