Higurashi เปิดตัว Haru-4B โมเดลเสียงพูดแบบ full-duplex แบบเปิด
เริ่มตรงนี้
Higurashi เปิดตัว Haru-4B โมเดลบทสนทนาเสียงแบบ full-duplex ขนาด 4B พารามิเตอร์ สร้างบน Qwen3.5-4B ที่ประมวลผลเสียงขาเข้าและขาออกพร้อมกัน น้ำหนักโมเดลอยู่บน Hugging Face และโค้ดอยู่บน GitHub เปิดตัวเป็นโมเดลฐานแบบ pretrained สำหรับการ fine-tuning และการวิจัยเพิ่มเติม โมเดลใช้ latent อะคูสติกแบบต่อเนื่อง 64 มิติที่ 7.5 Hz และหัวสร้างแบบ MLP ขั้นตอนเดียว Higurashi รายงานความหน่วงแบบ end-to-end ประมาณ 65 ms บน Apple M1 Max MacBook และประมาณ 15 ms ต่อขั้นตอนของโมเดลบน NVIDIA B300 GPU โมเดลถูก pretrained ด้วยเสียงพูดจริงกว่า 40 ล้านชั่วโมงในกว่า 160 ภาษา รวมถึงบทสนทนา full-duplex ที่แยกแล้วกว่า 13 ล้านชั่วโมง Higurashi กล่าวว่ามีแผนจะเผยแพร่รายงานทางเทคนิคโดยละเอียดและโค้ดสำหรับการฝึก แต่ยังไม่เปิดตัวในขณะนี้
สร้างจากรายงาน · อัปเดต 22 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Hacker News · AIHigurashi เปิดตัว Haru-4B โมเดลเสียงแบบ full-duplex โอเพนซอร์สที่ฟังและพูดได้พร้อมกัน
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
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 5
- จุดสูงสุดในช่วงที่เทียบได้
- 1019 พฤศจิกายน 06:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- –
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู