Hacker News · AI·· 22 ชม. ที่แล้วคะแนน AI69
Higurashi เปิดตัว Haru-4B โมเดลเสียงแบบ full-duplex โอเพนซอร์สที่ฟังและพูดได้พร้อมกัน
Haru-4B: A voice AI that can listen and speak at the same time
สรุปโดย AI
Higurashi เปิดตัว Haru-4B โมเดลพื้นฐานบทสนทนาเสียงแบบ full-duplex ขนาด 4B ที่สร้างบน Qwen3.5-4B ซึ่งประมวลผลเสียงขาเข้าและขาออกพร้อมกัน โดยเผยแพร่ weights บน Hugging Face และโค้ดบน GitHub ตัวโมเดลใช้ continuous acoustic latents ขนาด 64 มิติที่ 7.5 Hz และหัวสร้างแบบ single-step MLP ทำความหน่วง end-to-end ได้ประมาณ 65 ms บน Apple M1 Max MacBook และประมาณ 15 ms ต่อหนึ่ง step ของโมเดลบน NVIDIA B300 GPU โมเดลนี้ผ่านการ pretrain ด้วยเสียงจริงกว่า 40 ล้านชั่วโมงในกว่า 160 ภาษา รวมถึงบทสนทนา full-duplex ที่แยกเสียงแล้วกว่า 13 ล้านชั่วโมง และเผยแพร่เป็นโมเดลพื้นฐานแบบ pretrained สำหรับการ fine-tune และการวิจัยเพิ่มเติม
แหล่งข่าว:Hacker News · AI · blog.higurashi.ai