日本初创公司higurashi开源全双工语音模型Haru 4B，支持自然打断与附和
higurashi发布4B参数全双工语音对话模型Haru 4B，采用Apache 2.0协议开源权重，旨在解决传统级联架构的延迟与非语言信息丢失问题。
日本AI初创公司higurashi于2026年11月13日发布了名为Haru 4B的全双工语音对话模型，并以Apache 2.0许可证在Hugging Face上开源了预训练权重及推理代码。该模型拥有40亿参数，专门针对实时语音交互中的自然度与低延迟需求设计。
与传统将语音识别（ASR）、大语言模型（LLM）和语音合成（TTS）串联处理的“级联型”架构不同，Haru 4B采用了端到端的全双工LSLM（Large Speech Language Model）技术。这种架构允许模型同时处理用户语音、模型自身语音和文本三个数据流，每约133毫秒同步一次信息。这使得模型能够像人类一样“边听边说”，从而实现对用户插话、附和（backchanneling）以及话题转换的低延迟响应，并保留了语调、情感等非语言特征。
据higurashi官方介绍，Haru 4B在预训练阶段使用了包含日语、英语在内的4000万小时多语言数据，目前支持9种语言。模型还引入了VibeVoice连续语音分词器，以平衡音质与计算效率。尽管具备流畅的对话能力，higurashi也明确指出，受限于4B的参数规模，该模型的逻辑推理能力大致相当于GPT-2水平，主要价值在于其交互机制而非复杂任务处理能力。