Haru 4B
2 节点1 篇6 来源
日本初创公司higurashi于2026年11月13日开源了全双工语音对话模型Haru 4B。该模型采用Apache 2.0协议,基于Qwen3.5-4B架构,通过同步处理用户音频、模型音频和文本三个流,实现了“边听边说”的自然交互能力,支持相槌(backchanneling)和打断。【背景】传统级联架构存在延迟和非语言信息丢失问题,Haru 4B利用4000万小时多语言真实语音数据训练,旨在解决这一痛点。尽管其推理代码和权重已公开,但官方明确指出这是一个用于研究的预训练基础模型,并非可靠的助手,且在事实准确性和指令遵循上存在局限。目前社区已推出GGUF量化版本以适配本地部署,但性能与原版仍有差距。
事情怎么走到这一步
higurashi发布Haru 4B,在Hugging Face开源模型权重,GitHub开源推理代码,并公布技术博客。
higurashi.ai ↗第三方开发者sakasegawa发布Haru-4B的GGUF量化版本,适配speech.cpp框架,提供不同精度下的性能测试数据。
huggingface.co ↗
还没定论的部分
- Haru 4B作为研究用基础模型,其在实际生产环境中的稳定性和安全性如何评估?
- 社区开发的量化版本(如GGUF)在低精度下对自然对话流畅度的具体影响有多大?
- higurashi计划何时发布更大规模的模型以缩小与‘人类般AI’愿景的差距?