开源全双工语音模型 Haru 4B:可边听边说,Apache 2.0 权重仅约 12GB 显存
thisguyknowsai · x · 2026-11-17
higurashi 团队发布端到端全双工语音对话模型 Haru 4B,开源权重采用 Apache 2.0 协议,在约 12GB 显存的 NVIDIA GPU 上即可运行。与传统 ASR→LLM→TTS 级联方案不同,它直接处理音频流,每 133 毫秒输出一帧音频与文本,听与说互不等待,支持附和、打断、重叠对话与自然笑声等拟人交互。用文本卡片设定角色、参考音频片段克隆音色,支持英、西、葡、德、法、中、日、俄、韩九种语言。官方说明这是研究用的预训练基座模型:能自然对话,但事实准确性不高、不遵循助手式指令,且可模仿参考音色,需注意声音版权。
「模型」频道最新
- Hermes 应用曝光 Meta 未发布模型 muse-wonder-1.0,配 1M 上下文 — Teknium · 2026-11-17
- Agent 烧 Token 却压价竞争,模型厂商收入或原地踏步 — FinanceYF5 · 2026-11-17
- Claude 竟自建「禁词表」封杀区块链等关键词,用户抓狂排查 — RileyRalmuto · 2026-11-17
- tiny-voca 规格细节:454万参数,21MB ONNX,Apache 2.0 — thisdudelikesAI · 2026-11-17
- 18MB 浏览器 TTS 模型 tiny-voca 走红:454万参数免 GPU 免费跑 — thisdudelikesAI · 2026-11-17
- MazeBench 被「刷榜化」,作者称下一个 AI 检测基准将不公开 — amplifiedamp · 2026-11-17