Higurashi 发布 Haru-4B 开放全双工语音模型
热点事件持续更新
Higurashi 发布 Haru-4B 开放全双工语音模型
1 篇报道1 个报道来源22 小时前更新
先了解这件事
AI 综述
Higurashi 发布了 Haru-4B,这是一个基于 Qwen3.5-4B 构建的 4B 参数全双工语音对话模型,可同时处理输入和输出语音。权重已发布在 Hugging Face 上,代码在 GitHub 上,以预训练基础模型的形式发布,供进一步微调和研究使用。 该模型使用 7.5 Hz 的 64 维连续声学潜变量和单步 MLP 生成头。Higurashi 报告称,在 Apple M1 Max MacBook 上端到端延迟约为 65 ms,在 NVIDIA B300 GPU 上每个模型步约 15 ms。该模型在超过 4000 万小时的真实语音上进行了预训练,涵盖 160 多种语言,其中包括超过 1300 万小时的分离式全双工对话。 Higurashi 表示,更详细的技术报告和训练代码计划发布,但尚未发布。
AI 根据报道生成 · 22 小时前更新
最新进展11月19日 05:19
Higurashi 发布 Haru-4B:一款可同时听与说的开放全双工语音模型报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- Hacker News · AIHigurashi 发布 Haru-4B:一款可同时听与说的开放全双工语音模型
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。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1011月19日 06:00
- 近 24 小时变化
- –
02.557.510
19191920
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。