Higurashi phát hành Haru-4B, mô hình giọng nói song công hoàn toàn mã nguồn mở vừa nghe vừa nói cùng lúc
Haru-4B: A voice AI that can listen and speak at the same time
Higurashi đã phát hành Haru-4B, một mô hình nền tảng hội thoại bằng giọng nói song công hoàn toàn 4B được xây dựng trên Qwen3.5-4B, xử lý đồng thời giọng nói đến và đi, với trọng số trên Hugging Face và mã nguồn trên GitHub. Mô hình sử dụng latent âm học liên tục 64 chiều ở tần số 7,5 Hz và một đầu sinh MLP một bước, đạt độ trễ đầu-cuối khoảng 65 ms trên MacBook Apple M1 Max và khoảng 15 ms mỗi bước mô hình trên GPU NVIDIA B300. Mô hình được tiền huấn luyện trên hơn 40 triệu giờ giọng nói thực tế thuộc hơn 160 ngôn ngữ, bao gồm hơn 13 triệu giờ hội thoại song công đã tách riêng, và được phát hành dưới dạng mô hình nền tảng tiền huấn luyện để tinh chỉnh thêm và nghiên cứu.
Nguồn:Hacker News · AI · blog.higurashi.ai