speech.cpp v0.11.0 发布：全双工语音对话模型可在本地跑
alexcovo_eth · x · 2026-11-15
开发者 gyakuse 发布了 speech.cpp v0.11.0，新增对 higurashi-ai 的 Haru-4B 模型的支持。Haru-4B 是一款可以在听的同时开口说话的全双工（Full-Duplex）对话模型，用户可在 Mac / Windows / Linux 上直接进行语音对话。
项目本身是一个基于 ggml 的 C++ 语音栈，集成语音合成（Qwen3-TTS、Irodori-TTS）、语音识别（Qwen3-ASR、ReazonSpeech、parakeet）和 VAD（Silero VAD），支持 Metal、Vulkan 与 CPU，无需 Python 和 CUDA，附带 OpenAI 兼容服务器与实时转写。视频演示了 OpenAI 的 gpt-live-1 与 Haru-4B 的对话效果。运行要求：Mac F16 约需 11GB 内存、Q80 约 7GB；Windows/Linux 上 8GB VRAM 可跑 Q80 进行 10 分钟以内的对话。速度与官方 MLX 版接近、略慢，胜在安装简单。
「Infra」频道最新
- ggml 张量库登 GitHub 热门:15.8k star,日增 154 — ggml-org · 2026-11-15
- 开源 h3metal 引擎利用 M5/M6 矩阵单元，图像生成比 Draw Things 快 2.1-2.3 倍 — audenvenn · 2026-11-15
- 独立研究员把 BiRefNet 抠图塞进手机 NPU:1024px 仅 23.7ms 全开源 — subhashg547 · 2026-11-15
- Azure 宕机后无人发声，咨询巨头回避供应商集中风险话题 — DavidLinthicum · 2026-11-15
- 2 次星舰发射顶 20 次猎鹰9:52 颗 V3 卫星容量超 500 颗 V2 — XFreeze · 2026-11-15
- HPE 财报达标股价仍重挫，AI 服务器利润率遭市场质疑 — DavidLinthicum · 2026-11-15