跳至正文
Hacker News · AI·· 22 小時前AI 評分69

Higurashi 發布 Haru-4B,一款可同時聆聽與說話的開放全雙工語音模型

Haru-4B: A voice AI that can listen and speak at the same time

AI 導讀

Higurashi 發布 Haru-4B,這是一款基於 Qwen3.5-4B 構建的 4B 全雙工口語對話基礎模型,可同時處理輸入與輸出的語音,權重已發布於 Hugging Face,程式碼則在 GitHub。它使用 7.5 Hz 的 64 維連續聲學潛在表徵與單步 MLP 生成頭,在 Apple M1 Max MacBook 上達到約 65 毫秒的端到端延遲,在 NVIDIA B300 GPU 上每個模型步驟約 15 毫秒。該模型在超過 160 種語言、逾 4000 萬小時的真實語音上進行預訓練,其中包括超過 1300 萬小時的分離式全雙工對話,並以預訓練基礎模型的形式發布,供進一步微調與研究使用。

來源:Hacker News · AI · blog.higurashi.ai