Higurashi 發布 Haru-4B 開放全雙工語音模型
先了解這件事
Higurashi 發布 Haru-4B,這是一個以 Qwen3.5-4B 為基礎建構的 4B 參數全雙工口語對話模型,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,並以預訓練基礎模型的形式釋出,供進一步微調與研究之用。 此模型採用 7.5 Hz 的 64 維連續聲學潛在表示,以及單步 MLP 生成頭。Higurashi 表示,在 Apple M1 Max MacBook 上端到端延遲約為 65 毫秒,而在 NVIDIA B300 GPU 上每個模型步驟約為 15 毫秒。此模型以超過 4,000 萬小時、涵蓋 160 多種語言的實際語音進行預訓練,其中包含超過 1,300 萬小時的分離式全雙工對話。 Higurashi 表示,更詳細的技術報告與訓練程式碼尚在規劃中,但尚未發布。
AI 依報導生成 · 22 小時前更新
報導時間線
沿著報導,了解事件的不同側面。
- Hacker News · AIHigurashi 發布 Haru-4B,一款可同時聆聽與說話的開放全雙工語音模型
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。
本事件熱度走勢
- 可比範圍當前
- 5
- 可比範圍峰值
- 1011月19日 06:00
- 近 24 小時變化
- –
趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指標或點擊圖表查看每小時熱度;鍵盤可用左右方向鍵切換。