Hacker News · AI·· 22 小时前AI 评分69
Higurashi 发布 Haru-4B:一款可同时听与说的开放全双工语音模型
Haru-4B: A voice AI that can listen and speak at the same time
AI 导读
Higurashi 发布了 Haru-4B,这是一个基于 Qwen3.5-4B 构建的 4B 全双工口语对话基础模型,可同时处理输入与输出语音,权重已发布在 Hugging Face,代码在 GitHub。它使用 7.5 Hz 的 64 维连续声学潜变量和单步 MLP 生成头,在 Apple M1 Max MacBook 上端到端延迟约 65 ms,在 NVIDIA B300 GPU 上每模型步约 15 ms。该模型在超过 4000 万小时的真实语音上预训练,覆盖 160 多种语言,其中包括超过 1300 万小时的分离全双工对话,并以预训练基础模型的形式发布,供进一步微调与研究。
来源:Hacker News · AI · blog.higurashi.ai