Higurashi 开源 4B 全双工语音模型 Haru，4000 万小时数据训练
alexcovo_eth · x · 2026-11-13
HigurashiAI 以 Apache 2.0 开源 4B 端到端全双工语音对话模型 Haru 4B（开放权重+推理代码+技术博客），预训练数据达 4000 万小时，覆盖日英等多语言。
- 与传统 ASR→LLM→TTS 级联架构不同，Haru 4B 直接处理音频，能同时听和说，保留语调、情绪等副语言信息。
- 支持自然对话中的附和、打断、重叠说话与适时沉默等「像人一样」的行为。
- 官网提供四段对话 demo；公司同时在训练更大规模模型，目标是让自然语音对话成为日常。
「多模态」频道最新
- MiniMax H3 refMod 本地生图管线实测:参考图到 4K 放大全流程展示 — edisson75 · 2026-11-13
- 用 Gaussian Splatting 还原 LKG 3D 显示屏的真实观感 — nptacek · 2026-11-13
- AI 生成终结者与乔丹同车「非正史」名场面视频 — alanskimp · 2026-11-13
- H3-Image API 有坑：客户端断开仍照常计费，记得关自动重试 — xiaohu · 2026-11-13
- MiniMax 开源 H3-Image：原生 4K 出图，一张参考图管空间 — xiaohu · 2026-11-13
- GPT-6 Images 2.6「每日一画」:厚涂风格冬日小镇花卉习作 — DeryaTR_ · 2026-11-13