东京 higurashi 开源语音模型 Haru-4B,133 毫秒一帧边听边说
133 毫秒一帧,这个开源语音模型边听边说。 东京的 higurashi 开源了 Haru-4B。现在大多数语音助手还是对讲机:你说完它才想,它说话时你插不进嘴。Haru 每 133 ...
AI 导读
东京团队 higurashi 开源了语音模型 Haru-4B,每 133 毫秒同时接收一帧声音并输出一帧,支持被打断和「嗯嗯」接话。官方称一张 12GB 显存的 N 卡即可运行;作者认为这类模型塞进端侧芯片后,音箱、玩偶、陪伴机器人的交互都得重做一遍。
来源:Michael_AI_Hu · x.com