站内导读
定位 Haru-4B 是 higurashi-ai 发布的低延迟多语言全双工语音对话基础模型,像打电话一样边听边说,每 133 毫秒处理一帧,支持中英日韩等 9 种语言,面向研究用途发布,通话体验接近真人对话。 核心能力
- 原生全双工:每 133 毫秒同时处理用户语音并生成回复
- 连续音频单步采样,无需离散音频 token 与独立音频变换器
- 文本人设卡定角色,3 秒到 3 分钟参考音频克隆音色
- 覆盖英、西、葡、德、法、中、日、俄、韩九种语言
适用人群 做实时语音助手、电话客服或语音智能体的研究者与开发者,以及想在本地 GPU 上跑低延迟语音对话实验的团队。 注意 这是预训练基础模型,不保证事实准确,也不擅长遵循指令;自带语音需自行提供,且只能使用有合法授权的声音;低延迟建议用有线耳机与麦克风。
概要 Haru-4B は higurashi-ai が公開した低遅延・多言語の全二重音声対話基盤モデルです。電話のように聞きながら話し、133 ミリ秒ごとに 1 フレームを処理します。英語や中国語、日本語、韓国語など 9 言語に対応し、研究用途向けに公開されています。 主な機能
- ネイティブ全二重で 133 ミリ秒ごとに聴取と発話を同時に処理
- 連続音声を 1 ステップでサンプリングし、離散トークンは不要
- テキストのキャラクターカードで人格を決め、参照音声で声を再現
- 英・西・葡・独・仏・中・日・露・韓の 9 言語に対応
こんな人におすすめ リアルタイム音声アシスタントや電話対応、音声エージェントを研究・開発する人、ローカル GPU で低遅延の音声対話を試したいチームに向いています。 注意点 事前学習済みの基盤モデルで、事実の正確性は保証されず、指示への従順さも限られます。音声は自分で用意する必要があり、権利のある声だけを使ってください。低遅延には有線のヘッドホンとマイクが推奨されます。
개요 Haru-4B는 higurashi-ai가 공개한 저지연 다국어 전이중 음성 대화 기반 모델입니다. 전화처럼 들으면서 동시에 말하며 133밀리초마다 한 프레임을 처리하고, 중국어, 영어, 일본어, 한국어 등 9개 언어를 지원하며 연구용으로 공개되었습니다. 핵심 기능
- 네이티브 전이중 방식으로 133밀리초마다 청취와 발화를 동시 처리
- 연속 오디오를 한 단계로 샘플링하며 이산 오디오 토큰 불필요
- 텍스트 캐릭터 카드로 인격을 정하고 참조 음성으로 목소리 재현
- 영, 스페인, 포르투갈, 독일, 프랑스, 중국, 일본, 러시아, 한국어 지원
이런 분께 추천 실시간 음성 비서, 전화 응대, 음성 에이전트를 연구하거나 개발하는 사람, 로컬 GPU에서 저지연 음성 대화를 실험하고 싶은 팀에 적합합니다. 주의사항 사전 학습된 기반 모델로 사실 정확성을 보장하지 않으며 지시 따르기도 제한적입니다. 목소리는 직접 준비해야 하고 권리가 있는 목소리만 사용해야 합니다. 저지연을 위해서는 유선 헤드폰과 마이크가 권장됩니다.
What it is Haru-4B is a low-latency, multilingual, full-duplex spoken dialogue foundation model from higurashi-ai. It listens and speaks at the same time, the way people do on a phone call, processing one frame of audio every 133 ms. It supports nine languages and is released as a pretrained base model for research. Key capabilities
- Native full-duplex at 7.5 Hz: user audio, model audio, and model text share one position per frame
- Continuous audio with one sampling step, using a small MLP head instead of discrete audio tokens
- Character and voice control: a text card sets the character, a short reference clip sets the voice
- Multilingual coverage: English, Spanish, Portuguese, German, French, Chinese, Japanese, Russian, Korean
Who it is for Researchers and developers building real-time voice assistants, phone agents, or spoken dialogue systems, and teams that want to experiment with low-latency voice conversation on a local GPU. Caveats This is a pretrained base model: it holds a natural conversation but is not a reliable source of facts and does not follow instructions well. It ships without voice clips, so you must supply your own, using only voices you have the right to use. Wired headphones and a microphone are recommended for low latency.